ছোট ব্যবসায় AI নেওয়ার পর hiring ৭% বেশি—কারণ প্রমাণিত নয়
১০ সেপ্টেম্বর ২০২৬ প্রকাশিত Gusto বিশ্লেষণে যুক্তরাষ্ট্রের ২,২৬২টি survey-respondent customer-এর payroll data থেকে দেখা গেছে, generative AI গ্রহণকারী ছোট প্রতিষ্ঠানের headcount প্রথম বছরে তুলনীয় non-adopter-এর চেয়ে প্রায় ৭% বেশি ছিল। অর্থাৎ AI ব্যবহারকারী নমুনাটিতে কর্মীর সংখ্যা তুলনামূলক দ্রুত বেড়েছে, তবে কতটি নতুন নিয়োগ শুধু AI-এর কারণে হয়েছে, গবেষণাটি তা নির্ধারণ করেনি।
ফলটি ছোট ব্যবসায় AI ও চাকরির মধ্যে একটি ইতিবাচক সম্পর্ক দেখায়—স্বয়ংক্রিয়ভাবে কর্মী প্রতিস্থাপনের প্রমাণ নয়। একই সঙ্গে এটি AI কর্মসংস্থান বাড়িয়েছে এমন কার্যকারণমূলক সিদ্ধান্তও নয়, কারণ কোন প্রতিষ্ঠান প্রযুক্তি গ্রহণ করবে তা দৈবভাবে ঠিক করা হয়নি এবং নমুনাটি বৃহত্তর শ্রমবাজারের প্রতিনিধিত্বকারী নয়।
ব্যবধানটি নিয়োগ নয়, payroll headcount মাপে
Headline-এর শতাংশটি vacancy, চাকরির বিজ্ঞাপন বা আলাদা recruitment event-এর হিসাব নয়। এটি AI গ্রহণের আগের quarter-কে ভিত্তি ধরে পরের এক বছরে adopter ও comparison group-এর সক্রিয় payroll headcount-এর আপেক্ষিক ব্যবধান। ফলে কোনো প্রতিষ্ঠানে কর্মী যোগ হওয়া এবং চলে যাওয়া—দুই ঘটনাই শেষ পর্যন্ত এই মাপে প্রভাব ফেলতে পারে।
খুব ছোট দলে একজন কর্মী যোগ হলেও শতকরা পরিবর্তন বড় দেখাতে পারে। আবার একই সময়ে সমানসংখ্যক কর্মী যোগ ও প্রস্থান করলে অনেক hiring activity ঘটলেও নিট headcount অপরিবর্তিত থাকতে পারে। তাই ফলটি “প্রতি প্রতিষ্ঠান এতজনকে নিয়োগ করেছে” হিসেবে পড়া যাবে না; এটি দুই ধরনের প্রতিষ্ঠানের কর্মীসংখ্যা কোন পথে বদলেছে, তার তুলনা।
পর্যবেক্ষিত ব্যবধানটি adoption-এর পর ধীরে তৈরি হয়েছে, একবারের লাফ হিসেবে দেখা যায়নি। এই গতিপথ AI ব্যবহারের পরে পরিবর্তন ঘটার সঙ্গে সামঞ্জস্যপূর্ণ, কিন্তু নিজে থেকে প্রমাণ করে না যে প্রযুক্তি সময় বাঁচিয়েছে, সেই সময়ে বিক্রি বেড়েছে এবং তার ফলেই নতুন কর্মী নেওয়া হয়েছে।
Comparison group কীভাবে তৈরি হয়েছে
নমুনার প্রতিষ্ঠানগুলো Gusto customer এবং তারা আগের একটি survey-তে সাড়া দিয়েছিল। Adopter group-এ ছিল generative AI ব্যবহারের কথা জানানো ব্যবসা; comparison group-এ ছিল AI সম্পর্কে জানলেও ব্যবহার না-করা ব্যবসা। ফলে তুলনাটি প্রযুক্তির সঙ্গে পরিচিত ও অপরিচিত প্রতিষ্ঠানের মধ্যে নয়, বরং পরিচিত প্রতিষ্ঠানগুলোর গ্রহণ ও গ্রহণ না-করার সিদ্ধান্তের মধ্যে।
Adoption-এর সময় নির্ধারিত হয়েছে প্রতিষ্ঠানের জানানো প্রথম ব্যবহারের বছর থেকে, আর কর্মীর সংখ্যা এসেছে Gusto-তে চালানো quarterly payroll থেকে। ভিন্ন সময়ে AI নেওয়া প্রতিষ্ঠানগুলোকে তখনো প্রযুক্তি না-নেওয়া বা কখনো না-নেওয়া প্রতিষ্ঠানের সঙ্গে event-study পদ্ধতিতে তুলনা করা হয়েছে।
গবেষণায় adoption-এর আগের employment path সমতল ও কাছাকাছি পাওয়া গেছে। Comparison group বদলানো, survey response-এর timing সরানো এবং পুরোনো প্রতিষ্ঠানে নমুনা সীমিত করার মতো robustness check-এও মূল pattern টিকেছে। এগুলো আগে থেকেই দ্রুত বাড়তে থাকা adopter-এর ব্যাখ্যাকে দুর্বল করে, তবে অদৃশ্য সব পার্থক্য দূর করে না।
ক্ষুদ্রতম প্রতিষ্ঠান ও community services-এ ব্যবধান বেশি
Gusto-র আনুষ্ঠানিক ফলাফলের সারাংশে ১০ জনের কম কর্মীর প্রতিষ্ঠানে তুলনীয় ব্যবধান প্রায় ১০% এবং একই আকারের community services প্রতিষ্ঠানে প্রায় ১৯% বলা হয়েছে; পরের ফলটি মূলত ছোট health care ও social-assistance ব্যবসা দ্বারা চালিত। বড় ছোট-ব্যবসাগোষ্ঠীতে একই মাত্রার পরিবর্তন ধরা পড়েনি, তাই সামগ্রিক ফলকে সব প্রতিষ্ঠানের জন্য অভিন্ন প্রভাব ধরা ঠিক হবে না।
