জটিল নিয়ন্ত্রিত খাতে দ্রুত পরিসর বাড়ানোর জন্য Blue J-এর পদ্ধতি

প্রচলিত কর গবেষণায় ব্যাখ্যা শুরু করার আগেই শত শত উৎস খুঁজে দেখতে হয়. এরপর কর পেশাজীবীরা আইন, বিধিমালা, রুলিং, মামলার নজির ও বিশেষজ্ঞ মন্তব্য বিশ্লেষণে ঘণ্টার পর ঘণ্টা ব্যয় করেন, যাতে নিয়মগুলো কীভাবে পরস্পরের সঙ্গে কাজ করে তা মিলিয়ে একটি উত্তর তৈরি করা যায়.

প্রশ্নের জটিলতার ওপর নির্ভর করে এই প্রক্রিয়ায় ঘণ্টা, দিন, এমনকি সপ্তাহও লেগে যেতে পারে—তবু ফল হতে পারে অসামঞ্জস্যপূর্ণ বা পুরোনো, আর প্রতিটি বাদ পড়া সূক্ষ্ম বিষয়েরই বাস্তব মূল্য দিতে হয়.

কর গবেষণায় আরও ভালো টুলের প্রয়োজন দেখেই কর আইন অধ্যাপক ও পেশাজীবীরা 2015 সালে Blue J প্রতিষ্ঠা করেন. কর আইনের মামলার ফল অনুমানে AI ব্যবহারের প্রাথমিক অনুসন্ধানের ওপর ভিত্তি করে দলটি পরে সব আকারের কর ও হিসাবরক্ষণ প্রতিষ্ঠানকে সহায়তার জন্য নানা পণ্য তৈরি করে.

ChatGPT চালু হলে Blue J নতুন কিছু তৈরির সুযোগ দেখেছিল: জটিল করবিধিমালার ওপর উন্নত যুক্তি প্রয়োগকে স্ট্রাকচার্ড রিট্রিভালের সঙ্গে মিলিয়ে কয়েক সেকেন্ডে বিশেষজ্ঞ-মানের কর-সংক্রান্ত উত্তর দেওয়া, সঙ্গে ইনলাইন উদ্ধৃতি ও এমন উৎসতালিকা যা পেশাজীবীরা ভরসা করতে পারেন.

চালুর দুই বছরের মধ্যে Blue J GPT‑4.1‑সহ একটি কর গবেষণা ইঞ্জিন যুক্তরাষ্ট্র, কানাডা ও যুক্তরাজ্যে চালু করে. ChatGPT আত্মপ্রকাশের মাত্র ছয় মাস পর তারা প্রথম পণ্য চালু করে, এরপর দ্রুত ধারাবাহিকভাবে উন্নয়ন করতে থাকে, ব্যবহারকারীদের মতামত থেকে শিখে একটি শক্তিশালী মূল্যায়ন কাঠামো তৈরি করে.

আজ 70%-এর বেশি ব্যবহারকারী প্রতি সপ্তাহে লগ ইন করেন, ৭০০টি উত্তরের মধ্যে ১টিরও কম ক্ষেত্রে ব্যবহারকারীরা দ্বিমত পোষণ করেন. Blue J একটি জটিল ক্ষেত্রে প্রবেশ করে দ্রুত সম্প্রসারণের জন্য অর্জিত শিক্ষাগুলো শেয়ার করেছে, যেখানে আস্থা, নির্ভুলতা এবং গতি কোনোটিকেই আপসের বিষয় হিসেবে বিবেচনা করা হয়নি.

Blue J-এর কর গবেষণা সমাধান একটি Retrieval-Augmented Generation (RAG) সিস্টেম দিয়ে তৈরি, যেখানে GPT‑4.1-এর সঙ্গে তাদের নিজস্ব লক্ষাধিক বাছাই করা ডকুমেন্টের সংগ্রহ যুক্ত করা হয়েছে, যার মধ্যে Tax Notes-এর মতো উৎসের প্রামাণিক প্রাথমিক উৎস এবং বিশেষজ্ঞদের বিশ্লেষণ রয়েছে.

