গত ২৪ অক্টোবর কোরিয়া ইন্ডাস্ট্রি ইন্টেলিজেন্টাইজেশন অ্যাসোসিয়েশন (KOIIA)-এর আমন্ত্রণে '২০২৫ মধ্যম আকারের 기업ের মূল প্রতিভা বিকাশ একাডেমি, ভবিষ্যৎ শিল্প মোকাবিলার কৌশল সেমিনার'-এ অংশগ্রহণ করে ক্লেভির প্রতিনিধি ই হোয়ানহো মূল বক্তব্য প্রদান করেন।
আমরা 'AI প্রযুক্তি প্রবর্তনের উদাহরণ এবং DX-এর ব্যবহারিক কৌশল' সেশনে 'Physical AI ব্যবহারের উদাহরণ এবং RAG এজেন্ট প্রবর্তন প্রক্রিয়ায় ব্যর্থতার কারণ ও উন্নয়ন কৌশল' শীর্ষক বিষয়ে অংশগ্রহণ করেছি।
সম্প্রতি AI এজেন্ট নিয়ে আগ্রহ বেড়ে যাওয়ায় অনেক কোম্পানিই AI প্রবর্তনের বিষয়টি বিবেচনা করছে। ইতিমধ্যে অনেক প্রতিষ্ঠান ও কোম্পানি AI পরীক্ষামূলকভাবে প্রবর্তন করে পরিচালনা করছে বলে জানা যায়।
কিন্তু দুঃখজনকভাবে, অনেক কোম্পানি ও প্রতিষ্ঠানে প্রত্যাশিত ROI পাওয়া যাচ্ছে না, অথবা PoC-তে কার্যকর থাকা ফিচারগুলো মূল প্রকল্পে বা বাস্তব ক্ষেত্রে সঠিক উত্তর দিতে পারছে না কিংবা কাজই করছে না—এমন ঘটনা অত্যন্ত বেশি বলে জরিপে দেখা গেছে।
এসব তথ্যের কারণে অনেক কোম্পানি AI তড়িঘড়ি প্রবর্তন করতে দ্বিধা করছে।
এই বক্তৃতায় ক্লেভির প্রতিনিধি ই হোয়ানহো তড়িঘড়ি AI প্রবর্তনের অন্যতম প্রধান ব্যর্থতার কারণ হিসেবে RAG সিস্টেমের সীমাবদ্ধতা এবং ওপেন-সোর্স মডেল বা স্মল LLM (SLM) সম্পর্কে বিস্তারিত ব্যাখ্যা করেন এবং কেন আগের প্রবর্তনের উদাহরণগুলো ব্যর্থ হয়েছিল তা তুলে ধরেন।
শেষ পর্যন্ত AI ব্যবহারের কারণ হলো মানুষের কাজের পরিবর্তে তা করানো অথবা মানুষের চেয়ে ভালো কর্মদক্ষতা প্রদর্শনের প্রত্যাশা করা।
বর্তমানে AI প্রবর্তন করা কোম্পানিগুলোর ব্যবহারিক পর্যায়ের কর্মীরা AI-এর উত্তরের মানের ওপর আস্থা রাখতে না পারায় প্রতিটি AI উত্তর আলাদাভাবে যাচাই করতে হচ্ছে, ফলে কাজ বরং বেড়ে যাচ্ছে—এমন অভিযোগ ক্রমেই জোরালো হচ্ছে।
এর কারণ হলো অধিকাংশ কোম্পানি ওপেন-সোর্স SLM মডেলকে ফাইন-টিউন করে সমাধান হিসেবে ব্যবহার করছে।
স্বজ্ঞাতভাবে মনে হতে পারে, AI নতুন কিছু শিখলে আরও বুদ্ধিমান হবে; কিন্তু বরং AI-কে নতুন জ্ঞান শেখালে তা অতীতের স্মৃতি, অর্থাৎ এলোমেলো প্যারামিটার ওজন হারিয়ে ফেলে।
আরও গুরুতর সমস্যা হলো, কোন তথ্য বা জ্ঞান হারিয়ে গেছে তা কেউ জানতে পারে না।
AI গ্রহণ কোনো ছোটখাটো সম্পদ বিনিয়োগের বিষয় নয়, তাই PoC পর্যায় থেকেই আপনারা অনেক যাচাই-বাছাই করেছেন নিশ্চয়ই।
তাহলে সেই সময়ে কেন এ ধরনের সমস্যা দেখা দেয়নি? এর কারণ অবশ্যই টার্গেট তথ্য দিয়ে পুনরায় প্রশিক্ষণ দেওয়া হয়েছিল।
শুধু সংখ্যা জানত এমন AI-কে বর্ণমালা শেখানোর পর কেবল বর্ণমালা-সম্পর্কিত প্রশ্ন করা হয়েছে, তাই স্বাভাবিকভাবেই এটি ভালো উত্তর দেবে। কিন্তু বাস্তব ক্ষেত্রে কি কেবল এমন নির্দিষ্ট ডোমেইনে বিশেষায়িত মডেলই প্রয়োজন?
