মানুষ অনন্য, কারণ সে ভুল করে: একই কাজ বারবার করলে মানুষের ভুল বাড়ে, মেশিনের নয়

Humans Are Unique Because They Err: Why Repetition Breeds Human Error, and How Machines Fail Differently

Share:
গাঢ় সবুজ টেবিলে দুই সারি ডমিনো: রোবটিক হাত একদম সোজা সারি সাজাচ্ছে, আর মানুষের হাতে সাজানো সারিটি একটু আঁকাবাঁকা, কয়েকটি ঘুঁটি পড়ে গেছে

মানুষ অনন্য, কারণ সে ভুল করে। আর তাকে যদি একই কাজ বারবার করতে দেওয়া হয়, সে আরও বেশি ভুল করে। ঠিক এই জায়গাটিতেই AI, মেশিন বা রোবট মানুষের চেয়ে আলাদা। একটি রোবটিক হাত হাজারবার ডমিনোর ঘুঁটি সাজালে হাজারবারই সোজা সারি পাবেন। মানুষের হাতে সেই সারি কোথাও একটু বেঁকে যাবে, কোথাও একটা ঘুঁটি পড়ে যাবে। প্রথম শুনলে মনে হয়, এটা তো মানুষের দুর্বলতার স্বীকারোক্তি। কিন্তু একটু গভীরে গেলে দেখা যায়, এই ভুল করার ক্ষমতার ভেতরেই লুকিয়ে আছে মানুষের সবচেয়ে বড় শক্তিগুলো।

এই লেখায় আমি তিনটি প্রশ্নের উত্তর খুঁজব। একঘেয়ে কাজে মানুষ কেন বেশি ভুল করে? মেশিন কি সত্যিই ভুল করে না? আর মানুষের ভুল কেন তাকে অনন্য করে তোলে? শেষে দেখব, AI যুগে এই বোঝাপড়া আমাদের কাজ, প্রতিষ্ঠান আর ক্যারিয়ারের জন্য কী অর্থ বহন করে।

১. একই কাজ বারবার করলে মানুষের ভুল কেন বাড়ে

ভাবুন, আপনাকে একটি অফিসে বসিয়ে বলা হলো, সারাদিন কাগজের ফর্ম দেখে একই ধরনের তথ্য কম্পিউটারে তুলতে হবে। প্রথম ঘণ্টায় আপনি প্রতিটি অক্ষর মন দিয়ে দেখবেন। দুপুরের পর হাত চলবে, কিন্তু মন চলে যাবে অন্য কোথাও। বিকেলে হয়তো একটি সংখ্যা উল্টে লিখবেন, একটি লাইন বাদ পড়ে যাবে, অথচ আপনি টেরও পাবেন না। এটা অলসতা বা অযোগ্যতা নয়। এটা মানুষের মস্তিষ্কের স্বাভাবিক গঠন।

মনোযোগ একটি সীমিত সম্পদ

আমাদের মনোযোগ অফুরন্ত নয়। দীর্ঘ সময় ধরে একঘেয়ে কিছুর ওপর নজর রাখতে হলে সময়ের সঙ্গে সঙ্গে ভুল ধরার ক্ষমতা কমে আসে। মনোবিজ্ঞানে একে বলে ভিজিলেন্স ডিক্রিমেন্ট (vigilance decrement)। দ্বিতীয় বিশ্বযুদ্ধের সময় ব্রিটিশ মনোবিজ্ঞানী নরম্যান ম্যাকওয়ার্থ রাডার পর্যবেক্ষকদের নিয়ে কাজ করতে গিয়ে এই প্রবণতা নিয়ে পরীক্ষা করেছিলেন। পরের কয়েক দশকের গবেষণাও মোটামুটি একই কথা বলে: কাজ যত একঘেয়ে আর লম্বা, সতর্কতা তত দ্রুত ক্ষয় হয়।

একঘেয়েমি আর ক্লান্তি

মানুষের মস্তিষ্ক নতুনত্ব খোঁজে। একই কাজ বারবার করলে মস্তিষ্ক সেটিকে "গুরুত্বহীন" ধরে নিয়ে অন্যদিকে মন দিতে চায়। এর সঙ্গে যোগ হয় শারীরিক আর মানসিক ক্লান্তি, ঘুমের অভাব, ক্ষুধা, দুশ্চিন্তা। কারখানার শ্রমিক, রাতের শিফটের নার্স, লম্বা পথের ট্রাকচালক, কিংবা হিসাবরক্ষকের টেবিলে কাগজের স্তূপ, সবখানেই একই সত্য: ক্লান্ত মানুষ ভুল করে বেশি।

