Meta আর token গুনে কর্মী মাপবে না—Hatch ব্যবহারের চাপ কিন্তু থাকছে
২ সেপ্টেম্বর প্রকাশিত নতুন তথ্য অনুযায়ী, Meta প্রকৌশলীদের performance review-তে AI adoption dashboard বা token count দিয়ে কাজের impact বিচার করবে না। মূল্যায়নের ঘোষিত ভিত্তি হবে কাজের ফল; একই সময়ে প্রতিষ্ঠানটি কর্মীদের Hatch নামের agentic AI পরীক্ষা করতে উৎসাহ দিচ্ছে।
এই পরিবর্তনে AI ব্যবহার বাধ্যতামূলক মূল্যায়ন-সংকেত হিসেবে দুর্বল হয়েছে, কিন্তু কর্মক্ষেত্রে AI ব্যবহারের প্রত্যাশা শেষ হয়নি। নতুন guidance-এ manager-দের output quality, velocity, problem complexity ও scope দেখতে বলা হয়েছে; অন্যদিকে Hatch সীমিত অভ্যন্তরীণ পরীক্ষায় থাকায় ব্যক্তিগত account-এর privacy এবং agent-এর ভুল action নিয়ে কিছু কর্মীর উদ্বেগ এখনো অমীমাংসিত।
Token count বাদ দিয়ে যে ফলগুলো দেখা হবে
Meta-র নতুন review guidance-এর মূল পার্থক্য হলো, AI কতটা ব্যবহার করা হয়েছে তার বদলে কর্মী কী ফল দিয়েছেন সেটি দেখা। ৪ সেপ্টেম্বর প্রকাশিত InfoWorld-এর বিবরণ অনুযায়ী, অভ্যন্তরীণ memo-তে বলা হয়েছে যে AI adoption dashboard বা token count দিয়ে impact মূল্যায়ন করা হবে না; manager-দের output quality, velocity, problem complexity এবং scope taken on দেখতে হবে।
চারটি মাপকাঠি কাজের আলাদা মাত্রা ধরে। Output quality দিয়ে deliverable কতটা নির্ভুল, স্থিতিশীল ও প্রয়োজনসঙ্গত তা বিচার করা যায়। Velocity কাজ শেষ করার গতি বোঝায়, problem complexity সমাধান করা সমস্যার কঠিনতা ধরে, আর scope দেখায় কর্মী কত বড় দায়িত্ব বা কত বিস্তৃত নির্ভরতা সামলেছেন।
তবে এগুলো কোনো স্বয়ংক্রিয় scorecard নয়। দ্রুত delivery-র সঙ্গে ত্রুটি বাড়তে পারে, বড় scope নিয়েও কাজ অসমাপ্ত থাকতে পারে, আবার গুরুত্বপূর্ণ maintenance-এর দৃশ্যমান output ছোট হতে পারে। ফলে token counter সরলেও manager-এর বিচার, প্রকল্পের context এবং ফল যাচাইয়ের প্রয়োজন কমছে না।
Usage metric কেন বিকৃত incentive তৈরি করেছিল
Token count সহজে গণনা করা যায়, কিন্তু সেটি উৎপাদিত মূল্যের সরাসরি মাপ নয়। একই ফল অল্প prompt-এ পাওয়া কর্মী তুলনামূলক দক্ষ হলেও তার consumption কম দেখাবে; বিপরীতে বারবার prompt, অপ্রয়োজনীয় agent বা পুনরাবৃত্ত output দিয়ে কাজের মূল্য না বাড়িয়েও সংখ্যাটি বাড়ানো সম্ভব। কোনো proxy metric যখন নিজেই লক্ষ্য হয়ে যায়, তখন সেটি game করার incentive তৈরি করে।
Times of India-এর ৩ সেপ্টেম্বরের প্রতিবেদনে বলা হয়েছে, নতুন wording-এ ফলাফল AI অথবা অন্য উপায়ে অর্জিত হতে পারে। একই প্রতিবেদনে আগের usage-কেন্দ্রিক পরিবেশ, token consumption dashboard এবং একজন কর্মীর তৈরি leaderboard-এর কথাও আছে; সেখানে Meta-র মুখপাত্রের বক্তব্য হিসেবে বলা হয়, কর্মীদের contribution-ই মূল্যায়নের ভিত্তি ছিল এবং “AI Native” label performance evaluation-এ ব্যবহৃত হয়নি।
এখানে তিনটি বিষয় আলাদা। কিছু কর্মী বলেছেন usage ও label তাদের ওপর মূল্যায়নের চাপ তৈরি করেছিল; Meta label-টি সরাসরি evaluation-এ ব্যবহারের কথা অস্বীকার করেছে; আর নতুন guidance-এ dashboard ও token count দিয়ে impact না মাপার ভাষা যোগ হওয়াটি নিশ্চিত পরিবর্তন। তাই নীতিবদলকে আগের সব অভিযোগের স্বীকৃতি বলা যাবে না, আবার পরিবর্তনটি নিছক নামবদলও নয়।
নতুন scorecard-এ প্রতিটি metric-এর সীমা
