ব্যবসায়িক পুনর্গঠন চালিত করার জন্য পাঁচটি AI ভ্যালু মডেল

বেশিরভাগ প্রতিষ্ঠান এখনও AI-কে ব্যবহারের ক্ষেত্রগুলোর একটি ধারাবাহিকতা হিসেবে পরিচালনা করে: এখানে একটি পাইলট, সেখানে একটি কাজের প্রবাহ, একটি ফাংশনের ভেতরে একটি প্রতিশ্রুতিশীল টুল. এই দৃষ্টিভঙ্গি স্থানীয় পর্যায়ে সফলতা আনতে পারে, কিন্তু এটি খুব কমই একটি ব্যবসা কিভাবে মূল্য সৃষ্টি করে তা রূপান্তরিত করে.

এটা ইন্টারনেট আসার পর ইন্টারঅ্যাক্টিভ ব্যানার এবং ড্রিপ ইমেইল ক্যাম্পেইন তৈরির মতো, কিন্তু ই-কমার্স বিপ্লবের মূল বিষয়টি বুঝতে ব্যর্থ হওয়া.

এগিয়ে থাকা প্রতিষ্ঠানগুলো ভিন্ন এবং আরও উচ্চাভিলাষী যুক্তি ব্যবহার করে. তারা AI-কে বিচ্ছিন্ন পরীক্ষার একটি সমষ্টি হিসেবে নয়, বরং মূল্য মডেলের একটি পোর্টফোলিও হিসেবে বিবেচনা করে. প্রত্যেকটির নিজস্ব অর্থনৈতিক গুরুত্ব, লক্ষ্য অর্জনের সময় এবং পরিচালনার নিয়মাবলী রয়েছে; এবং এদের প্রতিটি পরের ধাপটিকে বিস্তৃত করা আরও সহজ করে তোলে.

এই কারণেই, যারা সবচেয়ে বেশি পাইলট প্রকল্প পরিচালনা করছে তারা নয়; বরং যারা AI-কে সঠিকভাবে কাজে লাগাচ্ছে, তারাই এর থেকে সর্বোচ্চ সুবিধা লাভ করবে. তারাই সফল হবে যারা বুঝতে পারবে কোন ভ্যালু মডেলগুলো তৈরি করতে হবে, কোন ধারায় তা এগোবে এবং কোন ভিত্তির উপর দাঁড়িয়ে নিজেদের ব্যবসাকে নতুনভাবে গড়ে তোলা সম্ভব.

এন্টারপ্রাইজে সবচেয়ে স্পষ্টভাবে পাঁচটি AI মান মডেল উদ্ভাসিত হচ্ছে. প্রতিটি ভিন্নভাবে মান তৈরি করে. প্রতিটির নিজস্ব অর্থনীতি, সময়সীমা এবং শাসনব্যবস্থা রয়েছে. এবং প্রতিটিই পরবর্তীটিকে বৃহৎ পরিসরে এগিয়ে নেওয়ার জন্য শর্ত তৈরি করতে পারে.

কর্মশক্তির ক্ষমতায়ন দক্ষতা গড়ে তোলে. দক্ষতা শাসন ব্যবস্থাকে কার্যকর করে তোলে. শাসন গভীরতর সিস্টেম সংযুক্তকরণ সক্ষম করে. ইন্টিগ্রেশন ডিপেনডেন্সি ম্যানেজমেন্ট সম্ভব করে তোলে. ডিপেনডেন্সি ম্যানেজমেন্ট এজেন্ট-নেতৃত্বাধীন অপারেশনগুলোকে নিরাপদ করে তোলে.

এভাবেই সংস্থাগুলো বিচ্ছিন্ন AI সাফল্য থেকে বৃহত্তর ব্যবসায়িক পুনর্গঠনের দিকে অগ্রসর হয়. কৌশলগত প্রশ্নটি হলো কোন মডেলটি বেছে নেবে তা নয়. এটি হলো কোনটি দিয়ে শুরু করতে হবে, এটি কী ভিত্তি গড়ে তোলে এবং এটি পরবর্তী পদক্ষেপ কী উন্মোচন করে.