অটোপাইলট: অভ্যাসের ফাঁদ

সবচেয়ে মজার, আবার সবচেয়ে বিপজ্জনক ব্যাপারটি হলো, কোনো কাজ যত অভ্যস্ত হয়ে যায়, আমরা তত কম সচেতনভাবে সেটি করি। মস্তিষ্ক কাজটিকে অটোপাইলটে ছেড়ে দেয়। এতে শক্তি বাঁচে, কিন্তু কোথাও সামান্য ব্যতিক্রম এলে আমরা সেটি খেয়াল করি না। রোজকার রাস্তায় গাড়ি চালাতে চালাতে ভুল মোড়ে ঢুকে পড়া, অথবা চশমা মাথায় রেখেই চশমা খোঁজা, এগুলো অটোপাইলটেরই উদাহরণ।

পুনরাবৃত্তি থেকে ভুল: একটি দুষ্টচক্র

পুনরাবৃত্তি
একই কাজ বারবার
একঘেয়েমি
কাজটি আর নতুন লাগে না
অটোপাইলট
হাত চলে, মন অন্যখানে
মনোযোগ কমে
ব্যতিক্রম চোখ এড়ায়
ক্লান্তি জমে
সতর্কতা আরও ক্ষয় হয়
ভুল ঘটে
স্লিপ বা ল্যাপস

ভুল ধরা না পড়লে কাজ আবার একই ছন্দে চলে, আর চক্রটি ঘুরতে থাকে

একঘেয়ে কাজে মানুষের ভুল সাধারণত হঠাৎ আসে না, ধাপে ধাপে জমে ওঠে।

২. James Reason যেভাবে মানুষের ভুলকে ভাগ করেছেন

ব্রিটিশ মনোবিজ্ঞানী জেমস রিজন (James Reason) মানুষের ভুল নিয়ে গবেষণার জন্য বিখ্যাত। তাঁর "Human Error" বইটি এই বিষয়ে একটি পরিচিত সূত্রগ্রন্থ। তাঁর ব্যাখ্যা অনুযায়ী, সব ভুল এক রকম নয়। সহজভাবে বললে মূলত দুটি বড় ধরন আছে:

  • স্লিপ ও ল্যাপস (slips and lapses): আপনি জানেন কী করতে হবে, পরিকল্পনাও ঠিক, কিন্তু করতে গিয়ে গড়বড় হয়ে গেল। স্লিপ হলো ভুল কাজটি করে ফেলা, যেমন চিনির বদলে লবণ দেওয়া। ল্যাপস হলো কিছু করতে ভুলে যাওয়া, যেমন চুলা বন্ধ করতে ভুলে যাওয়া।
  • মিসটেক (mistakes): এখানে পরিকল্পনাটাই ভুল। আপনি যা করতে চেয়েছেন, ঠিকভাবেই করেছেন, কিন্তু ভুল বোঝা, ভুল তথ্য বা ভুল বিচারের কারণে সিদ্ধান্তটাই ভুল ছিল।

এই ভাগটি আমাদের আলোচনার জন্য খুব গুরুত্বপূর্ণ। রিজনের কাজ থেকে একটি পরিষ্কার শিক্ষা পাওয়া যায়: স্লিপ আর ল্যাপস সবচেয়ে বেশি ঘটে পরিচিত, রুটিন, অভ্যস্ত কাজে, যখন মনোযোগ অন্যখানে থাকে। অর্থাৎ একঘেয়ে পুনরাবৃত্তির কাজই মানুষের এই ধরনের ভুলের সবচেয়ে উর্বর জমি।

