আমি বেইজিং অ্যাকাডেমি অফ আর্টিফিশিয়াল ইন্টেলিজেন্স (বিএএআই)-এ একটি প্রশিক্ষণ প্রোগ্রাম থেকে ফিরে এসেছি। আমি একজন উত্সাহী ব্যবহারকারী হিসেবে গিয়েছিলাম যিনি চ্যাটজিপিটি, জেমিনি, ক্লড এবং পারপ্লেক্সিটির বাইরে এআই টুলসের সাথে পরিচিত। আমি বুঝতে পেরেছি যে আমার এখনও অনেক কিছু শেখার বাকি আছে। উত্সাহ সাক্ষরতার সমান নয়। একটি দেশ বৃহৎ পরিসরে এআই গ্রহণ করতে দেখে আমি ভাবছি যে বাংলাদেশ কি সত্যিই বোঝে যে এই পরিবর্তনটি কীভাবে ব্যবসাগুলি পরিচালিত হয় এবং প্রতিযোগিতা করে তা গভীরভাবে রূপান্তরিত করতে পারে।
তিনটি এআই-সম্পর্কিত প্রশ্ন প্রায়শই একত্রিত হয়, কিন্তু তাদের আলাদা করা দরকার। এআই গ্রহণ জিজ্ঞাসা করে কোন সংস্থাগুলি এআই ব্যবহার করে এবং কোন ফাংশনগুলিতে। এআই সাক্ষরতা জিজ্ঞাসা করে যে কর্মচারী, পরিচালক এবং পরিচালকরা কি প্রযুক্তি বোঝার জন্য যথেষ্ট দক্ষ যাতে তারা এটি ব্যবহার এবং মূল্যায়ন করতে পারে। এআই শাসন প্রস্তুতি জিজ্ঞাসা করে যে পরিচালনা বোর্ডগুলি কি এআই বিনিয়োগ পরীক্ষা করার, ঝুঁকি বিবেচনা করার এবং এর ব্যবহারের জন্য দায়বদ্ধ থাকার জন্য জ্ঞান রাখে।
ম্যাকিনসের দ্য স্টেট অফ এআই ইন ২০২৫ প্রতিবেদনে দেখা গেছে যে ৮৮% উত্তরদাতা কমপক্ষে একটি ব্যবসায়িক ফাংশনে নিয়মিতভাবে এআই ব্যবহার করে, ২০২৪ সালের ৭৮% থেকে বেড়েছে। যদিও প্রায় এক-তৃতীয়াংশ তাদের সংস্থাগুলির মধ্যে এআই স্কেল করার শুরু করেছে, প্রবণতা সম্ভবত এখনও প্রাথমিক পর্যায়ে রয়েছে। কিন্তু প্রতিবেদনটি এটি প্রতিষ্ঠিত করতে পারেনি যে গ্রহণটি এআই বোঝার অনুবাদ করে। গ্রহণের হার আমাদের বলে যে নেতারা তাদের প্রবর্তিত টুলগুলি কতটা ভালভাবে বোঝে, এবং এটাই আমাকে উদ্বিগ্ন করে।
বেইজিংয়ে, আমি দেখেছি যে কীভাবে এই ব্যবধানটি প্রভাবশালী গ্রহণের সংখ্যা দ্বারা সহজেই অস্পষ্ট হতে পারে। উচ্চ ব্যবহার অগ্রগতির মতো দেখায়, এমনকি যখন শীর্ষস্থানীয়রা প্রকৃত ক্ষমতা এবং পরীক্ষা-নিরীক্ষার মধ্যে পার্থক্য করতে অক্ষম হয়। গ্রহণ বিষয়ে আসে, কিন্তু সাক্ষরতা ছাড়া, এটি অর্ধেক কাজ। নেতা এবং ব্যবহারকারীদের অবশ্যই বুঝতে হবে যে এআই কী করতে পারে, কোথায় এটি বিভ্রান্ত করতে পারে এবং কখন এর ব্যবহার প্রশ্নবিদ্ধ বা সীমাবদ্ধ হওয়া উচিত।
এই যাত্রার প্রাথমিক পর্যায়ে এখনও থাকা বাংলাদেশ এই পাঠটি কঠিনভাবে শিখতে পারে না। আমি এখানে এআই সাক্ষরতা সম্পর্কে তুলনামূলক জাতীয় তথ্য সম্পর্কে অবগত নই, যা নিজেই আমাদের অবস্থান নির্ধারণ করার একটি কারণ। আরও কঠিন প্রশ্নটি হল শাসনের: যখন এআই ব্যাপকভাবে ব্যবহৃত হয় কিন্তু খারাপভাবে বোঝা যায়, তখন কে দায়ী থাকে যখন এটি ভুল করে?
