আমরা কি পেশাদার সেবাকে একটি জ্ঞান সংকটে স্বয়ংক্রিয় করছি?

AI গ্রহণের ভেতরে লুকিয়ে থাকা দক্ষতার সংকট 

পেশাদার সেবা খাতে AI গ্রহণ ত্বরান্বিত হওয়ার সাথে সাথে প্রতিষ্ঠানগুলো বিচারবুদ্ধি এবং দক্ষতা হারানোর ঝুঁকিতে রয়েছে। কেন ২০২৬ সালে AI কৌশলে অটোমেশন নয়, বরং জ্ঞানীয় ক্ষমতা প্রাধান্য পাওয়া উচিত। 

২০২৬ সালে, পেশাদার সেবা প্রতিষ্ঠানগুলো একটি অপ্রত্যাশিত হিসাবের মুখোমুখি হবে। আইন, পরামর্শ, অর্থ, হিসাবরক্ষণ এবং সরকার-সংলগ্ন কাজে AI ভালোভাবে অন্তর্ভুক্ত হবে। উৎপাদনশীলতা বাড়বে। সম্পাদনের সময় কমবে। সংখ্যাগুলো এই পরিবর্তন নিশ্চিত করে: Thompson Reuters দেখেছে যে প্রতিষ্ঠানগুলোর জেনারেটিভ AI ব্যবহার ২০২৫ সালে দ্বিগুণ হয়েছে এবং ৯৫% পেশাদার বিশ্বাস করেন যে AI শীঘ্রই তাদের কর্মপ্রবাহের কেন্দ্রবিন্দু হবে।  

AI শক্তিশালী হওয়ার সাথে সাথে, সংস্থাগুলো তাদের সাফল্যের জন্য অত্যাবশ্যক কিছু হারিয়ে যাওয়ার প্রভাব অনুভব করবে। সেই "কিছু" হলো দক্ষতা। 

মানুষকে প্রতিস্থাপন করার জন্য AI-এর সম্ভাবনার প্রতি অতিরিক্ত মনোযোগ মানে আমরা আরও চাপের, নিকটমেয়াদী সমস্যা থেকে দৃষ্টি হারাচ্ছি: AI পেশাদারদের চিন্তা করতে শেখার অভিজ্ঞতাগুলো সরিয়ে দেওয়ার ঝুঁকি। 

পেশাদার সেবা খাতে বেশিরভাগ AI বাস্তবায়ন গতি, দক্ষতা এবং খরচ হ্রাসের চারপাশে ডিজাইন করা হয়েছে। প্যাটার্ন সনাক্তকরণ কাজগুলো স্বয়ংক্রিয় হয়েছে। তথ্য উদ্ধার তাৎক্ষণিক। আউটপুটগুলো পরিষ্কার এবং দ্রুত। কিন্তু এই পদ্ধতি একটি বিপজ্জনক অন্ধ স্থান তৈরি করে: যদি প্রাথমিক এবং মধ্য-ক্যারিয়ার পেশাদাররা আর সমালোচনামূলক চিন্তাভাবনা এবং সিদ্ধান্ত গ্রহণের পিছনের জ্ঞানীয় কাজের সংস্পর্শে না আসেন, তাহলে আগামী দিনের সিনিয়র পেশাদাররা কোথা থেকে আসবেন? 

২০২৬ সালে পেশাদার সেবায় AI-এর নির্ধারক চ্যালেঞ্জ প্রযুক্তিগত সক্ষমতা উন্নত করা নয়। এটি হল প্রতিষ্ঠানগুলো বিচারবুদ্ধি, অন্তর্দৃষ্টি এবং কৌশলগত যুক্তি যা পেশাদার পরামর্শকে প্রথম স্থানে মূল্যবান করে তোলে তা ফাঁপা না করে AI গ্রহণ করতে পারে কিনা। 

উভয় ক্ষেত্রেই, সমাধান AI গ্রহণকে ধীর করা নয়। এটি হল পুনর্বিবেচনা করা যে AI কী করতে পারে এবং করা উচিত সেই পেশায় যেখানে দক্ষতা হলো সেই মুদ্রা যা প্রতিষ্ঠানগুলোর আর্থিক সাফল্য চালিত করে।  