যখন কোনো ব্যবহারকারী কর-সংক্রান্ত এমন প্রশ্ন করেন, “OBBBA-তে তৈরি SALT torpedo কী এবং এর প্রভাব কীভাবে প্রশমিত করা যায়??” Blue J সঙ্গে সঙ্গে উৎস উপাদান উদ্ধার করে, আর GPT‑4.1 তা থেকে স্পষ্ট, পূর্ণ উদ্ধৃতিসহ উত্তর তৈরি করে, যা মডেল আউটপুটের চেয়ে বিশ্বস্ত সহকর্মীর পরামর্শের মতো মনে হয়. এটি এমন একটি সিস্টেম, যা শুধু কর ও প্রযুক্তি—এই দুই ক্ষেত্রেই দক্ষ একটি দলই তৈরি করতে পারে.

“আমরা অনেক মডেল পরীক্ষা করেছি, আর GPT‑4.1‑ই ধারাবাহিকভাবে আমাদের প্রয়োজনীয় কাজটি করে,” বলেন Janssen. “এটি নির্দেশনা মেনে চলে, প্রসঙ্গকে সম্মান করে এবং আমাদের দেখা অন্য যেকোনো কিছুর চেয়ে এজ কেস ভালোভাবে সামলায়.”

কর-সংক্রান্ত ক্ষেত্রে ছোট ভুলও অডিটের কারণ হতে পারে, ফাইলিং বিলম্বিত করতে পারে বা ক্লায়েন্টের বাস্তব অর্থক্ষতি ঘটাতে পারে. অভিজ্ঞতা থেকে Blue J-এর দল জানত, বিরল এজ কেসও দ্রুত ধরা ও ঠিক করা না হলে তা আস্থা নষ্ট করতে পারে. তাই শুরু থেকেই তারা তাদের কর গবেষণা ডলের বিশেষজ্ঞ জ্ঞানের ভিত্তিতে পণ্যটি এমনভাবে ডিজাইন করেছে, যাতে ব্যবহারকারীদের প্রতিক্রিয়া সংগ্রহ করে বৃহৎ পরিসরে ধারাবাহিকভাবে উন্নতি করা যায়.

প্রতিটি ব্যবহারে সিস্টেমকে আরও ভালো করতে Blue J সেই গ্রাহকদের জন্য ঐচ্ছিক ডেটা শেয়ারিং চালু করে, যারা পণ্যের উন্নতিতে অবদান রাখতে চেয়েছিলেন. Blue J-এর প্রতিটি উত্তরে একটি ‘আপত্তি’ বাটন থাকে; আর ফ্ল্যাগ করা হলে প্রতিক্রিয়াটি সমস্যা ধরন, কর বিষয় এবং সম্ভাব্য মূল কারণ অনুযায়ী পদ্ধতিগতভাবে শ্রেণিবদ্ধ করা হয়.

এই প্রক্রিয়াটি বিচ্ছিন্ন ভুলগুলো শনাক্ত করার পাশাপাশি বিভিন্ন প্যাটার্ন উন্মোচন করে. পার্টনারশিপ ট্যাক্স-সংক্রান্ত প্রশ্নের ফলাফল প্রত্যাশা অনুযায়ী না হলে, দলটি বিষয়টি তদন্ত করে. কোনো প্রম্পট থেকে অসামঞ্জস্যপূর্ণ ফলাফল এলে, তারা সেটিকে আরও উন্নত করে. GPT‑4.1 এই ট্রায়াজ স্তরটি পরিচালনা করে—হাজার হাজার ব্যবহারকারীর প্রতিক্রিয়া বিশ্লেষণ করে, সম্পর্কিত সমস্যাগুলোকে একত্রে শ্রেণিবদ্ধ করে এবং Blue J-এর প্রোডাক্ট ও ট্যাক্স রিসার্চ টিমকে এমন ক্ষেত্রগুলোতে তাদের প্রচেষ্টা কেন্দ্রীভূত করতে সহায়তা করে, যেখানে এর প্রভাব সবচেয়ে বেশি হবে.

GPT‑4.1 ধারাবাহিকভাবে সাড়া দেয় বলে ছোট উন্নতিও মিলিত হয়ে বড় প্রভাব ফেলে. ফলে তৈরি হয় এমন একটি সিস্টেম, যা প্রতিটি ইন্টারঅ্যাকশন থেকে শেখে, দ্রুত পুনরাবৃত্তি চালায়, উচ্চমানের উত্তর দেয় এবং ব্যবহারকারীর প্রয়োজনের সঙ্গে তাল মিলিয়ে বিকশিত হয়. এই ফ্লাইহুইল Blue J-কে তাদের আপত্তির হার প্রতি 700 উত্তরে একটিরও কমে নামিয়ে আনতে সাহায্য করেছে.