আমাদের কর্মক্ষেত্র প্রতিদিন নতুন পরিবেশ ও নতুন ডেটার মুখোমুখি হয়। কিন্তু বিদ্যমান জ্ঞানগুলো এলোমেলোভাবে ধ্বংস করতে করতে প্রশিক্ষিত AI সাধারণ ব্যবহারের উপযোগিতা তো নিশ্চিত করতেই পারে না, এমনকি নির্ভুলতাও নিশ্চিত করতে পারে না।
তাই From-scratch Foundation অতিবৃহৎ ভাষা মডেল থাকা, অথবা এমন মডেল তৈরি করার প্রযুক্তি থাকা প্রয়োজন।
কারণ এ ধরনের মডেলগুলোর কাছে পৃথিবীর প্রায় সব জ্ঞান থাকায় শুধু উত্তরের মানই নয়, নির্ভুলতাও বেশি।
বিশেষায়িত ডোমেইনের ক্ষেত্রে SFT(Supervised Fine-Tuning) নামের প্রযুক্তি ব্যবহার করা যায়। অথবা অল্প পরিমাণ ডেটার ক্ষেত্রে RAG সিস্টেম কিংবা ক্লেভির নিজস্বভাবে তৈরি ইন্টেলিজেন্স ডেটাবেস সিস্টেম, অর্থাৎ সেমান্টিক ডেটাবেস প্রযুক্তি ব্যবহার করলে ফাইন-টিউন করা SLM-এর সীমাবদ্ধতা কাটিয়ে ওঠা সম্ভব।
সরকারও যেহেতু এ ধরনের ফাউন্ডেশন মডেলের গুরুত্ব জানে, তাই তারা প্রচুর সহায়তা দিতে কোনো কার্পণ্য করছে না।
এটি হলো জাতীয় প্রতিনিধি AI প্রকল্প। এই প্রকল্পের সবচেয়ে বড় লক্ষ্য সম্ভবত ডিজিটাল সার্বভৌমত্ব নিশ্চিত করা।
ওপেন সোর্স মডেল ব্যবহার করার সময় উদ্ভূত গুরুতর সীমাবদ্ধতাগুলো ক্লেভিও জানত। তাই ডেটা সংগ্রহ থেকে শুরু করে আর্কিটেকচার ডিজাইন পর্যন্ত সবকিছু নিজস্বভাবে তৈরি করে আমরা ক্লেভির মডেলগুলোকে প্রশিক্ষিত করেছি।
বর্তমানে ক্লেভির মডেলগুলো বিশ্বের শীর্ষস্থানীয় AI-এর সঙ্গে প্রতিযোগিতা করলেও পারফরম্যান্সের দিক থেকে মোটেও পিছিয়ে নেই।
বিশেষ করে, আমাদের নিজস্ব মডেল থাকায় বাইরের মডেল ব্যবহারের ফলে যে নির্ভরশীলতার সমস্যা দেখা দিতে পারে, ক্লেভির ক্ষেত্রে তার কোনো সম্পর্ক নেই।
এখন AI গ্রহণ আর পছন্দের বিষয় নয়, বরং অপরিহার্য হয়ে উঠছে। তবে শুধু সর্বাধুনিক প্রযুক্তি গ্রহণ করলেই কাঙ্ক্ষিত ফলাফল পাওয়া কঠিন।
প্রকৃত উদ্ভাবন তখনই শুরু হয়, যখন প্রযুক্তির সীমাবদ্ধতাগুলো সঠিকভাবে বোঝা যায় এবং আমাদের প্রতিষ্ঠানের পরিবেশ ও লক্ষ্য অনুযায়ী সর্বোত্তম কৌশল নির্ধারণ করা হয়।
ক্লেভি নিজস্ব অতিবৃহৎ ভাষা মডেল ও সেমান্টিক ডেটাবেসসহ পার্থক্য সৃষ্টিকারী প্রযুক্তিগত সক্ষমতার মাধ্যমে প্রতিষ্ঠানগুলো AI গ্রহণের প্রক্রিয়ায় যে পরীক্ষা-নিরীক্ষাজনিত ভুল ও ঝুঁকির মুখোমুখি হয়, তা সর্বনিম্ন পর্যায়ে নামিয়ে আনছে।
আগামীতেও আমরা মাঠপর্যায়ের কণ্ঠস্বরের প্রতি মনোযোগ দিয়ে শুনব এবং আরও বেশি সংখ্যক প্রতিষ্ঠানের আস্থাভাজন AI অংশীদার হয়ে উঠতে সর্বোচ্চ চেষ্টা করব। AI গ্রহণের প্রকৃত সাফল্য ক্লেভির সঙ্গে একসঙ্গে গড়ে তুলুন।