এআই এখন শুধু প্রশ্নের উত্তর দেওয়া কিংবা ইমেইলের খসড়া তৈরির মধ্যে সীমাবদ্ধ থাকছে না। ব্যবসাপ্রতিষ্ঠানগুলো এমন এআই এজেন্ট ব্যবহারের দিকে যাচ্ছে, যা নির্দিষ্ট লক্ষ্য বুঝে তথ্য খুঁজতে, অনুমোদিত টুল ব্যবহার করতে এবং একাধিক ধাপ অনুসরণ করে কাজ শেষ করতে পারে।
তবে এখানেই বড় প্রশ্ন তৈরি হচ্ছে। কোনো এআই এজেন্টকে কতটা স্বাধীনতা দেওয়া উচিত, কোন কাজ মানুষের অনুমোদন ছাড়া করা ঠিক নয় এবং বাস্তব ব্যবসায় এটি আদৌ সময় বা খরচ বাঁচাচ্ছে কি না, সেটি কীভাবে যাচাই করা হবে?
MSI তাদের নতুন Putting AI Agents to Work গাইডে এসব প্রশ্নের বাস্তবভিত্তিক উত্তর দেওয়ার চেষ্টা করেছে। প্রতিষ্ঠানটির মতে, ভালো এআই এজেন্ট তৈরির শুরু শক্তিশালী মডেল দিয়ে নয়, বরং একটি নির্দিষ্ট ও যাচাইযোগ্য কাজ বেছে নেওয়ার মাধ্যমে হওয়া উচিত। পুরো গাইডটি পড়তে পারবেন এখানে: MSI এর অফিসিয়াল Putting AI Agents to Work গাইড
এআই এজেন্ট কীভাবে সাধারণ সহকারী থেকে আলাদা এবং নিজের কম্পিউটারেই এ ধরনের ব্যবস্থা কীভাবে কাজ করতে পারে, তা আগে TechnicalBD-তে বিস্তারিত ব্যাখ্যা করা হয়েছে: লোকাল এআই ও AI Agent সম্পূর্ণ গাইড
এআই অ্যাসিস্ট্যান্ট আর এআই এজেন্ট এক জিনিস নয়
সাধারণ এআই অ্যাসিস্ট্যান্ট নথির সারাংশ তৈরি, স্প্রেডশিট বোঝানো কিংবা ইমেইলের খসড়া লেখার মতো নির্দিষ্ট অংশে সহায়তা করে। অন্যদিকে এআই এজেন্ট একটি নির্ধারিত লক্ষ্য পূরণের জন্য অনুমোদিত সীমার মধ্যে একাধিক ধাপ নিজে সম্পন্ন করতে পারে।
MSI-এর উদাহরণ অনুযায়ী, কোনো গ্রাহক একটি পণ্যের সামঞ্জস্য সম্পর্কে জানতে চাইলে সাধারণ সহকারী শুধু উত্তরের খসড়া তৈরি করতে পারে। এজেন্ট হলে সেটি প্রশ্নটি শ্রেণিবদ্ধ করতে, অনুমোদিত পণ্যের তথ্য খুঁজতে, প্রয়োজনীয় তথ্য যাচাই করতে এবং অনিশ্চিত অংশ মানুষের কাছে পাঠাতে পারে।
অনুমতি থাকলে একই এজেন্ট পরের ধাপে সার্ভিস টিকিট তৈরি বা কাস্টমার রেকর্ড হালনাগাদও করতে পারে। কিন্তু MSI স্পষ্ট করে বলছে, প্রতিটি বাড়তি কাজের সঙ্গে ঝুঁকি ও দায়িত্বও বাড়ে। তাই বেশি স্বাধীনতা দিলেই ব্যবস্থা ভালো হবে, এমন নয়।
প্রথমে প্রযুক্তি নয়, কাজ নির্বাচন করতে হবে
MSI-এর মতে, প্রথম এআই এজেন্ট প্রকল্প শুরু হওয়া উচিত নয় কোন মডেল সবচেয়ে শক্তিশালী, সেটি দিয়ে। বরং এমন একটি নিয়মিত কাজ বেছে নেওয়া দরকার, যার ইনপুট পরিষ্কার, ধাপগুলো পুনরাবৃত্তিযোগ্য এবং ফলাফল আলাদাভাবে যাচাই করা সম্ভব।
উদাহরণ হিসেবে আসা অনুসন্ধান বা প্রশ্ন শ্রেণিবদ্ধ করা, নিয়মিত প্রতিবেদন তৈরি, মিটিংয়ের পরের ফলো-আপ সাজানো, সরবরাহকারীর নথি তুলনা করা অথবা অনুমোদিত তথ্যসূত্রে পরিবর্তন নজরে রাখার মতো কাজের কথা বলা হয়েছে।
