চাকরির CV ছাঁকবে AI, কিন্তু ‘মানুষ দেখেছে’ বললেই সিদ্ধান্ত বৈধ নয়

যুক্তরাষ্ট্রের Office of Personnel Management (OPM) ২৭ আগস্ট ২০২৬-এ ফেডারেল নিয়োগে AI ব্যবহারের নতুন নির্দেশনা জারি করেছে। Federal News Network-এর প্রতিবেদন অনুযায়ী, এতে চাকরির বিজ্ঞাপন প্রস্তুত, CV ও যোগ্যতা যাচাই, চাকরির প্রস্তাবের আগের মাননিয়ন্ত্রণ এবং নিয়োগ-পরবর্তী সামগ্রিক বিশ্লেষণে AI ব্যবহারের সুযোগ ব্যাখ্যা করা হয়েছে।

CV ছাঁকাইয়ের ক্ষেত্রে কেবল কোনো কর্মকর্তা ফল দেখেছেন বা অনুমোদন করেছেন বললেই AI-এর ভূমিকা সীমিত প্রমাণিত হবে না। OPM-এর ১৪ পৃষ্ঠার স্মারক বলছে, কর্মকর্তাকে সম্পূর্ণ আবেদনপত্র স্বাধীনভাবে যাচাই করে মূল নথির শনাক্তযোগ্য প্রমাণের ভিত্তিতে নিজস্ব সিদ্ধান্ত লিখতে হবে; নইলে AI output-ই সিদ্ধান্তের principal basis হিসেবে গণ্য হতে পারে এবং ব্যবহারটি high-impact হিসেবে পরিচালনা করতে হবে।

শিরোনামের ‘বৈধ’ শব্দটি এই প্রশাসনিক শ্রেণিবিন্যাসের অর্থে ব্যবহৃত: নামমাত্র মানব অনুমোদন কোনো workflow-কে non-high-impact ঘোষণার যথেষ্ট ভিত্তি নয়। স্মারকটি নিজে নতুন আইনি অধিকার তৈরি করেনি এবং এটি বাংলাদেশ বা ভারতের নিয়োগ আইনও নয়।

CV screening কখন decision-support

AI যদি আবেদনপত্র থেকে অভিজ্ঞতা, যোগ্যতা বা সহায়ক নথি শনাক্ত করে, অনুমোদিত মানদণ্ডের সঙ্গে মিলিয়ে সারসংক্ষেপ দেয় এবং প্রতিটি ফলকে মূল নথির সংশ্লিষ্ট অংশে ফেরত নেওয়া যায়, তাহলে সেটি decision-support হতে পারে। তবে সিদ্ধান্তদাতার সামনে AI summary-এর পাশাপাশি সম্পূর্ণ application package থাকতে হবে এবং তাঁকে প্রযোজ্য যোগ্যতার শর্ত ধরে নিজেই সিদ্ধান্তে পৌঁছাতে হবে।

OPM-এর পরীক্ষাটি প্রযুক্তির নাম বা workflow-তে একটি human-review ধাপ আছে কি না, তা দিয়ে শেষ হয় না। আসল প্রশ্ন হলো, নথিভুক্ত সিদ্ধান্তের যুক্তি বাস্তবে কোথা থেকে এসেছে—আবেদনপত্র ও কর্মকর্তার স্বাধীন বিচার থেকে, নাকি AI-এর recommendation, score বা summary থেকে।

AI কোনো প্রার্থীকে বাদ দেওয়ার সুপারিশ করলে শুধু সেই ভাষা পুনরায় লিখে দেওয়া স্বাধীন পর্যালোচনা নয়। সিদ্ধান্তের যুক্তিতে আবেদনপত্রের নির্দিষ্ট প্রমাণ এবং প্রাসঙ্গিক job-analysis factor শনাক্ত না থাকলে AI output-ই সিদ্ধান্তের ভিত্তি হিসেবে থেকে যায়।

স্কোরে মানুষের স্বাক্ষরও যথেষ্ট নাও হতে পারে

প্রার্থীকে rate, rank বা score করার ব্যবহার শুরুতেই presumed high-impact শ্রেণির মধ্যে পড়তে পারে। তবু কোনো নির্দিষ্ট ব্যবস্থায় AI principal basis নয় বলে দেখানো সম্ভব, যদি প্রতিটি score অনুমোদিত মূল্যায়ন পরিকল্পনার উপাদান ও আবেদনকারীর নিজের উত্তরের সঙ্গে trace করা যায় এবং কর্মকর্তা তার derivation পর্যালোচনা করে একই ফল নিশ্চিত করতে পারেন।

অন্যদিকে অজানা বা পুনর্গঠন-অযোগ্য পদ্ধতিতে score তৈরি হলে মানব certification শ্রেণি বদলায় না। কর্মকর্তা যদি দেখতে না পারেন কোন তথ্য, ওজন বা অনুমোদিত নিয়মে নম্বরটি এসেছে, তাহলে স্বাক্ষরটি স্বাধীন যৌক্তিক ভিত্তি তৈরি করে না; score-ই সিদ্ধান্তের অবলম্বন থেকে যায়।

Final hiring decision, promotion, performance management, discipline ও reassignment-এর মতো ব্যবহার সাধারণত high-impact হিসেবে বিবেচিত হবে। তবে high-impact মানে AI নিষিদ্ধ নয়; এর অর্থ হলো প্রযোজ্য ন্যূনতম risk-management ব্যবস্থা বাস্তবায়ন করতে হবে অথবা নির্ধারিত প্রক্রিয়ায় waiver চাইতে হবে।

