কর্মীরা নিজেরাই AI শিখছেন—প্রতিষ্ঠানের প্রশিক্ষণ আটকে এক-ষষ্ঠাংশে

যুক্তরাষ্ট্রের চাকরিপ্রার্থীরা নিয়োগদাতার আনুষ্ঠানিক সহায়তার চেয়ে দ্রুত নিজেরাই AI দক্ষতা শিখছেন। ১০ সেপ্টেম্বর প্রকাশিত iCIMS-এর সেপ্টেম্বর কর্মশক্তি প্রতিবেদন বলছে, ১,০০০ মার্কিন চাকরিপ্রার্থীর মধ্যে স্বশিক্ষার হার এক বছরে ২২% থেকে ৩০% হয়েছে; নিয়োগদাতার দেওয়া প্রশিক্ষণ প্রায় প্রতি ছয়জনে একজনের মধ্যে স্থির ছিল।

এই ১০ সেপ্টেম্বরের ফল যুক্তরাষ্ট্রের চাকরিপ্রার্থীদের নিয়ে—বাংলাদেশ বা ভারতের কর্মীদের প্রতিনিধিত্ব করে না। তবে এটি একটি স্পষ্ট প্রশ্ন সামনে আনে: ব্যক্তিগতভাবে শেখা সাধারণ AI ব্যবহারকে কীভাবে কাজের উপযোগী দক্ষতা হিসেবে যাচাই করা হবে, আর নিয়োগদাতা কোন স্তরের প্রশিক্ষণে বিনিয়োগ করবে?

স্বশিক্ষা বাড়লেও অধিকাংশ দক্ষতা সাধারণ ব্যবহারে সীমিত

জরিপে গত ছয় মাসে AI দক্ষতা বাড়ানোর চেষ্টা করেছেন ৪৭% চাকরিপ্রার্থী, যা এক বছর আগে ছিল ৪১%। কর্মক্ষেত্রে AI-এর সঙ্গে মানিয়ে নিতে প্রস্তুত মনে করেছেন ৬০%, কিন্তু ৬১% নিজেদের দক্ষতাকে ChatGPT, Copilot বা Gemini-র মতো সাধারণ টুল ব্যবহারের মধ্যে সীমিত বলেছেন। Prompt engineering জানার কথা বলেছেন ১৮%, আর machine learning বা model development-এর অভিজ্ঞতা জানিয়েছেন ১৭%।

অতএব, জীবনবৃত্তান্তে AI-সংক্রান্ত শব্দ থাকলেই বিশেষায়িত দক্ষতা প্রমাণিত হয় না। সাধারণ ব্যবহার দিয়ে খসড়া, সারসংক্ষেপ বা ধারণার তালিকা তৈরি করা যায়; বিশেষায়িত কাজে উপাত্ত প্রস্তুত করা, ফলের মান যাচাই, স্বয়ংক্রিয় কর্মপ্রবাহ তৈরি কিংবা পেশাভিত্তিক নিয়ম মেনে আউটপুট পরীক্ষা করার সক্ষমতা প্রয়োজন হতে পারে। কাজের ধরন অনুযায়ী এই স্তরগুলো আলাদা করে দেখা জরুরি।

প্রশিক্ষণ নিয়োগের আকর্ষণও বাড়াতে পারে। iCIMS-এর ফল নিয়ে ১১ সেপ্টেম্বর প্রকাশিত Human Resources Director-এর প্রতিবেদনে বলা হয়েছে, ৪২% উত্তরদাতা প্রশিক্ষণ দেওয়া প্রতিষ্ঠানকে একই ধরনের অন্য প্রতিষ্ঠানের চেয়ে বেশি আকর্ষণীয় মনে করবেন; ১৪% এমন প্রশিক্ষণের বিনিময়ে কম বেতনও মেনে নিতে পারেন। এটি আলাদা জরিপ নয়, iCIMS-এর একই মার্কিন ফলের সংবাদভিত্তিক উপস্থাপন।

চাকরির বিজ্ঞাপনে AI দক্ষতার চাহিদা আরও দ্রুত বেড়েছে

প্রাতিষ্ঠানিক প্রশিক্ষণের স্থবিরতা এমন সময়ে ধরা পড়েছে, যখন মার্কিন নিয়োগের ভাষায় AI দক্ষতা দ্রুত ঢুকছে। Lightcast-এর অনলাইন চাকরির বিজ্ঞাপন নিয়ে Bipartisan Policy Center-এর ৮ সেপ্টেম্বরের বিশ্লেষণ অনুযায়ী, ২০২৬ সালের শুরু থেকে এপ্রিল পর্যন্ত AI দক্ষতাসংবলিত বিজ্ঞাপনের সংখ্যা ৪৭.৫% বেড়েছে; এপ্রিলের পর আগস্ট পর্যন্ত আরও ২৭% বৃদ্ধি পেয়েছে। এক বছর আগের তুলনায় বৃদ্ধির হার ছিল ১৬৫%।