এটি সক্রিয় করার জন্য দ্রুততম ভ্যালু মডেল. এটি কর্মশক্তি জুড়ে ব্যবহারিক AI সক্ষমতা ছড়িয়ে দেয়, নিকট-মেয়াদে উৎপাদনশীলতা বৃদ্ধি করে, পাশাপাশি আরও গভীর রূপান্তরের জন্য প্রয়োজনীয় AI সাবলীলতা গড়ে তোলে. বড় সুবিধা হলো দ্রুত খসড়া তৈরি, সংশ্লেষণ বা বিশ্লেষণ নয়, বরং সাংগঠনিক প্রস্তুতি. HR সক্রিয় করতে পারে, Legal শাসন করতে পারে, Finance অর্থায়ন করতে পারে এবং ব্যবসায়িক দলগুলো AI কোথায় কাজ করে এবং কিভাবে নিরাপদে এটি ব্যবহার করতে হয়—সে বিষয়ে একটি অভিন্ন বোঝাপড়া নিয়ে সহযোগিতা করতে পারে.

• ভূমিকা অনুযায়ী বারবার ব্যবহার এবং দক্ষতার স্তর
• দলগুলোর মধ্যে পুনঃব্যবহারযোগ্য প্রম্পট, ওয়ার্কফ্লো এবং সম্পদ
• ক্রস-ফাংশনাল সক্ষমতায়নের প্রমাণ
• কাজ করার নতুন উপায়ের আবির্ভাব

দুই-স্তরবিশিষ্ট কর্মীবাহিনী: একটি ছোট গ্রুপের পাওয়ার ইউজার এগিয়ে যায়, আর বাকি প্রতিষ্ঠান স্থবির হয়ে পড়ে.

একটি চ্যাম্পিয়নদের নেটওয়ার্ক এবং স্টার্টার ওয়ার্কফ্লো তৈরি করুন, যেমন পারফরম্যান্স ইভ্যালুয়েশন, চুক্তি ব্যবস্থাপনা এবং প্রকিউর টু পে, যা সর্বোত্তম অনুশীলনগুলিকে সম্পর্কিত ও অনুপ্রেরণাদায়ক করে তোলে.

এই মডেলটি গুরুত্বপূর্ণ, কারণ AI গ্রাহকরা কিভাবে পণ্য ও পরিষেবা খুঁজে পান, মূল্যায়ন করেন এবং বেছে নেন—তা সম্পূর্ণ নতুন মাত্রার সম্পৃক্ততার মাধ্যমে বদলে দিচ্ছে. AI-নেটিভ চ্যানেলগুলোতে, রূপান্তর ক্রমেই কথোপকথনের ভেতরে ঘটে. এটি বৃদ্ধির প্রশ্নটিকে পৌঁছানো থেকে বিশ্বাস এবং অভিপ্রায়ের মুহূর্তে উপস্থিতি-এ সরিয়ে দেয়. বিজয়ীরা কেবল সবচেয়ে দৃশ্যমান ব্যক্তিরাই হবেন না. সিদ্ধান্ত নেওয়া হচ্ছে এমন সময় এগুলোই হবে সবচেয়ে উপকারী, বিশ্বাসযোগ্য এবং যথাসময়ে প্রাপ্ত.

• যোগ্য উদ্দেশ্য এবং ব্যবহারকারীর প্রতিশ্রুতির আগে পুনরাবৃত্তির সংখ্যা
• কনভার্সন কোয়ালিটি, যার মধ্যে রয়েছে রিটেনশন, আপসেল এবং লাইফটাইম ভ্যালু
• রিটার্ন আচরণ, পুনরাবৃত্ত এনগেজমেন্ট এবং রেফারেলের মতো বিশ্বাসযোগ্যতার সংকেত
• আপনার ব্যবসার সাথে সম্পর্কিত নির্দিষ্ট ডেটা সংযোগকারী বা অ্যাপগুলির সক্রিয়করণ

AI-নেটিভ ডিস্ট্রিবিউশনকে লিগ্যাসি ডিমান্ড ফানেলের মতো বিবেচনা করা এবং প্রাসঙ্গিকতা ও স্থায়ী বিশ্বাসের বিনিময়ে ভলিউমের জন্য অপ্টিমাইজ করা.

একটি সারফেস বেছে নিন, যেমন একটি ভার্টিক্যাল অভিজ্ঞতা, একটি এমবেডেড অ্যাপ বা একটি নির্দিষ্ট বিজ্ঞাপনের উদ্দেশ্য এবং আপনার বিনিয়োগ বড় পরিসরে বাড়ানোর আগে কনভার্সন গুণমান নির্ধারণ করুন.