পেশাদার দক্ষতা আসলে কী — এবং কেন AI এটি ধারণ করতে সংগ্রাম করে 

দক্ষতা আনুষ্ঠানিক শিক্ষার মতোই অভিজ্ঞতার মাধ্যমে বিকশিত হয়। আচরণগত বিজ্ঞান আমাদের দেখায় যে একবার কেউ জটিল পরিস্থিতিতে কোথায় দেখতে হবে তা জানলে, তারা এটি "দেখা বাতিল" করতে পারে না।  

কিন্তু নতুন কাউকে বিশেষজ্ঞ উপলব্ধি ব্যাখ্যা করা অসাধারণভাবে কঠিন। 

অভিজ্ঞতা মৌলিকভাবে পরিবর্তন করে মানুষ কীভাবে পৃথিবী দেখে, যেমন একটি অস্পষ্ট চিত্র যা হঠাৎ সমাধান হয় যখন লুকানো প্যাটার্ন প্রকাশিত হয়। 

 ছবির ক্রেডিট: "How Emotions Are Made: The Secret Life of the Brain (2017) by Dr. Lisa Feldman Barrett. 

আইন, অর্থ, পরামর্শ এবং পাবলিক পলিসির মতো জটিল ক্ষেত্রে, সবচেয়ে গুরুত্বপূর্ণ বিষয় হল নিয়ম অনুসরণ নয়, বরং অগোছালো, প্রায়শই উচ্চ-ঝুঁকির পরিবেশে করে শিখা। 

সময়ের সাথে সাথে, বিশেষজ্ঞরা প্যাটার্ন সনাক্তকরণ এবং কী মনোযোগ দিতে হবে তার একটি সূক্ষ্মভাবে সুরযুক্ত অনুভূতি বিকাশ করেন। কিন্তু এই জ্ঞান তাদের কাছে অদৃশ্য হয়ে যায়। সবচেয়ে মূল্যবান অন্তর্দৃষ্টিগুলি সহজাত হয়ে যায়। সিনিয়র পেশাদাররা খুব কমই স্পষ্ট করেন যে তারা কীভাবে জানেন তারা কী জানেন, কারণ সেই জ্ঞানের বেশিরভাগই সচেতন সচেতনতার নীচে কাজ করে। 

এটি একটি কাঠামোগত দুর্বলতা তৈরি করে। সংস্থাগুলো যে দক্ষতাকে সবচেয়ে বেশি মূল্য দেয় তা কৌশলগত আপস, কৌশলগত বিচার এবং বছরের পর বছর তৈরি সূক্ষ্ম সংকেত নিয়ে গঠিত। তবুও যেহেতু এই জ্ঞান খুব কমই নথিভুক্ত করা হয়, প্রতিষ্ঠানগুলো প্রায়শই বুঝতে পারে না যে তারা এর উপর কতটা নির্ভর করে, যতক্ষণ না এটি অদৃশ্য হয়ে যায়। 

পেশাদার সেবায় উদীয়মান নীরব জ্ঞান সংকট 

প্রাতিষ্ঠানিক স্মৃতি ক্ষয় হয় কেবল মানুষ চলে যাওয়ার কারণে নয়, বরং অদৃশ্য চিন্তাভাবনা যা তাদের কার্যকর করেছিল তা প্রথম স্থানে কখনও ধরা বা স্থানান্তরিত হয়নি। 

একই সময়ে, প্রতিষ্ঠানগুলো "অভিজ্ঞ" প্রতিভা খুঁজে পেতে ক্রমবর্ধমান অসুবিধার কথা জানায়। তারা কেবল বছরের পরিষেবার চেয়ে বেশি খুঁজছেন। এটি হল প্রেক্ষাপটে জ্ঞান প্রয়োগ করার, অস্পষ্টতা নেভিগেট করার এবং চাপের মধ্যে সঠিক সিদ্ধান্ত নেওয়ার ক্ষমতা। অভিজ্ঞতার প্রয়োজনীয়তা বাড়ানো, যেমন কিছু প্রতিষ্ঠান করছে, এই ক্ষমতাগুলি তৈরি করবে না। পরিবর্তে, এটি অন্তর্নিহিত সমস্যা সমাধান না করে প্রতিভার পুল সংকুচিত করে। জুনিয়র কর্মীদের প্রেক্ষাপটে বিচার বিকাশের সমৃদ্ধ সুযোগ প্রয়োজন।  

