ফোর্ড 'অভিজ্ঞ' ইঞ্জিনিয়ারদের পুনরায় নিয়োগ দিয়েছে কারণ AI ব্যর্থ হয়েছে

ফোর্ড এমন কিছু স্বীকার করেছে যা বেশিরভাগ টেক কোম্পানি জোরে বলতে চায় না: তারা AI-এর উপর অতিরিক্ত আস্থা রেখেছিল, এবং এটি তাদের খরচ করেছে। অটোমেকার 350 জন অভিজ্ঞ ইঞ্জিনিয়ারকে ফিরিয়ে এনেছে — তাদের অনেকেই প্রাক্তন কর্মচারী — স্বয়ংক্রিয় গুণমান ব্যবস্থা লক্ষ্য অর্জনে ব্যর্থ হওয়ার পরে। ফোর্ড 'অভিজ্ঞ' ইঞ্জিনিয়ারদের পুনরায় নিয়োগ দিয়েছে কারণ AI ব্যর্থ হয়েছে এই গল্পটি শুধুমাত্র ডেট্রয়েটের শিরোনাম নয়। এটি একটি সংকেত যা এখন AI দিয়ে তৈরি করছেন এমন প্রতিটি ডেভেলপার এবং প্রতিষ্ঠাতাকে সাবধানে পড়তে হবে।

কী ঘটেছে

ফোর্ডের প্রধান অপারেটিং অফিসার কুমার গালহোত্রা সাংবাদিকদের বলেছেন যে কোম্পানি "ক্রমবর্ধমান স্বয়ংক্রিয় গুণমান ব্যবস্থার উপর নির্ভর করছিল" — এবং ধারাবাহিকভাবে হতাশাজনক ফলাফল পাচ্ছিল। তাই ফোর্ড তার পথ পরিবর্তন করেছে। এটি যা অভ্যন্তরীণভাবে "অভিজ্ঞ" ইঞ্জিনিয়ার বলে তা নিয়ে এসেছে: গভীরভাবে অভিজ্ঞ বিশেষজ্ঞ, কিছু অবসর থেকে টানা, অন্যরা সরবরাহকারীদের থেকে ফিরিয়ে আনা। তাদের কাজ? উৎপাদন লাইনে পৌঁছানোর আগে ত্রুটিপূর্ণ অংশ খুঁজে বের করা।

ফোর্ডের যানবাহন হার্ডওয়্যার ইঞ্জিনিয়ারিং এর ভাইস প্রেসিডেন্ট চার্লস পুন ভুলটি সম্পর্কে স্পষ্ট ছিলেন। "ভুলবশত আমরা মনে করেছিলাম যে কৃত্রিম বুদ্ধিমত্তা প্রবর্তন করে এবং আমাদের ডিজাইন প্রয়োজনীয়তা গ্রহণ করে, যা একটি উচ্চ-মানের পণ্য তৈরি করবে।"

সেই উদ্ধৃতিটি একটি মুহূর্তের যোগ্য। ফোর্ড ব্যর্থ হয়নি কারণ AI খারাপ সফটওয়্যার ছিল। এটি ব্যর্থ হয়েছে কারণ কোম্পানি ধরে নিয়েছিল যে একটি AI সিস্টেমে ডিজাইন প্রয়োজনীয়তা খাওয়ানো গুণমান আউটপুট নিশ্চিত করার জন্য যথেষ্ট। ডোমেইন জ্ঞান — বাস্তব-বিশ্বের চাপের অধীনে একটি অংশ কীভাবে আচরণ করে তার নিহিত বোঝাপড়া, দশক ধরে জিনিসগুলি ব্যর্থ হতে দেখার মাধ্যমে তৈরি অন্তর্দৃষ্টি — কোনও প্রশিক্ষণ ডেটাসেটে ক্যাপচার করা হয়নি।

