মাসিক পর্যালোচনা (১–২৮ অক্টোবর ২০২৬): AI কোড লিখছে, বাকি কাজ সামলাচ্ছে কে?

ধরা যাক, AI-কে দিয়ে একটি দোকানের ওয়েবসাইটে বাকি হিসাবের ব্যবস্থা বানালেন। পর্দায় নাম, টাকার অঙ্ক আর সুন্দর একটি বোতাম দেখা যাচ্ছে। কিন্তু একই ক্রেতার দুটি হিসাব মিলে গেলে কী হবে? ভুল টাকা লিখে সংরক্ষণ করলে কে ফেরত নেবে? দোকানের কর্মী বদলালে পুরোনো হিসাব দেখার অনুমতি কার থাকবে? দেখতে কাজ শেষ হলেও দোকানদার তখনো তাঁর আসল প্রশ্নগুলোর উত্তর পাননি।

অক্টোবরের AI নিয়ে এই লেখায় ওই জায়গাটিই দেখব: কোড তৈরি হওয়ার পরের কাজ। সময়সীমা ১–২৮ অক্টোবর ২০২৬; মাস এখনো শেষ হয়নি। তথ্য নেওয়া হয়েছে ২৮ অক্টোবর দুপুর ১২টা পর্যন্ত, বাংলাদেশ সময়। এ মাসের প্রকাশিত প্রকৌশল বিবরণ, নিরাপত্তা পরীক্ষা ও প্রশিক্ষণের ঘোষণায় তিনটি পরিবর্তন চোখে পড়ে। কোডের পরিমাণ সামলাতে নতুন ব্যবস্থা লাগছে, স্বয়ংক্রিয় কাজের ওপর নজর রাখার পদ্ধতি বদলাচ্ছে, আর বাস্তব প্রতিষ্ঠানে AI বসানোর জন্য মানুষকে দীর্ঘ প্রশিক্ষণ দিতে হচ্ছে।

কোড বেড়েছে, তার সঙ্গে বেড়েছে সামলানোর কাজ

১৩ অক্টোবরের প্রকৌশল লেখায় অ্যানথ্রপিক জানিয়েছে, মে মাসে তাদের মূল কোডভান্ডারে দিনে গড়ে প্রায় আড়াই হাজার পরিবর্তন যুক্ত হতো। সেপ্টেম্বরে সেটি ত্রিশ হাজার ছাড়িয়েছে। এই চাপ সামলাতে তারা পাঁচ মাসে নিজেদের Scion ব্যবস্থা বানিয়ে মূল কোডভান্ডার Git থেকে সেখানে সরিয়েছে [1]।

অ্যানথ্রপিকের সংরক্ষিত লোগো। নির্মাতা: অ্যানথ্রপিক। পাবলিক ডোমেইন, Wikimedia Commons।

এখানে সংখ্যাটি একটু থেমে পড়া দরকার। ত্রিশ হাজার পরিবর্তন মানে ত্রিশ হাজার ভালো সুবিধা তৈরি হয়েছে, এমন হিসাব দেওয়া হয়নি। কত পরিবর্তন ফিরিয়ে নিতে হয়েছে বা ব্যবহারকারীর সমস্যা কত কমেছে, ওই সংখ্যা তা বলে না। প্রতিষ্ঠানটিও বলেছে, তাদের কাজের চাপ অস্বাভাবিক বড়; অধিকাংশ কোডভান্ডারের জন্য Git-এর নকশা যথাযথ [1]।

বাংলাদেশের ছোট সফটওয়্যার দলের তাই নতুন কোডভান্ডার বানাতে নেমে পড়ার কারণ নেই। আমাদের বিশ্লেষণে, খবরটির কাজে লাগার জায়গা অন্যখানে। আগে একজন দিনে যত কোড লিখতেন, এখন AI তার চেয়ে বেশি খসড়া এনে দিলে পরীক্ষার সারি, পর্যালোচকের সময় ও পুরোনো কোডের সঙ্গে মিলিয়ে দেখার কাজও বাড়তে পারে। নিজের দলে অপেক্ষাটা কোথায় জমছে, সেটি মাপা দরকার। লেখা দ্রুত হয়েছে বলে পুরো কাজ একই অনুপাতে দ্রুত হবে, এমন সিদ্ধান্ত এই বিবরণ থেকে আসে না।

