এআই-তে নারী: HUMAN X কনফারেন্স থেকে শিক্ষা

HUMAN X কনফারেন্সে AI-তে নারীদের হাইলাইট করা শুধুমাত্র প্রতিনিধিত্বের গল্প নয়, বরং AI-প্রথম কোম্পানিগুলির বাস্তব নির্মাণের গল্প বলে। মূল বিষয়টি হল: সেরা পণ্যগুলি প্রকৃত মানব চাহিদা থেকে উদ্ভূত হয়, প্রতিযোগিতামূলক সুবিধা ডেটার প্রেক্ষাপটে নির্ধারিত হয়, এবং আজকের প্রকৃত সুবিধা হল এমন লোকদের নিয়োগ করা যারা বাজার পরিবর্তনের চেয়ে দ্রুত শিখতে পারে।

HUMAN X কনফারেন্সে, Jennifer Smith, Scribe-এর CEO এবং সহ-প্রতিষ্ঠাতা, এবং Mada Seghete, Upside-এর প্রতিষ্ঠাতা এবং Branch-এর প্রাক্তন সহ-প্রতিষ্ঠাতা সমন্বিত প্যানেলটি AI-তে নারীদের বিষয়ে বিশেষভাবে উপযোগী দৃষ্টিভঙ্গি প্রদান করেছে। এটি বৈচিত্র্য নিয়ে বিমূর্ত বিতর্ক নয়, বরং AI-নেটিভ কোম্পানিগুলি কীভাবে জন্ম নেয়, সেগুলি তৈরি করতে কী প্রয়োজন এবং কৃত্রিম বুদ্ধিমত্তা নিয়ে কাজ করা দলগুলি আজ যে প্রকৃত উত্তেজনার সম্মুখীন হয় তা নিয়ে একটি সুনির্দিষ্ট কথোপকথন ছিল।

সবচেয়ে গুরুত্বপূর্ণ বিষয় হল: AI-কে একটি ট্রেন্ড হিসাবে উপস্থাপন করা হয়নি, বরং ব্যবসায়িক রূপান্তরের একটি ত্বরান্বিতকারী হিসাবে। উভয় প্রতিষ্ঠাতাই অত্যন্ত স্পষ্ট অপারেশনাল সমস্যা থেকে শুরু করেন। এই মানবিক এবং তাত্ত্বিক নয় এমন উৎসই তাদের থিসিসকে কর্তৃত্ব প্রদান করে।

AI এবং স্টার্টআপে নারী: আজ প্রেক্ষাপট কেন ভিন্ন

Mada Seghete ব্যাখ্যা করেছেন যে তিনি তার দ্বিতীয় কোম্পানিতে রয়েছেন। Branch সহ-প্রতিষ্ঠা করার পরে, যা $100 মিলিয়নের বেশি আয়ে পৌঁছেছিল, তিনি ব্যক্তিগতভাবে অনুভব করা একটি সমস্যা থেকে শুরু করে Upside চালু করেন: B2B মার্কেটিংয়ে সঠিকভাবে প্রদর্শন করতে অসুবিধা যে প্রকৃতপক্ষে কী প্রভাব তৈরি করছে। সংক্ষেপে: তিনি আর চাননি যে মার্কেটাররা কার্যকর ক্যাম্পেইন তৈরির চেয়ে তাদের মূল্য ন্যায্যতা প্রমাণে বেশি সময় ব্যয় করুক।

Jennifer Smith একটি ভিন্ন তবে পরিপূরক যাত্রা বর্ণনা করেছেন। Scribe-এর ধারণাটি প্রথমে McKinsey-তে এবং তারপর ভেঞ্চার ক্যাপিটালে বারবার পর্যবেক্ষণ থেকে উদ্ভূত হয়েছে যে কোম্পানিগুলি একটি অদৃশ্য সম্পদের কারণে কাজ করে: প্রাতিষ্ঠানিক জ্ঞান। সেরা লোকেরা শুধু লিখিত গাইড অনুসরণ করে না। তারা শর্টকাট, প্রেক্ষাপট, অভিজ্ঞতা, ব্যতিক্রম নিয়ে কাজ করে। এবং এই সবকিছু, বেশিরভাগ প্রতিষ্ঠানে, ক্যাপচার করা হয় না।

