যখন আমরা প্রথম AI নিয়ে Big Four-এর সঙ্গে কথা বলা শুরু করি, কথোপকথনগুলো আশ্চর্যজনকভাবে দ্রুত এগোতে থাকে। দীর্ঘ কোনো ভূমিকা ছিল না, AI কেন গুরুত্বপূর্ণ তা ব্যাখ্যা করারও দরকার পড়েনি। প্রায় সঙ্গে সঙ্গেই পার্টনার এবং সিনিয়র কনসালট্যান্টরা বলতে শুরু করেন, তাদের সময় আসলে কোথায় ব্যয় হচ্ছে। সিদ্ধান্ত নেওয়া বা অন্তর্দৃষ্টি তৈরিতে নয়, বরং প্রস্তুতিমূলক কাজে। বিভিন্ন সিস্টেম থেকে ডেটা টেনে আনা। সংখ্যাগুলো মিলিয়ে নেওয়া। কেউ ফলাফলের অর্থ নিয়ে ভাবা শুরু করার আগেই বিশ্লেষণগুলো যেন অভ্যন্তরীণ মানদণ্ডের সঙ্গে মেলে, তা নিশ্চিত করা।
যা আমাদের দৃষ্টি কেড়েছিল, তা হলো—এই কাজগুলোর কোনোটাই কম-মূল্যের ছিল না। এগুলো প্রয়োজনীয় ছিল। কিন্তু একই সঙ্গে এগুলো ছিল ক্লান্তিকর। অত্যন্ত অভিজ্ঞ মানুষরা তাদের দিনের বড় একটি অংশ ব্যয় করছিলেন শুধু এমন এক পর্যায়ে পৌঁছাতে, যেখান থেকে প্রকৃত চিন্তাভাবনা শুরু করা যায়।
কথোপকথন এগোতে থাকলে, তারা এমন কয়েক ডজনেরও বেশি প্রক্রিয়ার মানচিত্র এঁকে দেন যেখানে AI ভূমিকা রাখতে পারে। রিপোর্টিং, কমপ্লায়েন্স, আর্থিক নিয়ন্ত্রণ, ট্যাক্স বিশ্লেষণ, অভ্যন্তরীণ পর্যালোচনা। উপরিভাগে দেখলে, এটি ছিল একেবারেই চেনা ধরনের অটোমেশন সমস্যা। আসলে তা ছিল না।
এই প্রক্রিয়াগুলোর বেশিরভাগের ক্ষেত্রেই আগে থেকেই টুল, টেমপ্লেট এবং আংশিক অটোমেশন ছিল। কিন্তু যা সবকিছুকে ধীর করে দিচ্ছিল, তা ছিল ধাপগুলোর মাঝখানে। বারবার প্রসঙ্গ বদলানো। আউটপুট মিলিয়ে দেখা। বিচ্ছিন্ন তথ্যের মধ্যে ধারাবাহিকভাবে বিচার প্রয়োগ করা। আসল খরচ শুধু সময় ছিল না, ছিল কগনিটিভ লোড।
সেখানেই দৃষ্টিভঙ্গি বদলে গেল।
AI কীভাবে শুরু থেকে শেষ পর্যন্ত পুরো কাজটি করতে পারে—এই প্রশ্ন করার বদলে, আমরা জিজ্ঞেস করতে শুরু করলাম AI কীভাবে কাজ করা মানুষদের সহায়তা করতে পারে। যদি AI এমন অংশগুলো সামলাতে পারে, যেগুলো শক্তি ক্ষয় করে, কিন্তু নিয়ন্ত্রণ কেড়ে না নেয়? যদি এটি কাঠামোবদ্ধ খসড়া প্রস্তুত করতে পারে, অসামঞ্জস্যগুলো সামনে আনতে পারে, এবং নিজের যুক্তি দৃশ্যমান করতে পারে—যাতে বিশেষজ্ঞরা সেটআপের বদলে বিচারবোধে মন দিতে পারেন?
