Pearson কিনছে Workera—সনদের বদলে বাস্তব দক্ষতা মাপাই নতুন বাজি

লন্ডন থেকে প্রকাশিত ২৯ সেপ্টেম্বর ২০২৬ সালের ঘোষণায় Pearson জানিয়েছে, যুক্তরাষ্ট্রের দক্ষতা যাচাই প্রতিষ্ঠান Workera অধিগ্রহণে সম্মত হয়েছে। লেনদেন এখনও সম্পন্ন হয়নি; নিয়মিত সমাপনী শর্ত এবং প্রয়োজনীয় নিয়ন্ত্রক নথি ও অনুমোদনের পর ২০২৬ সালের দ্বিতীয়ার্ধে তা শেষ হওয়ার প্রত্যাশা। ক্যালিফোর্নিয়ার পালো আল্টোতে অবস্থিত Workera প্রতিষ্ঠিত হয় ২০১৯ সালে; কর্মী প্রায় ৬০ জন।

Pearson কেন এই চুক্তি করছে, তা ব্যাখ্যা করতে প্রতিষ্ঠানটির Enterprise Learning & Skills বিভাগের প্রধান Vishaal Gupta Learning News-এর ২৯ সেপ্টেম্বরের প্রতিবেদনে বলেছেন, “An organization's ability to assess and develop skills will be key.” Pearson পদভিত্তিক পরিস্থিতি ও সিমুলেশনে কর্মীর প্রদর্শিত দক্ষতা মাপার প্রযুক্তি তার প্রতিষ্ঠানভিত্তিক প্রশিক্ষণ ব্যবসার সঙ্গে যুক্ত করতে চায়। চুক্তির মূল্য প্রকাশ করা হয়নি।

চুক্তি সম্পন্ন হলে Pearson কী পাবে

Pearson অধিগ্রহণের চূড়ান্ত চুক্তিতে পৌঁছেছে বলে প্রতিষ্ঠানটির আইন উপদেষ্টা White & Case-এর ২ অক্টোবরের বিবৃতিতে উল্লেখ করা হয়েছে। লেনদেন শেষ হলে Workera, Pearson প্রতিষ্ঠানের Enterprise Learning & Skills বিভাগে যুক্ত হবে। Workera প্রতিষ্ঠানের সহপ্রতিষ্ঠাতা ও প্রধান নির্বাহী Kian Katanforoosh ওই বিভাগের নেতৃত্বের দলে যোগ দেওয়ার কথা।

Workera সাইকোমেট্রিক্স, অভিযোজিত মূল্যায়ন এবং এজেন্টভিত্তিক কৃত্রিম বুদ্ধিমত্তার সমন্বয়ে নির্দিষ্ট ভূমিকার পরিস্থিতি ও সিমুলেশনে প্রদর্শিত সক্ষমতা মাপে। প্রতিষ্ঠানটির গ্রাহকদের মধ্যে ServiceNow, Accenture ও United States Space Force রয়েছে। Pearson এই মূল্যায়ন দিয়ে কর্মীদের বর্তমান দক্ষতার ভিত্তি নির্ধারণ, প্রয়োজনমতো প্রশিক্ষণ বাছাই এবং পরে সেই দক্ষতা বেড়েছে কি না যাচাই করার সম্ভাবনা দেখছে।

প্রযুক্তিটি নিয়োগ, প্রতিষ্ঠানের ভেতরে অন্য পদে যাওয়া, কর্মী পুনর্বিন্যাস এবং জনবল পরিকল্পনাতেও কাজে লাগানোর কথা বলেছে Pearson। তবে ঘোষিত ব্যবহারের ক্ষেত্র আর নির্দিষ্ট প্রতিষ্ঠানে চালুর সিদ্ধান্ত এক জিনিস নয়। কোন গ্রাহক কোন মূল্যায়ন ব্যবহার করবে, কিংবা প্রশিক্ষণের ফল কর্মীসংক্রান্ত সিদ্ধান্তে কতটা প্রভাব ফেলবে, তা সংশ্লিষ্ট প্রতিষ্ঠানই নির্ধারণ করবে।