আমি দেখতে চেয়েছি কীভাবে কর্পোরেট বোর্ডগুলি প্রতিক্রিয়া জানাচ্ছে। ডেলয়েটের ২০২৫ সালের বিশ্বব্যাপী বোর্ডরুম সমীক্ষা, যা ৫৬টি দেশের ৬৯৫ জন পরিচালক ও নির্বাহীদের অন্তর্ভুক্ত, দেখা গেছে যে ৬৬% বলেছে তাদের বোর্ডের কাছে কৃত্রিম বুদ্ধিমত্তা সম্পর্কে খুব কম বা কোনো জ্ঞান নেই। প্রায় এক তৃতীয়াংশ বলেছে যে বিষয়টি তাদের বোর্ডের এজেন্ডায় সম্পূর্ণরূপে নেই। এদিকে, ইনসিয়াড পঞ্চাশেরও বেশি চেয়ারম্যান ও সিনিয়র পরিচালকদের সাক্ষাৎকার নিয়েছে, যার মধ্যে নেসলে, শেল, লাজার্ড এবং নোভো নর্ডিস্কের প্রতিনিধিরা রয়েছেন এবং দেখা গেছে যে খুব কম লোকই তাদের বোর্ডের দায়িত্বে কৃত্রিম বুদ্ধিমত্তা একীভূত করেছেন।
কৃত্রিম বুদ্ধিমত্তা ব্যবসায়িক ক্রিয়াকলাপে প্রবেশ করছে বোর্ডগুলি এটি তত্ত্বাবধান করতে শেখার চেয়ে দ্রুত। এটি আমাদের সতর্ক করা উচিত। কৃত্রিম বুদ্ধিমত্তা সমালোচনামূলক কাজে নিহিত হয়ে যাচ্ছে, পরিচালকরা যথেষ্ট সাক্ষরতা ছাড়া এমনকি চিনতে পারবেন না যে তাদের ইচ্ছাকৃতভাবে বা অন্যথায় প্রতারিত করা হচ্ছে।
একটি কৃত্রিম বুদ্ধিমত্তা দ্বারা তৈরি প্রতিবেদন পোলিশ করা যেতে পারে, যা আকর্ষণীয় ফলাফল উপস্থাপন করে এবং মনে হয় যৌক্তিক সুপারিশ দেয়। তবে অন্তর্নিহিত ডেটা অসম্পূর্ণ হতে পারে - যেমন আওয়ামী লীগ শাসনামলে জাতীয় ডেটার ম্যানিপুলেশন আমাদের স্মরণ করিয়ে দেয় - বিশ্লেষণে ত্রুটি থাকতে পারে, গুরুত্বপূর্ণ তথ্য অনুপস্থিত থাকতে পারে বা সিস্টেমটি কেবল একটি সম্ভাব্য কিন্তু ভুল উত্তর তৈরি করতে পারে। প্রযুক্তির কিছু বোঝাপড়া ছাড়া, একজন পরিচালক কী প্রশ্ন করবে, কী যাচাই করবে এবং কখন এটির উপর নির্ভর না করা উচিত তা কীভাবে জানবে? একটি বোর্ড একটি সিদ্ধান্ত অনুমোদন করতে পারে সম্পূর্ণ আস্থা সহ, কখনই বুঝতে পারবে না যে তথ্যটি যা এটিকে অবহিত করেছে তা ত্রুটিপূর্ণ ছিল।
বাংলাদেশ এখন কেন কাজ করা উচিত? আমরা আগেও এখানে ছিলাম।
