চীনে AI কাজ কমাচ্ছে, নতুন কাজও আনছে: মাঝখানে হারাচ্ছে শেখার সিঁড়ি

চীনের কর্মক্ষেত্রে AI একই সঙ্গে চাকরি সরাচ্ছে, বিদ্যমান কাজের পরিধি ছোট করছে এবং নতুন প্রযুক্তিনির্ভর ভূমিকার পথ খুলছে। ২৪ আগস্ট প্রকাশিত AP-এর মাঠ-প্রতিবেদনটি বেইজিংয়ের ৪০ বছর বয়সী প্রোগ্রামার Fei Zhaojun-এর প্রায় ১৬০ সহকর্মীর সঙ্গে ছাঁটাই হওয়া এবং চেংদুর খণ্ডকালীন অনুবাদক Du Qinchun-এর AI মডেল প্রশিক্ষণের সাময়িক কাজ পাওয়া সত্ত্বেও খাতটির পারিশ্রমিক আগের তুলনায় অর্ধেকের বেশি কমে যাওয়ার অভিজ্ঞতা নথিভুক্ত করেছে।

২৭ আগস্টের World Economic Forum-এর কর্মক্ষেত্র বিশ্লেষণ দেখায়, কোডিং ও গ্রাহকসেবার মতো নির্দিষ্ট কাজ সংকুচিত বা স্বয়ংক্রিয় হচ্ছে; একই সঙ্গে জুনিয়রদের নিয়মিত কাজ হারালে গ্রাহক বোঝা, ভুল সংশোধন এবং পেশাগত বিচারবোধ তৈরির প্রশিক্ষণক্ষেত্রও দুর্বল হতে পারে। ফলে চীনের বর্তমান চিত্রটি শুধু চাকরি হারানো বা সৃষ্টির হিসাব নয়—কাজের ভেতরের শেখার ধাপ বদলে যাওয়ারও গল্প।

ছাঁটাই ও কম পারিশ্রম্য: স্থানচ্যুতির দুই রূপ

Fei-এর ক্ষেত্রে AI নিখুঁত কোড লিখতে পারে কি না, সেটিই শেষ কথা ছিল না। তাঁর বর্ণনায়, ব্যবস্থাপনা প্রযুক্তিটিকে কাজ চালানোর জন্য যথেষ্ট কাছাকাছি মনে করেছিল; ছাঁটাইয়ের পর তিনি কর্মবিরতিতে থেকে ছোট ভিডিও তৈরি করছিলেন, কিন্তু তা তখনো জীবিকা হয়ে ওঠেনি। ঘটনাটি জাতীয় ছাঁটাইয়ের হার বলে না, তবে প্রতিষ্ঠান কীভাবে প্রযুক্তির সক্ষমতার পাশাপাশি খরচ ও প্রয়োজনীয় জনবল বিবেচনা করে, তার একটি প্রত্যক্ষ উদাহরণ দেয়।

অনুবাদকের অভিজ্ঞতায় পরিবর্তনটি আরও দ্বৈত। AI প্রশিক্ষণের কাজ সাময়িক চাহিদা তৈরি করেছে, অথচ যে প্রচলিত অনুবাদ দক্ষতা তাঁর আয়ের ভিত্তি ছিল, সেই বাজারেই পারিশ্রমিকের চাপ বেড়েছে। অর্থাৎ নতুন AI-সংলগ্ন কাজ পাওয়া এবং আগের পেশায় স্থিতিশীল আয় বজায় থাকা এক ফল নয়।

স্থানচ্যুতি তাই সব সময় একটি পদ সম্পূর্ণ বিলুপ্ত হওয়ার মাধ্যমে দেখা যায় না। কাজের পরিমাণ কমা, একই আউটপুটের জন্য কম কর্মী লাগা, পারিশ্রমিক নেমে যাওয়া বা স্থায়ী কাজের বদলে সাময়িক প্রশিক্ষণ-সংক্রান্ত দায়িত্ব আসাও শ্রমিকের অবস্থান দুর্বল করতে পারে।

