২০২৭ সালে AI-নেটিভ কোম্পানি পরিচালনা: প্রথমবারের মতো নেতৃত্বদানকারীর জন্য একটি অপারেটিং ফ্রেমওয়ার্ক
এই নিবন্ধে আলোচনা করা হয়েছে, ব্যবসার শুরু থেকেই কৃত্রিম বুদ্ধিমত্তাকে মূল ভিত্তি হিসেবে রাখলে একজন নেতার অপারেটিং মডেলে কোন উপাদানগুলো প্রয়োজন। পাঠক অগ্রাধিকারগুলোর একটি সংযত চিত্র পাবেন: প্রক্রিয়ার পুনর্গঠন, এজেন্টদের স্বায়ত্তশাসনের সীমা, মূল্য পরিমাপের সূচক এবং ঝুঁকি নিয়ন্ত্রণ।

কোম্পানির AI মডেল, AI প্রকল্প নয়
McKinsey-এর তথ্য অনুযায়ী, মাত্র ২১% কোম্পানি AI-কে ঘিরে তাদের পরিচালন মডেল মৌলিকভাবে পুনর্গঠন করেছে। শীর্ষস্থানীয় কোম্পানিগুলো সুদ ও কর-পূর্ব মুনাফার অন্তত ৫% AI-এর সঙ্গে যুক্ত করে। তারা ব্যাপক সাংগঠনিক পুনর্গঠন করেছে তিন গুণ বেশি।
AI যেন CIO বা ছোট কোনো উদ্ভাবনী দলের অধীনে থাকা প্রযুক্তি প্রকল্প হয়ে না থাকে। কোম্পানির মডেল AI-কে কৌশল, প্রক্রিয়া, মানুষ, মূলধন, ঝুঁকি এবং গ্রাহকদের জন্য মূল্য—সবকিছুর সঙ্গে যুক্ত করে।
এই সংযোগে যা যা অন্তর্ভুক্ত:
- কৌশল;
- প্রক্রিয়া;
- মানুষ;
- মূলধন;
- ঝুঁকি;
- গ্রাহকদের জন্য মূল্য।
মানদণ্ড: AI যদি প্রযুক্তি বিভাগের অধীনে থাকে, তাহলে কোম্পানি একটি প্রকল্প পায়, পরিচালন মডেল নয়।
AI-কেন্দ্রিক প্রতিষ্ঠানের পাঁচটি অংশ
World Economic Forum এবং Kearney-এর তথ্য অনুযায়ী, ২০২৫ সালে বিশ্বজুড়ে AI-তে USD 250 billion-এরও বেশি বিনিয়োগ করা হয়েছে। মাত্র ২৫% কোম্পানি রূপান্তরমূলক প্রভাবের কথা জানিয়েছে। প্রতিবেদনে AI-কেন্দ্রিক প্রতিষ্ঠানের পাঁচটি মূল অংশের কথা বলা হয়েছে:
- বুদ্ধিমত্তার ইঞ্জিন;
- অভিযোজনশীল প্রযুক্তি স্ট্যাক;
- কার্যক্রমের পুনর্নকশা;
- মানব-AI দল;
- নতুন মূল্য সৃষ্টি।
বিনিয়োগের পরিমাণ আর প্রভাব এক জিনিস নয়। পাঁচটি অংশ একটি যাচাইতালিকার মতো কাজ করে। এর যেকোনো একটি অনুপস্থিত থাকলে বিনিয়োগ ও ফলাফলের ব্যবধান ব্যাখ্যা করা যায়।
প্রথমে প্রক্রিয়া, তারপর সরঞ্জাম