২০০৬-০৭ সালে, যখন একটি কর্পোরেট শাসন কোড নিয়ে আলোচনা করা হচ্ছিল, একটি সাধারণ বক্তব্য ছিল যে এনরন-ধরনের ব্যর্থতা ছিল উন্নত অর্থনীতি, বড় কর্পোরেশন এবং জটিল কর্পোরেট কাঠামোর সমস্যা। কোডের সুবিধাগুলি সহজেই মুনাফায় পরিমাপ করা যায় না তা বিবেচনা করে কোড মেনে চলার কোনো কারণ ছিল না? আমরা সংগ্রাম করেছি উত্তর দিতে কারণ ভাল শাসন কখনই তাত্ক্ষণিক ফলাফল তৈরি করে না। এর মূল্য রয়েছে সমস্যাগুলি প্রতিরোধ করার ক্ষেত্রে যা খুব দেরী না হওয়া পর্যন্ত অদৃশ্য থাকতে পারে। তারপর হলমার্ক, বিসমিল্লাহ গ্রুপ এবং পুনরাবৃত্তি মূলধন বাজার পতন এসেছে। আমরা শিখেছি শিখতে কঠিন উপায়।
আমি আজ কীভাবে আমরা কৃত্রিম বুদ্ধিমত্তা নিয়ে আলোচনা করি তাতে একই বিচ্ছিন্নতা দেখতে পাচ্ছি। কেউ কেউ এর গ্রহণকে ঐচ্ছিক বা শুধুমাত্র নির্দিষ্ট শিল্পের জন্য প্রাসঙ্গিক হিসাবে বিবেচনা করে। অন্যরা বিশ্বাস করে যে একজন প্রযুক্তি বিশেষজ্ঞ নিয়োগ করা যথেষ্ট সুরক্ষা। উভয় দৃষ্টিভঙ্গি ধারণ করে না। কৃত্রিম বুদ্ধিমত্তা বোর্ডরুমে পৌঁছাবে আমরা প্রস্তুত আছি কিনা। এর ব্যবহার অবশ্যম্ভাবী হয়ে উঠতে দেওয়ার অর্থ হল এটি তত্ত্বাবধান করার জন্য দায়ী লোকেদের খুব দেরীতে প্রস্তুত করা।
কার্যকর বাস্তবায়নের জন্য শুধু সফটওয়্যার ইনস্টল করা বা বিশেষজ্ঞ নিয়োগ করাই যথেষ্ট নয়। এর জন্য প্রয়োজন এমন নেতাদের যারা প্রযুক্তি বোঝেন এবং বোর্ডগুলো যেগুলো এর ব্যবহার প্রশ্ন করতে, নির্দেশ দিতে এবং তদারকি করার জন্য সজ্জিত।
বাংলাদেশের জন্য প্রথম ধাপ হল নির্ধারণ করা যে আমরা কোথায় অবস্থান করছি। আমাদের প্রয়োজন এই ধরনের গবেষণা যে কোন শিল্পগুলো প্রথমে কৃত্রিম বুদ্ধিমত্তা (এআই) গ্রহণ করবে, কোন ব্যবসায়িক কার্যক্রমগুলো সবচেয়ে বেশি লাভবান হবে এবং কীভাবে কর্পোরেট বোর্ডগুলো এর ব্যবহার তদারকি করার জন্য প্রস্তুত। অনেক ব্যবসা এখনও সময়কালিক প্রতিবেদন, ম্যানুয়াল চেক, খণ্ডিত ডাটাবেস এবং প্রত্যাবর্তী বিশ্লেষণের উপর নির্ভর করে। এই অনুশীলনগুলো আগত ঝুঁকিগুলো শনাক্ত করা কঠিন করে তোলে যাতে সেগুলো গুরুতর সমস্যা হয়ে ওঠার আগে।
বিদেশের কিছু কোম্পানি ইতিমধ্যেই সমস্যা শনাক্ত করতে এআই ব্যবহার করছে। উদাহরণস্বরূপ, এইচএসবিসি সন্দেহজনক ব্যাংকিং কার্যকলাপ শনাক্ত করার জন্য গুগলের সাথে কাজ করেছে। ২০২৩ সালের তাদের প্রতিবেদনে বলা হয়েছে যে সিস্টেমটি তাদের আগের সিস্টেমের চেয়ে দুই থেকে চারগুণ বেশি সন্দেহজনক কার্যকলাপ শনাক্ত করেছে, যখন পর্যালোচনার জন্য ৬০% কম সতর্কতা তৈরি করেছে। ইস্পাত উৎপাদনে, ব্লুস্কোপ রিপোর্ট করেছে যে সিমেন্সের পূর্বাভাসমূলক রক্ষণাবেক্ষণ সফটওয়্যারটি ২০২২ সাল থেকে মেশিন ডাউনটাইম ১,৯৫০ ঘণ্টা এবং ৫৩টি পূর্ণ উৎপাদন বন্ধ এড়াতে সাহায্য করেছে। উভয় উদাহরণই দেখায় যে কীভাবে এআই কেবল সংস্থাগুলোকে ক্ষতি হওয়ার পরে প্রতিক্রিয়া জানাতে সাহায্য করার পরিবর্তে আগে থেকেই সতর্ক করতে পারে।
