OpenAI সাধারণ চ্যাটবটের গণ্ডি পেরিয়ে এখন স্বয়ংক্রিয় AI এজেন্ট তৈরির দিকে এগোচ্ছে, যা মাল্টি-স্টেপ ডিজিটাল ওয়ার্কফ্লো পরিচালনা করতে সক্ষম। তারা তাদের এই এজেন্টগুলোর মধ্যে প্রথমটি হিসেবে ChatGPT Work চালু করেছে, যা তাদের কনজিউমার সাবস্ক্রিপশনের সাথে মাসে ২০ ডলারের একটি অ্যাড-অন হিসেবে যুক্ত করা হয়েছে। এই পরিষেবাটি একটি ডিজিটাল কোলাবোরেটর হিসেবে কাজ করার প্রতিশ্রুতি দেয়, যা ইনবক্স, Slack, Notion এবং অন্যান্য টুল থেকে ডেটা সংগ্রহ করতে পারে—এমন একটি সক্ষমতা যা নলেজ ওয়ার্কারদের কাজের ধরন বদলে দিতে পারে।

কেন “agentic” AI-এর দিকে এই পরিবর্তন

প্রথাগত লার্জ-ল্যাঙ্গুয়েজ মডেলগুলো প্রশ্নের উত্তর দেয় এবং সেখানেই থেমে যায়। “Agentic AI” বলতে এমন সিস্টেমকে বোঝায় যা কী করতে হবে তা নিজে সিদ্ধান্ত নেয় এবং তারপর তা কার্যকর করে—যেমন মানুষের প্রতিটি বাটনে ক্লিক করার প্রয়োজন ছাড়াই ইমেল পাঠানো, স্প্রেডশিট আপডেট করা বা Figma-তে ডিজাইন স্কেচ করা। OpenAI ইঞ্জিনিয়াররা বলছেন যে, এই অতিরিক্ত ধাপটি একটি কথোপকথনমূলক সহকারীকে (conversational assistant) একটি প্রোডাক্টিভিটি পার্টনারে পরিণত করে, বিশেষ করে সেই সব পেশার জন্য যেখানে এক অ্যাপ্লিকেশন থেকে অন্য অ্যাপ্লিকেশনে বারবার যাওয়া বিলযোগ্য কাজের সময় (billable hours) কমিয়ে দেয়।

ডেভেলপার থেকে পুরো অফিস জুড়ে

Agentic AI-এর সবচেয়ে দৃশ্যমান সাফল্য দেখা গেছে সফটওয়্যার ইঞ্জিনিয়ারিংয়ে। OpenAI-এর Codex মডেল ডেভেলপারদের তাদের প্রয়োজনীয়তা সাধারণ ভাষায় বর্ণনা করার সুযোগ দেয় এবং তারপর কোড তৈরি করে দেয়, যা কার্যকরভাবে সিনট্যাক্সের জটিলতা কমিয়ে দেয়। একটি কোম্পানি-সমর্থিত গবেষণায় দেখা গেছে যে, OpenAI-এর প্রায় প্রতিটি কর্মী Codex ব্যবহার করলেও, ১০০ জন বহির্ভূত গ্রাহকের মধ্যে একজনও এটি ব্যবহার করেন না। ChatGPT Work-এর লক্ষ্য হলো অ্যাকাউন্ট্যান্ট, ডাক্তার, ইনভেস্টর এবং অন্যান্য নন-টেকনিক্যাল পেশাদারদের কাছে সেই একই “আপনার যা প্রয়োজন তা বর্ণনা করুন” অভিজ্ঞতা পৌঁছে দেওয়া। এর লক্ষ্য হলো কমান্ড-লাইন ইন্টারফেস এবং কাস্টম স্ক্রিপ্টের পরিবর্তে একটি সাধারণ টেক্সট প্রম্পট ব্যবহার করা, যা পুরনো ওয়েবসাইটগুলোতে নেভিগেট করতে পারে, বিভিন্ন SaaS প্রোডাক্ট থেকে ডেটা সংগ্রহ করতে পারে এবং ফলাফলগুলোকে একত্রিত করতে পারে।

গোপনীয়তা এবং নিয়ন্ত্রণের উদ্বেগ

কার্যকর হওয়ার জন্য, একটি এজেন্টকে মানুষের মতোই একই তথ্য দেখতে হয়: ব্যক্তিগত ইমেল, ইনস্ট্যান্ট-মেসেজ থ্রেড, অভ্যন্তরীণ নথি এবং ডিজাইন ফাইল। সমালোচকরা সতর্ক করছেন যে, একটি AI-কে এই পর্যায়ের দৃশ্যমানতা প্রদান করা একটি নতুন 'অ্যাটাক সারফেস' তৈরি করে—একটি ক্ষতিগ্রস্ত মডেল গোপনীয় ডেটা চুরি করতে পারে এবং ব্যবহারকারীরা হয়তো পুরোপুরি বুঝতে পারবেন না যে তাদের তথ্য কীভাবে একটি উত্তর তৈরি করতে ব্যবহৃত হচ্ছে। OpenAI-এর টিম এই ঝুঁকি স্বীকার করে কিন্তু বলছে যে এই আপস করা অনিবার্য; গভীর ইন্টিগ্রেশন ছাড়া এজেন্ট ব্যবহারকারীর দেওয়া কাজগুলো সম্পন্ন করতে পারবে না।