এর মানে হল যে দুটি কোম্পানির সূচনা বিন্দু "AI করা" নয়, বরং একটি নির্দিষ্ট ঘর্ষণ সমাধান করা:

• Upside-এর জন্য, মার্কেটিংয়ের অবদান আরও ভালভাবে পরিমাপ করা;
• Scribe-এর জন্য, অপারেশনাল জ্ঞান ক্যাপচার এবং স্কেলিং করা;
• উভয়ের জন্য, ডেটা এবং ওয়ার্কফ্লোকে একটি প্রকৃত সুবিধায় রূপান্তর করা।

দ্বিতীয়বার প্রতিষ্ঠাতাকে কী আলাদা করে

প্যানেল থেকে উদ্ভূত একটি আকর্ষণীয় উপাদান হল দ্বিতীয় উদ্যোগের সময় মানসিকতার পরিবর্তন। Seghete হাইলাইট করেছেন যে, দ্বিতীয়বার, একটি কোম্পানি তৈরি করার কারণ আরও স্পষ্ট হয়। "কিছু প্রমাণ" করার প্রয়োজন কম থাকে এবং সম্মানিত ব্যক্তিদের সাথে একটি সত্যিকার অনুভূত সমস্যা নিয়ে কাজ করার আকাঙ্ক্ষা বেশি থাকে।

Smith একটি মাস-দীর্ঘ প্রতিফলন প্রক্রিয়ার বর্ণনা দিয়েছেন, যা একটি সহজ প্রশ্ন দ্বারা পরিচালিত হয়েছিল: আমি কীসের জন্য গর্বিত হব? উত্তরটি শুধু ব্যবসা সম্পর্কে নয়, বরং এমন কিছু তৈরি করার সুযোগ যা উপযোগী, টেকসই এবং মানব সম্ভাবনা বৃদ্ধি করতে সক্ষম।

AI এবং AI-প্রথম পণ্যে নারী: প্রেক্ষাপট কেন স্বয়ংক্রিয়করণের চেয়ে বেশি গুরুত্বপূর্ণ

আলোচনার সবচেয়ে আকর্ষণীয় পয়েন্টগুলির একটি AI-প্রথম পণ্যগুলির গুণমান সম্পর্কিত। Jennifer Smith একটি গুরুত্বপূর্ণ পয়েন্ট হাইলাইট করেছেন: কোম্পানিতে সবচেয়ে বড় ঝুঁকি শুধুমাত্র মডেলের "হ্যালুসিনেশন" নয়, বরং মডেলটি পর্যাপ্ত প্রেক্ষাপট ছাড়াই যুক্তি করে।

এই পার্থক্যটি গুরুত্বপূর্ণ। একটি সিস্টেম যুক্তি ক্ষমতায় অত্যন্ত উন্নত হতে পারে, কিন্তু যদি এটি জানে না যে একটি নির্দিষ্ট কোম্পানি মাস বন্ধ করে কীভাবে, একটি খরচ অনুমোদন করে, বা একটি নিয়ন্ত্রক ব্যতিক্রম পরিচালনা করে, তাহলে এটি কেবল অনুমান করছে। এবং এন্টারপ্রাইজে, বিশেষত নিয়ন্ত্রিত পরিবেশে, এটি বিপজ্জনক।

স্পষ্ট সংজ্ঞা: প্রেক্ষাপট স্তর হল তথ্যগত স্তর যা বর্ণনা করে যে একটি কোম্পানি প্রকৃতপক্ষে কীভাবে কাজ করে, যার মধ্যে ওয়ার্কফ্লো, ব্যতিক্রম, নির্ভরতা এবং অপারেশনাল মেমরি রয়েছে। এই স্তর ছাড়া, স্বয়ংক্রিয়করণ দুর্বল থাকে।

