ভারতে AI উৎপাদনশীলতা বাড়াচ্ছে—কাজের চাপও বেড়েছে ৭৮% কর্মীর

৩০ সেপ্টেম্বরের Korn Ferry-এর ভারতীয় ফলাফল প্রকাশের বিজ্ঞপ্তি অনুযায়ী, জরিপে অংশ নেওয়া ৭৯% কর্মী নিজেদের এক বছর আগের চেয়ে বেশি উৎপাদনশীল বলেছেন, অথচ ৭৮% জানিয়েছেন গত দুই বছরে তাঁদের কাজের চাপ উল্লেখযোগ্যভাবে বেড়েছে; ভারতে সংস্থাটির প্রধান নাভনীত সিংয়ের ভাষায়, “This is a powerful starting point, but it also raises expectations for what people can deliver.” উৎপাদনশীলতা ও কাজের চাপের প্রশ্নে সময়কাল আলাদা, তাই হার দুটিকে একই সময়ের সরাসরি তুলনা হিসেবে দেখা যায় না।

ভারতীয় ফলাফল আনুষ্ঠানিকভাবে প্রকাশের আগেই, ২৪ সেপ্টেম্বরের The Economic Times-এর প্রতিবেদনে জরিপের ২,০০০ ভারতীয় অংশগ্রহণকারীর তথ্য আসে: ৮১% বলেছেন AI তাঁদের কাজের দক্ষতা বাড়িয়েছে, ৭৩% বলেছেন AI তাঁদের পদে প্রত্যাশিত কাজ বাড়িয়েছে, ৭২% একাধিক পদের দায়িত্ব পালন করছেন এবং ৭০% জানিয়েছেন কর্মমূল্যায়নে AI ব্যবহারের দক্ষতা অন্তর্ভুক্ত হচ্ছে। ফলে একটি কাজ দ্রুত শেষ হওয়ার অভিজ্ঞতা দিয়ে কর্মীর দিনের মোট চাপ বোঝা যায় না। নতুন কাজের সংখ্যা, পদের বাইরে দায়িত্ব এবং মূল্যায়নের প্রত্যাশাও একই হিসাবের অংশ।

দক্ষতা বাড়লেও চাপ কমছে না কেন

জরিপে উৎপাদনশীলতার বৃদ্ধি কর্মীদের নিজের দেওয়া উত্তর; এটি প্রতিটি প্রতিষ্ঠানের পরিমাপ করা উৎপাদনের হিসাব নয়। তবু ফলাফলে একটি গুরুত্বপূর্ণ পার্থক্য ধরা পড়েছে। AI কোনো খসড়া বা নিয়মিত কাজ দ্রুত করতে সাহায্য করলে কর্মীর সময় বাঁচতে পারে, কিন্তু সেই সময়ের জায়গায় নতুন অনুরোধ এলে কাজের মোট পরিমাণ কমবে না। দ্রুত সম্পন্ন কাজ এবং দিনের শেষে বাকি থাকা কাজ তাই আলাদা করে দেখতে হয়।

সামগ্রিক কাজের চাপ বৃদ্ধির পুরোটাই AI ঘটিয়েছে, জরিপের উত্তর থেকে এমন সিদ্ধান্তে পৌঁছানো যায় না। তবে কর্মীরা আলাদাভাবে বলেছেন, AI তাঁদের পদে প্রত্যাশিত কাজের সংখ্যা বাড়িয়েছে। এই উত্তর ব্যবস্থাপকের জন্য একটি নির্দিষ্ট প্রশ্ন তৈরি করে: প্রযুক্তি যোগ হওয়ার পরে কোন পুরোনো কাজটি বাদ গেছে, আর কোন নতুন কাজটি নিয়মিত দায়িত্ব হয়েছে? কোনো কাজ বাদ না গিয়ে শুধু নতুন কাজ যুক্ত হলে দক্ষতার লাভ কর্মীর অবসর সময়ে প্রতিফলিত হওয়ার কথা নয়।

বাড়তি কাজের প্রভাব সব সময় কাজের সংখ্যাতেও ধরা পড়ে না। AI দিয়ে তৈরি একটি খসড়া যাচাই, সংশোধন এবং চূড়ান্ত করার দায়িত্ব মানুষের কাছেই থাকতে পারে। এগুলো সম্ভাব্য কাজের ধাপ, জরিপে প্রত্যেকের অভিজ্ঞতা হিসেবে নথিবদ্ধ ফল নয়। কিন্তু শুধু খসড়া তৈরির সময়টুকু মাপলে চূড়ান্ত ফলের জন্য প্রয়োজনীয় মানুষের কাজ বাদ পড়ার ঝুঁকি থাকে।