এই মডেল গবেষণা, সৃজনশীল এবং ডোমেইন-ভারী কাজে বিশেষায়িত AI সক্ষমতা সংযুক্ত করে. নিকট মেয়াদে, এটি বিশেষজ্ঞ-নির্ভর বাধাগুলো সংকুচিত করে. সময়ের সাথে সাথে, এটি অপারেটিং মডেল পরিবর্তন করে: টিমগুলো নিজেরা প্রথম খসড়া তৈরি করা থেকে সরে এসে রিয়েল-টাইমে উৎপন্ন উচ্চ-মানের আউটপুট নির্দেশনা, পর্যালোচনা, এবং একীভূত করার দিকে যায়. এর প্রকৃত মূল্য আসে দলের পর্যালোচনা, পরীক্ষা বা উৎপাদনের সক্ষমতা বৃদ্ধির মাধ্যমে—এমন একটি পরিবেশে যেখানে কেবল অনুমানের ভিত্তিতে অগ্রাধিকার নির্ধারণ না করে, প্রতিটি অন্তর্দৃষ্টিকে কর্মপরিকল্পনা এবং ROI সম্ভাবনার ভিত্তিতে যাচাই করা সম্ভব হয়.

• বিশেষজ্ঞ পর্যায়ের বাধা বা ‘এক্সপার্ট বটলনেক’ নিরসনের মাধ্যমে চক্র-সময় (Cycle-time) কমিয়ে আনা
• গুণমান উন্নতি, যার মধ্যে রিভিউয়ার স্কোর, ভুলের হার এবং পুনরায় কাজ অন্তর্ভুক্ত
• কাজের পরিধি বৃদ্ধি, যেমন আরও অধিক সংখ্যক পরীক্ষা পরিচালনা করা অথবা আরও বেশি সৃজনশীল বৈচিত্র্য যাচাই করা
• নিট নতুন আয়ের উৎস, যা আগে বাস্তবায়নের অযোগ্যতা বা ফিজিবিলিটি সংক্রান্ত ধারণার কারণে বাদ দেওয়া হয়েছিল.

বিশেষজ্ঞের দক্ষতাকে একটি ডেমো হিসেবে দেখা, যেখানে একে একটি প্রকৃত কার্যপ্রবাহের মধ্যে সুনির্দিষ্ট জবাবদিহিতার সাথে যুক্ত করা হয় না.

যেকোনো একটি বিশেষজ্ঞ পর্যায়ের বাধা বেছে নিন এবং আপনার ভ্যালু প্রপোজিশনকে সেই সিদ্ধান্ত গ্রহণকারীদের উপর কেন্দ্রীভূত করুন যারা অনুমোদন দেন; পাশাপাশি, একটি নতুন ধারণাকে আপনার ব্যবসার পরবর্তী মূল উপাদানে পরিণত করতে কী ধরনের প্রমাণ প্রয়োজন, সে বিষয়ে একটি স্পষ্ট চুক্তিতে পৌঁছান.

কোডিং এজেন্টগুলো এর বর্তমান সবচেয়ে স্পষ্ট উদাহরণ, তবে বৃহত্তর ভ্যালু মডেলটি হলো কাজের একে অপরের সাথে সংযুক্ত সিস্টেমগুলোর নিরাপদ আপগ্রেড নিশ্চিত করা. সময়ের সাথে সাথে, সংস্থাগুলো কেবল কোডের ক্ষেত্রেই নয়, বরং SOPs, চুক্তিপত্র, নীতিগত নথি, গ্রাহক বিবরণী, অনবোর্ডিং ফ্লো এবং অন্যান্য গুরুত্বপূর্ণ নথিপত্রগুলোর ক্ষেত্রেও একই সক্ষমতা প্রয়োগ করতে চাইবে; যাতে পরিবর্তনের সাথে সাথে এগুলোর ধারাবাহিকতা ও সামঞ্জস্য বজায় থাকে. এটি কেবল নতুন কিছু তৈরির বিষয় নয়, বরং নিয়ন্ত্রণের বিষয়: দ্রুততর আপডেট নিশ্চিত করা, ডাউনস্ট্রিম ব্রেকিং বা পরবর্তী ধাপের ত্রুটি কমানো, কঠোর কমপ্লায়েন্স এবং আরও উন্নত অডিটেবিলিটি বা নিরীক্ষণযোগ্যতা অর্জন করা.