পুরো পদের আগে সংকুচিত হচ্ছে নির্দিষ্ট কাজ

কোডিংয়ে প্রাথমিক খসড়া, সাধারণ ত্রুটি শনাক্তকরণ এবং পুনরাবৃত্ত নথি তৈরির মতো সীমা-নির্ধারিত কাজ AI দ্রুত করতে পারে। এতে সফটওয়্যার ডেভেলপারের পদ সঙ্গে সঙ্গে অদৃশ্য না হলেও দলের কাজের বিন্যাস বদলায়: মানুষের মূল্য সরে যায় প্রয়োজন নির্ধারণ, আউটপুট যাচাই, ঝুঁকি চিহ্নিত করা এবং বিভিন্ন অংশের মধ্যে সমন্বয়ের দিকে।

গ্রাহকসেবায় একই বিভাজন দেখা যেতে পারে। সাধারণ প্রশ্ন বা পরিচিত অনুরোধ স্বয়ংক্রিয় করা গেলেও ব্যতিক্রমী অভিযোগ, পরস্পরবিরোধী তথ্য, দায় নির্ধারণ এবং সংবেদনশীল সমাধানে প্রাসঙ্গিক জ্ঞান ও মানবীয় বিচার প্রয়োজন থাকে। AI একটি আলাদা কাজ শেষ করতে পারলেও পুরো প্রক্রিয়ার জবাবদিহি নিজে বহন করে না।

এই task compression উৎপাদনশীলতা বাড়াতে পারে, কিন্তু কর্মসংস্থানের মোট সংখ্যা দিয়ে এর প্রভাব ধরা কঠিন। কোন দায়িত্ব সরল হলো, অবশিষ্ট দায়িত্ব পালনে কতজন লাগছে এবং মানুষের কাছে যাওয়া নতুন কাজের বেতন ও স্থায়িত্ব কেমন—এই তিনটি আলাদাভাবে না দেখলে একই প্রযুক্তিকে শুধু প্রতিস্থাপন অথবা শুধু সহায়তা বলা বিভ্রান্তিকর হবে।

নতুন পেশার প্রমাণ আছে, সমান প্রতিস্থাপনের প্রমাণ নেই

AI-ঘনিষ্ঠ কাজের আনুষ্ঠানিক স্বীকৃতিও এগোচ্ছে। ৩ জুলাই প্রকাশিত চীনা সরকারের পেশা-সংক্রান্ত বিবরণে ১২টি প্রস্তাবিত নতুন পেশার মধ্যে digital twin engineer ও embodied intelligence robot technician এবং বিদ্যমান পেশার নতুন বিশেষায়ন হিসেবে AI agent developer-এর কথা রয়েছে; জনপরামর্শের পর এগুলো সরকারি পেশা-শ্রেণিবিন্যাসে যুক্ত হওয়ার কথা।

এটি নতুন ধরনের কাজের চাহিদা ও প্রাতিষ্ঠানিক স্বীকৃতির প্রমাণ, কিন্তু হারানো প্রতিটি পদের বিপরীতে সমসংখ্যক নতুন চাকরি হয়েছে—এমন হিসাব নয়। প্রস্তাবিত পেশার তালিকা নিয়োগের সংখ্যা, বেতন, ভৌগোলিক বিস্তার বা চাকরির স্থায়িত্ব জানায় না। “নতুন পেশা” এবং “নিট নতুন কর্মসংস্থান” তাই একই সূচক নয়।

স্থানান্তরের বাধাও বড়। প্রোগ্রামিং, অনুবাদ বা কনটেন্টের কাজ হারানো ব্যক্তি স্বয়ংক্রিয়ভাবে রোবট প্রয়োগ, digital twin বা AI agent উন্নয়নের পদে যেতে পারবেন না। নতুন ভূমিকায় প্রযুক্তিগত দক্ষতার সঙ্গে নির্দিষ্ট শিল্পের জ্ঞান লাগতে পারে; প্রশিক্ষণের সময় ও ব্যয়ও নির্ধারণ করবে কারা বাস্তবে সেই সুযোগ পাবেন।