কোর্সের সনদ ও প্রদর্শিত দক্ষতার ফারাক

কোর্স সমাপ্তির সনদ শেখার একটি ধাপ নথিবদ্ধ করে; নির্দিষ্ট কাজে পারদর্শিতার সিদ্ধান্ত দিতে হলে কাজের অনুরূপ পরিস্থিতিতে সক্ষমতা দেখতে হয়। সাধারণ দক্ষতা পরীক্ষায় কোনো বিষয়ে জ্ঞান বা সমস্যা সমাধানের ক্ষমতা মাপা যেতে পারে। পদভিত্তিক সিমুলেশন সেই পরীক্ষাকে কাজের দায়িত্বের কাছে আনে: অংশগ্রহণকারী সংশ্লিষ্ট পদের পরিস্থিতিতে কী সিদ্ধান্ত নেন এবং কী ফল দেখান, সেটি মূল্যায়নের বিষয় হয়। এই পার্থক্যই Pearson প্রতিষ্ঠানের প্রশিক্ষণ ও মূল্যায়নকে একই ধারায় আনার পরিকল্পনার ভিত্তি।

ধরা যাক, একই কৃত্রিম বুদ্ধিমত্তাবিষয়ক কোর্স শেষ করেছেন গ্রাহকসেবা ও তথ্য বিশ্লেষণ দলের কর্মীরা। তাঁদের সনদ একই ধরনের শেখার অংশগ্রহণ দেখাবে, কিন্তু দুই পদের কাজের চাহিদা আলাদা। যথাযথভাবে তৈরি পৃথক পরিস্থিতিতে পরীক্ষা করলে কোন দায়িত্বে কার সক্ষমতা দেখা গেছে এবং কোথায় আরও শেখা দরকার, সে বিষয়ে বেশি নির্দিষ্ট তথ্য মিলতে পারে। এটি পদ্ধতিটির একটি শর্তসাপেক্ষ উদাহরণ; Workera প্রতিষ্ঠানের ঘোষিত কোনো গ্রাহকের পরীক্ষার ফল নয়।

সিমুলেশনও কর্মক্ষেত্রের পূর্ণ প্রতিরূপ নয়। সময়ের চাপ, সহকর্মীর সহযোগিতা, গ্রাহকের প্রতিক্রিয়া কিংবা বাস্তব প্রতিষ্ঠানের নিয়ম অনেক সময় পরীক্ষার বাইরে থাকে। তাই একটি পরীক্ষার ফল কোন দক্ষতা ও পরিস্থিতি মেপেছে, সেই পরিসরেই তার অর্থ নির্ধারণ করা দরকার। প্রশিক্ষণের আগে ও পরে একই দক্ষতার তুলনাযোগ্য মূল্যায়ন থাকলে উন্নতির ইঙ্গিত পাওয়া যায়; ফলের পরিবর্তনকে একা কর্মক্ষেত্রে পারদর্শিতার নিশ্চয়তা ধরা যায় না।

কর্মীর পোর্টফোলিওতে কী ধরনের প্রমাণ মূল্য পাবে

এই মডেলে সনদের পাশে প্রদর্শিত কাজের প্রমাণের গুরুত্ব বাড়ে। কর্মী নিজের পোর্টফোলিওতে অনুমতি সাপেক্ষে কাজের নমুনা, কাজটির উদ্দেশ্য, নিজে কোন সিদ্ধান্ত নিয়েছেন এবং কী প্রতিক্রিয়া পেয়েছেন—এসব সংরক্ষণ করলে দক্ষতার দাবিটি স্পষ্ট হয়। পরীক্ষার নির্দিষ্ট প্রশ্ন বা গোপন গ্রাহকতথ্য প্রকাশের প্রয়োজন নেই। বিশেষত অন্য পদে আবেদন করার সময় শুধু কোর্সের নামের চেয়ে কাজটি কোন ধরনের দায়িত্বের সঙ্গে মেলে, সেই ব্যাখ্যা বেশি অর্থবহ হতে পারে।