৭৯% প্রতিষ্ঠান কর্মপ্রবাহ পুনর্গঠনের ধাপটি এড়িয়ে যায়। উদ্যোগের মুনাফায় প্রভাবের সঙ্গে সবচেয়ে শক্তিশালী সম্পর্ক দেখা যায় এই পুনর্গঠনের। শীর্ষস্থানীয় কোম্পানিগুলো AI সরঞ্জাম বেছে নেওয়ার আগে কর্মপ্রবাহ পুনর্গঠন করেছে দ্বিগুণ বেশি।
করণীয়ের ক্রম:
- AI কাজের উল্লেখযোগ্য অংশ করতে পারলে প্রক্রিয়াটি কেমন হওয়া উচিত, তা মূল্যায়ন করুন;
- সেই চিত্র অনুযায়ী প্রক্রিয়াটি পুনর্গঠন করুন;
- তারপরই AI সরঞ্জাম বেছে নিন।
মানদণ্ড: প্রক্রিয়ার বিবরণ তৈরির আগে সরঞ্জাম বেছে নিলে, পুনর্গঠনটি পুরোনো ধাপগুলো স্বয়ংক্রিয় করার মধ্যেই সীমাবদ্ধ থাকে।

মানুষ ও এজেন্ট: স্বায়ত্তশাসনের সীমা
AI এজেন্ট কাজ সম্পন্ন করে, অন্য সিস্টেমের সঙ্গে যোগাযোগ করে, নির্ধারিত সীমার মধ্যে সিদ্ধান্ত নেয় এবং কাজ অন্য এজেন্টদের কাছে হস্তান্তর করে। মানুষ মনোযোগ দেয় বিচার-বিবেচনা, গ্রাহকের আস্থা, কৌশল এবং ব্যতিক্রমী পরিস্থিতির দিকে।
| ক্ষেত্র | AI এজেন্ট | মানুষ |
|---|---|---|
| নিয়মিত কাজ সম্পাদন | কাজ এগিয়ে নেয় | সীমা নিয়ন্ত্রণ করে |
| সিস্টেমের সঙ্গে যোগাযোগ | নিয়মের মধ্যে কাজ করে | নিয়ম নির্ধারণ করে |
| সিদ্ধান্ত | নির্ধারিত সীমার মধ্যে নেয় | বিচার-বিবেচনার জন্য দায়ী |
| ব্যতিক্রম | পরবর্তী পর্যায়ে পাঠায় | পর্যালোচনা করে |
| গ্রাহকের আস্থা ও কৌশল | সামলাতে পারে না | সামলায় |
Deloitte-এর তথ্য অনুযায়ী, ৭৪% নির্বাহী আশা করেন, আগামী চার বছরে প্রায় অর্ধেক ব্যবসায়িক প্রক্রিয়া AI এজেন্টকে ঘিরে পুনর্গঠিত হবে। ৬১% আশা করেন, অধিকাংশ এজেন্ট মানুষের তত্ত্বাবধানে ব্যাপক স্বায়ত্তশাসন নিয়ে কাজ করবে। ৭৫% মনে করেন, কেবল স্বয়ংক্রিয়করণের চেয়ে মানুষ ও এজেন্টের সহযোগিতা বেশি মূল্য তৈরি করে।
মাত্র ৫% প্রতিষ্ঠান মনে করে, তাদের ব্যবসায়িক প্রক্রিয়াগুলো AI এজেন্টের জন্য পুরোপুরি প্রস্তুত। ১৫% একাধিক এজেন্টের আন্তঃবিভাগীয় ব্যবহার বিস্তৃত করেছে। মানদণ্ড: মূল্য তৈরি করে সহযোগিতা, স্বায়ত্তশাসন একা নয়।
কাজ চলাকালীন নিয়ন্ত্রণ
Gartner এজেন্টভিত্তিক AI-এর জন্য কাজ চলাকালীন নিয়ন্ত্রণকে একটি গুরুত্বপূর্ণ শর্ত হিসেবে উল্লেখ করে। নীতিমালার কোনো নথি একা এমন কোনো এজেন্টকে থামাতে পারে না, যে নিজের ক্ষমতার সীমার বাইরে গিয়ে কাজ করছে।
