Prompt জানা আর যথেষ্ট নয়—Applied AI দক্ষতার চাহিদা ৫১% বেড়েছে

Workday-এর ৫ অক্টোবর ২০২৬ প্রকাশিত Global Workforce Report অনুযায়ী, Workday Recruiting ব্যবহারকারী ৫৫০টির বেশি নিয়োগদাতার চাকরির চাহিদাপত্রে প্রয়োগভিত্তিক AI দক্ষতার চাহিদা সেপ্টেম্বর ২০২৫ থেকে জুলাই ২০২৬ পর্যন্ত ৫১% বেড়েছে; প্রতিষ্ঠানটির ভাইস প্রেসিডেন্ট Phil Willburn-এর ভাষায়, “Employees may not be changing jobs, but their jobs are changing around them.” চাকরিপ্রার্থীর জন্য এই পরিবর্তনের তাৎপর্য হলো, শুধু AI ব্যবহার জানার দাবি নয়, কাজের মধ্যে সেটি প্রয়োগের সক্ষমতাও দেখাতে হবে।

The CSR Journal-এর ৬ অক্টোবরের প্রতিবেদনে একই গবেষণার ভিত্তিতে বলা হয়েছে, সাধারণ প্রম্পট লেখার মতো মৌলিক AI দক্ষতার চাহিদা জানুয়ারি ২০২৬-এর সর্বোচ্চ অবস্থান থেকে ২৫% কমেছে; জরিপে ৪০% ব্যবসায়িক নেতা বর্তমান কর্মীদের উৎপাদনশীলতা বাড়ার আশা করেছেন, আর ২৮% কর্মীসংখ্যা কমার প্রত্যাশা করেছেন। এগুলো নেতাদের প্রত্যাশা, বাস্তবে উৎপাদনশীলতা বা কর্মীসংখ্যার পরিবর্তনের হিসাব নয়। নিয়োগের তথ্যটি অবশ্য দেখাচ্ছে, AI দিয়ে কাজের ব্যবস্থা তৈরি ও চালানোর দক্ষতা চাকরির চাহিদাপত্রে বেশি জায়গা পাচ্ছে।

দুই ধরনের দক্ষতার হিসাবের ভিত্তি আলাদা

মৌলিক ও প্রয়োগভিত্তিক দক্ষতার হার দুটি একই সময়ের তুলনা নয়। ERP LEADERS-এর বিশ্লেষণে এই পার্থক্য তুলে ধরা হয়েছে: মৌলিক দক্ষতার পতন মাপা হয়েছে জানুয়ারির সর্বোচ্চ অবস্থান থেকে, আর প্রয়োগভিত্তিক দক্ষতার বৃদ্ধি আগের সেপ্টেম্বর থেকে পরের জুলাই পর্যন্ত; প্রকাশিত সারাংশে চাহিদার সূচকের ভিত্তি বা মোট বিজ্ঞাপনের সংখ্যা দেওয়া নেই। ফলে একটি হার থেকে অন্যটি বিয়োগ করে AI-সংশ্লিষ্ট চাকরির নিট পরিবর্তন বের করা যায় না। দুটি হার পাশাপাশি রাখলে বোঝা যায় নিয়োগদাতারা বিজ্ঞাপনে কোন ধরনের সক্ষমতার উল্লেখ বাড়াচ্ছেন বা কমাচ্ছেন।

এই বিশ্লেষণের উপাদান চাকরির চাহিদাপত্রে লেখা দক্ষতা। তাই এটি নিয়োগদাতার প্রকাশিত চাহিদা বোঝায়; কতজন প্রার্থী চাকরি পেয়েছেন, কোন দক্ষতার জন্য বেশি বেতন পেয়েছেন বা একটি নির্দিষ্ট পদে কী পরীক্ষা নেওয়া হয়েছে, তা বোঝায় না। নমুনার প্রতিষ্ঠানগুলো Workday-এর নিয়োগ সফটওয়্যার ব্যবহার করে। বাংলাদেশ ও বাংলা ভাষাভাষী ভারতের সব নিয়োগদাতার চাহিদা একই হারে বদলেছে বলে এই বৈশ্বিক তথ্য থেকে সিদ্ধান্ত নেওয়া যাবে না। তবে ওই বাজারে আবেদনকারী যে পদের বিজ্ঞাপন দেখছেন, সেখানে ‘AI ব্যবহার’ আর ‘AI দিয়ে কাজ তৈরি’র পার্থক্য ধরতে তথ্যটি সহায়ক।