এই উপাত্তও যুক্তরাষ্ট্রের অনলাইন বিজ্ঞাপনভিত্তিক। বাংলাদেশের চাকরির বাজার, ভারতের বাংলা ভাষাভাষী অঞ্চল বা অনানুষ্ঠানিক নিয়োগ এতে ধরা পড়ে না। বিজ্ঞাপনে কোনো দক্ষতার উল্লেখ থাকলেই কর্মক্ষেত্রে তার নিয়মিত ব্যবহার প্রমাণিত হয় না; তবু জরিপ ও বিজ্ঞাপনের তথ্য পাশাপাশি রাখলে বোঝা যায়, প্রার্থীর নিজস্ব শেখা, নিয়োগদাতার প্রশিক্ষণ এবং ঘোষিত নিয়োগচাহিদা একই গতিতে চলছে না।

বাংলাদেশ ও ভারতে ব্যবধান মাপতে তিনটি সংখ্যা লাগবে

মার্কিন এক-ষষ্ঠাংশকে স্থানীয় হার ধরে নেওয়ার সুযোগ নেই। তুলনাযোগ্য চিত্র পেতে একই পেশা, সময়কাল ও এলাকার জন্য তিনটি আলাদা সংখ্যা দরকার: গত ছয় মাসে কত কর্মী নিজ উদ্যোগে AI শিখেছেন; কতজন নিয়োগদাতার অর্থ, নির্ধারিত কর্মসময় বা তত্ত্বাবধানে প্রশিক্ষণ পেয়েছেন; এবং কতটি প্রাসঙ্গিক চাকরির বিজ্ঞাপনে নির্দিষ্ট AI-সহ কাজের দক্ষতা চাওয়া হয়েছে।

সংজ্ঞাও এক রাখতে হবে। কোনো কর্মী নিজের সময় ও খরচে অনলাইন কোর্স করলে সেটি স্বশিক্ষা; প্রতিষ্ঠান শুধু একটি টুল ব্যবহারের অনুমতি দিলে সেটি প্রশিক্ষণ নয়। অর্থায়ন, শেখার জন্য কর্মসময়, নির্ধারিত অনুশীলন বা তত্ত্বাবধানের অন্তত একটি উপস্থিতি আলাদাভাবে নথিবদ্ধ করলে নিয়োগদাতার সহায়তার মাত্রা বোঝা সহজ হবে।

দক্ষতার দাবির জন্য একটি পর্যালোচনাযোগ্য কাজের নমুনায় মূল নির্দেশনা, ব্যবহৃত প্রকাশ্য বা কাল্পনিক উপাত্ত, AI-এর ভূমিকা, মানুষের যাচাই এবং সংশোধিত ফল রাখা যায়। এতে টুলের সঙ্গে পরিচিতি ও প্রয়োগক্ষমতা আলাদা করে দেখা সম্ভব। গোপন গ্রাহকতথ্য, ব্যক্তিগত তথ্য বা নিয়োগদাতার মালিকানাধীন নথি এমন নমুনায় রাখা উচিত নয়।

কর্মীর ৩০ দিন: সাধারণ ব্যবহার থেকে কাজের নমুনা

নিচের ৩০ দিনের কাঠামোটি জরিপের ফল নয়; এটি স্বশিক্ষাকে দৃশ্যমান কাজের প্রমাণে রূপ দেওয়ার সম্পাদকীয় পরিকল্পনা। লক্ষ্য অনেক টুল শেখা নয়, বরং একটি কম ঝুঁকির বাস্তব কাজ সম্পন্ন করা, ফল যাচাই করা এবং সীমাবদ্ধতা নথিবদ্ধ করা।

1. ১–৭ দিন: নিজের পেশার পুনরাবৃত্ত একটি কাজ বেছে নিন—যেমন দীর্ঘ নথির সারাংশ, খসড়া শ্রেণিবিন্যাস বা প্রশ্নের তালিকা। প্রতিবার ইনপুট, আউটপুট, ভুল ও সংশোধন লিখে রাখুন।
2. ৮–১৪ দিন: কাজটির সঙ্গে সরাসরি যুক্ত একটি বিশেষ দক্ষতায় মন দিন। সেটি prompt design, spreadsheet automation, data cleaning বা ফল মূল্যায়ন হতে পারে; পেশায় প্রয়োজন না থাকলে machine learning-কে বাধ্যতামূলক ধাপ বানানোর কারণ নেই।
3. ১৫–২১ দিন: প্রকাশ্য বা কাল্পনিক উপাত্ত দিয়ে একটি নমুনা তৈরি করুন। সময় সাশ্রয়ের অযাচাইকৃত দাবি না করে আগে-পরে কাজের ধাপ, মান যাচাই এবং মানুষের সিদ্ধান্তের জায়গা দেখান।
4. ২২–৩০ দিন: সহকর্মী বা বিষয়বিশেষজ্ঞকে একই নির্দেশনা ও মূল্যায়ন মানদণ্ড দিয়ে নমুনাটি পর্যালোচনা করতে দিন। ভুল সংশোধন করে এক পাতায় সম্পন্ন কাজ, ব্যবহৃত পদ্ধতি এবং সীমাবদ্ধতা নথিবদ্ধ করুন।

