প্রতিটি এন্টারপ্রাইজ বোর্ড ডেকেই এখন একটি AI ম্যান্ডেট দেখা যাচ্ছে। কোম্পানিগুলো গ্রাহকের রেকর্ড, অভ্যন্তরীণ কৌশলগত নথি এবং নিজস্ব অ্যানালিটিক্স এমন দ্রুত গতিতে লার্জ ল্যাঙ্গুয়েজ মডেলগুলোতে ইনপুট দিচ্ছে, যা মাত্র তিন বছর আগেও অত্যন্ত ঝুঁকিপূর্ণ বলে মনে হতো। এই তথ্যের বেশিরভাগই ক্লোজড-সোর্স সিস্টেমে প্রবাহিত হচ্ছে। এগুলো সুবিধাজনক, শক্তিশালী এবং অন্য কেউ এগুলো হোস্ট করে। Mistral AI-এর প্রতিষ্ঠাতা আর্থার মেনশ (Arthur Mensch) মনে করেন, এই সুবিধার পেছনে একটি লুকানো কর বা মূল্য রয়েছে, যা যেকোনো সাবস্ক্রিপশন ফি-র চেয়েও বেশি হতে পারে।
মেনশ একটি নির্দিষ্ট বিপদ সম্পর্কে স্পষ্টভাবে কথা বলেছেন: যখন আপনি একটি প্রোপাইটরি মডেলের মাধ্যমে আপনার ব্যবসা পরিচালনা করেন, তখন আপনি কেবল কম্পিউটেশন ভাড়া করছেন না। আপনি আসলে সেই ল্যাবটিকে আপনার কার্যক্রমের একটি বিস্তারিত মানচিত্র দিয়ে দিচ্ছেন যা এটি তৈরি করেছে। এই প্রদানকারীরা তাদের সিস্টেম উন্নত করার জন্য বিশাল পরিমাণ গ্রাহক ইন্টারঅ্যাকশন ডেটা সংরক্ষণ করে। সময়ের সাথে সাথে, সেই ডেটা থেকে বিভিন্ন প্যাটার্ন বা ধরন প্রকাশ পায়। তারা দেখতে পায় আপনি কীভাবে পণ্যের দাম নির্ধারণ করেন, কীভাবে অডিয়েন্সকে ভাগ করেন, কীভাবে ঝুঁকি শনাক্ত করেন এবং কীভাবে সুযোগ খুঁজে পান। মেনশ সতর্ক করেছেন যে, কিছু ল্যাব ইতিমধ্যে এই বুদ্ধিমত্তাকে ব্যবহার করে তাদের নিজস্ব গ্রাহকদের টার্গেট করার আগ্রহ দেখিয়েছে; মুনাফা ঠিক কোথায় আছে তা বুঝতে পারলেই তারা সেই বাজারে প্রবেশ করছে।
তার পরামর্শ অত্যন্ত স্পষ্ট। "যদি এটি আপনার হাতে না থাকে, তবে এটি আপনার প্রবৃদ্ধি হবে না।" তিনি যে প্রতিকারের কথা বলেছেন তা হলো সার্বভৌমত্ব (sovereignty): ডেটাকে ওপেন সিস্টেমে নিয়ে আসা, কঠোর অ্যাক্সেস নিয়ম কার্যকর করা এবং নিজস্ব ট্রেনিং পাইপলাইনে বিনিয়োগ করা। এটি কোনো প্যারানয়েড কল্পনা নয়। এটি হলো জ্ঞান বা উপলব্ধির (cognition) ক্ষেত্রে প্রয়োগ করা সাপ্লাই-চেইন সিকিউরিটি। আপনি আপনার সরবরাহকারীকে আপনার কারখানার ব্লুপ্রিন্ট দেবেন না। মেনশ যুক্তি দেন যে, আপনার AI প্রদানকারীকে আপনার প্রতিষ্ঠানের কৌশলগত নির্দেশিকা বা 'ইনস্টিটিউশনাল প্লেবুক'-এর সমতুল্য কিছু দেওয়া উচিত নয়।
কেন মডেল ওয়েটস (Model Weights) হলো আপনার কর্পোরেট মেমরি