প্রয়োগভিত্তিক AI দক্ষতায় কী কাজ আছে

মৌলিক দক্ষতার সহজ উদাহরণ হলো নির্দেশ লিখে AI দিয়ে খসড়া, সারাংশ বা উত্তর তৈরি করা। প্রয়োগভিত্তিক দক্ষতার উদাহরণ হিসেবে গবেষণায় AI সরঞ্জাম তৈরি, কাজের ধাপ স্বয়ংক্রিয় করা এবং AI প্রকৌশলের উল্লেখ আছে। এখানে একটি গ্রহণযোগ্য উত্তর পাওয়ার পরও কাজ বাকি থাকে: ব্যবস্থাটি কোথা থেকে তথ্য নেবে, বিদ্যমান প্রক্রিয়ার সঙ্গে কীভাবে যুক্ত হবে এবং কখন মানুষের সিদ্ধান্ত চাইবে, তা নির্ধারণ করতে হয়। এই পার্থক্যেই শুধু ভালো প্রম্পট লেখার দক্ষতা একটি সম্পূর্ণ কাজের বিকল্প হতে পারে না।

ধরা যাক, একটি দল নিয়মিত আসা কর্মী-প্রশ্নের উত্তর খুঁজে দেওয়ার ব্যবস্থা বানাতে চায়। প্রম্পট লেখা সেখানে একটি অংশ হতে পারে। কিন্তু কোন অনুমোদিত তথ্য থেকে উত্তর আসবে, তথ্য পুরোনো হলে কী ঘটবে, ভুল উত্তরে কে হস্তক্ষেপ করবেন এবং উত্তরটি পরের কাজের ধাপে কীভাবে পৌঁছাবে—এসবেরও সমাধান প্রয়োজন। এটি একটি কাল্পনিক কাজের নমুনা, গবেষণায় পর্যবেক্ষণ করা প্রকল্প নয়। উদাহরণটি দেখায়, ব্যবহারকারীর একটি প্রশ্নের জবাব তৈরি আর বারবার চলতে পারে এমন নির্ভরযোগ্য প্রক্রিয়া গড়া কেন আলাদা কাজ।

সংযোগ, মূল্যায়ন ও তদারকিও সেই প্রক্রিয়ার অংশ হতে পারে। যেমন, অনুমোদিত তথ্যের বাইরে উত্তর গেলে তা শনাক্ত করা, অসম্পূর্ণ তথ্যের ক্ষেত্রে উত্তর থামানো এবং গুরুত্বপূর্ণ সিদ্ধান্ত মানুষের কাছে ফেরত পাঠানো—এসব ব্যবস্থা প্রকল্পের উদ্দেশ্য অনুযায়ী দরকার হতে পারে। সব AI-সংশ্লিষ্ট পদে একই প্রকৌশল দক্ষতা লাগবে, এমন সিদ্ধান্ত প্রতিবেদনের তথ্য দেয় না। বিজ্ঞাপনে চাওয়া দায়িত্ব দেখে বুঝতে হবে, নিয়োগদাতা সরঞ্জাম তৈরি, বিদ্যমান ব্যবস্থার সঙ্গে সংযোগ, কাজের ফল মূল্যায়ন, নাকি এগুলোর সমন্বয় চাইছেন।

সিভি ও পোর্টফোলিওতে কোন প্রমাণ কাজে আসে

চাকরির বিজ্ঞাপনে চাওয়া কাজের সঙ্গে মেলে এমন একটি সম্পূর্ণ প্রকল্প ব্যবহৃত সরঞ্জামের নামের তালিকার চেয়ে বেশি তথ্য দিতে পারে। পোর্টফোলিওতে সমস্যাটি কী ছিল, প্রার্থী নিজে কোন অংশ তৈরি করেছেন এবং ফল কীভাবে যাচাই করেছেন, তা বোঝা গেলে নিয়োগদাতা কাজের পরিধি দেখতে পারেন। ভারতে সনদের সঙ্গে কাজের প্রমাণ দেখানোর প্রশ্নটির সঙ্গেও এই পার্থক্য সরাসরি যুক্ত।