বাস্তবে, এর মানে হল প্রতিষ্ঠানগুলোর অভিজ্ঞতার ঘাটতি নয় বরং অভিজ্ঞতা-সৃষ্টির সমস্যা রয়েছে। যেহেতু ঐতিহ্যগত ক্যারিয়ার পথ সংকুচিত হয় এবং জুনিয়র ভূমিকা কমিয়ে দেওয়া হয়, সংস্থাগুলো অভিজ্ঞতার জন্য জিজ্ঞাসা করছে যে পরিস্থিতি প্রদান ছাড়াই যেখানে এটি গঠন করতে পারে। 

অনুপস্থিত মাঝামাঝি: যেখানে পেশাদার বিচার এবং দক্ষতা আসলে বিকশিত হয় 

প্রশিক্ষণার্থীরা তত্ত্ব জানেন। সিনিয়র পেশাদাররা বাস্তবতা নেভিগেট করতে পারেন। ক্লায়েন্ট কাজের বছরের মাধ্যমে, তারা অভিজ্ঞতামূলক জ্ঞান-কৌশল বিকাশ করেছেন যাতে সহজাতভাবে কৌশলগত আপস ওজন করা এবং সিদ্ধান্ত নেওয়া যায়।  

যা অদৃশ্য হয়ে যাচ্ছে তা হল দুইয়ের মধ্যে সেতু: অভিজ্ঞতামূলক শিক্ষা যা তাত্ত্বিক জ্ঞানকে ব্যবহারিক বিচারে রূপান্তরিত করে। 

ঐতিহাসিকভাবে, শিক্ষানবিশ-শৈলী শিক্ষা এই ব্যবধান বন্ধ করেছে। জুনিয়ররা বিশেষজ্ঞদের কাছে বসে, কথোপকথন শুনে, সিদ্ধান্ত উন্মোচিত হতে দেখে এবং রিয়েল টাইমে কৌশল কীভাবে বিকশিত হয় তা শিখে দক্ষতা শোষণ করত। গুরুত্বপূর্ণভাবে, "অসমোসিস দ্বারা শেখার" মডেল শুধু জ্ঞান নয়, চিন্তার উপায়গুলি প্রেরণ করেছে। সেই মডেল ভেঙে পড়ছে। 

হাইব্রিড কাজ এবং অটোমেশন বিশেষজ্ঞ যুক্তির সংস্পর্শ নাটকীয়ভাবে হ্রাস করেছে। অনেক জুনিয়র এখন সিদ্ধান্তের আউটপুট দেখেন তাদের পিছনে চিন্তা প্রক্রিয়া কখনও সাক্ষী না করে। 

যেহেতু AI ঐতিহ্যগত ক্যারিয়ার সিঁড়ি সংকুচিত করে, প্রতিষ্ঠানগুলো আর সময়ের সাথে স্বাভাবিকভাবে উদীয়মান অভিজ্ঞতার উপর নির্ভর করতে পারে না। "প্রস্তুত-তৈরি" অভিজ্ঞতার জন্য অপেক্ষা করা অবাস্তব এবং বর্জনমূলক উভয়ই হয়ে গেছে। অভিজ্ঞতা এখন কর্মপ্রবাহ, ভূমিকা এবং AI সিস্টেমের মাধ্যমে ইচ্ছাকৃতভাবে তৈরি করতে হবে যা পেশাদারদের বিচার, আপস এবং প্রেক্ষাপটে সিদ্ধান্ত গ্রহণের সংস্পর্শে আনে, তাদের থেকে রক্ষা করার পরিবর্তে। 

এই অদৃশ্য দক্ষতা প্রকাশ এবং স্থানান্তর করার নতুন উপায় ছাড়া, সক্ষমতার ব্যবধান কেবল প্রশস্ত হবে যতক্ষণ না আমরা অপরিবর্তনীয় দক্ষতা ক্ষয়ের টিপিং পয়েন্টে পৌঁছাই।  