এই ধারণাটি প্রযুক্তি শিল্পের একটি অপ্রত্যাশিত দিক থেকে সমর্থন পেয়েছে। Palantir-এর সিইও অ্যালেক্স কার্প (Alex Karp) বিষয়টি এমন একটি বাক্যে প্রকাশ করেছেন যা ইতিমধ্যে প্রতিরক্ষা এবং অর্থায়ন মহলে প্রচলিত হচ্ছে: "আপনার ওয়েটস নিয়ন্ত্রণ করা মানে আপনার ভাগ্য নিয়ন্ত্রণ করা।"
এটি কেন গুরুত্বপূর্ণ তা বুঝতে হলে মডেল ওয়েটস আসলে কী প্রকাশ করে তা নিয়ে ভাবা প্রয়োজন। মেশিন লার্নিংয়ে, ওয়েটস হলো কোটি কোটি টিউন করা প্যারামিটার যা কাঁচা ডেটাকে (raw data) দরকারী প্রেডিকশনে রূপান্তরিত করে। যখন আপনি আপনার নিজস্ব ডেটার ওপর একটি মডেলকে প্রশিক্ষণ বা ফাইন-টিউন করেন—যেমন আপনার গ্রাহক হারানোর ইতিহাস, আপনার ডায়াগনস্টিক ইমেজ বা আপনার লজিস্টিক অপ্টিমাইজেশন কেস—তখন সেই জ্ঞান ওয়েটসের মধ্যে সংকুচিত হয়ে যায়। এগুলো এক ধরণের কর্পোরেট মেমরি বা স্মৃতিতে পরিণত হয়, যা বছরের পর বছর ধরে অর্জিত সিদ্ধান্ত এবং দক্ষতাগুলোকে এনকোড করে রাখে।
আপনি যদি একটি ফ্রন্টিয়ার মডেল ভাড়া করেন এবং কেবল আপনার গোপনীয়তাগুলো প্রম্পট হিসেবে ব্যবহার করেন, তবে আপনি সেই নির্যাসিত জ্ঞানটির মালিক হতে পারবেন না। আরও খারাপ বিষয় হলো, আপনার প্রদানকারী প্রতিটি সংকেত শোষণ করে নেয়। প্রতিটি কুয়েরি তাদের সিস্টেমকে আপনার ব্যবসার ক্ষেত্র (vertical) সম্পর্কে আরও কিছুটা শিখিয়ে দেয়। তাদের পরবর্তী মডেল আপডেট আপনার সেই বিশেষ সক্ষমতা বা 'এজ' (edge)-কে অভ্যন্তরীণভাবে গ্রহণ করে নিতে পারে যা আপনাকে সফল করেছে। কার্প একে আপনার "আলফা" (alpha) বলেন, যা হলো সেই অনন্য পারফরম্যান্স সুবিধা যা আপনাকে অন্যদের থেকে আলাদা করে। আপনার ওয়েটস আউটসোর্স করা মানে আপনার আলফাকেও আউটসোর্স করা। সেই মুহূর্তে, AI আর একটি টুল হিসেবে থাকে না, বরং এটি আপনার দক্ষতা প্রতিযোগীর কাছে পৌঁছে দেওয়ার একটি মাধ্যম হয়ে দাঁড়ায়।
ফাইন-টিউনিংয়ের সুবিধা
Bridgewater-এর পরীক্ষা দেখায় যে অন্য একটি পথ রয়েছে। হেজ ফান্ডটি Thinking Machines Lab-এর সাথে কাজ করে ওপেন-সোর্স Qwen3-235B মডেলটিকে ফাইন-টিউন করেছে। প্রোপাইটরি ইনভেস্টর ইভ্যালুয়েশনগুলো কোনো ব্ল্যাক-বক্স API-তে পাঠানোর পরিবর্তে, তারা ডেটা নিজেদের কাছেই রেখেছে এবং মডেলটিকে তাদের নির্দিষ্ট প্রয়োজনের সাথে মানিয়ে নিয়েছে। ফলাফল ছিল চমকপ্রদ। আর্থিক নথি বিশ্লেষণের ক্ষেত্রে, তাদের ফাইন-টিউন করা মডেলটি ৮৪.৭ শতাংশ নির্ভুলতা অর্জন করেছে। যেখানে সেরা ফ্রন্টিয়ার ক্লোজড মডেলটি মাত্র ৭৮.২ শতাংশ নির্ভুলতা দেখাতে পেরেছিল।
এই ব্যবধানটি অর্থায়নের ক্ষেত্রে অত্যন্ত গুরুত্বপূর্ণ, যেখানে একটি