ভারতের সৃজনশীল কাজে AI ব্যবহার বিশ্বগড়ের ১.৬ গুণ—Google-এর তথ্য
Google ১৫ সেপ্টেম্বর ২০২৬ প্রকাশিত AI & Economy ATLAS আপডেটে জানিয়েছে, ভারতে কাজ-সম্পর্কিত Google AI ব্যবহারের ১৯% শিল্প, নকশা ও মিডিয়া পেশার সঙ্গে যুক্ত—সংশ্লিষ্ট বিশ্বগড়ের ১.৬ গুণ। একই দিনে প্রতিষ্ঠানটি দেশ ও পেশাভিত্তিক তথ্য দেখার উন্মুক্ত ইন্টার্যাকটিভ সংস্করণ চালু করেছে বলে Google-এর ATLAS ঘোষণায় জানানো হয়েছে।
এই ফলের অর্থ ভারতের ১৯% মানুষ বা ১৯% সৃজনশীল কর্মী AI ব্যবহার করেন—এমন নয়। ১৯% হলো ATLAS-এ ধরা ভারতের কাজ-সম্পর্কিত interaction-এর পেশাগত বণ্টনে ওই সৃজনশীল শ্রেণির অংশ; ১.৬ গুণ হলো একই অংশের ভারতীয় মান ও বিশ্বগড়ের তুলনা। ১৬ সেপ্টেম্বরের NEXSIGHT AI WIRE পর্যালোচনাও এই তারিখ, শতাংশ ও তুলনাটি নথিবদ্ধ করেছে, তবে স্পষ্ট করেছে যে এটি Google-এর প্রকাশনা ও গবেষণা নথির সারাংশ—স্বাধীনভাবে ফল যাচাইয়ের প্রমাণ নয়।
১৯% কোন হিসাবের অংশ
এখানে numerator হলো ভারতের সেই কাজ-সম্পর্কিত interaction, যেগুলোকে শিল্প, নকশা ও মিডিয়া-সংশ্লিষ্ট পেশার সঙ্গে শ্রেণিবদ্ধ করা হয়েছে। denominator হলো ATLAS-এর অন্তর্ভুক্ত Google AI পৃষ্ঠগুলোতে ভারত থেকে শনাক্ত সব পেশাগোষ্ঠীর কাজ-সম্পর্কিত interaction। তাই এটি ব্যবহারকারীর সংখ্যা, মোট কর্মীর সংখ্যা কিংবা সৃজনশীল শিল্পের প্রতিষ্ঠানের সংখ্যা দিয়ে ভাগ করা কোনো গ্রহণহার নয়।
শর্তসাপেক্ষ একটি উদাহরণে পার্থক্যটি সহজ: নমুনায় ভারত থেকে ১০০টি কাজ-সম্পর্কিত interaction থাকলে এবং তার ১৯টি ওই পেশাশ্রেণিতে পড়লে share হবে ১৯%। একই ব্যক্তি একাধিক interaction করতে পারেন, আবার AI ব্যবহার না করা কর্মী এই denominator-এ আসেন না। অতএব ফলটি interaction-এর মিশ্রণ দেখায়, মানুষের অনুপাত নয়।
১.৬ গুণের ক্ষেত্রেও তুলনার একক অপরিবর্তিত থাকে। এর অর্থ, ভারতের পর্যবেক্ষিত কাজ-সম্পর্কিত interaction-এ ওই পেশাশ্রেণির ওজন বিশ্বগড়ের তুলনায় বেশি। ভারতীয় সৃজনশীল কর্মীরা প্রত্যেকে অন্য দেশের কর্মীদের চেয়ে ১.৬ গুণ বেশি prompt পাঠান বা ৬০% বেশি উৎপাদনশীল—দুটির কোনোটিই এই হিসাব থেকে জানা যায় না।
কোন নমুনা থেকে ফলটি এসেছে
ATLAS v1.0 গবেষণাপত্র অনুযায়ী, প্রথম সংস্করণে ২০২৬ সালের ৬–১৯ এপ্রিলের ১ কোটি ৪৬ লাখ ৫৩ হাজার ৯২৬টি de-identified interaction নমুনা হিসেবে নেওয়া হয়। এগুলো Gemini App, Google AI Mode ও Gemini API থেকে এসেছে এবং স্বয়ংক্রিয়, privacy-preserving পদ্ধতিতে ৮০০টির বেশি পেশা, ৪ হাজার কাজ, ৩০০ গৃহস্থালি কার্যক্রম, ১৫০ দেশ ও ১৪০ ভাষার কাঠামোয় সাজানো হয়েছে।