যখন AI চিন্তাভাবনা প্রতিস্থাপন করে, পেশাদার সক্ষমতা ক্ষয় হয় 

অনেক পেশাদার সেবা প্রতিষ্ঠান AI-কে একটি সরঞ্জাম সমস্যা হিসাবে দেখে: কীভাবে মানুষকে এটি দক্ষতার সাথে ব্যবহার করার জন্য প্রশিক্ষণ দিতে হয় যাতে তারা আরও উৎপাদনশীল হতে পারে, আরও ভাল ক্লায়েন্ট সেবা প্রদান করতে পারে এবং শেষ পর্যন্ত প্রতিষ্ঠানকে আরও অর্থ উপার্জন করতে পারে। এর জন্য ক্ষুধা স্পষ্ট। একটি ২০২৫ Thomson Reuters সমীক্ষা পেয়েছে যে ৫৫% পেশাদার AI গ্রহণের কারণে তারা কীভাবে কাজ করেন তাতে উল্লেখযোগ্য পরিবর্তনের কথা জানান, যেখানে ৮৮% বলেছেন যে তারা পেশা-নির্দিষ্ট AI সহায়কদের পক্ষে থাকবেন।  

তবুও, সরঞ্জাম গ্রহণ এবং দক্ষতা উন্নত করা ক্রমবর্ধমান জ্ঞানীয় ব্যবধান সমাধান করে না।   

বেশিরভাগ AI সরঞ্জাম ব্যবহারকারীদের চিন্তাভাবনা ক্ষমতা বিকাশের পরিবর্তে তাদের কাছে তথ্য ঠেলে দেওয়ার জন্য ডিজাইন করা হয়েছে। তারা উত্তর, সারসংক্ষেপ এবং সুপারিশ প্রদান করে, কিন্তু খুব কমই প্রতিফলন, অর্থ তৈরি বা বিচারের জন্য অনুরোধ করে। যদিও এটি গতি বাড়ায়, এটি জ্ঞানীয় প্রচেষ্টার শর্ট-সার্কিট ঝুঁকি তৈরি করে যার মাধ্যমে দক্ষতা গঠিত হয়। পেশাদাররা দ্রুত হতে পারেন, কিন্তু অগত্যা ভাল নয়। 

এটি গুরুত্বপূর্ণ কারণ দক্ষতা শুধুমাত্র উত্তরের সংস্পর্শ থেকে বিকাশ হয় না। এটি অনিশ্চয়তার সাথে জড়িত, আপস ওজন করা এবং সিদ্ধান্তগুলি কেন যেভাবে উন্মোচিত হয় তা বোঝার মাধ্যমে বিকাশ হয়। 

২০২৬ সালে, বিপদ হল যে প্রযুক্তি চিন্তা প্রক্রিয়াকে এত কার্যকরভাবে শর্টকাট করে যে মানুষ নতুন জ্ঞান স্থাপন করা সম্পূর্ণভাবে বন্ধ করে দেয়। যদি AI সবসময় সিদ্ধান্ত নেয় কী গুরুত্বপূর্ণ, পেশাদাররা নিজেরা এটি চিনতে শেখে না। 

ফলাফল উন্নত হয় যখন পেশাদাররা প্রথমে চিন্তা করেন এবং তারপর প্রযুক্তি ব্যবহার করেন। চিন্তাভাবনা প্রথমে আসতে হবে।  

কেন জ্ঞান ব্যবস্থাপনা সিস্টেম বিচার ক্যাপচার করতে ব্যর্থ হয় 

জ্ঞান ব্যবস্থাপনা সিস্টেম চমৎকার ডকুমেন্টেশন ক্যাটালগ হয়ে উঠেছে, ত্রুটিহীনভাবে কেস স্টাডি, টেমপ্লেট এবং প্লেবুক সংগঠিত করে যা দেখায় কীভাবে কাজ করতে হয়।  

তবুও, একটি বিশাল অনুপস্থিত ডেটা সেট রয়েছে — কাজ আসলে কীভাবে সম্পন্ন হয় তার অলিখিত নিয়ম। বিশেষজ্ঞরা কী লক্ষ্য করেন। কখন তারা গতিপথ পরিবর্তন করেন। কোন সংকেতগুলো গুরুত্বপূর্ণ এবং কোনগুলো উপেক্ষা করা যায়। কোনও স্পষ্টভাবে সঠিক উত্তর না থাকলে কীভাবে আপস নেভিগেট করা হয়। এই অদৃশ্য চিন্তাভাবনা "কাজ যেমন কল্পনা করা হয়" এবং "কাজ যেমন করা হয়" এর মধ্যে ব্যবধানে বিদ্যমান। 