রিজনের আরেকটি বিখ্যাত ধারণা হলো "সুইস চিজ মডেল" (Swiss cheese model)। একটি প্রতিষ্ঠানের নিরাপত্তা ব্যবস্থাকে কয়েকটি সুইস চিজের টুকরোর মতো ভাবুন, প্রতিটিতে কিছু ফুটো আছে। একটি স্তরের ফুটো দিয়ে ভুল গলে গেলেও পরের স্তর সাধারণত সেটি আটকে দেয়। বড় দুর্ঘটনা তখনই ঘটে, যখন সব স্তরের ফুটো একই সারিতে চলে আসে। এর মানে, বড় বিপর্যয়ের জন্য প্রায়ই একজন মানুষ একা দায়ী নন, দায়ী পুরো ব্যবস্থার নকশা।

সুইস চিজ মডেল: ভুল কখন বিপর্যয় হয়

ভুল বা ঝুঁকি আটকে গেল ক্ষতি ঘটে প্রশিক্ষণ চেকলিস্ট যন্ত্রের সতর্কতা তত্ত্বাবধান প্রতিরক্ষার স্তর (উদাহরণ)
প্রতিটি স্তরে কিছু দুর্বলতা থাকে। একটি স্তর ব্যর্থ হলেও পরের স্তর সাধারণত ভুল আটকায়; ক্ষতি ঘটে কেবল যখন সব স্তরের ফুটো একই সারিতে চলে আসে। স্তরগুলোর নাম শুধু উদাহরণ।
"মানুষকে ভুল না করতে বলা যায় না। কিন্তু এমন ব্যবস্থা বানানো যায়, যেখানে একজনের ভুল বিপর্যয়ে পরিণত হয় না।"

৩. মেশিন আর রোবট কেন ক্লান্ত হয় না

একটি মেশিনের কাছে প্রথম কাজ আর লাখতম কাজের মধ্যে কোনো পার্থক্য নেই। তার একঘেয়েমি নেই, ঘুম পায় না, মন খারাপ হয় না, বাসায় কী রান্না হচ্ছে তা নিয়ে ভাবে না। একবার ঠিকভাবে প্রোগ্রাম করা আর ঠিকভাবে ক্যালিব্রেট করা হলে, সে একই নির্দেশ একই নির্ভুলতায় বারবার পালন করে।

এ কারণেই গাড়ির কারখানায় ওয়েল্ডিং করে রোবট, ব্যাংকের হিসাব মেলায় সফটওয়্যার, আর ক্যালকুলেটরকে আমরা কখনো সন্দেহ করি না যে সে ক্লান্ত হয়ে যোগফল ভুল দেবে। যে কাজের নিয়ম পরিষ্কার, পরিবেশ নিয়ন্ত্রিত, আর ফলাফল বারবার একই রকম হওয়া দরকার, সেখানে অটোমেশন মানুষের চেয়ে স্পষ্টভাবেই এগিয়ে।

আজকের AI এই ক্ষমতাকে আরও বাড়িয়েছে। আগে মেশিন কেবল কঠোর নিয়মের কাজ পারত। এখন AI হাজার হাজার ডকুমেন্ট পড়ে সারসংক্ষেপ করতে পারে, ছবি দেখে ত্রুটি চিনতে পারে, ক্লান্তিহীনভাবে রাতভর কাজ চালিয়ে যেতে পারে।

কার শক্তি কোথায়: পাঁচটি গুণে তুলনা ধারণাগত চিত্র

বেশি মাঝারি কম নিখুঁততা ক্লান্তিহীনতা বিচারবুদ্ধি সৃজনশীলতা সহানুভূতি
মেশিন ও AIমানুষ
এটি কোনো মাপা ডেটা নয়, শুধু ধারণা বোঝানোর চিত্র: পুনরাবৃত্তির গুণে মেশিন এগিয়ে, বিচার ও মানবিক গুণে মানুষ।

৪. তবে মেশিনও ভুল করে, শুধু ধরনটা আলাদা

এখানে এসে গল্পটা একটু জটিল হয়। "মেশিন ভুল করে না" কথাটা পুরোপুরি সত্য নয়। আসলে মেশিন ক্লান্তির কারণে এলোমেলো ভুল করে না, কিন্তু অন্য ধরনের ভুল করে, এবং সেই ভুলগুলো কখনো কখনো মানুষের ভুলের চেয়েও বিপজ্জনক।