জুনিয়র কাজ কমলে হারায় অভিজ্ঞতা তৈরির পথ

রুটিন জুনিয়র কাজের মূল্য শুধু তাৎক্ষণিক আউটপুটে নয়। গ্রাহক কেন সিদ্ধান্ত বদলান, ভুল কোথা থেকে আসে, কোনো ফল কেন প্রত্যাখ্যাত হয় এবং কখন নিয়মের বাইরে যেতে হয়—পুনরাবৃত্ত কাজের মধ্য দিয়েই নতুন কর্মীরা এসব অলিখিত নিয়ম শেখেন। খসড়া, প্রাথমিক বিশ্লেষণ ও সাধারণ যোগাযোগ একসঙ্গে স্বয়ংক্রিয় হলে সেই অনুশীলনের ক্ষেত্রও ছোট হয়।

AI-সহায়তায় তৈরি পরিপাটি ফল আরেকটি সমস্যা আড়াল করতে পারে। একজন জুনিয়র দ্রুত কোড, উত্তর বা বিশ্লেষণ জমা দিলেও তিনি সেটির যুক্তি ব্যাখ্যা, ভুল শনাক্ত বা ফলকে চ্যালেঞ্জ করতে পারেন কি না, শুধু আউটপুট দেখে বোঝা কঠিন। ফলে বর্তমানের দ্রুত উৎপাদন ভবিষ্যতের অভিজ্ঞ বিশেষজ্ঞ ও ব্যবস্থাপক তৈরির পথ দুর্বল করতে পারে—শিরোনামের “শেখার সিঁড়ি” হারানোর ঝুঁকি এখানেই।

এই ক্ষতি নিশ্চিত বা সর্বত্র সমান নয়। তবে প্রতিষ্ঠান যদি সরিয়ে দেওয়া কাজ কোন সক্ষমতা তৈরি করত তা চিহ্নিত না করে, তাহলে অবশিষ্ট জুনিয়র দায়িত্ব কম শেখার সুযোগ দিতে পারে। তখন AI ফল যাচাই, তত্ত্বাবধানে সিদ্ধান্ত নেওয়া এবং বাস্তব ব্যতিক্রম সামলানোর অভিজ্ঞতা আলাদাভাবে তৈরি না হলে দক্ষতার ঘাটতি পরে দৃশ্যমান হবে।

দক্ষিণ এশিয়ার শ্রমবাজারের জন্য সংকেত

চীনের অভিজ্ঞতা বাংলাদেশ বা ভারতের BPO, সফটওয়্যার ও গ্রাহকসেবা খাতের সরাসরি পূর্বাভাস নয়। মজুরি, ভাষা, প্রতিষ্ঠানের আকার, গ্রাহকের ধরন এবং প্রযুক্তি গ্রহণের গতি আলাদা। তবে কাজের স্তরে বিভাজনটি স্থানান্তরযোগ্য: স্ক্রিপ্ট মেনে উত্তর দেওয়া, সাধারণ টিকিট সামলানো, প্রাথমিক কোড ও পুনরাবৃত্ত কনটেন্ট আগে সংকুচিত হতে পারে; ব্যতিক্রম বোঝা, ফল যাচাই, ডোমেইন জ্ঞান ও দায় নেওয়ার কাজ তুলনামূলক গুরুত্বপূর্ণ হয়ে ওঠে।

এখন পর্যন্ত প্রমাণ তিনটি আলাদা স্তর দেখায়: কিছু কর্মীর চাকরি বা আয় কমেছে, কিছু পেশায় মানুষ ও AI-এর দায়িত্ব পুনর্বিন্যস্ত হচ্ছে, আর নতুন AI-ঘনিষ্ঠ পেশা আনুষ্ঠানিক স্বীকৃতির পথে আছে। এখনো অনির্ধারিত হলো নতুন পদের প্রকৃত সংখ্যা ও মান পুরোনো কাজের ক্ষতি কতটা পূরণ করবে এবং জুনিয়রদের হারিয়ে যাওয়া অভিজ্ঞতা তৈরির ধাপ প্রতিষ্ঠানগুলো কীভাবে পুনর্গঠন করবে।