EY-এর তথ্য অনুযায়ী, ৯৮% AI নির্বাহী জানিয়েছেন যে তাঁদের আনুষ্ঠানিক পরিচালন নীতিমালা রয়েছে। তবে ৪৭% বলেছেন, জরুরি বাস্তবায়নের জন্য তাঁদের প্রতিষ্ঠান পরিচালন প্রক্রিয়া এড়িয়ে গেছে। এজেন্টভিত্তিক AI ব্যবহারকারী প্রতিষ্ঠানগুলোর মধ্যে ২৬% অননুমোদিত অভ্যন্তরীণ এজেন্ট শনাক্ত করতে পারেনি। ৩৬% উল্লেখযোগ্য নেতিবাচক প্রভাবসহ AI-সংক্রান্ত ঘটনা বা ব্যর্থতার কথা জানিয়েছে।
AI-চালিত প্রতিষ্ঠানের নিয়ন্ত্রণব্যবস্থায় যা থাকা দরকার:
- স্পষ্ট অনুমতি;
- পরিচয় যাচাই;
- কাজের ওপর সীমাবদ্ধতা;
- অডিট লগ;
- উচ্চ-ঝুঁকির কাজের জন্য মানুষের অনুমোদন;
- দ্রুত বন্ধ করার ব্যবস্থা।
মানদণ্ড: কোনো কাজ থামানোর ব্যবস্থা ছাড়া নীতিমালা নিয়ন্ত্রণ নয়।
মেট্রিক: প্রতি AI কর্মপ্রবাহে মূল্য
নির্বাহীদের জন্য প্রস্তাবিত মেট্রিক হলো প্রতি AI কর্মপ্রবাহে মূল্য। প্রচলিত আর্থিক সূচকের পাশাপাশি এতে হিসাব করা হয়:
- কাজের খরচ;
- মানুষের অংশগ্রহণ;
- এজেন্টের সাফল্যের হার;
- ব্যতিক্রমের হার;
- আয়ের ওপর প্রভাব;
- মুনাফার মার্জিনের ওপর প্রভাব।
শুধু গ্রহণ-সংক্রান্ত সূচক দিয়ে নির্বাহী পর্যায়ে AI-এর মূল্য বোঝানো যথেষ্ট নয়। মানদণ্ড: মেট্রিকটি এজেন্ট চালু হয়েছে কি না, তার বদলে নির্দিষ্ট প্রক্রিয়া ও আর্থিক ফলাফলের সঙ্গে যুক্ত।
কার্যক্রমের দৃশ্যমানতা ও AI-এর অর্থনীতি
KPMG-এর তথ্য অনুযায়ী, ২০২৬ সালের জুনের জরিপে ৫৩% প্রতিষ্ঠান AI এজেন্ট ব্যবহার করেছে। কর্মপ্রবাহে একাধিক এজেন্ট সমন্বয়কারী প্রতিষ্ঠানের হার এক প্রান্তিকে ৯% থেকে বেড়ে ১৮% হয়েছে।
| সূচক | প্রতিষ্ঠানের হার |
|---|---|
| AI পরিচালন ব্যয়ের পূর্ণাঙ্গ রিয়েল-টাইম দৃশ্যমানতা | ২৬% |
| মনিটরিং ড্যাশবোর্ড | ৬৬% |
| অনুমোদন প্রক্রিয়া | ৬১% |
| টোকেন বা ব্যবহার সরাসরি নিয়ন্ত্রণ | ৩৬% |
পরবর্তী ১২ মাসের জন্য নির্বাহীরা AI-তে গড়ে ভারিত USD 202 million বিনিয়োগের পরিকল্পনা করেছিলেন।