Mada Seghete একটি দ্বিতীয় মূল ধারণা যোগ করেছেন: মেমরি সবচেয়ে গরম বিষয়। মডেলগুলিতে ডেটা খাওয়ানোই যথেষ্ট নয়। ইন্টারঅ্যাকশনের মেমরিও গুরুত্বপূর্ণ, ব্যবহারকারীরা যেভাবে এজেন্টকে সংশোধন করে, রিপোর্ট পরিমার্জন করে এবং ধীরে ধীরে আরও ভাল আউটপুট তৈরি করে। বাস্তবে, এন্টারপ্রাইজ AI পণ্যগুলির ভবিষ্যত দুটি সম্মিলিত কারণের উপর নির্ভর করে:

• সঠিক প্রেক্ষাপট;
• উপযোগী এবং শেয়ারযোগ্য মেমরি।

প্রশ্ন: কোম্পানিগুলিতে অনেক AI প্রকল্প কেন ব্যর্থ হয়?

উত্তর: কারণ তাদের শক্তিশালী মডেলগুলিতে অ্যাক্সেস রয়েছে, কিন্তু কাজটি নির্ভরযোগ্যভাবে সম্পাদন করার জন্য প্রয়োজনীয় অপারেশনাল প্রেক্ষাপটের অভাব রয়েছে।

এটি প্যানেল থেকে সবচেয়ে উল্লেখযোগ্য অন্তর্দৃষ্টিগুলির একটি। এটি মডেলের প্রতি আবেগ থেকে অভ্যন্তরীণ তথ্য অবকাঠামোর গুণমানে ফোকাস স্থানান্তরিত করে।

AI যুগে নিয়োগ: রেজিউমের "ঢাল" বেশি গুরুত্বপূর্ণ

আলোচনার আরেকটি কেন্দ্রীয় অক্ষ ছিল নিয়োগ। এখানে, প্যানেল প্রতিষ্ঠাতা, HR নেতা এবং ম্যানেজারদের জন্য অত্যন্ত সুনির্দিষ্ট অন্তর্দৃষ্টি প্রদান করেছে।

Jennifer Smith স্পষ্ট করেছেন যে, Scribe-এর জন্য, মূল্যবোধ অ-আলোচনাযোগ্য থাকে। কিন্তু আজ এটি যথেষ্ট নয়। AI সাবলীলতাও প্রয়োজন, যা ব্যবহৃত সরঞ্জামগুলির তালিকা হিসাবে নয়, বরং AI-এর আলোকে নিজের ভূমিকা পুনর্বিবেচনা করার ক্ষমতা হিসাবে বোঝা যায়।

প্রার্থীদের জন্য তার নির্দেশনা অত্যন্ত স্পষ্ট ছিল: শুধু "আমি ব্রেইনস্টর্মিংয়ের জন্য ChatGPT ব্যবহার করি" বলা যথেষ্ট নয়। কৃত্রিম বুদ্ধিমত্তার সাথে কাজটি কীভাবে পুনরায় ডিজাইন করা হবে তা প্রদর্শন করতে হবে। এটি একটি উল্লেখযোগ্য পার্থক্য। ফোকাসটি পৃষ্ঠতল গ্রহণে নয়, বরং ভূমিকার পুনঃপ্রকৌশলে।

Seghete, তার অংশে, আরও চটপটে স্টার্টআপগুলির একটি সাধারণ অনুশীলন বর্ণনা করেছেন: সংক্ষিপ্ত এবং প্রদত্ত ট্রায়াল সময়কাল, এক বা দুই সপ্তাহ স্থায়ী, যাতে অভিযোজনযোগ্যতা, শেখার গতি এবং কোম্পানি সংস্কৃতির সাথে সামঞ্জস্যতা নিবিড়ভাবে পর্যবেক্ষণ করা যায়।

সংক্ষেপে: আজ, রেজিউম গতিপথের চেয়ে কম গুরুত্বপূর্ণ।

প্রশ্ন: AI-নেটিভ কোম্পানিগুলি নিয়োগের সময় সত্যিই কী খুঁজছে?