একই ভুল, বারবার, একদম নিখুঁতভাবে

একজন মানুষ ক্লান্ত হয়ে একটি পণ্যে ভুল করলে সেটি একটি পণ্যেই সীমাবদ্ধ থাকে। কিন্তু একটি মেশিনের সেটিং ভুল থাকলে, বা একটি সফটওয়্যারে একটি বাগ (bug) থাকলে, সে হাজার হাজার বার একই ভুল করবে, একই নিখুঁত দক্ষতায়। একে বলা যায় পদ্ধতিগত বা সিস্টেমেটিক ভুল। মেশিনের নির্ভুল পুনরাবৃত্তির শক্তিই তখন ভুলকে বহুগুণ বাড়িয়ে দেয়।

সময়ের সঙ্গে ভুলের ধরন ধারণাগত চিত্র

বেশি কম ভুলের সম্ভাবনা পুনরাবৃত্তি ও সময় → মানুষ মেশিন ত্রুটি থাকলে: একই ভুল বহুবার
মানুষ: ক্লান্তি ও একঘেয়েমিতে ভুল বাড়েমেশিন ও AI: সাধারণত সমান, মাঝে মাঝে সিস্টেমেটিক ভুল
এটি কোনো মাপা ডেটা নয়, শুধু প্রবণতা বোঝানোর চিত্র: মানুষের ভুল ধীরে জমে, মেশিনের ভুল হঠাৎ আর একসঙ্গে বহু ক্ষেত্রে আসে।

অচেনা পরিস্থিতিতে হোঁচট

মেশিন আর AI সাধারণত সেই পরিস্থিতিতেই ভালো, যার জন্য তাকে তৈরি বা প্রশিক্ষণ দেওয়া হয়েছে। একেবারে নতুন বা অপ্রত্যাশিত কিছু ঘটলে সে প্রায়ই বুঝতেই পারে না যে কিছু একটা অস্বাভাবিক। একজন অভিজ্ঞ মানুষ হয়তো এক নজরেই বলে দিতেন, "এটা ঠিক লাগছে না।" মেশিন সেই সাধারণ বোধ থেকে এখনো অনেক দূরে।

AI-এর আত্মবিশ্বাসী ভুল

আজকের ভাষাভিত্তিক AI-এর একটি বিশেষ সমস্যা আছে। উত্তর না জানলেও সে সুন্দর, গোছানো, আত্মবিশ্বাসী ভাষায় বানানো তথ্য দিতে পারে। একে বলে হ্যালুসিনেশন। মানুষ ভুল করার সময় অনেক সময় দ্বিধা দেখায়, কণ্ঠ নিচু হয়ে আসে। AI-এর ভুল অনেক সময় তার সঠিক উত্তরের মতোই নিশ্চিত শোনায়। বিষয়টি নিয়ে আমি AI হ্যালুসিনেশন ও দায়বদ্ধতা নিয়ে আলাদা করে লিখেছি।

এর সঙ্গে আরেকটি মানবিক ঝুঁকি যুক্ত হয়। মেশিন অনেকবার ঠিক কাজ করলে আমরা তাকে চোখ বুজে বিশ্বাস করতে শুরু করি, তার ভুলও আর খেয়াল করি না। এই প্রবণতাকে বলা হয় অটোমেশন বায়াস (automation bias)। মজার ব্যাপার হলো, মেশিনের ওপর নজর রাখার কাজটিও একঘেয়ে, আর তাই সেখানেও মানুষের মনোযোগ ক্ষয় হয়।

মানুষের ভুল বনাম মেশিনের ভুল

ক্রম🧍 মানুষের ভুল🤖 মেশিন ও AI-এর ভুল
১এলোমেলো, কখন ঘটবে আগে বলা কঠিনপদ্ধতিগত, একই ভুল বারবার একইভাবে
২ক্লান্তি, একঘেয়েমি আর সময়ের সঙ্গে বাড়েক্লান্তিতে বাড়ে না, ত্রুটি থাকলে সব সময় থাকে
৩সাধারণত একটি ঘটনায় সীমাবদ্ধ থাকেদ্রুত হাজার হাজার ক্ষেত্রে ছড়িয়ে পড়তে পারে
৪নতুন পরিস্থিতিতে মানিয়ে নিতে পারেঅচেনা পরিস্থিতিতে প্রায়ই টেরই পায় না
৫ভুল থেকে শিখে নিজেকে বদলাতে পারেAI আত্মবিশ্বাসের সঙ্গে বানানো তথ্য দিতে পারে
প্রশ্নটা "কে ভুল করে" নয়, প্রশ্নটা "কে কোন ধরনের ভুল করে"। দুই ধরনের ভুলের প্রতিকারও আলাদা।