চার ধাপে audit trail-এ কী আলাদা থাকবে

বাংলাদেশ বা ভারতের কোনো HR দল OPM-এর বিধান সরাসরি স্থানীয় আইন হিসেবে প্রয়োগ করতে পারে না। তবে “AI ছিল কি না”র বদলে “সিদ্ধান্তের ভিত্তি কী ছিল” যাচাই করার নীতিটি চার ধাপের audit checklist হিসেবে ব্যবহার করা যায়:

1. ইনপুট ও মানদণ্ড: AI কোন job description, ন্যূনতম যোগ্যতা, CV field ও সহায়ক নথি পেয়েছে, তা সংরক্ষণ করতে হবে। screening-এর আগে মানদণ্ড কে অনুমোদন করেছেন এবং পরে কোনো পরিবর্তন হয়েছে কি না, তার version history আলাদা থাকবে।
2. AI output: extraction, summary, flag, recommendation ও score মূল CV থেকে পৃথক রেকর্ড হবে। প্রতিটি গুরুত্বপূর্ণ output-এর সঙ্গে আবেদনপত্রের কোন অংশ যুক্ত, তা trace করা যাবে।
3. মানব সিদ্ধান্ত: কে পর্যালোচনা করেছেন, কোন মূল নথি দেখেছেন এবং কোন যোগ্যতার শর্ত ও প্রমাণ ধরে সিদ্ধান্ত নিয়েছেন, তা নথিভুক্ত হবে। বাদ দেওয়ার যুক্তি AI-এর বাক্যের প্রতিলিপি হলে সেটি স্বাধীন review-এর প্রমাণ নয়।
4. পুনর্বিবেচনা: ভুল তথ্য সংশোধন বা adverse eligibility determination পুনর্বিবেচনার পথ রেকর্ডের সঙ্গে যুক্ত থাকবে। দ্বিতীয় reviewer যেন শুধু আগের AI summary নয়, মূল আবেদনপত্র, output এবং প্রথম সিদ্ধান্তের যুক্তি পৃথকভাবে দেখতে পারেন।

Accuracy check-ও নথির অংশ হওয়া দরকার। নমুনাভিত্তিক যাচাইয়ে বিশেষ মনোযোগ দিতে হবে সেই ফলগুলোতে, যেগুলো কোনো আবেদনকারীকে বিবেচনা থেকে বাদ দিতে পারে; tool, criteria বা workflow বদলালে আগের পরীক্ষাকে নতুন ব্যবস্থার প্রমাণ ধরা যাবে না।

Privacy ও পুনর্বিবেচনা screening-এরই অংশ

Non-high-impact শ্রেণিবিন্যাস পেলেও আবেদনকারীর তথ্য শুধু সংস্থা-অনুমোদিত tool-এ প্রক্রিয়াকরণ, প্রযোজ্য Privacy Act ও privacy impact assessment সুরক্ষা, accessibility এবং auditable hiring record বজায় রাখার দায়িত্ব শেষ হয় না। adverse eligibility determination-এর বিদ্যমান reconsideration avenue-ও AI ব্যবহারের কারণে বন্ধ বা দুর্লভ করা যাবে না।

স্থানীয় HR audit-এ তাই tool বা vendor-এর নাম, পাঠানো data field, access পাওয়া ভূমিকা, সংরক্ষণের সময়সীমা এবং মুছে ফেলার দায়িত্ব লিখে রাখা যৌক্তিক। এগুলো OPM-এর স্থানীয়ভাবে বাধ্যতামূলক নিয়ম নয়; CV কোথায় গেছে, কারা দেখেছে এবং কোন তথ্যের ভিত্তিতে সিদ্ধান্ত হয়েছে, তা পুনর্গঠনের জন্য সম্পাদকীয়ভাবে প্রস্তাবিত নিয়ন্ত্রণ।

আপিলের ক্ষেত্রেও একটি ই-মেইল ঠিকানা যথেষ্ট সুরক্ষা নয়। আবেদনকারীকে সিদ্ধান্ত ও সংশ্লিষ্ট যোগ্যতার শর্ত জানানো এবং reviewer-কে মূল CV, AI output ও মানব যুক্তি আলাদা করে দেখার সুযোগ দেওয়া না হলে দ্বিতীয় পর্যালোচনাও প্রথম স্বয়ংক্রিয় ফলের পুনরাবৃত্তি হতে পারে।

নির্দেশনার সীমা ও পরবর্তী পরীক্ষা

এই স্মারক মার্কিন নির্বাহী শাখার অভ্যন্তরীণ ফেডারেল নিয়োগ পরিচালনার guidance; এটি কোনো পক্ষের জন্য নতুন বলবৎযোগ্য অধিকার তৈরি করে না। Non-high-impact সিদ্ধান্তও স্বয়ংক্রিয় নয়: প্রতিটি সংস্থাকে নিজস্ব workflow ও deployment context পরীক্ষা করে সিদ্ধান্তটি Chief AI Officer-এর কাছে লিখিতভাবে নথিভুক্ত করতে হবে।

OPM ভবিষ্যতে USA Staffing, USAJOBS, USA Hire, USA Class ও USA Performance-এ নতুন AI feature যোগ করার এবং delegated examining oversight-এ AI-assisted process বিবেচনার কথা জানিয়েছে। এখন মূল পরীক্ষা হবে সংস্থাগুলো নামমাত্র human approval-এর বদলে সম্পূর্ণ নথির স্বাধীন review, traceable rationale, privacy control এবং পুনর্বিবেচনার পথ বাস্তবে কতটা সংরক্ষণ করে।