• সংযুক্ত আর্টিফ্যাক্টগুলোর মধ্যে নিরাপদ পরিবর্তন এবং সংস্করণের দ্বন্দ্ব নিরসনের জন্য প্রয়োজনীয় সময়
• অডিট প্রস্তুতি, যার মধ্যে রয়েছে সম্পাদনার তথ্যানুসন্ধান, অনুমোদন এবং প্রয়োজনীয় প্রমাণাদি
• ডাউনস্ট্রিম নথি, সিস্টেম এবং ওয়ার্কফ্লো জুড়ে সামঞ্জস্য
• পারস্পরিক নির্ভরশীল প্রক্রিয়াগুলির বিশাল ইকোসিস্টেম জুড়ে নির্ভরযোগ্যতা

গভর্ন্যান্সের তুলনায় দ্রুতগতিতে কনটেন্ট বা কোড জেনারেশন স্কেল করা, ফলে সিস্টেমজুড়ে ঋণ তৈরি হয়, যা পরে খুবই যত্নসহকারে সমাধান করতে হবে.

একটি উচ্চ-নির্ভরতা নির্ভরশীল ডোমেইন দিয়ে শুরু করুন এবং AI কন্ট্রোল লেয়ার দিয়ে পরিবর্তনগুলো স্বয়ংক্রিয় করার আগে ডিপেনডেন্সি গ্রাফ, অনুমোদন পথ এবং প্রমাণের প্রয়োজনীয়তা সংজ্ঞায়িত করুন.

এটি স্কেল করার জন্য সবচেয়ে ধীর মডেল এবং এটি প্রায়ই সবচেয়ে রূপান্তরকারী. এখানে, এজেন্টরা বিভিন্ন বিভাগের মধ্যে এবং বিভাগজুড়ে শুরু থেকে শেষ পর্যন্ত কার্যপ্রবাহ পরিচালনা করে: যেমন প্রকিউর-টু-পে, বীমা দাবি, উৎপাদন পরিবর্তন নিয়ন্ত্রণ, ক্লিনিক্যাল অপারেশনস এবং আরও অনেক কিছু. উর্ধ্বগতি সূচকীয়, কিন্তু কেবল তখনই যখন ভিত্তিগুলো বাস্তব: পরিচয় ও অ্যাক্সেস নিয়ন্ত্রণ, ডেটাসেট ও উপ-উপাদানগুলোর স্পষ্ট অনুমতি, স্কেলে পর্যবেক্ষণযোগ্যতা, আত্মবিশ্বাস সূচকসহ ব্যতিক্রম পরিচালনা এবং স্পষ্ট মালিকানা. এগুলো ছাড়া, স্বয়ংক্রিয়তা ঝুঁকি তৈরি করে মূল্যের চেয়ে দ্রুত.

ফলাফলটি কেবল দক্ষতার চেয়েও আবারও অনেক বড়. একটি কর্মপ্রবাহ পুনঃপ্রকৌশলায়ন আপনার সংস্থাকে পুনর্বিবেচনা করতে বাধ্য করে—প্রক্রিয়াটি আসলে কী উদ্দেশ্যে, কোথায় মানুষের বিচারবোধ প্রয়োজন এবং কোথায় নতুন মূল্য সৃষ্টি করা যেতে পারে. এটাই সেই গোপন দরজা যেখানে বিজনেস-মডেল পরিবর্তন শুরু হয়.

• সম্পূর্ণ প্রক্রিয়ার সময়কাল
• ব্যতিক্রমের হার এবং সমাধানের সময়
• নিয়ম মেনে চলা এবং নিরীক্ষার ফলাফল
• উদ্ভাবনের ফলাফল, যেমন প্রকাশিত নতুন সুযোগ বা পরীক্ষিত নতুন অনুমান

অনুমতি, নিয়ন্ত্রণ এবং জবাবদিহিতা পরিপক্ক হওয়ার আগে এন্ড-টু-এন্ড কর্মপ্রবাহ স্বয়ংক্রিয় করার চেষ্টা করা.

একটি কর্মপ্রবাহ বেছে নিন এবং পরিচয়, অধিকার, টুল ইন্টিগ্রেশন, লগিং, ব্যতিক্রম হ্যান্ডলিং এবং মালিকানা জুড়ে প্রস্তুতি মূল্যায়ন করুন.