৫. তাহলে ভুলই কেন মানুষকে অনন্য করে

এবার মূল প্রশ্নে আসি। মানুষ যদি একঘেয়ে কাজে মেশিনের চেয়ে বেশি ভুল করে, তাহলে মানুষের ভুলকে কেন আমি তার অনন্যতার অংশ বলছি? কারণ মানুষের ভুল করার ক্ষমতা আর তার বড় শক্তিগুলো একই মুদ্রার দুই পিঠ।

ভুল করা মানুষের স্বভাব, ক্ষমা করা ঐশ্বরিক।আলেকজান্ডার পোপ, An Essay on Criticism (১৭১১): "To err is human; to forgive, divine."

ভুল থেকে শেখা

একটি শিশু হাঁটতে শেখে বারবার পড়ে গিয়ে। সাইকেল চালানো, রান্না, ব্যবসা, সম্পর্ক, প্রায় সবকিছুই আমরা শিখি ভুল করে, তারপর সেই ভুলের অর্থ বুঝে। মানুষ শুধু ভুল শোধরায় না, ভুলটা কেন হলো তা নিয়ে প্রশ্ন তোলে, আর সেই প্রশ্ন থেকে নতুন বোঝাপড়া তৈরি হয়।

মানিয়ে নেওয়ার ক্ষমতা

যে মন একঘেয়ে কাজে উদাস হয়ে যায়, সেই মনই নতুন পরিস্থিতিতে সজাগ হয়ে ওঠে। মানুষের মস্তিষ্ক নতুনত্বের দিকে ঝুঁকে থাকে বলেই সে অপরিচিত সমস্যায় পথ খুঁজে নিতে পারে। একঘেয়েমিতে বিরক্ত হওয়াটা আসলে একটি সংকেত: "এখানে আমার চেয়ে ভালো কিছু করার আছে।"

সৃজনশীলতা, কৌতূহল আর দৈবক্রমে আবিষ্কার

বিজ্ঞানের ইতিহাসে অনেক আবিষ্কার এসেছে পরিকল্পনার বাইরে থেকে। সবচেয়ে পরিচিত উদাহরণ পেনিসিলিন। ১৯২৮ সালে স্কটিশ বিজ্ঞানী আলেকজান্ডার ফ্লেমিং লক্ষ করেন, তাঁর গবেষণাগারে ব্যাকটেরিয়ার একটি কালচার প্লেটে ছত্রাক জন্মেছে, আর সেই ছত্রাকের চারপাশে ব্যাকটেরিয়া জন্মাতে পারেনি। একটি দূষিত প্লেট, যা সাধারণ নিয়মে ফেলে দেওয়ার কথা, সেটিই হয়ে উঠল এক বিশাল আবিষ্কারের সূচনা। পরে হাওয়ার্ড ফ্লোরি ও আর্নস্ট চেইনের কাজে পেনিসিলিন ওষুধ হিসেবে ব্যবহারযোগ্য হয়ে ওঠে, আর তিনজন মিলে নোবেল পুরস্কার পান।

এখানে লক্ষ করার বিষয় হলো, শুধু অনিচ্ছাকৃত ঘটনাটি যথেষ্ট ছিল না। দরকার ছিল একজন কৌতূহলী মানুষ, যিনি "ভুল"টাকে ফেলে না দিয়ে প্রশ্ন করেছেন, "এটা এমন হলো কেন?" একটি নিখুঁত মেশিন হয়তো ওই প্লেট বাতিলের তালিকায় তুলে দিত। মানুষের অসম্পূর্ণতা আর কৌতূহল মিলে খুলে দিল নতুন দরজা।

বিচারবুদ্ধি আর সহানুভূতি

যে মানুষ নিজে ভুল করেছে, সে অন্যের ভুল বুঝতে পারে, ক্ষমা করতে পারে, পরিস্থিতি বিবেচনা করতে পারে। একজন শিক্ষক জানেন কোন ছাত্রের খারাপ ফলের পেছনে অলসতা নয়, পারিবারিক কষ্ট আছে। একজন বিচারক জানেন আইনের অক্ষরের পাশাপাশি তার উদ্দেশ্যও আছে। এই বিচারবুদ্ধি আর সহানুভূতি আসে মানুষ হিসেবে বেঁচে থাকার, ভুল করার আর ভুগে শেখার অভিজ্ঞতা থেকে।