নতুন পদগুলোও প্রধানত AI specialist-এর ছিল না। কর্মী যোগ করা adopter-দের job title-এর মধ্যে therapist, dental hygienist, teacher, technician, cook, front-desk এবং administrative support-এর মতো কাজ ছিল। Patternটি দেখায়, এই নমুনায় বাড়তি headcount সরাসরি রোগী, শিক্ষার্থী বা customer-কে সেবা দেওয়া hands-on কাজেও পৌঁছেছে।
তবে job title থেকে প্রতিটি নিয়োগের কারণ জানা যায় না। কোনো clinic রোগীর চাপ বেড়েছে বলে therapist নিতে পারে, কোনো restaurant নতুন শাখা খুলে cook নিতে পারে, আবার AI হয়তো paperwork কমিয়ে অতিরিক্ত customer সামলানো সহজ করেছে। Payroll record পদ ও কর্মীসংখ্যা দেখায়, কিন্তু এই সম্ভাব্য পথগুলোর কোনটি নির্দিষ্ট প্রতিষ্ঠানে কাজ করেছে তা দেখায় না।
Association-কে causation বলা যাবে না
AI adoption controlled experiment-এর random assignment ছিল না। দ্রুত সম্প্রসারণের পরিকল্পনা, শক্তিশালী customer demand, সহজ financing বা প্রযুক্তিবান্ধব management—এসব বৈশিষ্ট্য একই সঙ্গে AI গ্রহণ এবং কর্মী বাড়ানোর সম্ভাবনা তৈরি করতে পারে। সেগুলো পুরোপুরি মাপা না গেলে headcount-এর পার্থক্য কেবল প্রযুক্তির ফল হিসেবে আলাদা করা যায় না।
Axios-এর স্বাধীন প্রতিবেদনে নমুনাটি শুধু survey-তে সাড়া দেওয়া Gusto customer-দের এবং random নয় বলে সতর্ক করা হয়েছে। তাই নির্দিষ্ট ফলটি যুক্তরাষ্ট্রের সব ছোট ব্যবসা, অথবা বাংলাদেশ ও ভারতের ভিন্ন payroll ব্যবস্থা, sector mix ও অর্থায়ন পরিবেশে সরাসরি প্রয়োগ করা যায় না।
আরও একটি সীমা হলো AI ব্যবহারের গভীরতা। কোন tool ব্যবহৃত হয়েছে, কোন কাজ স্বয়ংক্রিয় হয়েছে, কত ঘন ঘন ব্যবহার হয়েছে বা owner-এর কত সময় বেঁচেছে—এসব payroll data থেকে জানা যায় না। ফলে “AI adopter” পরিচয়ের ভেতর পরীক্ষামূলক ব্যবহার থেকে দৈনন্দিন workflow-তে গভীর সংযোজন পর্যন্ত আলাদা বাস্তবতা একসঙ্গে থাকতে পারে।
বাংলাদেশ ও ভারতে একই প্রশ্ন মাপার উপায়
স্থানীয় উদ্যোক্তার জন্য headline-এর শতাংশটি hiring target নয়; প্রাসঙ্গিক হলো একই সংজ্ঞায় নিজের data দেখা। AI চালুর quarter চিহ্নিত করে তার আগে ও পরে quarter-end active headcount, নতুন যোগদান, প্রস্থান এবং নিট headcount change আলাদা রাখতে হবে। Customer-facing, hands-on ও administrative role ভাগ করলে কর্মী বৃদ্ধি কোন কাজে ঘটছে, সেটিও বোঝা যাবে।
শুধু একটি প্রতিষ্ঠানের before-and-after হিসাব কার্যকারণ দেখাবে না। একই sector, কাছাকাছি business age এবং প্রায় সমান প্রাথমিক team size-এর AI না-নেওয়া প্রতিষ্ঠানের সঙ্গে পরিবর্তন তুলনা করা দরকার; adoption-এর আগের hiring trend-ও কাছাকাছি কি না দেখতে হবে। Sales, customer volume, নতুন branch এবং financing-এর পরিবর্তন পাশাপাশি রাখলে AI adoption ও hiring-এর সম্ভাব্য যৌথ কারণগুলো শনাক্ত করা সহজ হবে।
এখন পর্যন্ত নিশ্চিত সীমিত সিদ্ধান্ত হলো: Gusto-র non-random customer sample-এ AI adopter ছোট ব্যবসার পরবর্তী বছরের payroll headcount তুলনীয় non-adopter-এর চেয়ে বেশি ছিল, বিশেষত ক্ষুদ্রতম প্রতিষ্ঠান ও community services-এ। AI নিজে কতটি চাকরি তৈরি করেছে জানতে প্রতিনিধিত্বশীল নমুনা, নির্দিষ্ট ব্যবহারের তথ্য এবং demand, expansion ও financing বিবেচনায় নেওয়া পরবর্তী গবেষণা প্রয়োজন।
আরও পড়ুন:
আমাদের নিউজলেটার নিন
সর্বশেষ Web3, AI ও ক্রিপ্টো সংবাদ সরাসরি আপনার ইনবক্সে পান।