বাংলাদেশের ছোট ব্যবসা বা ইকমার্স প্রতিষ্ঠানের ক্ষেত্রে এটি পণ্যের তথ্য থেকে গ্রাহকের প্রশ্নের খসড়া উত্তর তৈরি, নিয়মিত স্টক রিপোর্ট প্রস্তুত কিংবা সরবরাহকারীর নথি যাচাইয়ের মতো কাজে ব্যবহার করা যেতে পারে।
তবে দাম নিশ্চিত করা, ডেলিভারির তারিখ প্রতিশ্রুতি দেওয়া কিংবা ইনভেন্টরি পরিবর্তনের মতো কাজ শুরুতেই এজেন্টের হাতে পুরোপুরি ছেড়ে দেওয়া উচিত নয়। MSI-এর পরামর্শ, আগে তথ্য ও অনুমোদনের ব্যবস্থা পরীক্ষা করে তারপর ধীরে ধীরে দায়িত্ব বাড়ানো।
একটি কার্যকর এআই এজেন্টের ভেতরে কী থাকে
শুধু একটি বড় ল্যাঙ্গুয়েজ মডেল ব্যবহার করলেই পূর্ণাঙ্গ এআই এজেন্ট তৈরি হয় না। MSI পাঁচটি গুরুত্বপূর্ণ অংশের কথা বলেছে। এগুলো একসঙ্গে কাজ করলে একটি এজেন্ট বাস্তব ব্যবসার ওয়ার্কফ্লো অনুসরণ করতে পারে।
প্রথম অংশ LLM, যা নির্দেশ বোঝে এবং উত্তর বা কাঠামোবদ্ধ ফল তৈরি করে। এরপর RAG বা Retrieval Augmented Generation অনুমোদিত নথি থেকে প্রয়োজনীয় তথ্য এনে মডেলকে বর্তমান ব্যবসায়িক তথ্যের সঙ্গে কাজ করতে সাহায্য করে।
এর সঙ্গে মেমোরি দরকার হয় নির্দিষ্ট কাজের প্রয়োজনীয় প্রসঙ্গ ধরে রাখার জন্য। টুল কলিংয়ের মাধ্যমে এজেন্ট অনুমোদিত ডেটাবেজ, ফোল্ডার বা অ্যাপ্লিকেশন ব্যবহার করতে পারে। আর অর্কেস্ট্রেশন ঠিক করে কোন ধাপ কখন চলবে এবং কোথায় মানুষের অনুমোদন দরকার।
এই ধরনের এজেন্ট চালাতে শক্তিশালী লোকাল হার্ডওয়্যারও দ্রুত গুরুত্বপূর্ণ হয়ে উঠছে। TechnicalBD-র MSI EdgeMesa N AI+ নিয়ে বিস্তারিত প্রতিবেদন-এ দেখা গেছে, ছোট আকারের কম্পিউটারেও বড় এআই মডেল এবং লোকাল এআই এজেন্ট চালানোর দিকে MSI এগোচ্ছে।
লোকাল, ক্লাউড নাকি হাইব্রিড এআই
এআই এজেন্ট কোথায় চলবে, সেটিকেও MSI একটি গুরুত্বপূর্ণ সিদ্ধান্ত হিসেবে দেখছে। কিছু প্রতিষ্ঠান তথ্য নিজের কম্পিউটার বা নিজস্ব অবকাঠামোর মধ্যে রাখতে চাইতে পারে। আবার জটিল বিশ্লেষণের জন্য শক্তিশালী ক্লাউড মডেল দরকার হতে পারে।
লোকাল এআই নির্দিষ্ট তথ্য নিজস্ব ব্যবস্থার মধ্যে রাখতে এবং কিছু অফলাইন কাজ চালাতে সহায়তা করতে পারে। অন্যদিকে ক্লাউড এআই বড় মডেল, সহজে বাড়ানো যায় এমন কম্পিউটিং ক্ষমতা এবং দ্রুত পরীক্ষা করার সুযোগ দিতে পারে।
হাইব্রিড এআইয়ে দুটি ব্যবস্থাই একসঙ্গে ব্যবহার করা সম্ভব। যেমন এজেন্ট স্থানীয়ভাবে কোম্পানির অনুমোদিত নথি খুঁজে প্রয়োজনীয় অংশ বের করতে পারে, তারপর সীমিত তথ্য একটি ক্লাউড মডেলে পাঠিয়ে জটিল বিশ্লেষণ করাতে পারে।
