MIT র গবেষণা ৯৫ শতাংশ কাজে এআই সফল হয়নি

MIT

সম্প্রতি একটি MIT (Massachusetts Institute of Technology)-র রিপোর্টে বলা হয়েছে যে প্রায় ৯৫- শতাংশ জেনারেটিভ AI (Generative AI) প্রকল্প (pilots) কাঙ্ক্ষিত অর্থনৈতিক বা কার্যকরভাবে ফলাফল দিচ্ছে না। The Times of India+4AIC Commission+4The Indian Express+4

নিচে সেই রিপোর্টের মূল কথা-বলার এবং কি কারণে এসব প্রকল্প ব্যর্থ হচ্ছে তার একটা সারসারিক বিশ্লেষণ দিচ্ছি:

রিপোর্টে কি বলা হয়েছে

  • রিপোর্টের নাম: The GenAI Divide: State of AI in Business 2025 (MIT’s NANDA initiative) AIC Commission+2The Indian Express+2

  • তথ্যের উৎস: ১৫০ জন AI নেতার সাক্ষাৎকার, ৩৫০ জন সংস্থার কর্মচারীদের সার্ভে, এবং ৩০০টি সাধারণ (public) AI প্রয়োগ পরীক্ষার (deployments/pilots) বিশ্লেষণ। AIC Commission+2The Indian Express+2

  • ফলাফল: প্রায় ৫% প্রকল্পই দ্রুত রাজস্ব বৃদ্ধি বা পরিষ্কার লাভ (revenue acceleration, P&L impact) দেখাতে সক্ষম হয়েছে; বাকি ৯৫% প্রকল্প “কাজে উৎসাহী/পরিমিতভাবে লাভজনক ফলাফল” করতে পারেনি। AIC Commission+2The Financial Express+2

ব্যর্থতার কারণ-সমূহ

রিপোর্ট এবং সংশ্লিষ্ট বিশ্লেষণগুলো কিছু গুরুত্বপূর্ণ কারণ তুলে ধরেছে কেন এত প্রকল্প সফল হচ্ছে না:

  1. প্রকল্পের বাস্তব প্রযোজ্যতা (Workflow integration) কম
    অনেক AI টুল বা সিস্টেম প্রতিষ্ঠিত কাজের প্রণালী বা অভ্যন্তরীণ কাজের প্রবাহের সাথে গুছিয়ে কাজ করতে পারছে না। স্ট্যান্ডঅলোন বা সাধারণ AI টুল প্রায়ই কোম্পানির নির্দিষ্ট কাজের প্রেক্ষাপটে যথেষ্ট নমনীয়তা বা কাস্টমাইজেশন পায় না। The Indian Express+2The Financial Express+2

  2. যেখানে খরচ হচ্ছে পূর্ণ সুবিধা পাওয়া যাচ্ছে না / ভুল জায়গায় বিনিয়োগ হচ্ছে
    উদাহরণস্বরূপ, বেশিরভাগ AI বাজেট দেওয়া হচ্ছে সেলস ও মার্কেটিং টুলগুলোর দিকে যেখানে ROI (Return on Investment) স্পষ্টভাবে দেখা যাচ্ছে না। যেখানে সত্যিকারভাবে ভালো কাজ হচ্ছে তা হলো ব্যাক-অফিস অটোমেশন, নিয়মিত কাজের অংশগুলোর স্বয়ংক্রিয়করণ, কাজের বাইরের ব্যয় কমানো ইত্যাদি। The Financial Express+2The Indian Express+2

  3. “Learning gap”
    অর্থাৎ সংস্থাগুলো কাজ করার সময় শেখার এবং পরিবর্তন করার জন্য প্রস্তুত নয়। AI সিস্টেম যেভাবে কাজ করছে তা ঠিকভাবে শিখছে না, অভ্যন্তরীণ কাজের অভ্যাস ও ডেটা ব্যবহার যেভাবে হয়, সেটা AI টুলগুলোর সঙ্গে অনুকূল হচ্ছে না। AIC Commission+1

  4. বিল্ড বনাম বাই (In-house তৈরি বনাম বাই করা সমাধান)
    যা কোম্পানি নিজে AI সিস্টেম তৈরি করছে তাদের মধ্যে সাফল্য কম; বিপরীতে যারা বিশেষায়িত বাইয়ের টুল বা vendor ব্যবহার করছে তাদের ক্ষেত্রে সাফল্য বেশিরভাগ সময় বেশি। The Indian Express+1

  5. মাপ-জোখের স্পষ্টতা কম
    অনেক প্রকল্পে শুরুতে উচ্চ প্রত্যাশা থাকে, কিন্তু প্রকল্পের সূচনা ও পরিমাপ (KPI বা মেট্রিক্স) পরিস্কারভাবে নির্ধারণ করা থাকে না, ফলে বোঝা কঠিন হয় প্রকল্প কীভাবে ফেল করছে বা উন্নতি হতে পারে। The Financial Express+1

কিছু বিবেচনা

  • “ব্যর্থ” বলতে সবসময় পুরো কিছু নন-কার্যকর হয়ে যাওয়া বোঝায় না — অনেক প্রকল্প হয়তো লাভ তো আনছে, কিন্তু বড়-পরিমানে লাভ* বা দ্রুত বৃদ্ধি আনতে পারছে না।

  • AI প্রযুক্তি নিজেই খারাপ নয়; বরং ব্যবহার ও প্রয়োগের কৌশল, কর্মসংস্কৃতি, সংস্থার প্রস্তুতি এসব বিষয়ই বেশি গুরুত্বপূর্ণ।

  • রিপোর্ট বলছে যে যারা সফল তা সাধারণত একটি স্পষ্ট কাজ বা সমস্যা (one pain point) ধরেছে, এবং সেটি যেভাবে সমাধান সম্ভব সে দিকে মনোনিবেশ করছে, কাস্টমাইজেশন ও পার্টনারশিপ ব্যবহার করছে। AIC Commission+1

Leave a Reply

Your email address will not be published. Required fields are marked *