- AI usage বা token: সহজে মাপা যায়, কিন্তু অপ্রয়োজনীয় ব্যবহারেও বাড়ে; তাই impact-এর দুর্বল proxy।
- Output quality: নির্ভুলতা, reliability ও review ফলের সঙ্গে যুক্ত করা যায়; তবে দলের জন্য গ্রহণযোগ্য মান আগে স্পষ্ট হতে হয়।
- Velocity: delivery এবং বাধা সরানোর গতি দেখায়; quality বা নিরাপত্তা বিসর্জন দেওয়া হয়েছে কি না, সেটিও পাশাপাশি দেখতে হয়।
- Problem complexity: কঠিন constraint, অনিশ্চয়তা ও dependency সামলানোর মূল্য ধরে; কিন্তু প্রকল্পের context ছাড়া দুই কর্মীর কাজ তুলনা করা কঠিন।
- Scope: দায়িত্বের বিস্তার ও downstream প্রভাব বোঝায়; বড় scope নিজে সফল ফলের প্রমাণ নয়।
এই কাঠামোয় AI হলো কাজের একটি পদ্ধতি, outcome নয়। AI ছাড়া ভালো সমাধান দেওয়া কর্মীকে শুধু কম token ব্যবহারের জন্য পিছিয়ে দেওয়ার কথা নয়; একইভাবে Hatch বা অন্য কোনো tool ব্যবহার করলেই নিম্নমানের কিংবা অসম্পূর্ণ output গ্রহণযোগ্য হবে না। বাস্তব review-তে manager-রা এই পার্থক্য কতটা ধারাবাহিকভাবে রাখেন, সেটিই tokenmaxxing incentive সত্যিই কমেছে কি না বোঝাবে।
Hatch-এর পরীক্ষা চলছে, ঝুঁকিও অমীমাংসিত
Review metric বদলালেও Hatch পরীক্ষা বন্ধ হয়নি। তিন কর্মীর তথ্যের ভিত্তিতে করা WIRED-এর ২ সেপ্টেম্বরের অনুসন্ধান অনুযায়ী, Meta কর্মীদের Hatch ব্যবহার করতে উৎসাহ দিচ্ছে, বাধ্য করছে না; agentটি web browse ও অন্য application পরিচালনা করে computer-এ action নিতে পারে এবং কয়েক সপ্তাহ ধরে corporate device-এ পরীক্ষা চলছে। একই প্রতিবেদনে দুই বর্তমান কর্মী ব্যক্তিগত email, calendar ও অন্য nonwork account যুক্ত করা নিয়ে privacy এবং গুরুত্বপূর্ণ কাজে ভুল হওয়ার আশঙ্কার কথা বলেছেন; Meta Hatch পরীক্ষা নিয়ে মন্তব্য করতে অস্বীকৃতি জানিয়েছে।
সব কর্মীর অভিজ্ঞতা অবশ্য এক নয়। ওই অনুসন্ধানে কয়েকজন Hatch-কে appointment booking ও ব্যক্তিগত কাজ গোছানোর ক্ষেত্রে কার্যকর বলেছেন। একই সঙ্গে কর্মীদের ভাষ্য অনুযায়ী, Hatch প্রচলিত chatbot বা coding assistant-এর তুলনায় বেশি token ব্যবহার করছে এবং management এখনো কর্মীদের AI tool কার্যকরভাবে ব্যবহারের সক্ষমতা দেখাতে আগ্রহী।
অতএব শিরোনামের “চাপ” কোনো নিশ্চিত Hatch quota বা বাধ্যতামূলক review score বোঝায় না। এটি Hatch পরীক্ষা করার সাংগঠনিক উৎসাহ এবং AI ব্যবহারের দক্ষতা দেখানোর চলমান প্রত্যাশা; প্রকাশিত তথ্য অনুযায়ী ব্যবহারটি বাধ্যতামূলক নয়।
এখন নিশ্চিত যা, অজানা যা
নিশ্চিত পরিবর্তন হলো Meta-র review guidance-এ token volume ও adoption dashboard-এর বদলে contribution-ভিত্তিক চারটি মাত্রা সামনে এসেছে। নিশ্চিত সীমাটিও পরিষ্কার: Hatch তখনো corporate device-এ চলা অভ্যন্তরীণ পরীক্ষা, ঘোষিত সাধারণ release নয়।
এখনো প্রকাশ্যে জানা যায়নি Hatch কোন data দেখতে বা সংরক্ষণ করতে পারবে, ব্যক্তিগত account যুক্ত করার সীমা কী হবে, ভুল action ঠেকাতে কী approval ব্যবস্থা থাকবে কিংবা internal test থেকে public release-এ যাওয়ার শর্ত কী। পরবর্তী review cycle-এর প্রয়োগ এবং Hatch-এর privacy ও reliability controls প্রকাশ না হওয়া পর্যন্ত মূল্যায়নের নীতিবদলকে নিশ্চিত বলা যায়, কিন্তু সংশ্লিষ্ট operational risk মিটে গেছে বলা যায় না।
আরও পড়ুন:
আমাদের নিউজলেটার নিন
সর্বশেষ Web3, AI ও ক্রিপ্টো সংবাদ সরাসরি আপনার ইনবক্সে পান।