একাধিক পদের দায়িত্বের সীমা কোথায়

একাধিক পদের কাজ করার অর্থ কেবল অনেক কাজ হাতে থাকা নয়। কর্মীর মূল পদের বাইরে অন্য পদ বা দলের নিয়মিত সিদ্ধান্ত, সমন্বয় কিংবা ফলের দায় তাঁর কাছে এসেছে কি না, সেটিই বেশি গুরুত্বপূর্ণ। সাময়িকভাবে কাউকে সাহায্য করা আর অন্য পদের কাজ স্থায়ীভাবে নিজের তালিকায় নেওয়ার মধ্যে পার্থক্য আছে। দায়িত্ব বদলালে কাজের অগ্রাধিকার, সিদ্ধান্ত নেওয়ার ক্ষমতা ও ভুলের জবাবদিহিও বদলানো প্রয়োজন হতে পারে।

এই সীমা স্পষ্ট করতে কর্মী ও ব্যবস্থাপক একই কাজের তালিকা ধরে কথা বলতে পারেন। কোন কাজটি মূল পদের, কোনটি অন্যের অনুপস্থিতিতে সাময়িকভাবে এসেছে এবং কোনটি এখন নিয়মিত—প্রতিটির পাশে দায়িত্ব নেওয়ার কারণ ও সময় উল্লেখ করলেই অস্পষ্টতা কমে। এরপর দেখা যায়, নতুন দায়িত্বের জন্য পুরোনো কোনো লক্ষ্য কমানো হয়েছে কি না। কাজের নাম না জেনে শুধু ‘ব্যস্ততা’ নিয়ে আলোচনা করলে পদের বাস্তব পরিবর্তন আড়ালেই থেকে যায়।

AI ব্যবহারের দক্ষতা কর্মমূল্যায়নে ঢুকে পড়ায় এই আলোচনা আরও জরুরি। নতুন প্রযুক্তি শেখা, তার ফল যাচাই করা এবং আগের লক্ষ্য পূরণ করা—সবই কর্মীর সময় নেয়। মূল্যায়নে দক্ষতাটি যোগ হলেও কাজ শেখার সময় বা দায়িত্বের অগ্রাধিকার নির্ধারিত না হলে কর্মী একই সময়ের মধ্যে আরও বেশি প্রত্যাশা সামলান। দক্ষতা মাপার নিয়মের সঙ্গে কাজের পরিসর মিলিয়ে দেখাই এখানে ব্যবস্থাপনার কাজ।

চার সূচকে কাজের চাপের হিসাব

ভারতীয় ফলাফল থেকে কর্মী ও ব্যবস্থাপকের আলোচনার জন্য চারটি সূচক নেওয়া যায়: উৎপাদনশীলতা, মোট কাজ, পদের সীমানা এবং AI-দক্ষতার মূল্যায়ন। এটি Korn Ferry-এর জরিপপদ্ধতি নয়; প্রকাশিত প্রশ্নগুলোকে দলের বাস্তব কাজের সঙ্গে মিলিয়ে দেখার একটি সম্পাদকীয় কাঠামো। একই কর্মীর তুলনীয় কাজের আগের ও বর্তমান অবস্থা পাশাপাশি রাখলে কোথায় সময় বাঁচছে এবং কোথায় নতুন চাপ তৈরি হচ্ছে, তা বোঝা সহজ হয়।