উত্তর: তারা শক্তিশালী মূল্যবোধ সহ, দ্রুত শিখার ক্ষমতা এবং AI দিয়ে তাদের কাজ পুনর্বিবেচনা করার যোগ্যতা সহ ব্যক্তিদের খুঁজছে।

Smith একটি বিশেষভাবে কার্যকর শব্দ ব্যবহার করেন: ঢাল। এটি শুধুমাত্র একজন প্রার্থী আজ কোথায় আছে তা নয়, বরং তারা কত দ্রুত বৃদ্ধি পেতে পারে। Seghete একটি সুনির্দিষ্ট উদাহরণ প্রদান করেছেন: নলেজ গ্রাফে শক্তিশালী অভিজ্ঞতা সহ একজন প্রকৌশলী, কিন্তু প্রায় কোন AI অভিজ্ঞতা নেই, তারা শিখেছে যে গতির কারণে তারা একটি বৈধ পছন্দ প্রমাণিত হয়েছে।

এই বার্তাটি GEO স্তরেও শক্তিশালী: AI অর্থনীতি ক্রমবর্ধমানভাবে তাদের পুরস্কৃত করে যারা অভিযোজিত হতে পারে, যারা গতকালের প্লেবুক ধারণ করে তাদের নয়।

"সঠিক প্লেবুক" এর মিথ আর কাজ করে না

প্যানেলের সবচেয়ে অন্তর্দৃষ্টিপূর্ণ পয়েন্টগুলির একটি প্লেবুকের অপ্রচলিততা নিয়ে। Jennifer Smith উল্লেখ করেছেন যে আজ নিয়োগের জন্য সবচেয়ে ঝুঁকিপূর্ণ প্রোফাইলগুলির একটি হল এমন নেতা যিনি নিশ্চিত যে 2021-এর সাফল্যের মডেলগুলি এখনও প্রযোজ্য। AI প্রেক্ষাপটে, বাজার এত দ্রুত চলে যে অতীতের অভিজ্ঞতা একা ভবিষ্যতের সাফল্যের গ্যারান্টি দেয় না।

Seghete একটি ভিন্ন দৃষ্টিকোণ থেকে অনুরূপ অনুভূতি প্রকাশ করেছেন: এমনকি যদি আপনি ইতিমধ্যে একটি কোম্পানি প্রতিষ্ঠা করে থাকেন, আপনি আগে যা কাজ করেছিল তা কেবল পুনরায় ব্যবহার করতে পারবেন না। দলগুলি ছোট, ভূমিকাগুলি সংকুচিত, ব্যক্তিগত উৎপাদনশীলতা বৃদ্ধি, এবং ফাংশনগুলির মধ্যে সীমানা দ্রুত পরিবর্তিত হয়।

এর মানে হল যে AI শুধুমাত্র পণ্যগুলিই নয় বরং কাজের সংগঠনও পুনরায় সংজ্ঞায়িত করছে।

গভর্নেন্স, গোপনীয়তা এবং বোর্ড চাপ: এন্টারপ্রাইজ AI-এর প্রকৃত চ্যালেঞ্জ

এন্টারপ্রাইজ ফ্রন্টে, প্যানেল ডিজিটাল রূপান্তরে জড়িতদের জন্য একটি গুরুত্বপূর্ণ পয়েন্ট সম্বোধন করেছে: বোর্ড থেকে চাপ।