যে মস্তিষ্ক একঘেয়ে কাজে উদাস হয়ে ভুল করে, সেই একই মস্তিষ্ক নতুন কিছু দেখে থমকে দাঁড়ায়, প্রশ্ন করে, আর আবিষ্কার করে।এই লেখার মূল ভাবনা

৬. কে কোন কাজে ভালো: এক নজরে

মানুষ আর মেশিনকে প্রতিদ্বন্দ্বী হিসেবে না দেখে, তাদের শক্তিগুলো পাশাপাশি রাখলে ছবিটা পরিষ্কার হয়। নিচের মিটারটি কোনো জরিপের সংখ্যা নয়, বরং আমার পর্যবেক্ষণভিত্তিক একটি তুলনামূলক ধারণা।

মানুষ বনাম মেশিন ও AI: কার শক্তি কোথায়

গুণ বা কাজমেশিনমানুষ
নিখুঁত পুনরাবৃত্তিঅনেক শক্তিশালীদুর্বল
ক্লান্তিহীন নজরদারিঅনেক শক্তিশালীদুর্বল
অচেনা পরিস্থিতি সামলানোসীমিতশক্তিশালী
নৈতিক বিচার ও সহানুভূতিখুব সীমিতঅনেক শক্তিশালী
নীল দাগ মেশিন ও AI, কমলা দাগ মানুষ। দৈর্ঘ্য শুধু তুলনামূলক ধারণা দেয়, এটি কোনো পরিমাপ নয়।

৭. সেরা সমাধান: দুজনের শক্তি মিলিয়ে কাজ ভাগ করা

যুক্তি তাহলে সরল। যে কাজে মানুষ স্বভাবগতভাবে দুর্বল, সেই কাজ মেশিনকে দিন। যে কাজে মেশিন দুর্বল, সেখানে মানুষকে রাখুন। মানুষকে মেশিনের মতো খাটানো, অর্থাৎ সারাদিন একই বোতাম টেপানো, একই ঘর পূরণ করানো, আসলে মানুষ আর প্রতিষ্ঠান দুজনেরই অপচয়।

দুজনের সেরাটা: কাজের ভাগাভাগি

ক্রমকার হাতেকোন কাজ
১🔁 মেশিন ও AI-কে দিনএকঘেয়ে পুনরাবৃত্তি, ডেটা তোলা, হিসাব মেলানো, নির্দিষ্ট নিয়মের যাচাই।
২🎯 মেশিন ও AI-কে দিননিখুঁত মাপের কাজ, রাতভর নজরদারি, বিপুল তথ্য থেকে প্যাটার্ন খোঁজা।
৩⚖️ মানুষের হাতে রাখুনবিচার, সিদ্ধান্ত, ব্যতিক্রম সামলানো, আর ফলাফলের দায় নেওয়া।
৪💡 মানুষের হাতে রাখুননতুন ধারণা, সৃজনশীল সমাধান, কোন সমস্যাটা আগে সমাধান করা দরকার তা ঠিক করা।
৫🤝 মানুষের হাতে রাখুনসম্পর্ক, আস্থা, আলোচনা, সহানুভূতি, মানুষকে নেতৃত্ব দেওয়া।
৬👁️ দুজন মিলেমেশিন কাজ করবে, মানুষ তত্ত্বাবধান করবে, আর অস্বাভাবিক কিছু দেখলে থামাবে।
মেশিন পুনরাবৃত্তির ভার নিলে মানুষের মনোযোগ বাঁচে, আর সেই মনোযোগ যায় যেখানে সেটি সত্যিই দরকার।