ব্লুমবার্গের রিপোর্টিং অনুযায়ী, ফোর্ড AI পরিত্যাগ করছে না। পুনরায় নিয়োগপ্রাপ্ত অভিজ্ঞরা এখন একযোগে দুটি কাজ করছেন: তরুণ ইঞ্জিনিয়ারদের প্রশিক্ষণ দেওয়া এবং AI সরঞ্জামগুলি নিজেই পুনরায় প্রোগ্রাম করা। লক্ষ্য হল স্বয়ংক্রিয় সিস্টেমে প্রাতিষ্ঠানিক জ্ঞান পুনরায় প্রবেশ করানো — AI প্রতিস্থাপন করা নয়, বরং এটি প্রকৃতপক্ষে কাজ করা। এবং প্রাথমিক ফলাফলগুলি উল্লেখযোগ্য: ফোর্ড এই উদ্যোগ থেকে এই বছর 1 বিলিয়ন ডলার হ্রাসপ্রাপ্ত খরচ প্রত্যাশা করছে, এবং অটোমেকার JD Power ইনিশিয়াল কোয়ালিটি সার্ভেতে মূলধারার ব্র্যান্ডগুলির মধ্যে শীর্ষ স্থান দাবি করেছে।

এটি সঠিকভাবে করা AI বর্ধনের একটি গল্প — কিন্তু শুধুমাত্র ভুলভাবে করা AI বর্ধন কেমন দেখায় সে সম্পর্কে একটি যন্ত্রণাদায়ক, ব্যয়বহুল পাঠের পরে।

এশিয়ার জন্য কেন এটি গুরুত্বপূর্ণ

এশিয়ার উৎপাদন এবং প্রযুক্তি খাত ফোর্ড যে একই বাজি করেছিল তার মাঝপথে রয়েছে — এবং কিছু একই দেয়ালের দিকে যাচ্ছে।

দক্ষিণ-পূর্ব এশিয়া, দক্ষিণ কোরিয়া, জাপান এবং চীন জুড়ে, নির্মাতা এবং প্রযুক্তি কোম্পানিগুলি AI সিস্টেমের সাথে গুণমান নিয়ন্ত্রণ, কোড পর্যালোচনা এবং ডিজাইন যাচাইকরণ আক্রমণাত্মকভাবে স্বয়ংক্রিয় করছে। পিচটি সর্বদা একই: কর্মী সংখ্যা হ্রাস করুন, থ্রুপুট বৃদ্ধি করুন, খরচ কমান। সেই পিচে বেকড অনুমানটি ফোর্ডের চার্লস পুন যা ভুল বলে স্বীকার করেছেন তার সাথে অভিন্ন — যে প্রয়োজনীয়তা এবং ঐতিহাসিক ডেটা গ্রহণ করা AI-কে গুণমান আউটপুট তৈরি করার জন্য যথেষ্ট।

এটি নয়। এখনও না। সম্ভবত কখনও না, বিচ্ছিন্নভাবে।

এশিয়ায় নির্দিষ্ট চ্যালেঞ্জটি জনসংখ্যাগত এবং সাংস্কৃতিক কারণ দ্বারা জটিল। জাপান এবং দক্ষিণ কোরিয়ায়, অবসরপ্রাপ্ত সিনিয়র ইঞ্জিনিয়ারদের মধ্যে একটি ভালভাবে নথিভুক্ত উত্তেজনা রয়েছে যারা দশক ধরে নিহিত জ্ঞান ধারণ করেন এবং তরুণ কর্মশক্তি যারা প্রযুক্তিগতভাবে দক্ষ কিন্তু সেই অভিজ্ঞতামূলক গভীরতার অভাব। দক্ষিণ-পূর্ব এশিয়ায়, প্রযুক্তি শিল্প ডিজাইন দ্বারা তরুণ — একটি ভিয়েতনামী বা ইন্দোনেশিয়ান স্টার্টআপে গড় ইঞ্জিনিয়ারিং দল তাদের 20 এর দশকে ইঞ্জিনিয়ারদের দিকে ঝুঁকে পড়ে। এটি একটি দুর্বলতা নয়, তবে এটি মানে "অভিজ্ঞ" জ্ঞান স্তর পাতলা বা সম্পূর্ণভাবে অনুপস্থিত।