একাধিক কম্পিউটারের শক্তি ব্যবহার করে লোকাল এআই এজেন্ট চালানোর একই ধরনের পরিবর্তনের কথা TechnicalBD-র NVIDIA PAIR ও RTX Spark লোকাল AI প্রতিবেদন-েও তুলে ধরা হয়েছে।
তবে MSI সতর্ক করেছে, একটি মডেল লোকালি চললেই পুরো ওয়ার্কফ্লো ব্যক্তিগত হয়ে যায় না। এজেন্ট যদি ওয়েব সার্চ, ইমেইল, টেলিমেট্রি বা অন্য অনলাইন টুল ব্যবহার করে, তাহলে কিছু তথ্য নিয়ন্ত্রিত পরিবেশের বাইরে যেতে পারে।
এআই এজেন্টকে শুরুতেই পুরো স্বাধীনতা দেওয়া ঠিক নয়
MSI-এর গাইডের সবচেয়ে গুরুত্বপূর্ণ অংশগুলোর একটি হলো এজেন্টের স্বাধীনতা ধীরে ধীরে বাড়ানোর পরামর্শ। প্রতিষ্ঠানটি শুরুতে শুধু তথ্য পড়ার অনুমতি দিয়ে কাজ পরীক্ষা করার কথা বলেছে।
এরপর এজেন্টকে খসড়া তৈরির অনুমতি দেওয়া যেতে পারে। ফলাফল নির্ভরযোগ্য প্রমাণিত হলে গুরুত্বপূর্ণ কাজের আগে মানুষের অনুমোদন যোগ করার কথা বলা হয়েছে। সবশেষে খুব নির্দিষ্ট সীমার মধ্যে স্বয়ংক্রিয় কাজের অনুমতি দেওয়ার পরামর্শ আছে।
এই সতর্কতা জরুরি, কারণ এজেন্ট কোনো ওয়েবপেজ, ইমেইল বা নথির বিভ্রান্তিকর নির্দেশ অনুসরণ করে ফেলতে পারে। ভুল তথ্য তৈরি করা কিংবা অনুমোদিত সীমার বাইরে কাজ করার ঝুঁকিও রয়েছে।
এআই এজেন্ট নির্ধারিত নিয়মের বাইরে গেলে কী ধরনের সমস্যা তৈরি হতে পারে, তার একটি বাস্তব উদাহরণ দেখা যায় TechnicalBD-র OpenAI AI Agent wiki incident প্রতিবেদন-এ।
বাস্তবে চালুর জন্য MSI-এর ৬ ধাপ
MSI পরীক্ষামূলক এজেন্টকে নিয়মিত কাজে আনার জন্য ছয়টি ধাপের একটি কাঠামো দিয়েছে। প্রথমে Define পর্যায়ে একটি নির্দিষ্ট ওয়ার্কফ্লো, দায়িত্বশীল ব্যক্তি, কাঙ্ক্ষিত ফলাফল এবং সীমা ঠিক করতে হবে।
দ্বিতীয় ধাপ Prepare-এ তথ্যের উৎস, অনুমতি, প্রয়োজনীয় টুল এবং অবকাঠামো প্রস্তুত করতে হবে। এরপর Prototype পর্যায়ে বাস্তব কাজের মতো সীমিত কিছু উদাহরণ ব্যবহার করে এজেন্টের পরীক্ষামূলক সংস্করণ চালাতে হবে।
চতুর্থ ধাপ Validate-এ মানুষের বর্তমান কাজের সঙ্গে এজেন্টের ফল তুলনা করা হবে। শুধু সফল উদাহরণ নয়, ভুল তথ্য, অসম্পূর্ণ নথি, টুল ব্যর্থ হওয়া এবং অনুমোদনের বাইরে যাওয়ার চেষ্টা দিয়েও পরীক্ষা করার পরামর্শ দিয়েছে MSI।
এরপর Deploy পর্যায়ে অনুমোদন, লগিং ও সাপোর্ট রেখে সীমিত পরিসরে বাস্তব কাজ শুরু করা যাবে। শেষ ধাপ Improve-এ ফলাফল পর্যালোচনা, তথ্য হালনাগাদ এবং প্রয়োজন অনুযায়ী দায়িত্ব ধীরে ধীরে বাড়াতে হবে।
দ্রুত কাজ করলেই সফল এআই এজেন্ট নয়
একটি এজেন্ট মানুষের চেয়ে দ্রুত কাজ করছে দেখলেই সেটিকে সফল বলা যাবে না। MSI বলছে, কাজ শেষ হওয়ার পর কতবার মানুষের সংশোধন লাগছে, ভুল কত হচ্ছে এবং পুরো ওয়ার্কফ্লো শেষ করতে প্রকৃত খরচ কত পড়ছে, সেটিও হিসাব করতে হবে।