৮. এমন ব্যবস্থা বানান, যা মানুষের ভুল আগে থেকেই ধরে নেয়

সবচেয়ে বাস্তব শিক্ষাটা হলো, "সাবধানে কাজ করুন" বলে মানুষের ভুল বন্ধ করা যায় না। ভালো প্রতিষ্ঠান ধরে নেয় যে মানুষ ভুল করবেই, আর সেই অনুযায়ী ব্যবস্থার নকশা করে। বিমান চালনা আর অস্ত্রোপচারে চেকলিস্টের ব্যবহার এই চিন্তারই ফল। চিকিৎসক অতুল গাওয়ান্দে তাঁর "The Checklist Manifesto" বইয়ে দেখিয়েছেন, অভিজ্ঞ পেশাজীবীরাও সাধারণ চেকলিস্ট থেকে উপকার পান। জাপানের টয়োটা কারখানা থেকে আসা "পোকা-ইয়োকে" (poka-yoke) ধারণাটিও একই কথা বলে: যন্ত্র বা প্রক্রিয়া এমনভাবে বানাও, যাতে ভুল করাটাই কঠিন হয়, যেমন যে প্লাগ শুধু এক দিকেই ঢোকে।

ভুল-সহনশীল কাজের নকশা: পাঁচটি ধাপ

  1. পুনরাবৃত্তি খুঁজুনকোন কাজগুলো একঘেয়ে, বারবার একই রকম, আর কোথায় ভুল বেশি হয় তা চিহ্নিত করুন।
  2. অটোমেশনে দিনযে ধাপের নিয়ম পরিষ্কার, সেটি মেশিন বা সফটওয়্যারকে দিন।
  3. চেকলিস্ট রাখুনগুরুত্বপূর্ণ ধাপ স্মৃতির ওপর ছেড়ে না দিয়ে লিখিত তালিকায় রাখুন।
  4. মানুষকে লুপে রাখুনগুরুত্বপূর্ণ সিদ্ধান্তে মেশিনের ফলাফল মানুষ যাচাই করবে, আর থামানোর ক্ষমতা রাখবে।
  5. ভুল থেকে শিখুনভুল লুকানো নয়, খোলাখুলি জানানোর সংস্কৃতি গড়ুন, আর প্রতিটি ভুলে ব্যবস্থা উন্নত করুন।
লক্ষ্য মানুষকে দোষ দেওয়া নয়, এমন ব্যবস্থা বানানো যেখানে একজনের ভুল বড় বিপদে পরিণত হয় না।

চতুর্থ ধাপটি বিশেষভাবে গুরুত্বপূর্ণ। হিউম্যান-ইন-দ্য-লুপ (human in the loop) মানে শুধু একজন মানুষকে মেশিনের পাশে বসিয়ে রাখা নয়। মানুষটিকে প্রকৃত ক্ষমতা, যথেষ্ট সময় আর প্রয়োজনীয় তথ্য দিতে হবে, নইলে সে নিজেই অটোমেশন বায়াসে আটকে যাবে। আর তার নজরদারির কাজও এমনভাবে সাজাতে হবে, যাতে সেটি অন্তহীন একঘেয়েমিতে পরিণত না হয়।

মানুষকে মেশিনের মতো নিখুঁত হতে বলবেন না। মেশিনকে দিন একঘেয়ে কাজ, আর মানুষকে দিন ভাবার, প্রশ্ন করার আর সিদ্ধান্ত নেওয়ার জায়গা।

৯. AI যুগে ক্যারিয়ারের জন্য এর মানে কী

এই আলোচনার সবচেয়ে ব্যক্তিগত দিকটি হলো ক্যারিয়ার। যে কাজ পুরোপুরি পুনরাবৃত্তিমূলক, নিয়মে বাঁধা, আর যার ফলাফল সহজে মাপা যায়, সেই কাজ ধীরে ধীরে মেশিন ও AI-এর দিকে যাবে, এটা অস্বীকার করার উপায় নেই। আবার এই পরিবর্তন রাতারাতি হবে না, আর সব কাজে সমানভাবেও হবে না।