AI কৌশলে ব্যর্থতার মূল কারণ শুধু বিচ্ছিন্ন পাইলট নয়, বরং রূপান্তরকে এক ধরনের অন্ধবিশ্বাস হিসেবে দেখা: এখনই বিনিয়োগ করুন, দীর্ঘ সময় অপেক্ষা করুন এবং আশা করুন পরে বৃহৎ পরিসরে মূল্য তৈরি হবে. আরও শক্তিশালী পদ্ধতিটি আরও শৃঙ্খলাবদ্ধ এবং আরও উচ্চাকাঙ্ক্ষী. এটি একটি ধারাবাহিক ROI সিকোয়েন্সে মূল্যকে যৌগিকভাবে বৃদ্ধি করে.

এই ধারাটি শুরু হয় ব্যাপক ক্ষমতায়নের মধ্য দিয়ে, যা অন্য সকল ভ্যালু মডেলের জন্য সহায়ক পরিবেশ বা সক্ষমতা তৈরির পূর্বশর্ত. পুরো প্রতিষ্ঠান জুড়ে সাবলীলতা বা পারদর্শিতার যে গভীর ভিত্তি তৈরি হয়, তা থেকেই জন্ম নেয় উচ্চ-মানের ব্যবহারের সফল ক্ষেত্রগুলো. যখন আরও বেশি মানুষ বুঝতে পারে AI কিভাবে কাজ করে, কোথায় এটি মূল্য সৃষ্টি করে এবং কিভাবে এটি নিরাপদে ব্যবহার করতে হয়, তখন আরও ভালো সুযোগগুলো দ্রুত সামনে আসে. শাসনব্যবস্থা আরও ব্যবহারিক হয়ে ওঠে. ইন্টিগ্রেশন আরও বাস্তবসম্মত হয়ে ওঠে. আর উচ্চ-মূল্য সিস্টেমগুলো লাইটহাউস উদাহরণ এবং পরিচয়চিহ্ন হিসেবে স্থিতিস্থাপক হয়ে ওঠে এবং বিভিন্ন ফাংশন জুড়ে শেয়ার করা হয়.

এভাবেই সংস্থাগুলো ভালো থেকে ভিন্ন ব্যবসায়িক মডেলে অগ্রসর হয়. AI প্রথমে কাজ উন্নত করে. তারপর এটি ওয়ার্কফ্লো পুনর্গঠন করে. তারপর এটি কন্ট্রোল লেয়ার, অপারেটিং মডেল এবং শেষ পর্যন্ত ব্যবসায়িক মডেল পরিবর্তন করে. খুচরা বাণিজ্য দোকানগুলোকে একটু বেশি কার্যকর করে তোলার মাধ্যমে ই-কমার্সে পরিণত হয়নি. এটি তখনই পরিবর্তিত হয়েছিল যখন নেতৃবৃন্দ সম্পূর্ণ নতুন এক ভ্যালু প্রপোজিশন তৈরি করতে শিখেছিলেন; যা দোকানগুলোকে পুরোপুরি এড়িয়ে গিয়ে একটি একক এবং ব্যবহারকারী-কেন্দ্রিক প্রক্রিয়ার মাধ্যমে মার্কেটিং ও লজিস্টিকসকে একে অপরের সাথে সংযুক্ত করে. AI একই ধাঁচ অনুসরণ করবে.

কিছু উদাহরণ:

• একজন খুচরা বিক্রেতা প্রথমে কর্মীদের ব্যাপক গ্রহণযোগ্যতা দিয়ে শুরু করে, তারপর AI-নেটিভ ডিসকভারি এবং কথোপকথনভিত্তিক কমার্স উন্নত করে এবং শেষ পর্যন্ত ব্যক্তিগতকৃত বিক্রয়ের জন্য একটি নতুন চ্যানেল তৈরি করে.
• একটি ফার্মাসিউটিক্যাল কোম্পানি কর্মীদের দক্ষতা এবং R&D ও ক্লিনিক্যাল অপারেশনে বিশেষজ্ঞ সক্ষমতা দিয়ে শুরু করে. এরপর এটি সুশাসিত গবেষণা কর্মপ্রবাহ তৈরি করে, যা লেট-স্টেজ অনুমোদনের জন্য নতুন ইঙ্গিত প্রদান করে এবং পাইপলাইনের অর্থনীতিকে পুনর্গঠন করে.
• একজন উৎপাদক বিভিন্ন ফাংশনে কোপাইলট দিয়ে শুরু করে, তারপর চেঞ্জ কন্ট্রোল, SOPs এবং কোয়ালিটি ওয়ার্কফ্লো বদলাতে AI প্রয়োগ করে—যতক্ষণ না অপারেশনকে একটি অভিযোজ্য সিস্টেম হিসেবে পরিচালনা করা যায়, যা স্থির সিস্টেমের পরিবর্তে বাজার অর্থনীতিকে নতুনভাবে সংজ্ঞায়িত করে.
• একজন বীমাকারী দাবির সহায়তা টুল দিয়ে শুরু করে, তারপর শাসিত বিশেষজ্ঞ পর্যালোচনা এবং কর্মপ্রবাহ অর্কেস্ট্রেশন তৈরি করে এবং শেষ পর্যন্ত দ্রুত সিদ্ধান্ত, কম ব্যতিক্রম এবং আরও ভালো গ্রাহক ফলাফলের জন্য দাবি পরিচালনা পুনর্নকশা করে.