নিজের কাজ নিজে যাচাই করছে AI, তবু আরেক জোড়া চোখ লাগছে

১৬ অক্টোবর অ্যানথ্রপিক জানায়, Claude উত্তর দেওয়ার পর কথোপকথনটি নিজেই প্রাথমিকভাবে মূল্যায়ন করে সন্দেহজনক ব্যবহার পরের তদন্তের জন্য চিহ্নিত করতে পারে। ব্যবস্থাটি তাদের বিপুল পরিমাণ কথোপকথনের একটি অংশে চলছে। এটি মূলত পরে পর্যালোচনার উপকরণ; সব ক্ষতিকর কাজ ঘটার আগেই আটকে দেওয়ার ব্যবস্থা হিসেবে তারা এটিকে বর্ণনা করেনি [2]।

একটি পরীক্ষার ফলেও সেই সীমা দেখা যায়। Claude Fable 5-এর মূল্যায়ন শক্তিশালী আরেকটি স্বয়ংক্রিয় যাচাইকারীর চিহ্নিত উচ্চ অগ্রাধিকারের কথোপকথনের ৯৪% ধরেছে, ১% ভুল সতর্কতার হারে। তুলনাটি আরেকটি যন্ত্রের বিচারের সঙ্গে, প্রতিটি ঘটনার স্বাধীন মানবিক সত্যতা যাচাইয়ের সঙ্গে নয়। অ্যানথ্রপিক নিজেও বলেছে, পদ্ধতিটি একা দৃঢ়প্রতিজ্ঞ আক্রমণকারীকে ঠেকানোর মতো যথেষ্ট নয় [2]।

আরেক গবেষণায় গবেষকেরা ইচ্ছাকৃত আক্রমণকারী এজেন্ট দিয়ে কাজ আটকে দেওয়ার নিরাপত্তাব্যবস্থা পরীক্ষা করেছেন। সেখানে একাধিক অধিবেশনজুড়ে ছড়ানো কাজ এবং কথোপকথনের সংক্ষিপ্তসারে গুরুত্বপূর্ণ তথ্য হারিয়ে যাওয়ার মতো দুর্বলতা এসেছে। পরীক্ষিত ব্যবস্থার অবস্থা সেপ্টেম্বরের; এটি নিয়ন্ত্রিত পরিবেশে করা আক্রমণের পরীক্ষা, সাধারণ ব্যবহারকারীর দুর্ঘটনার হার নয় [3]।

দুটি নথি পাশাপাশি রাখলে আমাদের কাছে যে শিক্ষা দাঁড়ায়, তা হলো যাচাইয়ের কাজটিও আলাদা করে নকশা করতে হয়। AI দোকানের হিসাব ঠিক বলেছে শুনলেই দোকানদারের প্রশ্নগুলোর উত্তর মেলে না। হিসাবের ভুল ধরার পরীক্ষা, কার হাতে কোন অনুমতি থাকবে এবং ভুল হলে আগের অবস্থায় ফেরার পথ, এগুলো কাজটির অংশ। একটি নিরাপত্তা পরীক্ষার ফল দিয়ে সব AI সেবাকে নিরাপদ বা অনিরাপদ বলে রায় দেওয়াও ঠিক হবে না।

মানুষকে কাজে নামানোর প্রশিক্ষণও বাড়ছে

২ অক্টোবর ঘোষিত Claude Frontier Academy-তে অ্যানথ্রপিক ১০ কোটি ডলার দেওয়ার অঙ্গীকার করেছে। লক্ষ্য, ২০২৭ সালের শেষ নাগাদ দশ হাজার প্রকৌশলীকে প্রশিক্ষণ দেওয়া। শুরুতে অংশগ্রহণকারীদের একটি প্রতিষ্ঠানে AI বসানোর অনুশীলন, নিরাপত্তা পর্যালোচনা ও ব্যবহারকারীর হাতে কাজ বুঝিয়ে দেওয়ার পরীক্ষা আছে। উত্তীর্ণদের এরপর নিজের প্রতিষ্ঠানের বাস্তব কাজে বারো সপ্তাহের প্রশিক্ষণ নিতে হবে [4]।

এটি দশ হাজার মানুষের প্রশিক্ষণ ইতিমধ্যে শেষ হওয়ার খবর নয়। প্রথম দলগুলোর কাজ শুরু হয়েছে, বড় সংখ্যাটি ভবিষ্যৎ লক্ষ্য। বাংলাদেশের যে কেউ এখন আবেদন করতে পারবেন, এমন সুযোগের কথাও এখানে বলা হচ্ছে না। ঘোষণাটি থেকে বোঝা যায়, অন্তত এই কর্মসূচিতে একটি মডেলের ব্যবহার শেখানোর সঙ্গে প্রতিষ্ঠানের কাজ বুঝে সেটি চালু করার দক্ষতাকেও গুরুত্ব দেওয়া হচ্ছে।