প্রতিষ্ঠানের ৩০ দিন: কোর্সের বদলে সহায়তাপ্রাপ্ত অনুশীলন

প্রতিষ্ঠানের পরিকল্পনাটিও জরিপের সুপারিশ নয়; এক-ষষ্ঠাংশ প্রশিক্ষণের সংকেত ধরে সহায়তার স্তর যাচাই করার কাঠামো। প্রথম মাসে একটি অনুমোদিত কাজ নিয়ে প্রশিক্ষণ, তথ্যনীতি এবং ফলের মান একই সঙ্গে পরীক্ষা করা যায়।

1. ১–৭ দিন: একটি বিভাগে AI-সহ সম্পন্ন করা যায় এমন সীমিত কাজ নির্বাচন করুন। কোন তথ্য ব্যবহার নিষিদ্ধ, কখন মানুষের অনুমোদন লাগবে এবং গ্রহণযোগ্য ফল কী—তা লিখিতভাবে নির্ধারণ করুন।
2. ৮–১৪ দিন: নির্ধারিত কর্মঘণ্টার মধ্যে সাধারণ ব্যবহার ও প্রয়োজনীয় বিশেষ দক্ষতা অনুশীলনের সময় দিন। একই নমুনা কাজ থেকে ফল, ভুলের ধরন ও যাচাইয়ের ধাপ সংগ্রহ করুন।
3. ১৫–২১ দিন: তত্ত্বাবধায়ক বা অভ্যন্তরীণ বিশেষজ্ঞের পর্যালোচনা যোগ করুন। গতি ছাড়াও নির্ভুলতা, তথ্যের নিরাপত্তা, পুনরাবৃত্তিযোগ্যতা এবং কখন AI ব্যবহার না করাই ভালো—এসব মানদণ্ডে ফল দেখুন।
4. ২২–৩০ দিন: নমুনা ও পর্যালোচনার ভিত্তিতে পরের বিনিয়োগ ঠিক করুন। সাধারণ পরিচিতির ঘাটতি থাকলে ভিত্তিমূলক প্রশিক্ষণ দিন; নির্দিষ্ট কাজে নিয়মিত চাহিদা ও গ্রহণযোগ্য ফল পাওয়া গেলেই automation, data analysis বা model development-এর মতো বিশেষায়িত স্তরে যান।

স্থানীয় তথ্য না আসা পর্যন্ত এক-ষষ্ঠাংশ একটি সতর্কসংকেত

এখন নিশ্চিতভাবে বলা যায়, ১০ সেপ্টেম্বরের iCIMS জরিপে মার্কিন চাকরিপ্রার্থীদের স্বশিক্ষা বেড়েছে এবং নিয়োগদাতার প্রশিক্ষণ প্রায় স্থির ছিল; আলাদা Lightcast-ভিত্তিক বিশ্লেষণে মার্কিন চাকরির বিজ্ঞাপনে AI দক্ষতার উল্লেখও দ্রুত বেড়েছে। কিন্তু বাংলাদেশ ও বাংলা ভাষাভাষী ভারতের কোন পেশায় ব্যবধান বেশি, স্বশিক্ষা কতটা বাস্তব কর্মফলে রূপ নিচ্ছে এবং প্রতিষ্ঠান কী ধরনের সহায়তা দিচ্ছে—উল্লিখিত সূত্রগুলো তার উত্তর দেয় না।

স্থানীয় কর্মী জরিপ, একই সময়ের চাকরির বিজ্ঞাপন বিশ্লেষণ এবং প্রশিক্ষণের পর একই মানদণ্ডে কাজের নমুনা মূল্যায়ন না হওয়া পর্যন্ত এক-ষষ্ঠাংশকে স্থানীয় পরিসংখ্যান বলা যাবে না। আপাতত সংখ্যাটি তুলনামূলক সতর্কসংকেত: ঘোষিত দক্ষতার চাহিদা বাড়লেও শেখার দায় কতটা কর্মীর ওপর থেকে যাচ্ছে, সেটিই পরবর্তী স্থানীয় গবেষণায় মাপতে হবে।