বড় ভাষা মডেল (LLMs) এই জ্ঞান ধারণ করে না কারণ এটি নথিভুক্ত নয়। এটি জীবন্ত অভিজ্ঞতার অংশ। এবং যদি না সংস্থাগুলি বিশেষজ্ঞদের এটি প্রকাশ করতে সাহায্য করার উপায় খুঁজে পায়, AI এটি সংরক্ষণের পরিবর্তে এর অদৃশ্য হওয়া ত্বরান্বিত করতে প্রস্তুত। 

অটোমেশন থেকে জ্ঞানীয় সহায়তা: পেশাদার সেবায় AI-এর ভূমিকা পুনর্সংজ্ঞায়িত করা 

২০২৬ সালে, নেতৃস্থানীয় পেশাদার সেবা প্রতিষ্ঠানগুলো কাজ স্বয়ংক্রিয় করার জন্য ডিজাইন করা AI এবং জ্ঞানীয়তা উন্নত করে এমন AI-এর মধ্যে একটি তীক্ষ্ণ পার্থক্য করবে। 

অটোমেশন-কেন্দ্রিক AI দক্ষতায় দুর্দান্ত। জ্ঞানীয়-কেন্দ্রিক AI আচরণগত বিজ্ঞানে ভিত্তিশীল এবং বিচার প্রতিস্থাপনের পরিবর্তে প্রকাশ এবং উন্নত করার জন্য ডিজাইন করা হয়েছে। 

আচরণগত বিজ্ঞান-নেতৃত্বাধীন AI দ্রুত উত্তরের পরিবর্তে আরও ভাল প্রশ্নের উপর ফোকাস করে। এটি পেশাদারদের থামতে এবং প্রতিফলিত করতে, তাদের যুক্তি স্পষ্ট করতে এবং তাদের কাজ সম্পর্কে জোরে চিন্তা করতে অনুরোধ করে। এটি করতে গিয়ে, এটি চিন্তাভাবনা গভীর করে এবং মানসিক মডেল প্রকাশ করে যা বিশেষজ্ঞরা বুঝতে পারেননি তাদের ছিল — এবং যা প্রতিষ্ঠানগুলোকে আলাদা করে এমন ব্যতিক্রমী কাজ প্রদানের জন্য এত গুরুত্বপূর্ণ।   

এটি সিনিয়র পেশাদারদের জন্য বিশেষভাবে গুরুত্বপূর্ণ, যারা সাধারণত অসচেতনভাবে ব্যবহার করা সংকেত এবং আপস চিহ্নিত করতে সাহায্যের প্রয়োজন হয়। যখন তাদের চিন্তাভাবনা নিজেদের এবং অন্যদের কাছে দৃশ্যমান হয়, এটি স্থানান্তরযোগ্যও হয়ে ওঠে। বিশেষজ্ঞরা তাদের নিজস্ব যুক্তি পরিমার্জন করতে পারেন, ধারণাগুলি পরীক্ষা করতে পারেন যা তারা জানতেন না যে তারা তৈরি করছেন এবং ক্রমাগত তাদের বিচার তীক্ষ্ণ করতে পারেন। এই দৃশ্যমানতা তাদের দক্ষতাকে ক্লায়েন্টদের কাছে ব্যাখ্যাযোগ্যও করে: বিশ্বাস শক্তিশালী করে, মূল্য প্রদর্শন করে এবং পরিশোধের ইচ্ছা এবং ধরে রাখার উন্নতি করে। টিমমেটদের জন্য, এটি পুনরায় কাজ এবং অসামঞ্জস্য হ্রাস করে শুধু কী প্রয়োজন তা স্পষ্ট করে না, বরং কেন এটি গুরুত্বপূর্ণ এবং কীভাবে সিদ্ধান্তের কাছে যেতে হবে। যখন দক্ষতা স্পষ্ট করা হয়, এটি সকল দল এবং ক্লায়েন্ট, বর্তমান এবং ভবিষ্যতের সুবিধার জন্য সংগঠিত এবং ভাগ করা যেতে পারে।   