ভার্টিক্যাল স্পেশালিস্টদের থেকে প্রতিযোগিতামূলক চাপ

স্বয়ংক্রিয় এজেন্টের ওপর বাজি ধরা একমাত্র খেলোয়াড় OpenAI নয়। ছোট ছোট প্রতিষ্ঠানগুলো এমন টুল চালু করেছে যা একটি নির্দিষ্ট পেশার ওপর গুরুত্ব দেয়—কেউ আইনজীবীদের জন্য, আবার কেউ সেলস টিমের জন্য। এই পণ্যগুলো একটি 'মডেল-অ্যাগনস্টিক' (model-agnostic) পদ্ধতি অনুসরণ করে: তারা কোনো একক প্রোভাইডারের প্রযুক্তির সাথে আটকে না থেকে তাদের নির্দিষ্ট ক্ষেত্রের জন্য যে ল্যাঙ্গুয়েজ মডেলটি সেরা পারফরম্যান্স দেয়, সেটিই ব্যবহার করে। এই নমনীয়তা তাদের হালকা ও দ্রুত কাজ করতে সাহায্য করে। OpenAI-এর জন্য চ্যালেঞ্জ হলো এমন একটি 'one-size-many' সমাধান তৈরি করা যা একটি স্পেশালিস্ট অ্যাপের মতোই কাস্টমাইজড মনে হবে, অন্যথায় এন্টারপ্রাইজগুলো আরও নির্দিষ্ট কিন্তু উন্নত বিকল্প বেছে নিতে পারে।

দীর্ঘক্ষণ চলা এজেন্টগুলোর পেছনে অর্থনৈতিক প্রণোদনা

একটি এজেন্ট প্রতিটি টোকেন জেনারেট করার সময়—প্রতিটি শব্দ বা কোড ফ্র্যাগমেন্ট—OpenAI-এর কম্পিউটিং রিসোর্স খরচ হয় এবং কোম্পানি টোকেন ব্যবহারের ওপর ভিত্তি করে ব্যবহারকারীদের বিল করে। যখন একটি এজেন্ট কয়েক মিনিটব্যাপী একটি ওয়ার্কফ্লো চালায়, একাধিক API-এর সাথে যোগাযোগ করে এবং একটি চূড়ান্ত রিপোর্ট তৈরি করে, তখন একটি সাধারণ চ্যাটের তুলনায় টোকেনের সংখ্যা নাটকীয়ভাবে বেড়ে যায়। এটি প্রতি ব্যবহারকারীর থেকে আয় বাড়িয়ে দেয়, বিশেষ করে সেই সব গ্রাহকদের জন্য যারা ২০ ডলারের অ্যাড-অনটি সক্রিয় রাখেন। এই ব্যবসার মূল ভিত্তি হলো পরিষেবাকে একটি বিশাল ব্যবহারকারী বেসে ছড়িয়ে দেওয়া; যত বেশি পেশাদার প্রতিদিন এজেন্টের ওপর নির্ভর করবেন, রেভিনিউ তত বাড়বে, যা কম্পিউটিং ক্লাস্টার এবং মডেল প্রশিক্ষণে বড় ধরনের বিনিয়োগকে যৌক্তিক করে তুলবে।

পরবর্তীতে যা লক্ষ্য রাখতে হবে

  • Adoption metrics – প্রাথমিক ব্যবহারের ডেটা থেকে বোঝা যাবে যে নন-টেকনিক্যাল ব্যবহারকারীরা শেখার ধাপগুলো অতিক্রম করতে পারেন কি না এবং সংবেদনশীল কাজের জন্য এজেন্টের ওপর আস্থা রাখতে পারেন কি না।
  • Privacy safeguards – অন-ডিভাইস ইনফারেন্স (on-device inference) বা আরও শক্তিশালী পারমিশন কন্ট্রোলের যেকোনো প্রবর্তন এন্টারপ্রাইজ ক্রেতাদের জন্য ঝুঁকি-পুরস্কারের ভারসাম্য বদলে দিতে পারে।

সারকথা

ChatGPT-কে একটি প্রোঅ্যাক্টিভ কোলাবোরেটর হিসেবে গড়ে তোলার OpenAI-এর এই প্রচেষ্টা অফিসের প্রোডাক্টিভিটিকে নতুনভাবে সংজ্ঞায়িত করতে পারে, তবে এই পথটি গোপনীয়তার উদ্বেগ, গ্রহণের ক্ষেত্রে বড় ব্যবধান এবং ইতিমধ্যে নির্দিষ্ট বাজার দখল করে রাখা প্রতিদ্বন্দ্বীদের চ্যালেঞ্জে ভরা। সাফল্য নির্ভর করবে পেশাদারদের একটি বিশাল অংশের কাছে এটি প্রমাণ করার ওপর যে, তাদের ডিজিটাল জীবনের গভীরে একটি AI-কে অ্যাক্সেস দেওয়ার ঝুঁকির চেয়ে এর সুবিধা এবং আয়ের সম্ভাবনা অনেক বেশি।