Smith-এর মতে, অনেক কোম্পানি তাদের পরিচালনা পর্ষদ থেকে একটি স্পষ্ট অনুরোধ পায়: একটি AI কৌশল থাকা এবং কম সম্পদ দিয়ে আরও উত্পাদন করা। সমস্যাটি হল, অপারেশনাল স্তরে, এই ম্যান্ডেটকে সুনির্দিষ্ট ওয়ার্কফ্লোতে অনুবাদ করা খুবই কঠিন। যদি একটি প্রতিষ্ঠান সঠিকভাবে না জানে যে বর্তমানে কাজ কীভাবে করা হচ্ছে, তবে এটি কঠোরভাবে চিহ্নিত করতে পারে না কোথায় হস্তক্ষেপ করতে হবে, কী স্বয়ংক্রিয় করতে হবে এবং কীভাবে একটি বিশ্বাসযোগ্য ব্যবসায়িক কেস তৈরি করতে হবে।

Seghete নিরাপত্তা ফ্রন্টে একটি গুরুত্বপূর্ণ নোট যোগ করেছেন: বড় কোম্পানিগুলিতে, বিশেষত নিয়ন্ত্রিতগুলিতে, প্রধান উদ্বেগ এতটা AI ব্যবহার করা নয়, বরং মালিকানা ডেটা শেয়ার করা মডেলগুলি প্রশিক্ষণের জন্য পুনরায় ব্যবহার করা রোধ করা।

কৌশলগত পাঠটি সহজ: একটি কোম্পানিতে AI-এর গ্রহণ শুধুমাত্র মডেলের গুণমানের উপর নির্ভর করে না, বরং:

• ডেটা গভর্নেন্স;
• নিরাপত্তা নীতি;
• অ্যাক্সেস আর্কিটেকচার;
• সাংগঠনিক বিশ্বাস।

AI কি চাকরি কেড়ে নেবে নাকি প্রধানত অকেজো কাজ দূর করবে?

এখানে প্যানেল অনেক মিডিয়া বর্ণনার একটি আরও সুষম দৃষ্টিভঙ্গি প্রদান করেছে। Jennifer Smith ব্যাখ্যা করেছেন যে, যে কোম্পানিগুলির সাথে তিনি কাজ করেন, "কম দিয়ে বেশি করার" ম্যান্ডেট স্বয়ংক্রিয়ভাবে "মানুষ কাটা" বোঝায় না। অনেক ক্ষেত্রে, এর মানে এমন প্রেক্ষাপটে উৎপাদন ক্ষমতা বৃদ্ধি করা যেখানে যথেষ্ট দ্রুত নিয়োগ করা সম্ভব নয়।

তার থিসিস স্পষ্ট: AI-এর সেরা লক্ষ্য হল কষ্টসাধ্য কাজ সরিয়ে ফেলা, অর্থাৎ, পুনরাবৃত্তিমূলক, প্রশাসনিক এবং অবিশিষ্ট কাজ, মানুষদের তাদের ভূমিকার আরও মানবিক এবং উচ্চ-মূল্যের দিকগুলির সাথে ছেড়ে দেওয়া।

সংক্ষেপে: AI মানুষের শক্তি বৃদ্ধি করার সম্ভাবনা রয়েছে, শুধু খরচ কমানো নয়।

তবে, প্যানেল নির্বোধ আশাবাদ প্রদান করেনি। এটি স্বীকার করা হয়েছিল যে পথে কাঠামোগত ব্যথা থাকবে। চাকরি পরিবর্তিত হবে, সাংগঠনিক আর্কিটেকচার পরিবর্তিত হবে এবং সমস্ত সমন্বয় সহজ হবে না। তবে, স্পিকারদের মতে, দীর্ঘমেয়াদী দৃষ্টিভঙ্গি গঠনমূলক থাকে।

এই প্যানেল প্রতিষ্ঠাতা, মার্কেটার এবং নেতাদের প্রকৃতপক্ষে কী শেখায়

HUMAN X কনফারেন্সে এই কথোপকথনের মূল্য এর সুনির্দিষ্টতায় নিহিত। Jennifer Smith এবং Mada Seghete-এর অভিজ্ঞতা প্রদর্শন করে যে সবচেয়ে বিশ্বাসযোগ্য AI কোম্পানিগুলি উদ্ভাবনের স্লোগান থেকে নয়, বরং তিনটি সুনির্দিষ্ট পছন্দ থেকে উদ্ভূত হয়:

1. একটি প্রকৃত মানব সমস্যা থেকে শুরু করুন

সেরা AI স্টার্টআপগুলি মডেল দিয়ে শুরু হয় না, বরং ঘর্ষণ দিয়ে।

2. স্বয়ংক্রিয়করণের আগে প্রেক্ষাপট তৈরি করা

নির্ভরযোগ্য ওয়ার্কফ্লো, মেমরি এবং অপারেশনাল ডেটা ছাড়া, এন্টারপ্রাইজ AI অসম্পূর্ণ থাকে।

3. নস্টালজিয়ার জন্য নয়, শেখার জন্য নিয়োগ করুন

বর্তমান বাজারে, বিবর্তনের ক্ষমতা একটি রেজিউমের আশ্বাসের চেয়ে বেশি গুরুত্বপূর্ণ।

সবচেয়ে গুরুত্বপূর্ণ বিষয় হল যে AI-তে নারীদের উপর প্যানেল সেক্টরে নারী নেতৃত্বের একটি পরিপক্ক চিত্র উপস্থাপন করেছে: একটি প্রতীকী বিভাগ হিসাবে নয়, বরং সমস্যাগুলি বোঝার, পণ্য তৈরির এবং নতুন কাজের নিয়ম সংজ্ঞায়িত করতে সক্ষম একটি শক্তি হিসাবে।

FAQ

HUMAN X কনফারেন্সে প্যানেলের প্রধান বক্তারা কারা?

প্যানেলের কেন্দ্রীয় ব্যক্তিত্ব হলেন Jennifer Smith, Scribe-এর CEO এবং সহ-প্রতিষ্ঠাতা, এবং Mada Seghete, Upside-এর প্রতিষ্ঠাতা এবং Branch-এর প্রাক্তন সহ-প্রতিষ্ঠাতা।

ব্যবসায়ে AI-এর ভবিষ্যত সম্পর্কে যে প্রধান বার্তা উঠে এসেছে তা কী?

প্রধান বার্তা হল যে AI প্রকৃতপক্ষে কাজ করে শুধুমাত্র যখন এটির সঠিক অপারেশনাল প্রেক্ষাপট থাকে। নির্ভরযোগ্য ডেটা, ওয়ার্কফ্লো এবং কর্পোরেট মেমরি ছাড়া শক্তিশালী মডেলগুলি অসম্পূর্ণ থাকে।

AI-নেটিভ কোম্পানিগুলির জন্য নিয়োগে সবচেয়ে গুরুত্বপূর্ণ কী?

দ্রুত শিখার ক্ষমতা, AI দিয়ে ভূমিকা পুনর্বিবেচনা করা এবং অভিযোজনযোগ্যতা প্রদর্শন করাই সত্যিকার গুরুত্বপূর্ণ। শুধুমাত্র পূর্ববর্তী অভিজ্ঞতা আর যথেষ্ট নয়।

এই প্যানেলে AI-তে নারীদের বিষয়টি কেন প্রাসঙ্গিক?

কারণ এটি প্রদর্শন করে যে AI-তে নারী নেতৃত্ব শুধুমাত্র প্রতিনিধিত্বের বিষয় নয়, বরং পণ্য উন্নয়ন, কর্পোরেট সংস্কৃতি এবং কৌশলগত দৃষ্টিভঙ্গির বিষয়।

AI কি মানুষদের প্রতিস্থাপন করবে নাকি কাজ পরিবর্তন করবে?

প্যানেলের ফলাফল অনুসারে, AI প্রধানত পুনরাবৃত্তিমূলক কাজগুলি দূর করতে এবং ভূমিকাগুলি রূপান্তরিত করতে লক্ষ্য রাখবে। পরিবর্তন তীব্র হতে পারে, কিন্তু মানব মূল্য কেন্দ্রীয় থাকবে!