এখন বাংলাদেশের নিজস্ব রেকর্ড বিবেচনা করা যাক। হলমার্ক-সোনালী ব্যাংক কেলেঙ্কারিতে, জাল নথির বিরুদ্ধে একটি শাখার মাধ্যমে প্রায় টাকা ৩,৫০০ কোটি বিতরণ করা হয়েছিল। আগে থেকেই সতর্কতা উঠেছিল বলে জানা গেছে। ২০১০ সালে বাংলাদেশ ব্যাংক সোনালী ব্যাংককে সতর্ক করেছিল, যখন ব্যাংকের নিজস্ব পরিদর্শকরা ২০১১ সালে অনিয়মিততা চিহ্নিত করেছিল। তবে, প্রকাশিত প্রতিবেদন অনুসারে, কেউই সময়মতো কাজ করেনি।
বেসিক ব্যাংক একটি অনুরূপ ট্রাজেক্টরি অনুসরণ করেছে। বাংলাদেশ ব্যাংকের তদন্ত অনুসারে, হাজার হাজার কোটি টাকা যথেষ্ট জামানত ছাড়াই ঋণ ইস্যু করা হয়েছিল, প্রশ্নবিদ্ধ নথির ভিত্তিতে এবং কাল্পনিক ঋণগ্রহীতাদের কাছে। ব্যাংকের বোর্ডকে যথাযথ তদারকি ছাড়াই ঋণ অনুমোদন করার জন্য অভিযুক্ত করা হয়েছিল। সাসপেনশন, তদন্ত, সংসদীয় তদারকি এবং চেয়ারম্যানের পদত্যাগ অনুসরণ করেছিল। ব্যাংকিং সিস্টেমে জনগণের আস্থা ক্ষতিগ্রস্ত হয়েছিল, সেইসাথে কে ব্যাংকগুলোকে শাসন করে এবং তারা ব্যর্থ হলে কারা জবাবদিহি করে তা নিয়ে স্থায়ী প্রশ্ন রয়েছে।
কি এইসব সমস্যা আইআই-এর মাধ্যমে আগেই শনাক্ত করা যেত পারত? হ্যাঁ। নির্ভরযোগ্য ঋণ তথ্যের উপর ভিত্তি করে তৈরি একটি সিস্টেম এবং ঐতিহ্যগত অভ্যন্তরীণ নিয়ন্ত্রণের সাথে একত্রে ব্যবহার করলে অস্বাভাবিক ঋণ ঘনত্ব, স্পষ্টতই সম্পর্কহীন ঋণগ্রহীতাদের মধ্যে সংযোগ, পুনরাবৃত্ত লেনদেন এবং নথিপত্রে অসঙ্গতি আরও তদন্তের জন্য চিহ্নিত করতে পারত। বাংলাদেশ ব্যাংক লুটের ক্ষেত্রে, অস্বাভাবিক লেনদেন এবং অস্বাভাবিক ব্যবহারকারীর আচরণ পর্যবেক্ষণকারী টুলগুলি সম্ভবত অতিরিক্ত সতর্কতা প্রদান করতে পারত।