এর সঙ্গে পুরোনো একটি স্বাধীন গবেষণা মিলিয়ে দেখা যায়। মার্চে arXiv-এ জমা দেওয়া প্রাক্‌প্রকাশিত গবেষণায় ১৫৯ জন সফটওয়্যার নির্মাতাকে নিরাপত্তাসংশ্লিষ্ট প্রোগ্রামিংয়ের কাজ দেওয়া হয়েছিল। কেউ AI ছাড়াই, কেউ Gemini-এর বিনা মূল্যের বা অর্থের সংস্করণ দিয়ে কাজ করেন। গবেষকেরা AI ব্যবহারের দলগুলোর মধ্যে নিরাপদ কোড তৈরিতে তাৎপর্যপূর্ণ পার্থক্য পাননি; প্রোগ্রামিংয়ের অভিজ্ঞতার ইতিবাচক প্রভাব পেয়েছেন [5]। এটি নির্দিষ্ট কাজ ও তখনকার সরঞ্জামের পরীক্ষা। অক্টোবরের সব মডেল বা বাংলাদেশের চাকরির বাজারের ফল হিসেবে পড়া যাবে না।

সেপ্টেম্বরের সঙ্গে পুরো শিল্পের উৎপাদনশীলতার তুলনা করার মতো একই সংজ্ঞার তথ্য এই নথিগুলোতে নেই। Scion-এর সংখ্যাগুলো মে ও সেপ্টেম্বরের, নিরাপত্তা পরীক্ষার পর্যবেক্ষণও সেপ্টেম্বরের। অক্টোবরে নতুন পাওয়া গেল এগুলো সামলানোর ব্যবস্থার বিস্তারিত বিবরণ এবং প্রশিক্ষণের নতুন উদ্যোগ। কাজের মান কতটা বেড়েছে, তার মাসওয়ারি শতাংশ বানিয়ে বলা যাবে না।

আগামী মাসে তাই মডেলের নতুন নামের পাশাপাশি তিনটি ফল খুঁজব: বড় কোডভান্ডারের পরীক্ষায় অপেক্ষা কমল কি না, স্বয়ংক্রিয় নজরদারির ভুল ও খরচের স্বাধীন পরীক্ষা এল কি না, আর প্রশিক্ষণ শেষে বাস্তব প্রতিষ্ঠানের কাজে মাপা উন্নতির তথ্য প্রকাশ হলো কি না। আপাতত প্রথমটির ব্যবস্থা চালু হওয়ার বিবরণ আছে, দ্বিতীয়টির সীমা নিয়ে পরীক্ষা আছে, তৃতীয়টির লক্ষ্য ও প্রশিক্ষণ শুরু হওয়ার খবর আছে।

দেশের কোনো ছোট দল AI ব্যবহার করলে নিজেদের পুরোনো একটি কাজের সঙ্গে নতুন কাজ মেলাতে পারে। খসড়া পেতে সময়, সেটি যাচাই করতে সময় এবং পরে ঠিক করতে হওয়া ভুল আলাদা করে লিখে রাখলে অন্তত বোঝা যাবে সাশ্রয়টা কোথায় হচ্ছে। এটি ওপরের প্রমাণ থেকে আমাদের ব্যবহারিক ব্যাখ্যা, কোনো গবেষণার মাপা বাংলাদেশি ফল নয়।

আপনার করা একটি কাজের উদাহরণ দিন: AI প্রথম খসড়া কত দ্রুত দিয়েছিল, আর সেটি ব্যবহারযোগ্য করতে আপনাকে কোন ভুলটি সবচেয়ে বেশি সময় নিয়ে ঠিক করতে হয়েছিল?

তথ্যসূত্র

[1] Anthropic, "Redesigning source control at Anthropic," Anthropic, Oct. 13, 2026 (updated Oct. 15, 2026). [Online]. Available: anthropic.com
[2] Y. Zhang et al., "Scaling Misuse Detection with Self-Assessment," Anthropic Safeguards, Oct. 16, 2026. [Online]. Available: safeguards.anthropic.com
[3] A. Remedios et al., "Red-Teaming Auto Mode: Improving Blocking Classifiers Against Malign Coding Agents," Anthropic Alignment Science, Oct. 22, 2026. [Online]. Available: alignment.anthropic.com
[4] Anthropic, "Anthropic invests $100 million to train 10,000 engineers and tackle the enterprise AI talent gap," Anthropic, Oct. 2, 2026. [Online]. Available: anthropic.com
[5] N. Jost et al., "The Impact of AI-Assisted Development on Software Security: A Study of Gemini and Developer Experience," arXiv, Mar. 16, 2026 (revised Mar. 17, 2026). [Online]. Available: arxiv.org