চীনের উৎপাদন খাত স্বয়ংক্রিয়করণে দ্রুততম এগিয়ে গেছে, এবং ইতিমধ্যে নির্দিষ্ট পণ্য বিভাগে গুণমান হ্রাসের সংকেত রয়েছে। ফোর্ড গল্পটি শেনজেন এবং চেংদুর গুণমান ইঞ্জিনিয়ারদের সাথে অনুরণিত হবে যারা অভ্যন্তরীণভাবে একই সমস্যাগুলি নিয়ে শান্তভাবে পতাকা তুলছেন।

এশিয়া প্রযুক্তি প্রতিষ্ঠাতাদের জন্য বিশেষভাবে: যদি আপনি AI-সহায়তাপ্রাপ্ত ওয়ার্কফ্লো তৈরি করছেন — উৎপাদন, সফটওয়্যার উন্নয়ন বা পণ্য ডিজাইনে যাই হোক না কেন — ফোর্ড পাঠটি হল যে আপনার AI শুধুমাত্র আপনি এতে এনকোড করেছেন ডোমেইন জ্ঞানের মতো ভাল। স্থাপনার গতি প্রসঙ্গের গভীরতার জন্য একটি বিকল্প নয়।

ডেভেলপারদের জন্য এর অর্থ কী

এটিকে এই পড়ছেন ইঞ্জিনিয়ারদের জন্য কিছু কংক্রিটে অনুবাদ করি।

ফোর্ড ব্যর্থতার প্যাটার্ন সরাসরি অনেক উন্নয়ন দল এখন AI কোডিং সরঞ্জাম ব্যবহার করছে তার উপর ম্যাপ করে। আপনি AI-কে আপনার প্রয়োজনীয়তা ডক, আপনার বিদ্যমান কোডবেস, সম্ভবত কয়েকটি উদাহরণ আউটপুট খাওয়ান — এবং আপনি উৎপাদন-মানের ফলাফল আশা করেন। কখনও কখনও আপনি তাদের পান। প্রায়শই, বিশেষত জটিল বা উত্তরাধিকার-সংলগ্ন ডোমেইনে, আপনি এমন কিছু পান যা কাগজে সঠিক দেখায় কিন্তু বাস্তব অবস্থার অধীনে ব্যর্থ হয়।

সমান্তরাল নির্ভুল: ফোর্ডের AI ডিজাইন প্রয়োজনীয়তা গ্রহণ করেছিল এবং কাগজে সঠিক দেখায় এমন অংশ তৈরি করেছিল। আপনার AI একটি স্পেক গ্রহণ করে এবং কোড তৈরি করে যা পৃষ্ঠ-স্তরের পর্যালোচনা পাস করে। উভয় ক্ষেত্রেই ব্যর্থতার মোড AI-কে র্যান্ডমলি হ্যালুসিনেট করা নয় — এটি AI প্লসিবল আউটপুট তৈরি করছে যা শুধুমাত্র অভিজ্ঞতা থেকে আসে এমন এম্বেড করা বিচার অভাব করে।

ফোর্ড যা বুঝেছে — এবং ডেভেলপারদের অভ্যন্তরীণ করা উচিত — উচ্চ-স্টেক প্রসঙ্গে AI প্রকৃতপক্ষে কাজ করার জন্য একটি তিন-অংশ কাঠামো:

• ডোমেইন জ্ঞান স্পষ্ট হতে হবে, অনুমান করা যায় না। AI-কে শুধুমাত্র প্রয়োজনীয়তা থেকে সীমাবদ্ধতা অনুমান করতে আশা করবেন না। আপনার দলের সিনিয়র ইঞ্জিনিয়ার যিনি বলেন "সেই পদ্ধতি লোডের অধীনে রেস অবস্থার কারণ হবে" সেই জ্ঞানটি প্রম্পট, গার্ডরেল বা পর্যালোচনা চেকলিস্টে এনকোড করতে হবে — শুধু তাদের মাথায় ধরে রাখবেন না।
• মানব পর্যালোচনা একটি ফলব্যাক নয় — এটি স্থাপত্য। ফোর্ডের অভিজ্ঞরা AI আউটপুট পর্যালোচনা করছেন না একটি নিরাপত্তা নেট হিসাবে। তারা প্রক্রিয়ায় কাঠামোগতভাবে এম্বেড করা হয়েছে। ডেভেলপারদের একই উপায়ে তাদের AI ওয়ার্কফ্লো ডিজাইন করতে হবে: গুরুত্বপূর্ণ সিদ্ধান্ত পয়েন্টে মানব দক্ষতা, শুধু শেষে নয়।
• AI সরঞ্জামগুলি শুধুমাত্র সাধারণ ডেটায় নয়, আপনার প্রসঙ্গে প্রশিক্ষিত হতে হবে। ফোর্ডের অভিজ্ঞরা আক্ষরিকভাবে প্রাতিষ্ঠানিক জ্ঞান দিয়ে AI সরঞ্জামগুলি পুনরায় প্রোগ্রাম করছেন। উন্নয়ন দলগুলির জন্য, এর অর্থ সূক্ষ্ম-টিউনিং, অভ্যন্তরীণ জ্ঞান ভিত্তি তৈরি এবং ক্রমাগত আপনার সরঞ্জামে বাস্তব ব্যর্থতার ক্ষেত্রে ফিড করা।

একটি AI-নেটিভ উন্নয়ন প্ল্যাটফর্মে, এই ধরনের প্রসঙ্গ-সচেতন ওয়ার্কফ্লো ডিজাইন লক্ষ্য — একটি পরবর্তী চিন্তা নয়। যে প্ল্যাটফর্মগুলি জয়ী হবে তা নয় যা সবচেয়ে বেশি স্বয়ংক্রিয় করে, বরং যা উন্নয়ন লুপে সঠিক পয়েন্টে মানব দক্ষতা এম্বেড করা কাঠামোগতভাবে সহজ করে তোলে।

এশিয়ান ডেভ দলগুলির জন্য এখানে একটি প্রতিভা প্রভাবও রয়েছে। ফোর্ড গল্পটি আপনার সিনিয়র ইঞ্জিনিয়ারদের বিশুদ্ধ ম্যানেজার বা স্থপতি হতে দেওয়ার বিরুদ্ধে একটি শক্তিশালী যুক্তি যারা কখনও AI সরঞ্জামে স্পর্শ করেন না। তাদের মূল্য এখন শুধুমাত্র কোড পর্যালোচনায় নয় — এটি আপনার AI সরঞ্জামগুলি আপনার ডোমেইন বুঝে কীভাবে আকার দেয় তাতে। তাদের সরঞ্জামের কাছাকাছি রাখুন।

মূল টেকঅ্যাওয়ে

বড় ছবিতে ফিরে যান। ফোর্ডের 350 জন অভিজ্ঞ ইঞ্জিনিয়ারকে পুনরায় নিয়োগ দেওয়ার সিদ্ধান্ত এবং এর পরে প্রত্যাশিত 1 বিলিয়ন ডলার সঞ্চয় আমাদের কাছে রয়েছে যেখানে AI-শুধু স্বয়ংক্রিয়করণ ভেঙে পড়ে এবং ফিক্সটি কেমন দেখায় তার সবচেয়ে স্পষ্ট বাস্তব-বিশ্বের ডেটা পয়েন্টগুলির মধ্যে একটি।

কয়েকটি জিনিস টেকসই পাঠ হিসাবে দাঁড়ায়:

• AI দক্ষতা প্রতিস্থাপন করা AI বর্ধনের চেয়ে একটি ভিন্ন সমস্যা। ফোর্ড প্রাক্তন চেষ্টা করেছে। পুনরায় নিয়োগ প্রোগ্রাম পরবর্তী। ফলাফল তুলনীয় নয়। যদি আপনার AI কৌশল আপনার সবচেয়ে অভিজ্ঞ মানুষদের প্রতিস্থাপনের চারপাশে তৈরি হয়, আপনি সম্ভবত একটি গুণমান ঋণ জমা করছেন যা আসবে