এই পরিসর বড় হলেও এটি ভারতের শ্রমবাজারের প্রতিনিধিত্বশীল জরিপ নয়। নমুনাটি Google-এর নির্বাচিত AI পণ্য ব্যবহারকারীদের আচরণ দেখায়; অন্য প্রতিষ্ঠানের AI সেবা, AI ব্যবহার না করা মানুষ এবং Google-এর বাদ পড়া পণ্যগুলোর কার্যক্রম একইভাবে এতে নেই। গবেষণাপত্রে Google Workspace, AI Overviews, Google Translate, Google Maps ও কয়েকটি অন্য পণ্য বাদ থাকার কথা বলা হয়েছে।
API অংশেও গুরুত্বপূর্ণ সীমা আছে। paid Gemini API ও Google Cloud-এর enterprise ব্যবহারের request count দেশভিত্তিক কিছু বিশ্লেষণে কাজে লাগলেও সেগুলোর content পেশা বা কাজের সূক্ষ্ম শ্রেণিবিন্যাসে ব্যবহৃত হয়নি। ফলে বড় প্রতিষ্ঠানের পেশাগত ব্যবহার কম প্রতিফলিত হতে পারে। কোন দেশে কোন Google পণ্য কতটা জনপ্রিয়, কারা সেগুলো ব্যবহার করেন এবং একজন কতবার interaction করেন—এসব platform bias ভারতের ১৯% share-কে প্রভাবিত করতে পারে।
শ্রেণিবিন্যাসও একটি অনুমান
ATLAS ব্যবহারকারীর নিয়োগপত্র বা পেশাগত নিবন্ধন দেখে occupation নির্ধারণ করেনি। স্বয়ংক্রিয় pipeline প্রথমে কথোপকথনকে কাজ-সম্পর্কিত বা কাজের বাইরের ব্যবহার হিসেবে চিহ্নিত করেছে, তারপর সংক্ষিপ্ত ও সমষ্টিবদ্ধ interaction-কে O*NET-SOC পেশা ও task taxonomy-র সঙ্গে মিলিয়েছে। একই কথোপকথনে একাধিক উদ্দেশ্য থাকলে বা পেশা সরাসরি উল্লেখ না থাকলে সঠিক শ্রেণি নির্ধারণ স্বভাবতই অনিশ্চিত।
গবেষকেরা synthetic sample, মানব মূল্যায়ন এবং inter-rater agreement দিয়ে classifier যাচাই করেছেন। তবু তাদের পদ্ধতিগত আলোচনায় বলা হয়েছে, raw log থাকলেও ব্যবহারকারী নিজের পেশা ও নির্দিষ্ট কাজ না জানালে একটি interaction-এর একমাত্র সঠিক শ্রেণি স্থির করা কঠিন। তাই ১৯% হলো নির্দিষ্ট নমুনা, taxonomy ও classifier-নির্ভর estimate; নিবন্ধিত কর্মী বা প্রতিষ্ঠানের সরাসরি গণনা নয়।
এই তথ্য থেকে কী জানা যায়
ফলটি থেকে সীমিত কিন্তু গুরুত্বপূর্ণ একটি পর্যবেক্ষণ করা যায়: ATLAS-এর আওতাভুক্ত Google AI ব্যবহারে ভারতের কাজ-সম্পর্কিত interaction-এর পেশাগত মিশ্রণে শিল্প, নকশা ও মিডিয়া শ্রেণির উপস্থিতি বিশ্বগড়ের তুলনায় বেশি। এটি Google-এর পণ্যগুলোতে সৃজনশীল কাজ দৃশ্যমান হওয়ার একটি signal এবং দেশ ও পেশাভেদে AI ব্যবহারের ধরন যে এক নয়, তার প্রমাণ।