ব্যয় দৃশ্যমান হওয়ার চেয়ে এজেন্টের সমন্বয় দ্রুত বাড়ছে। মানদণ্ড: টোকেনের সরাসরি নিয়ন্ত্রণ ছাড়া ড্যাশবোর্ড ও অনুমোদন প্রক্রিয়া কার্যকর ব্যবস্থাপনা নিশ্চিত করে না।
সাধারণ প্রশ্নোত্তর
বিভিন্ন উপাদান
সব উপাদান
ইন্টারঅ্যাকটিভ XR ডেভেলপমেন্টে কোডিং এজেন্টদের মূল্যায়ন: GenXR-Bench-এর ফলাফল
প্রকাশিত হয়েছে GenXR-Bench—ইন্টারেক্টিভ XR ডেভেলপমেন্টে কোডিং এজেন্টগুলোর এন্ড-টু-এন্ড মূল্যায়নের জন্য ১১২টি বিশেষজ্ঞ-নির্ধারিত কাজের একটি সেট: ফিচার উন্নত করা ও ত্রুটি ঠিক করা থেকে শুরু করে ভোক্তা-পর্যায়ের ডিভাইসে আচরণ যাচাইসহ অ্যাপ্লিকেশন তৈরি পর্যন্ত। পরীক্ষিত দশটি মডেলের মধ্যে সেরা ফল ছিল ৫০.৯% Pass@1; বারবার দেখা ব্যর্থতার মধ্যে রয়েছে সেন্সরের অ্যাসিঙ্ক্রোনাস ইভেন্ট সামলানো, বাস্তব স্থানের সঙ্গে অবজেক্ট যুক্ত করা এবং ভৌত প্রেক্ষাপটে মিথস্ক্রিয়া বোঝা।
5 নভেম্বর 2026
ছবির হাইব্রিড অ্যানোটেশন: স্বয়ংক্রিয়করণ কম্পিউটার ভিশন মডেলের প্রশিক্ষণকে ত্বরান্বিত করে
নিবন্ধে বর্ণনা করা হয়েছে, অ্যালগরিদমের মাধ্যমে প্রাথমিক লেবেলিং কীভাবে হাতে করা কাজ কমায় এবং প্রশিক্ষণ ডেটাসেটের পরিচ্ছন্নতা বাড়ায়, পাশাপাশি কেন নির্বাচিতভাবে মানুষের যাচাই এখনও জরুরি। কঠিন শুটিং পরিস্থিতি এবং বিরল ধরনের বস্তুর ক্ষেত্রে এই পদ্ধতির সীমাবদ্ধতাগুলোও আলোচিত হয়েছে।
5 নভেম্বর 2026
স্কেলার পুরস্কার থেকে প্যারেটো ফ্রন্টিয়ার: বহু-উদ্দেশ্যভিত্তিক রিইনফোর্সমেন্ট লার্নিংয়ের মাধ্যমে LLM-ভিত্তিক RTL সংশ্লেষণ
একটি ভাষা মডেলকে একটি মাত্র নকশা নয়, বরং ক্ষেত্রফল, বিলম্ব ও বিদ্যুৎ খরচের মধ্যে বিভিন্ন সমঝোতাসহ একগুচ্ছ RTL প্রার্থী তৈরি করতে প্রশিক্ষণ দেওয়ার একটি পদ্ধতি প্রস্তাব করা হয়েছে; পুরস্কার নির্ধারিত হয় প্যারেটো ফ্রন্টের হাইপারভলিউমে প্রতিটি বিকল্পের অবদানের ভিত্তিতে। RTLLM v2-তে আপেক্ষিক হাইপারভলিউম PPA অপ্টিমাইজেশনবিহীন বেসলাইন সংস্করণের তুলনায় ১৩.৩ শতাংশ পয়েন্ট এবং একক-লক্ষ্যভিত্তিক রিইনফোর্সমেন্ট লার্নিংয়ের তুলনায় ১৪.৪ শতাংশ পয়েন্ট বেড়েছে।
5 নভেম্বর 2026