কোন কাজ কার হাতে: একটি ব্যবহারিক তালিকা
কাজের ধরনকাকে দেবেনকেন
ডেটা এন্ট্রি, হিসাব মেলানোমেশিননিয়ম পরিষ্কার, পুনরাবৃত্তিতে মানুষের স্লিপ বাড়ে
নিখুঁত মাপের উৎপাদনমেশিনক্লান্তিহীন, প্রতিবার একই নির্ভুলতা
রাতভর নজরদারিদুজন মিলেমেশিন নজর রাখবে, অস্বাভাবিক কিছুতে মানুষ সিদ্ধান্ত নেবে
লেখা ও ডকুমেন্টের সারসংক্ষেপদুজন মিলেAI দ্রুত খসড়া দেবে, হ্যালুসিনেশন যাচাই করবে মানুষ
চিকিৎসা, ঋণ বা বিচারের মতো বড় সিদ্ধান্তদুজন মিলেAI বিশ্লেষণে সাহায্য করবে, দায় ও শেষ সিদ্ধান্ত মানুষের
অচেনা বা ব্যতিক্রমী সমস্যামানুষমেশিন প্রায়ই টেরই পায় না যে কিছু অস্বাভাবিক
সম্পর্ক, আলোচনা, নেতৃত্বমানুষআস্থা আর সহানুভূতি আসে মানবিক অভিজ্ঞতা থেকে
নিজের কাজকে এই তিন ভাগে ফেলে দেখুন: কোনটা মেশিনকে দেবেন, কোনটা নিজের হাতে রাখবেন, আর কোথায় দুজন মিলে কাজ করবেন।

তাই নিজেকে প্রশ্ন করুন: আমার কাজের কতটা অংশ একঘেয়ে পুনরাবৃত্তি, আর কতটা বিচার, সম্পর্ক ও সৃজনশীলতা? প্রথম অংশটিকে AI দিয়ে দ্রুত করার কৌশল শিখুন, আর দ্বিতীয় অংশটিকে গভীর করুন। AI ঠিক কোথায় শক্তিশালী আর কোথায় থেমে যায়, তা নিয়ে আমার AI কী পারে আর কী পারে না লেখাটি এখানে কাজে আসতে পারে।

ভবিষ্যতে সবচেয়ে মূল্যবান হবেন তাঁরা, যাঁরা পুরো ব্যবস্থাটা দেখতে পান: কোথায় মেশিন বসবে, কোথায় মানুষ, কোথায় ভুল ঢুকতে পারে, আর কীভাবে তা আটকানো যায়। এই দক্ষতাকে আমি বলি সিস্টেম থিংকিং। মেশিনের সঙ্গে প্রতিযোগিতা করে নয়, মেশিনকে সঠিক জায়গায় বসিয়েই মানুষ এগিয়ে থাকবে।


পরিশেষে বলা যায়, একই কাজ বারবার করলে মানুষ ভুল করবে, এটা মানুষের ব্যর্থতা নয়, মানুষের প্রকৃতি। মেশিন সেই কাজ ক্লান্তিহীনভাবে নিখুঁত করবে, কিন্তু সে নিজের ভুল চিনবে না, অচেনা পরিস্থিতিতে হোঁচট খাবে, আর ভুল থেকে কিছু আবিষ্কারও করবে না। মানুষের ভুলের ভেতরেই আছে শেখা, মানিয়ে নেওয়া, কৌতূহল আর সহানুভূতি। তাই বুদ্ধিমানের কাজ হলো মানুষকে মেশিন বানানোর চেষ্টা না করা, বরং মেশিনকে একঘেয়ে কাজ দিয়ে মানুষকে মানুষের কাজে ফিরিয়ে দেওয়া। মানুষ অনন্য, কারণ সে ভুল করে, আর সেই ভুল থেকে নতুন কিছু গড়তে পারে।

আপনার কাজের কোন অংশটা মেশিনকে দিয়ে দিতে চান?

আপনার দৈনন্দিন কাজে কোন একঘেয়ে অংশে সবচেয়ে বেশি ভুল হয়, আর কোন অংশটা কোনোভাবেই মেশিনকে দেওয়া যাবে না? আপনার ভাবনা জানাতে পারেন।

আপনার ভাবনা জানান

নতুন লেখা সরাসরি আপনার ইনবক্সে

প্রতি শুক্রবার সকাল ১০টায় সপ্তাহের নতুন লেখাগুলো একটি ইমেইলে পাঠানো হয়। কোনো স্প্যাম নয়, যেকোনো সময় আনসাবস্ক্রাইব করা যায়।

Weekly newsletter · Every Friday, 10:00 AM (Bangladesh time)

Raihan Khan

Raihan Khan

AI & Systems Architect, Entrepreneur, e-GP Specialist & Writer

A versatile AI & systems architect and entrepreneur with 10+ years of experience across e-Government systems, software architecture, and project management. Founder of ABCL TECH, Chakri Bangla, Visa Bangla, and e-GP Bangla — alongside writing on technology, society, and personal reflection.