প্রকৃত পেশাদার কাজ রৈখিক নয়। এতে মোড়, গতিপথ সংশোধন এবং প্রতিযোগী অগ্রাধিকার জড়িত। AI সিস্টেম যা এই জটিলতাকে সম্মান করে, এটি মসৃণ করার পরিবর্তে, তারাই সংস্থাগুলোকে দক্ষতা সংরক্ষণ এবং স্কেল করতে সাহায্য করবে, এটি প্রতিস্থাপনের পরিবর্তে। 

২০২৬ সালে পেশাদার সেবার জন্য মূল নির্যাস 

১. বৃহত্তম AI ব্যর্থতা জ্ঞানীয় হবে, প্রযুক্তিগত নয়
যে প্রতিষ্ঠানগুলো শুধুমাত্র গতির উপর ফোকাস করেছে তারা দক্ষতা ক্ষয়ের মুখোমুখি হবে কারণ অভিজ্ঞতামূলক শিক্ষার সুযোগ অদৃশ্য হয়ে যায়। এটি একটি শিক্ষা ব্যর্থতা হবে, প্রযুক্তি ব্যর্থতা নয়।

২. দক্ষতা একটি ইচ্ছাকৃত ডিজাইন সুযোগ হয়ে উঠবে
যেহেতু অটোমেশন এবং হাইব্রিড কাজ শিক্ষার সুযোগ সংকুচিত করে, প্রতিষ্ঠানগুলোকে জুনিয়র কর্মীদের বিচার, প্রতিফলন, সমালোচনামূলক চিন্তাভাবনা এবং সিদ্ধান্ত গ্রহণ দক্ষতা তৈরির জন্য ইচ্ছাকৃতভাবে ক্ষুদ্র-সুযোগ তৈরি করতে হবে, AI দ্বারা সমর্থিত যা প্রেক্ষাপটে বিশেষজ্ঞ চিন্তাভাবনা প্রকাশ এবং ভাগ করে।

৩. AI যা মানুষের বিচার বাড়ায় তা AI-এর চেয়ে ভাল পারফর্ম করবে যা এটি প্রতিস্থাপন করে

সবচেয়ে মূল্যবান AI সিস্টেম অদৃশ্য দক্ষতা দৃশ্যমান করবে, নতুন "দক্ষতা ডেটাসেট" তৈরি করবে যা পেশাদাররা কীভাবে চিন্তা এবং যুক্তি করেন তাতে মূলিত।

৪. সবচেয়ে সফল প্রতিভা কৌশল অভিজ্ঞতা নিয়োগ থেকে এটি তৈরি করতে স্থানান্তরিত হবে

যে প্রতিষ্ঠানগুলো মানুষকে অভিজ্ঞতা তৈরি করতে সাহায্য করার উপর ফোকাস করে তারা তাদের চেয়ে ভাল পারফর্ম করবে যারা কেবল আগে থেকে অভিজ্ঞতার দাবি করে। 

পেশাদার সেবা প্রতিষ্ঠানের জন্য সামনে পছন্দ 

সামনের ঝুঁকি AI কাজ করতে পারে কিনা তা নয়, বরং কী হারিয়ে যায় যখন AI কাজকে সহজ দেখায় এবং পেশাদাররা চিন্তা করতে এবং কঠিন বিচারের সিদ্ধান্ত নিতে শেখা বন্ধ করে দেয়।  

যে প্রতিষ্ঠানগুলো AI-কে সম্পূর্ণভাবে দক্ষতার সরঞ্জাম হিসাবে ট্রিট করে তারা তাদের দক্ষতা নিঃশব্দে ক্ষয় হতে দেখবে, যখন যারা বিচার প্রকাশের জন্য AI ব্যবহার করে তারা সমালোচনামূলক চিন্তাভাবনা বিকাশ, স্কেল এবং উন্নত করবে, এমনকি যখন মেশিন এবং LLMs আরও সক্ষম হয়ে ওঠে। 

যখন ব্যতিক্রমী ক্লায়েন্ট ফলাফল প্রদানের জন্য পরবর্তী প্রজন্মের পেশাদারদের বিকাশের কথা আসে, তখন পার্থক্যকারী হবে না কে AI দ্রুততম গ্রহণ করেছে, বরং কে এটি সবচেয়ে বুদ্ধিমানের সাথে গ্রহণ করেছে।