• উৎপাদনশীলতা: কোন নির্দিষ্ট কাজ আগের চেয়ে দ্রুত শেষ হচ্ছে, আর চূড়ান্ত ফলের মান কেমন থাকছে? সম্পন্ন কাজের সংখ্যা বাড়লেও সংশোধনের পরিমাণ বাড়লে সময় সাশ্রয়ের ধারণা বদলে যেতে পারে। কাজ শেষ হওয়ার সময়ের সঙ্গে যাচাই ও সংশোধনের সময়ও একই হিসাবে রাখা দরকার।
• মোট কাজের পরিমাণ: দ্রুত শেষ হওয়া কাজের জায়গায় কত নতুন অনুরোধ, সংশোধন বা নিয়মিত কাজ এসেছে? নতুন দায়িত্বের সঙ্গে কোন পুরোনো কাজের অগ্রাধিকার কমেছে, সেটিও জানা প্রয়োজন। দুটির হিসাব ছাড়া উৎপাদনশীলতা বাড়ার পাশাপাশি চাপ বাড়ার অভিজ্ঞতাটি ব্যাখ্যা করা কঠিন।
• পদের সীমানা: অন্য পদ বা দলের কোন দায়িত্ব এখন নিয়মিত এই কর্মীর কাছে আসে? কাজটি সাময়িক হলে শেষ হওয়ার শর্ত কী, আর স্থায়ী হলে সিদ্ধান্তের ক্ষমতা ও জবাবদিহি কার? ‘সহায়তা’ বলে পরিচিত একটি কাজও নিয়মিত দায়িত্বে পরিণত হতে পারে।
• AI-দক্ষতার মূল্যায়ন: মূল্যায়নে প্রযুক্তি ব্যবহার, দ্রুত কাজ শেষ করা এবং ভালো ফল দেওয়ার মধ্যে কোনটি দেখা হচ্ছে? কর্মীকে নতুন দক্ষতা শেখার সময় দেওয়া হয়েছে কি না এবং AI-র ফল যাচাইয়ের দায়িত্ব কার, সেটিও লক্ষ্য নির্ধারণের সময় পরিষ্কার হওয়া উচিত।

এই হিসাব কর্মীর প্রতিটি মিনিট নজরদারির প্রস্তাব নয়। এর উদ্দেশ্য হলো কোন কাজটি প্রতিষ্ঠানের জন্য জরুরি, কোনটি অন্যত্র দেওয়া যায় এবং কোন অতিরিক্ত দায়িত্বের জন্য পদের বিবরণ বদলাতে হবে, সে সিদ্ধান্তের ভিত্তি তৈরি করা। তাতে দ্রুত কাজ শেষ করার সুবিধা ও কাজের মোট পরিসর একই আলোচনায় আসে।

বৈশ্বিক ফলাফলে চাপের ছবিটি

৮ সেপ্টেম্বরের Korn Ferry-এর বৈশ্বিক ঘোষণায় বলা হয়, AI ব্যবহারে ক্লান্ত কর্মীদের মধ্যে ৫২% প্রযুক্তিটি তাঁদের কাজের চাপ বাড়িয়েছে বলেছেন; সব বাজারের ৬১% অংশগ্রহণকারী একাধিক পদের দায়িত্ব পালন করছেন এবং ৬২% গত দুই বছরে উল্লেখযোগ্যভাবে বেশি কাজের চাপ জানিয়েছেন। বৈশ্বিক জরিপে বিভিন্ন দেশের ও পদের কর্মীরা অংশ নিয়েছেন। AI ব্যবহারে ক্লান্ত কর্মীদের উত্তরকে ভারতের সব কর্মীর অভিজ্ঞতা হিসেবে ধরা যায় না।

ভারতীয় ফলাফলের বিশেষত্ব হলো, প্রযুক্তি নিয়ে ইতিবাচক অভিজ্ঞতার পাশেই কাজের বিস্তার উঠে এসেছে। প্রশিক্ষণ পাওয়ার অনুভূতি কিংবা কোনো কাজ দ্রুত শেষ করার অভিজ্ঞতা নিজে থেকে দায়িত্বের তালিকা ছোট করে না। ব্যবস্থাপক যদি নতুন কাজ দেওয়ার সময় কোন লক্ষ্য কমবে তা স্পষ্ট করেন, কর্মীও বুঝতে পারেন তাঁর পদের প্রত্যাশা কোথায় বদলাচ্ছে। সেই সিদ্ধান্ত ছাড়া কর্মমূল্যায়নে বাড়তি উৎপাদনশীলতা স্বীকৃতি পেলেও তার পেছনের বাড়তি দায়িত্ব অদৃশ্য থেকে যেতে পারে।

আরও পড়ুন:

• Wipro-তে AI-র সমান ২০,০০০ কর্মীর কাজ—কাউকে ছাঁটাই নয়, redeploy
• ALLAM যাচ্ছে Microsoft 365 Copilot-এ: আরবি কাজের AI বদলাবে কীভাবে
• Spott পেল $২১ মিলিয়ন—recruiter-এর ৮০% কাজের দাবি এখন প্রমাণের মুখে