সফলতা মাপতে কাজের মান, মানুষের হস্তক্ষেপ, ভুল, পুনরায় করা কাজ, কাজ শেষ করার সময় এবং প্রতিটি সম্পন্ন কাজের খরচ দেখার পরামর্শ দেওয়া হয়েছে। ব্যবসায় বাস্তবে কতটা উপকার হচ্ছে, শেষ পর্যন্ত সেটিই সবচেয়ে গুরুত্বপূর্ণ।
কোনো এজেন্ট কঠিন বা অনিশ্চিত পরিস্থিতিতে নিজে ভুল সিদ্ধান্ত নেওয়ার বদলে কাজটি মানুষের কাছে পাঠালে সেটিও ব্যর্থতা নয়। বরং নিরাপদভাবে সীমা বুঝে থেমে যাওয়াকে MSI একটি কার্যকর ব্যবস্থার অংশ হিসেবে দেখছে।
বাংলাদেশের ছোট ব্যবসার জন্য কোথা থেকে শুরু করা ভালো
বাংলাদেশের ছোট প্রতিষ্ঠান বা এককভাবে কাজ করা পেশাজীবীদের জন্য পুরো ব্যবসা এআই এজেন্ট দিয়ে চালানোর চেষ্টা বাস্তবসম্মত শুরু নয়। একটি নিয়মিত, কম ঝুঁকির এবং সহজে যাচাই করা যায় এমন কাজ দিয়ে শুরু করাই বেশি কার্যকর।
কাস্টমারের প্রশ্ন সাজানো, মিটিং নোট থেকে ফলো-আপ তৈরি, অনুমোদিত নথি থেকে তথ্য খোঁজা কিংবা নিয়মিত রিপোর্টের প্রথম খসড়া তৈরির মতো কাজ শুরুতে উপযোগী হতে পারে। এরপর ফলাফল নির্ভরযোগ্য হলে সীমিত পরিসরে নতুন দায়িত্ব দেওয়া যেতে পারে।
নিজের পিসিতে এজেন্ট চালানোর বাস্তব সম্ভাবনা কতটা এগিয়েছে, তা বুঝতে পারবেন TechnicalBD-র ASUS ProArt লোকাল AI Agent প্রতিবেদন থেকেও।
বাংলাদেশি প্রতিষ্ঠানের ক্ষেত্রে কাস্টমারের তথ্য, আর্থিক তথ্য বা ব্যক্তিগত নথি ব্যবহারের সময় আরও সতর্ক হওয়া দরকার। কোন তথ্য এজেন্ট দেখতে পারবে, কত দিন সংরক্ষণ করা হবে এবং কোন কাজের আগে মানুষের অনুমতি লাগবে, এসব নিয়ম শুরুতেই ঠিক করে নেওয়া উচিত।
শেষ কথা
MSI-এর নতুন গাইডের মূল বক্তব্য হলো, এআই এজেন্ট ব্যবহার মানে কোনো শক্তিশালী মডেল ইনস্টল করে সব কাজ তার হাতে ছেড়ে দেওয়া নয়। বরং নির্দিষ্ট ওয়ার্কফ্লো নির্বাচন, অনুমোদিত তথ্য, নিয়ন্ত্রিত টুল অ্যাক্সেস এবং মানুষের তদারকি একসঙ্গে দরকার।
প্রথমে ছোট এবং যাচাইযোগ্য কাজ বেছে নিয়ে এজেন্টকে সীমিত অনুমতি দেওয়া, ফলাফল পরীক্ষা করা এবং সফল হলে ধীরে ধীরে দায়িত্ব বাড়ানোই সবচেয়ে নিরাপদ পথ। MSI-এর সম্পূর্ণ ফ্রেমওয়ার্কে এই পদ্ধতি আরও বিস্তারিত ব্যাখ্যা করা হয়েছে: MSI AI Insights Issue #004 এর পূর্ণ framework
এআই এজেন্ট নিয়ে আলোচনার বড় পরিবর্তনও এখানেই। প্রশ্ন এখন শুধু এআই কী উত্তর দিতে পারে সেটি নয়, বরং নির্ভরযোগ্যভাবে কোন কাজ শেষ করতে পারে এবং সেই কাজের ওপর মানুষ কতটা নিয়ন্ত্রণ ধরে রাখতে পারছে, সেটি।
সর্বশেষ আপডেট: ২১ অক্টোবর ২০২৬