আপনি যদি বর্তমানে AI কৌশল বা স্ট্র্যাটেজি পরিচালনার দায়িত্বে থাকেন, তবে এটিকে সহজ রাখতে তিনটি পর্যায়ে বিভক্ত করুন.

• ভূমিকা-ভিত্তিক ওয়ার্কফ্লো এবং দক্ষ ব্যক্তিদের নেটওয়ার্ক দিয়ে বিস্তৃত কর্মীদের সক্ষম করুন.
• গভর্ন্যান্স বা পরিচালনার প্রাথমিক বিষয়গুলো নির্ধারণ করুন: কী কী অনুমোদিত, কোন বিষয়গুলো পর্যালোচনা করা হবে, কী কী লগ বা নথিবদ্ধ করা হবে এবং এর প্রসারের (Adoption) দায়িত্ব কার.
• বারবার ব্যবহার, দক্ষতা, পুনঃব্যবহারযোগ্য ওয়ার্কফ্লো এবং ক্রস-ফাংশনাল সক্ষমতায়ন পরিমাপ করুন.

• উচ্চ-মূল্যের অল্প কয়েকটি উদ্যোগ বেছে নিন: একটি বিতরণ প্রক্রিয়া, একটি বিশেষজ্ঞ সংকট, এবং দৃশ্যমান ROI-সহ একটি কর্মপ্রবাহ.
• ব্যবসায়িক পরিভাষায় মূল্য পরিমাপ করুন: রূপান্তরের গুণমান, চক্র-সময় হ্রাস, মান বৃদ্ধি, ঝুঁকি হ্রাস এবং নতুন রাজস্ব সম্ভাবনা.
• এই অর্জনগুলোকে ভিত্তির পরবর্তী স্তরে পুনঃবিনিয়োগ করুন: ডেটা গুণমান, পরিচয়, ইন্টিগ্রেশন, পর্যবেক্ষণযোগ্যতা এবং নিয়ন্ত্রণ.

• অনুমতি, অডিটযোগ্যতা এবং ব্যতিক্রম হ্যান্ডলিং বাস্তব ও কার্যকর হলেই কেবল AI-কে উচ্চ-নির্ভরযোগ্য সিস্টেম এবং সম্পূর্ণ প্রক্রিয়াগুলিতে সম্প্রসারিত করুন.
• সেই ভিত্তিগুলো ব্যবহার করে অপারেটিং মডেলকে নতুনভাবে ডিজাইন করুন, শুধুমাত্র পুরোনোটিকে দ্রুততর করার জন্য নয়.
• জিজ্ঞেস করুন, কোথায় AI সম্পূর্ণ নতুন মূল্য তৈরি করতে পারে—শুধু কম খরচে কাজ সম্পাদন নয়.

কল টু অ্যাকশনটি লেগ্যাসি মডেলে AI কোথায় সাহায্য করতে পারে সেখানে থাকার দরকার নেই. প্রথমে কোন ভ্যালু মডেল তৈরি করতে হবে, এটি কোন ভিত্তি তৈরি করে এবং পরবর্তী ধাপে এটি কোন কোন সম্ভাবনা উন্মোচন করে—তা জিজ্ঞাসা করুন. সাবলীলতা অর্জনের জন্য যথেষ্ট বিস্তৃতভাবে শুরু করুন. প্রতিটি ধাপে মূল্য অর্জনের জন্য যথেষ্ট শৃঙ্খলাবদ্ধ থাকুন. অতঃপর যথেষ্ট আত্মবিশ্বাসের সাথে এর বিস্তার ঘটান, যাতে বর্তমানের একটি উন্নত সংস্করণ থেকে সম্পূর্ণ ভিন্ন এক ভবিষ্যতের দিকে এগিয়ে যাওয়া যায়.