পোর্টফোলিওতে রাখা কাজের নমুনা পরীক্ষার আনুষ্ঠানিক ফলের সমান নয়। নিজের তৈরি নমুনায় কর্মী পদ্ধতি ও সিদ্ধান্ত ব্যাখ্যা করতে পারেন; নিয়ন্ত্রিত মূল্যায়নের ফল পদের মানদণ্ডে তাঁর অবস্থান জানায়। কোনো নমুনায় দলের যৌথ অবদান থাকলে নিজের অংশ আলাদা করে বলা জরুরি, আর গোপন কাজের তথ্য প্রকাশের আগে অনুমতি লাগে। এই পার্থক্য স্পষ্ট থাকলে নিয়োগকারী সনদ, কাজের নমুনা ও পরীক্ষার ফলকে পৃথক সংকেত হিসেবে দেখতে পারবেন।

ফল দিয়ে নিয়োগ বা পদোন্নতি মাপলে পক্ষপাত কোথায়

পদভিত্তিক মূল্যায়ন কার্যকর হবে তখনই, যখন পরীক্ষার পরিস্থিতি সত্যিই পদের প্রয়োজনীয় কাজের সঙ্গে মিলবে। প্রশ্নের ভাষা যদি কাজের দক্ষতার বাইরে অতিরিক্ত বাধা তৈরি করে, তবে ভাষাগত সুবিধা বা অসুবিধা নম্বরে ঢুকে যেতে পারে। বাংলাদেশ ও ভারতের বহুভাষিক দলে একই পরীক্ষার অনুবাদ, স্থানীয় কাজের পদ্ধতি এবং প্রতিবন্ধী অংশগ্রহণকারীর প্রয়োজনীয় ব্যবস্থা এই কারণে গুরুত্বপূর্ণ। বিভিন্ন গোষ্ঠীর ফলের ব্যবধান দেখলেও আগে বুঝতে হবে পরীক্ষাটি সবার কাছে একই সক্ষমতা মাপছে কি না।

এজেন্টভিত্তিক কৃত্রিম বুদ্ধিমত্তা ও অভিযোজিত প্রশ্ন ব্যবহার মানেই পক্ষপাত দূর হয়েছে, এমন সিদ্ধান্ত আসে না। নম্বরের পেছনে কোন আচরণ বা কাজ ধরা হয়েছে, মানুষ কোথায় ফল পর্যালোচনা করবেন এবং ভুল ফল সংশোধনের সুযোগ আছে কি না—এসব সিদ্ধান্তের আগে পরিষ্কার থাকা দরকার। বিশেষ করে পদোন্নতি বা কর্মী পুনর্বিন্যাসে একটি স্কোরের পাশাপাশি আগের কাজের প্রমাণ ও মানুষের পর্যালোচনা রাখা বেশি দায়িত্বশীল মূল্যায়ন।

Workera প্রতিষ্ঠানের মূল্যায়ন নিয়ে আপত্তি বা পুনর্মূল্যায়নের নির্দিষ্ট প্রক্রিয়া অধিগ্রহণের ঘোষণায় নেই। তাই কোনো প্রতিষ্ঠান ফলকে কর্মীসংক্রান্ত সিদ্ধান্তে ব্যবহার করলে, কর্মী কীভাবে মানদণ্ড জানতে এবং ফল চ্যালেঞ্জ করতে পারবেন, সেই নিয়ম তাকে নির্ধারণ করতে হবে। চুক্তির সমাপনী শর্ত ও প্রয়োজনীয় অনুমোদন পূরণের পর বোঝা যাবে Pearson তার প্রশিক্ষণ ব্যবসায় এই মূল্যায়ন কীভাবে যুক্ত করছে।

আরও পড়ুন:

• AI course শেষ করাই দক্ষতা নয়—ফল মাপার পাঁচ সংকেত দিল Gartner
• NVIDIA কিনছে Hugging Face—১৩ বিলিয়ন ডলারের পরও কি প্ল্যাটফর্ম খোলা থাকবে?
• Claude দিয়ে আক্রমণের প্রায় পুরো কাজ—Anthropic-এর রিপোর্টে নতুন ঝুঁকি