কিন্তু আমাদের এটা স্পষ্ট করতে হবে যে প্রযুক্তি কী করতে পারে না। এআই নির্ধারণ করতে পারে না যে কেউ সততার সাথে কাজ করছে কিনা। এটি ইচ্ছাকৃত সহযোগিতা প্রতিরোধ করতে পারে না বা একজন ব্যবস্থাপককে সতর্কতা সম্পর্কে কাজ করতে বাধ্য করতে পারে না। এটি নির্ভরযোগ্য তথ্য, সঠিক পদ্ধতি, শক্তিশালী অভ্যন্তরীণ নিয়ন্ত্রণ এবং সবচেয়ে গুরুত্বপূর্ণভাবে, সাড়া দেওয়ার জন্য ইচ্ছুক এবং সক্ষম লোকেদের উপর নির্ভর করে। কেউ সাড়া দেওয়ার জন্য প্রস্তুত না থাকলে একটি লাল পতাকা খুব কম বলে। সেই দায়িত্ব নেতৃত্ব এবং কর্পোরেট শাসনের সাথে থাকে।
এআই কোম্পানিগুলি প্রতিভা মূল্যায়ন করার উপায়গুলিকেও পরিবর্তন করছে। কিছু সংস্থা এআই-সমর্থিত মনোবৈজ্ঞানিক বিশ্লেষণ ব্যবহার করছে কারণ তারা স্বীকার করে যে একটি খারাপ নিয়োগ সিদ্ধান্ত ব্যয়বহুল হতে পারে। যুক্তিসঙ্গত যুক্তি, সমস্যা সমাধান এবং সিদ্ধান্ত গ্রহণ, সেইসাথে প্রার্থীরা জটিল পরিস্থিতি কীভাবে পরিচালনা করে, দ্বন্দ্ব পরিচালনা করে, নৈতিক দ্বিধা নেভিগেট করে এবং বিচার করে তা ঐতিহ্যগত সাক্ষাৎকারের মাধ্যমে নির্ভরযোগ্যভাবে মূল্যায়ন করা কঠিন হতে পারে।
কাঠামোগত মূল্যায়ন এই ক্ষমতাগুলি মূল্যায়ন করতে সাহায্য করতে পারে। এআই নিয়োগকর্তাদের একজন প্রার্থীর ক্ষমতা এবং আচরণগত দক্ষতার একটি ব্যাপক চিত্র দিতে পারে, শুধুমাত্র সাক্ষাৎকারে তারা যা বলে তার উপর নির্ভর না করে।
ইয়ে-এর সাথে কাজ করে, ভারতের মারুতি সুজুকি একটি এআই-সক্ষম প্ল্যাটফর্ম চালু করেছে যা মনোবৈজ্ঞানিক মূল্যায়ন, পরিস্থিতিগত বিচার পরীক্ষা এবং ব্যবসায়িক সিমুলেশনকে একত্রিত করে কর্মচারীদের মূল্যায়ন এবং নেতৃত্ব উন্নয়ন ও সাফল্য পরিকল্পনা সমর্থন করে। উদ্যোগটি প্রায় ৪,০০০ জন কর্মচারীকে কভার করে এবং মূল্যায়নের সময় প্রায় দুই-তৃতীয়াংশ কমিয়ে দিয়েছে। এই জাতীয় টুলগুলি ঐতিহ্যগত সাক্ষাৎকার এবং মানব বিচারকে সম্পূরক করে দক্ষতা এবং নেতৃত্বের সম্ভাবনা মূল্যায়ন করার ক্ষেত্রে আরও কাঠামোগত করে তুলতে পারে।
বাংলাদেশ জাপান-বাংলাদেশ অর্থনৈতিক অংশীদারিত্ব চুক্তি, মার্কিন-বাংলাদেশ পারস্পরিক বাণিজ্য চুক্তি এবং চীনের সাথে বিনিয়োগ চুক্তির মতো আরও চাহিদাপূর্ণ পর্যায়ে আন্তর্জাতিক অর্থনৈতিক জড়িত হচ্ছে। এলডিসি স্নাতক হওয়ার ফলে রফতানি প্রতিযোগিতা এবং বাজার অ্যাক্সেসে অতিরিক্ত চাপ আসবে।
