বাংলাদেশের ব্যবসা ও সরবরাহ ব্যবস্থায় কৃত্রিম বুদ্ধিমত্তার ব্যবহার স্থিতিস্থাপকতা বাড়াতে পারে, তবে প্রযুক্তিটি একাই সব ধরনের ঝুঁকি দূর করতে পারে না বলে নতুন একটি গবেষণাভিত্তিক প্রতিবেদনে উঠে এসেছে। বাংলাদেশে ৩৭২ জন ব্যবস্থাপকের ওপর পরিচালিত জরিপের তথ্য বিশ্লেষণ করে গবেষণাটি দেখিয়েছে, AI বিশেষ করে predictive analytics-এর মাধ্যমে supply chain resilience বাড়াতে ভূমিকা রাখতে পারে। তবে এর কার্যকারিতা নির্ভর করে প্রতিষ্ঠানের প্রযুক্তিগত প্রস্তুতি, ডেটার মান এবং ব্যবস্থাপনা কাঠামোর ওপর। BIOENGINEER.ORG
বাংলাদেশের অর্থনীতিতে সরবরাহ ব্যবস্থা অত্যন্ত গুরুত্বপূর্ণ। তৈরি পোশাক, কৃষি, খাদ্য, ওষুধ, ইলেকট্রনিক্স, আমদানি-নির্ভর শিল্প এবং খুচরা ব্যবসা—প্রায় প্রতিটি খাতই কাঁচামাল, উৎপাদন, পরিবহন ও বাজারের মধ্যে সমন্বয়ের ওপর নির্ভরশীল। কোনো একটি পর্যায়ে সমস্যা তৈরি হলে তার প্রভাব পুরো ব্যবসায়িক চেইনে ছড়িয়ে পড়তে পারে। কাঁচামালের দাম পরিবর্তন, পরিবহন সমস্যা, চাহিদার ওঠানামা, আবহাওয়াজনিত ঝুঁকি বা আন্তর্জাতিক বাজারের অস্থিরতা প্রতিষ্ঠানগুলোর জন্য বড় চ্যালেঞ্জ তৈরি করে।
AI এখানে মূলত আগাম পূর্বাভাস এবং তথ্য বিশ্লেষণের মাধ্যমে সহায়তা করতে পারে। একটি প্রতিষ্ঠানের অতীত বিক্রির তথ্য, বাজারের চাহিদা, সরবরাহকারীর কর্মক্ষমতা, পরিবহন সময় এবং অন্যান্য সূচক একসঙ্গে বিশ্লেষণ করে AI সম্ভাব্য পরিবর্তনের পূর্বাভাস দিতে পারে। ফলে প্রতিষ্ঠান আগে থেকেই উৎপাদন, মজুত এবং সরবরাহ পরিকল্পনা পরিবর্তন করার সুযোগ পায়।
বাংলাদেশের মতো দ্রুত পরিবর্তনশীল বাজারে এই সক্ষমতা গুরুত্বপূর্ণ। কোনো পণ্যের চাহিদা হঠাৎ বেড়ে গেলে প্রচলিত ব্যবস্থায় প্রতিষ্ঠান হয়তো কয়েক দিন বা কয়েক সপ্তাহ পরে পরিস্থিতি বুঝতে পারে। AI-ভিত্তিক analytics ব্যবস্থা নিয়মিত ডেটা বিশ্লেষণ করলে পরিবর্তনের সংকেত আগেই শনাক্ত করা সম্ভব হতে পারে। একইভাবে অতিরিক্ত inventory ধরে রাখার ফলে যে খরচ তৈরি হয়, সেটিও কমানোর সুযোগ থাকে।
তবে গবেষণাটি AI ব্যবহারের সীমাবদ্ধতার দিকটিও সামনে এনেছে। AI-এর ফলাফল যত ভালোই হোক, সেটি যে ডেটার ওপর প্রশিক্ষিত বা পরিচালিত হচ্ছে, সেই ডেটা যদি অসম্পূর্ণ, ভুল বা পক্ষপাতপূর্ণ হয়, তাহলে সিদ্ধান্তও দুর্বল হতে পারে। বাংলাদেশের অনেক প্রতিষ্ঠানে এখনও বিভিন্ন বিভাগের ডেটা আলাদা সিস্টেমে সংরক্ষিত থাকে। কোথাও কাগজভিত্তিক রেকর্ড, কোথাও spreadsheet, আবার কোথাও বিচ্ছিন্ন software ব্যবহারের কারণে একটি সমন্বিত data ecosystem তৈরি হয়নি।
এ ছাড়া ছোট ও মাঝারি ব্যবসার জন্য AI ব্যবহারের খরচও একটি বড় বিষয়। উন্নত analytics system, cloud infrastructure, data engineering এবং দক্ষ কর্মী তৈরি করতে বিনিয়োগ প্রয়োজন। বড় করপোরেট প্রতিষ্ঠান হয়তো এই ব্যয় বহন করতে পারে, কিন্তু ছোট ব্যবসার জন্য তা তুলনামূলকভাবে কঠিন হতে পারে। ফলে AI adoption-এর সঙ্গে নতুন ধরনের digital divide তৈরি হওয়ার আশঙ্কাও রয়েছে।
AI ব্যবহারের আরেকটি গুরুত্বপূর্ণ দিক হলো কর্মীদের ভূমিকা। AI যদি সরবরাহ ব্যবস্থার পূর্বাভাস দিতে পারে, তাহলে ব্যবস্থাপকদের কাজ পুরোপুরি শেষ হয়ে যাবে না। বরং তাদের ভূমিকা বদলাবে। AI যে পূর্বাভাস দিচ্ছে তা ব্যবসায়িক বাস্তবতার সঙ্গে মিলিয়ে দেখা, ব্যতিক্রমী পরিস্থিতি শনাক্ত করা এবং শেষ সিদ্ধান্ত নেওয়ার জন্য মানবিক দক্ষতা প্রয়োজন থাকবে।
বাংলাদেশের শিল্পখাতে AI adoption বাড়াতে হলে তাই শুধু software কেনার দিকে মনোযোগ দিলেই হবে না। ডেটা standardisation, কর্মীদের প্রশিক্ষণ, cybersecurity, cloud infrastructure এবং ব্যবস্থাপনার পরিবর্তনও প্রয়োজন। একই সঙ্গে স্থানীয় ব্যবসার জন্য সাশ্রয়ী AI solution তৈরি করা গেলে এর ব্যবহার আরও দ্রুত বাড়তে পারে।
গবেষণার ফলাফল বাংলাদেশের জন্য একটি গুরুত্বপূর্ণ বার্তা দেয়। AI ব্যবসার ঝুঁকি কমাতে এবং supply chain আরও নমনীয় করতে কার্যকর হতে পারে, কিন্তু এটি কোনো জাদুকরী সমাধান নয়। সঠিক ডেটা, দক্ষ কর্মী, প্রযুক্তিগত অবকাঠামো এবং কার্যকর ব্যবস্থাপনা ছাড়া AI-এর সম্ভাবনা পুরোপুরি কাজে লাগানো কঠিন। তাই বাংলাদেশের ব্যবসায়িক খাতে AI-এর পরবর্তী ধাপ হওয়া উচিত শুধু adoption নয়, বরং বাস্তব ব্যবসায়িক সমস্যার সঙ্গে AI-কে কার্যকরভাবে যুক্ত করা।
০ টি মন্তব্য