এই পদ্ধতি চালু হওয়ার পর, এর প্রভাব স্পষ্ট হয়ে উঠল।
বিভিন্ন টিমে, পুনরাবৃত্ত বিশ্লেষণধর্মী কাজের সাইকেল টাইম 80 থেকে 90 শতাংশ পর্যন্ত কমে যায়। ম্যানুয়াল ত্রুটি, বিশেষ করে যেখানে রিকনসিলিয়েশন-নির্ভর প্রক্রিয়া বেশি ছিল, তা তীব্রভাবে কমে আসে। সমানভাবে গুরুত্বপূর্ণ ছিল আরেকটি বিষয়: আগে একই কাজ সামান্য ভিন্নভাবে করা টিমগুলোর আউটপুট এখন আরও সঙ্গতিপূর্ণ হয়ে ওঠে। গড়ে, কনসালট্যান্টরা প্রতি মাসে প্রায় 40 থেকে 50 ঘণ্টা ফিরে পান, যা এখন উচ্চ-মূল্যের চিন্তায় ব্যয় করা যায়।
কিন্তু সবচেয়ে আকর্ষণীয় পরিবর্তনটি সংখ্যায় ছিল না।
তা ছিল মানুষ তাদের কাজ নিয়ে কীভাবে কথা বলছে, তাতে। রিভিউগুলো আরও শান্ত হয়ে ওঠে। আলোচনা আরও বেশি কেন্দ্রীভূত হয়। সিনিয়র রিভিউয়াররা সবকিছু ঠিক আছে কি না তা যাচাই করতে কম সময় ব্যয় করেন, আর ফলাফল আসলে কী বোঝায় তা নিয়ে আলোচনা করতে বেশি সময় দেন।
সময়ের সঙ্গে সঙ্গে, সিস্টেমটিকে আর এমন কোনো টুল মনে হয়নি যা মানুষকে ব্যবহার করতেই হবে। বরং এটি এক ধরনের যৌথ কাজের পদ্ধতি বলে মনে হতে শুরু করে, যা নীরবে সিদ্ধান্ত নেওয়ার ধরন শোষণ করে নিচ্ছিল এবং ভবিষ্যৎ বিশ্লেষণে তা প্রতিফলিত করছিল।
এই অভিজ্ঞতা আমাদের দীর্ঘদিনের একটি বিশ্বাসকেও আরও দৃঢ় করেছে। আরও সাধারণ বুদ্ধিমত্তার দিকে অগ্রগতি আসবে না এমন সিস্টেম থেকে, যেগুলো জটিল ক্ষেত্রে বিশেষজ্ঞদের প্রতিস্থাপন করতে চায়। তা আসবে এমন সিস্টেম থেকে, যেগুলো বিশেষজ্ঞের চিন্তার চারপাশের ঘর্ষণ কমায় এবং সেটিকে আরও শক্তিশালী করে।
এই কাজগুলোর ক্ষেত্রে, AI মূল্য তৈরি করেছে স্বয়ংক্রিয়ভাবে স্বাধীন হয়ে নয়, বরং সহযোগিতামূলক হয়ে। এটি মানুষের হয়ে সিদ্ধান্ত নেয়নি। এটি তাদের আরও ভালো সিদ্ধান্ত নিতে সাহায্য করেছে, আরও দ্রুত।
AGI-সদৃশ সিস্টেমগুলো প্রথম কোথায় গুরুত্বপূর্ণ হয়ে উঠবে—তার কোনো প্রাথমিক ইঙ্গিত যদি থাকে, তবে সেটি এখানেই। সম্পূর্ণ স্বয়ংক্রিয়তায় নয়, বরং বৃহৎ পরিসরে মানবিক বিচারবোধকে সমর্থন করার ক্ষেত্রে।
স্বয়ংক্রিয়তা থেকে লিভারেজে এই পরিবর্তনটাই পার্থক্য গড়ে দিয়েছিল।