পুনরাবৃত্তিমূলক পণ্য উন্নয়ন Blue J-কে পরিবর্তনের আগেও প্রস্তুত থাকতে সাহায্য করে. 2025 সালে যুক্তরাষ্ট্রে ব্যাপক কর বিল পাস হলে, দলটি এর প্রভাব পুরো কোডবেসে ম্যাপ করতে ইতিমধ্যেই ছয় সপ্তাহ ব্যয় করেছিল. বিলটি স্বাক্ষরিত হওয়ার কয়েক ঘণ্টার মধ্যেই ব্যবহারকারীরা প্রোডাকশনে আপডেটেড উত্তর দেখতে পান.

যে ক্ষেত্রে নিয়ম প্রতিনিয়ত বদলায় এবং নির্ভুলতার কোনো বিকল্প নেই, সেখানে এই ক্লোজড-লুপ সিস্টেমই Blue J-কে দ্রুতগতিসম্পন্ন, নির্ভরযোগ্য এবং বাজারের অগ্রভাগে রাখে.

মডেলের গুণমান শুধু একটি ফিচার নয়; এটি একটি গেটিং ফাংশন. Blue J প্রতিটি নতুন মডেল রিলিজ মূল্যায়ন করে মার্কিন, কানাডীয় ও যুক্তরাজ্যের কর আইনের উপর ভিত্তি করে 350টিরও বেশি প্রম্পটের বেঞ্চমার্ক স্যুট ব্যবহার করে. প্রতিটি মডেল নির্দেশনা অনুসরণ, উৎসের সঙ্গে সামঞ্জস্য এবং উত্তরের স্বচ্ছতার জন্য পরীক্ষা করা হয়, যাতে প্রম্পট বা রিট্রিভাল লজিকের উন্নতি অনুমানযোগ্য, বাস্তব আচরণ দিয়ে সমর্থিত হয়.

“সবগুলো পরীক্ষা করলেও আমরা কখনো কোনো non-OpenAI মডেল শিপ করিনি,” বলেন Janssen. “OpenAI মডেলগুলো আমাদের অভ্যন্তরীণ বেঞ্চমার্কে ধারাবাহিকভাবে এগিয়ে থেকেছে, বিশেষ করে নির্দেশনা অনুসরণ এবং বাস্তব ব্যবহারের জন্য আমাদের মান পূরণ করে এমন উত্তর দেওয়ার ক্ষেত্রে.”

গ্রাহকেরা শুধু কর মৌসুমে নয়, সারা বছরই Blue J-কে তাদের ডিফল্ট কর গবেষণা টুল হিসেবে ব্যবহার করেন. 70%-এর বেশি ব্যবহারকারী প্রতি সপ্তাহে লগ ইন করেন, গবেষণা ও ক্লায়েন্ট যোগাযোগে প্রতি ব্যবহারকারী প্রতি সপ্তাহে 2.7 ঘণ্টা সাশ্রয় করেন – যে সময় তারা বেশি লাভজনক অন্যান্য পরিকল্পনা ও পরামর্শমূলক কাজে পুনর্বিনিয়োগ করেন.

Blue J ট্যাক্স পেশাজীবীদের বাস্তব চাহিদা, যে ক্ষেত্রটি তারা অনন্যভাবে সবচেয়ে ভালো বোঝে, তার ওপর মনোযোগ দিয়েই এই মাত্রার ব্যবহারকারীর সম্পৃক্ততা অর্জন করেছে. GPT‑4.1‑এর স্ট্রাকচার্ড আউটপুটস, ধারাবাহিকভাবে নির্দেশনা অনুসরণ এবং নির্ভরযোগ্য ফলাফল তাদের দক্ষতাকে আরও বিস্তৃত পরিসরে কাজে লাগাতে সাহায্য করে. প্রতিষ্ঠাতাদের জন্য শিক্ষাটি পরিষ্কার: আপনার নির্দিষ্ট দক্ষতাকে মূল সুবিধা হিসেবে কাজে লাগান এবং বৃহৎ পরিসরে প্রয়োগ করতে সঠিক মডেল ব্যবহার করুন.