• স্বয়ংক্রিয় কাজ: কোন পুনরাবৃত্ত কাজ বেছে নেওয়া হয়েছিল, আগে ধাপগুলো কী ছিল এবং AI যুক্ত করার পর কোন পর্যায়ে মানুষ সিদ্ধান্ত নেন, তা দেখানো যায়। এতে তৈরি উত্তরটির পাশাপাশি শুরু থেকে শেষ পর্যন্ত কাজের পথও পরিষ্কার হয়।
• সংযোগ: ব্যবস্থাটি অনুমোদিত তথ্য বা বিদ্যমান কাজের প্রক্রিয়ার সঙ্গে কীভাবে যুক্ত, কোন তথ্য ব্যবহারের অনুমতি আছে এবং তথ্য না পাওয়া গেলে কী ঘটে, তা ব্যাখ্যা করা যায়। এতে প্রকল্পটি বিচ্ছিন্ন প্রদর্শনী, নাকি কোনো নির্দিষ্ট কাজে বসানোর উপযোগী, তা বিচার করা সহজ হয়।
• মূল্যায়ন: প্রত্যাশিত ফলের পাশাপাশি ভুল, অসম্পূর্ণ বা অস্পষ্ট তথ্যের নমুনা রাখা যায়। কোন পরীক্ষায় ব্যবস্থা কাজ করেছে, কোথায় ব্যর্থ হয়েছে এবং ব্যর্থতা কীভাবে ধরা পড়েছে, তা দেখালে দক্ষতার দাবি যাচাইযোগ্য হয়।
• তদারকি: সংবেদনশীল তথ্য বাদ দেওয়া, মানুষের অনুমোদনের জায়গা নির্ধারণ এবং ভুল ফল সংশোধনের পথ দেখানো যায়। AI-এর উত্তর অন্য কারও কাজ বা সিদ্ধান্তে প্রভাব ফেললে এই সীমাগুলো প্রকল্পের অংশ হয়ে ওঠে।

এগুলো সব পদের জন্য Workday ঘোষিত বাধ্যতামূলক শর্ত নয়; প্রতিবেদনে উঠে আসা কাজের ধরন থেকে তৈরি একটি ব্যবহারিক পোর্টফোলিও কাঠামো। ছোট পরীক্ষামূলক প্রকল্পেও নিজের অবদান, পরীক্ষার ফল ও সীমা সৎভাবে দেখানো সম্ভব। প্রকল্পটি চালু সেবা কি না, দলগত কাজের কোন অংশ নিজের এবং কোন ফল কেবল পরীক্ষায় পাওয়া গেছে—এই পার্থক্যগুলো পরিষ্কার থাকলে প্রমাণের অর্থ বোঝা সহজ হয়।

নিয়োগপ্রার্থীর জন্য পরিবর্তনের অর্থ

প্রম্পট লেখার ক্ষমতা অনেক কাজের প্রয়োজনীয় শুরু হতে পারে। তবে চাহিদাপত্রে প্রয়োগভিত্তিক কাজের উল্লেখ বাড়ায় সিভিতে ‘AI জানি’ লেখা এবং একটি কাজ কীভাবে তৈরি, সংযুক্ত ও যাচাই করা হয়েছে তা দেখানো সমান তথ্য দেয় না। দ্বিতীয়টি নিয়োগদাতাকে প্রার্থীর দায়িত্ব, সিদ্ধান্তের সীমা ও কাজের ফল বোঝার সুযোগ দেয়। আবেদন করা পদের দায়িত্বের সঙ্গে সেই প্রমাণের মিলই নির্ধারণ করবে, সম্পন্ন প্রকল্পটি কতটা প্রাসঙ্গিক।

আরও পড়ুন:

• ভারতে AI certificate একা যথেষ্ট নয়: নিয়োগে চাওয়া হচ্ছে প্রমাণযোগ্য কাজ
• আইনজীবীদের জন্য Gemini Enterprise: সাধারণ AI কেন যথেষ্ট নয়
• Gmail ও Docs-এ কথাই হবে prompt—বাংলা ব্যবহারকারী আপাতত অপেক্ষায়