কিন্তু এই তথ্য দিয়ে ভারতের সামগ্রিক AI adoption, সৃজনশীল শিল্পের বাজারের আকার, কর্মীর উৎপাদনশীলতা, আয়, চাকরি সৃষ্টি বা প্রতিস্থাপন মাপা যায় না। interaction share ফলাফলের মানও জানায় না: AI দিয়ে লেখা, নকশা বা মিডিয়াকাজ করা হয়েছে—এটি বোঝা গেলেও সেই কাজ দ্রুত, ভালো বা বাণিজ্যিকভাবে সফল হয়েছে কি না, ATLAS-এর এই সংখ্যায় তার উত্তর নেই। এসব সিদ্ধান্তের জন্য প্রতিনিধিত্বশীল কর্মী বা প্রতিষ্ঠান জরিপ এবং আলাদা outcome data প্রয়োজন।
বিজ্ঞানীদের তথ্য কেন আলাদা
সেপ্টেম্বরের একই আপডেটে বিজ্ঞানীদের AI ব্যবহার নিয়ে পৃথক গবেষণার ফলও এসেছে। সেখানে বিশেষায়িত AI model-এর বিশ্লেষণ এবং যুক্তরাষ্ট্র ও যুক্তরাজ্যের ৬০০-এর বেশি বিজ্ঞানীর survey রয়েছে; প্রায় অর্ধেক উত্তরদাতা প্রতিদিন AI ব্যবহারের কথা বলেছেন এবং ব্যবহারকারীরা সপ্তাহে প্রায় সাত ঘণ্টা সাশ্রয়ের কথা জানিয়েছেন। এগুলো survey response, ভারতের occupational interaction share নয়—দুই ফলের sample, ভূগোল, metric ও denominator আলাদা।
বিজ্ঞানবিষয়ক গবেষণায় একটি validation bottleneck-ও উঠে এসেছে: AI দ্রুত hypothesis বা output তৈরি করলেও সেগুলো যাচাইয়ের জন্য মানুষের পর্যালোচনা, physical experiment ও clinical validation প্রয়োজন। ফলে সময় সাশ্রয়ের self-report সরাসরি নতুন আবিষ্কার বা পরিমাপ করা productivity gain প্রমাণ করে না। একই যুক্তিতে ভারতের সৃজনশীল interaction-এর বড় share-ও কাজের গুণমান বা অর্থনৈতিক ফলের প্রমাণ নয়।
বাংলাদেশের জন্য সমতুল্য হিসাব নেই
Google-এর সেপ্টেম্বরের ঘোষণা, ATLAS v1.0 গবেষণাপত্র এবং পর্যালোচিত সাম্প্রতিক কভারেজে বাংলাদেশের সৃজনশীল পেশার জন্য ভারতের ১৯% ও ১.৬ গুণের সমতুল্য কোনো সরাসরি তুলনাযোগ্য ফল প্রকাশ করা হয়নি। তাই ভারতের ratio বাংলাদেশের ওপর প্রয়োগ করা যাবে না। দুই দেশের পণ্যপ্রাপ্যতা, ব্যবহারকারীর গঠন, ভাষা, ডিজিটাল প্রবেশাধিকার ও পেশাগত মিশ্রণ আলাদা হতে পারে।
এখন পর্যন্ত নিশ্চিত সিদ্ধান্তটি তাই সরু: Google-এর নির্দিষ্ট AI পৃষ্ঠে পর্যবেক্ষিত ভারতের কাজ-সম্পর্কিত interaction-এর ১৯% শিল্প, নকশা ও মিডিয়া পেশার সঙ্গে যুক্ত, যা সংশ্লিষ্ট বিশ্বগড়ের ১.৬ গুণ। দেশব্যাপী গ্রহণহার জানতে প্রতিনিধিত্বশীল population বা workforce survey দরকার; আর কাজের ফল ও উৎপাদনশীলতা বিচার করতে প্রয়োজন স্বাধীন outcome measurement। ভবিষ্যৎ ATLAS সংস্করণে দীর্ঘ সময়ের তথ্য, বিস্তৃত product coverage ও দেশভিত্তিক sample composition প্রকাশ পেলে তুলনাটির সীমা আরও নির্ভুলভাবে বোঝা যাবে।
আরও পড়ুন:
আমাদের নিউজলেটার নিন
সর্বশেষ Web3, AI ও ক্রিপ্টো সংবাদ সরাসরি আপনার ইনবক্সে পান।