বিদেশি বিনিয়োগ আকর্ষণ এবং প্রতিযোগিতামূলক থাকার জন্য, পরিচালকদের বুঝতে হবে কিভাবে কৃত্রিম বুদ্ধিমত্তা (এআই) উত্পাদনশীলতা, সরবরাহ-শৃঙ্খল স্বচ্ছতা, ডেটা শাসন, ঝুঁকি ব্যবস্থাপনা এবং আন্তর্জাতিক মানগুলির সাথে সম্মতির উপর প্রভাব ফেলে। তাদের তাদের সামনে উপস্থাপিত তথ্য প্রশ্ন করার, অন্তর্নিহিত ডেটার নির্ভরযোগ্যতা পরীক্ষা করার, এআই-উত্পন্ন সুপারিশের সীমাবদ্ধতা বোঝার এবং নিশ্চিত করার ক্ষমতা থাকতে হবে যে জবাবদিহিতা মানুষের সাথেই থাকে। তাদের প্রোগ্রামার হওয়ার প্রয়োজন নেই। তাদের স্বাধীন বিচার করার জন্য যথেষ্ট জ্ঞান থাকতে হবে।
২০২৬-২০৩০ খ্রিস্টাব্দের জন্য খসড়া জাতীয় কৃত্রিম বুদ্ধিমত্তা নীতি একটি গুরুত্বপূর্ণ পদক্ষেপ, কিন্তু একটি নীতি একা বোর্ডরুমকে প্রস্তুত করতে পারে না। নিয়ন্ত্রক, পেশাদার সংস্থা, ব্যবসায়িক সংস্থা এবং বিশ্ববিদ্যালয়গুলিকে এই ক্ষমতা গড়ে তোলার জন্য একসাথে কাজ করতে হবে। কোম্পানিগুলিকে ম্যাপ করতে হবে যেখানে ইতিমধ্যেই কৃত্রিম বুদ্ধিমত্তা ব্যবহার করা হচ্ছে, পরিচালকদের জন্য ব্যবহারিক প্রশিক্ষণ প্রদান করতে হবে এবং নিশ্চিত করতে হবে যে অডিট ও ঝুঁকি কমিটি তাদের দায়িত্বের জন্য এই সিস্টেমগুলির প্রভাব বোঝে।
যেহেতু কৃত্রিম বুদ্ধিমত্তা এজেন্টরা আরও বেশি কাজ গ্রহণ করছে এবং আরও বেশি সিদ্ধান্তে অবদান রাখছে, বোর্ডগুলিকে অবশ্যই বুঝতে হবে যে তারা এই সিস্টেমগুলিকে কোন কর্তৃত্ব দিচ্ছে এবং মানব তত্ত্বাবধান কোথায় অপরিহার্য।
বিশ্ব দ্রুত কৃত্রিম বুদ্ধিমত্তা-চালিত অর্থনীতির দিকে এগিয়ে যাচ্ছে, এবং বোর্ডগুলি যা কমই বোঝেন তা নির্দেশ করতে পারে না। প্রযুক্তি গ্রহণযোগ্যতা চালিত করতে পারে, কিন্তু অবহিত নেতাদের এর দিকনির্দেশ, সীমাবদ্ধতা এবং পরিণতি নির্ধারণ করতে হবে। ব্যবসাগুলি আজ যে সিদ্ধান্তগুলি নেয় তা নির্ধারণ করবে যে বাংলাদেশ কৃত্রিম বুদ্ধিমত্তা-চালিত ভবিষ্যতকে গঠন করতে সাহায্য করবে বা ধরে রাখার জন্য সংগ্রাম করবে।
ড. চৌধুরী সাইমা ফেরদৌস
একজন বিশিষ্ট বাংলাদেশী শিক্ষাবিদ, গবেষক এবং জনসাধারণের ব্যক্তিত্ব
যিনি ঢাকা বিশ্ববিদ্যালয়ের আন্তর্জাতিক ব্যবসায় বিভাগে অধ্যাপক হিসেবে এবং বাংলাদেশ পাবলিক সার্ভিস কমিশন (বিপিএসসি)-এর সদস্য হিসেবে কর্মরত।
বিবৃতি: এই নিবন্ধে প্রকাশিত মতামত এবং দৃষ্টিভঙ্গি লেখকের নিজস্ব এবং অগত্যা দ্য বিজনেস স্ট্যান্ডার্ডের মতামত এবং দৃষ্টিভঙ্গির সাথে মেলে না।