OpenAI B2B Signals
অত্যাধুনিক সুবিধা ক্রমবর্ধমানভাবে বৃদ্ধি পেতে শুরু করেছে.
আজ আমরা B2B Signals চালু করছি, যা OpenAI Signals -এর একটি ব্যবসায়িক সম্প্রসারণ, যা প্রতিষ্ঠানগুলোর মধ্যে AI কিভাবে ছড়িয়ে পড়ছে তা পরিমাপ করে. প্রাথমিক ইঙ্গিতটি স্পষ্ট যে, অগ্রগামী সংস্থাগুলো শুধু কৃত্রিম বুদ্ধিমত্তার সুবিধা পাওয়ার কারণেই এগিয়ে যাচ্ছে না, বরং তারা কাজের বিভিন্ন ক্ষেত্রে এটিকে আরও গভীরভাবে ব্যবহার করছে.
B2B Signals হলো এন্টারপ্রাইজ AI ব্যবহারের বৃহৎ-পরিসরের, গোপনীয়তা-সুরক্ষিত বিশ্লেষণের উপর ভিত্তি করে তৈরি পরিমাপকগুলোর একটি নিয়মিত সেট. এটি আচরণ ও প্যাটার্ন ট্র্যাক করে, যা প্রতিষ্ঠানগুলোকে ইন্টেলিজেন্সকে কিভাবে ব্যবসায়িক মূল্যে রূপান্তর করা যায় তা বুঝতে সাহায্য করতে পারে.
অত্যাধুনিক প্রতিষ্ঠানগুলো—AI ব্যবহারের দিক থেকে 95 তম পারসেন্টাইলে থাকা প্রতিষ্ঠানগুলো—কর্মীপ্রতি আরও বেশি বুদ্ধিমত্তা ব্যবহার করে, উন্নত টুলগুলো আরও নিবিড়ভাবে গ্রহণ করে এবং কর্মপ্রবাহে AI-কে আরও গভীরভাবে অন্তর্ভুক্ত করে. কিছু প্রতিষ্ঠানের ক্ষেত্রে ব্যবধানটি ক্রমবর্ধমানভাবে বৃদ্ধি পেতে শুরু করেছে এবং পার্থক্যটি ক্রমেই ব্যবহারের গভীরতা থেকে আসছে.
মূল বিষয়সমূহ
- অত্যাধুনিক প্রতিষ্ঠানের সুবিধা চক্রবৃদ্ধি হারে বাড়ছে: অত্যাধুনিক প্রতিষ্ঠানগুলো এখন সাধারণ প্রতিষ্ঠানগুলোর তুলনায় কর্মীপ্রতি 3.5 গুণ বেশি কৃত্রিম বুদ্ধিমত্তা ব্যবহার করছে, যা এক বছর আগে 2 গুণ ছিল.
- অত্যাধুনিক প্রতিষ্ঠানগুলো AI শুধু বেশি ঘন ঘন নয়, আরও গভীরভাবে ব্যবহার করে: বার্তার পরিমাণ অত্যাধুনিক ও সাধারণ প্রতিষ্ঠানগুলোর মধ্যে ব্যবধানের মাত্র 36% ব্যাখ্যা করে. অত্যাধুনিক সুবিধার বেশিরভাগই আসে গভীরতর ব্যবহার থেকে.
- এজেন্টিক ওয়ার্কফ্লো অত্যাধুনিক প্রযুক্তি গ্রহণের একটি সূচক হয়ে উঠছে: উন্নত এজেন্টিক টুলগুলোর ব্যবধান সবচেয়ে বেশি, যেখানে অত্যাধুনিক প্রতিষ্ঠানগুলো সাধারণ প্রতিষ্ঠানগুলোর তুলনায় 16 গুণ বেশি Codex বার্তা পাঠাচ্ছে.
- প্রতিষ্ঠানগুলো সাংগঠনিক পরিবর্তনের মাধ্যমে অগ্রগতির ব্যবধান কমিয়ে আনতে পারে: এই ব্যবধান পূরণ করতে হলে, প্রতিষ্ঠানগুলোকে ব্যবহারের গভীরতা পরিমাপ করতে হবে, সুশাসনকে অগ্রাধিকার দিতে হবে, সক্ষমতা বৃদ্ধিতে বিনিয়োগ করতে হবে, যা কার্যকর তার পরিধি বাড়াতে হবে এবং চ্যাট-ভিত্তিক সহায়তা থেকে এজেন্টদের মাধ্যমে অর্পিত কাজের দিকে যেতে হবে.
গভীরতা
অগ্রণী সুবিধা ক্রমশ বাড়তে শুরু করেছে এবং যে সংস্থাগুলো সবচেয়ে গভীরভাবে AI ব্যবহার করছে, তারা তাদের অগ্রগামিতা আরও বাড়িয়ে তুলছে.
এন্টারপ্রাইজগুলোর জন্য সিট স্থাপন কেবল একটি সূচনা বিন্দু. আরও স্পষ্ট সংকেত হলো কর্মীরা আরও গভীর ও জটিল কাজের জন্য AI ব্যবহার করছে কি না. এই চার্টটি অত্যাধুনিক পর্যায়ে প্রতি কর্মী উৎপাদিত টোকেনের (যা 95 তম পার্সেন্টাইল হিসেবে সংজ্ঞায়িত) সঙ্গে সাধারণ প্রতিষ্ঠানে প্রতি কর্মী উৎপাদিত টোকেনের (যা 50 তম পার্সেন্টাইল হিসেবে সংজ্ঞায়িত) তুলনা করে.
টোকেন ব্যবসায়িক মূল্যের নিখুঁত মাপকাঠি নয়. সংক্ষিপ্ত উত্তর খুব মূল্যবান হতে পারে, আর দীর্ঘ উত্তর কম মূল্যবান হতে পারে. তবে টোকেনের পরিমাণ কর্মীরা AI দিয়ে কতটা কাজ করাতে চাইছে, তা মাপতে সাহায্য করে—তাই এটি AI ব্যবহারের গভীরতা এবং কর্মীরা AI থেকে কতটা বুদ্ধিমত্তা চায়, তার একটি ভালো প্রতিনিধি সূচক.
সাধারণ প্রতিষ্ঠানের তুলনায় অত্যাধুনিক প্রতিষ্ঠানের প্রতি কর্মীর জন্য 3.5 গুণ বেশি বুদ্ধিমত্তা প্রয়োজন হয়. এই ব্যবধানটি এপ্রিল 2025 সালে দ্বিগুণ থেকে বেড়েছে, যা ইঙ্গিত করে যে যে প্রতিষ্ঠানগুলো AI সবচেয়ে গভীরভাবে ব্যবহার করছে, তারা তাদের অগ্রগামিতা আরও বাড়াচ্ছে এবং নতুন AI সক্ষমতাগুলোকে আরও গভীর, আরও জটিল কাজে রূপান্তর করতে আরও ভালো অবস্থানে রয়েছে.
অত্যাধুনিক সুবিধা আসে গভীরতর ব্যবহার থেকে, অধিক বার্তা আদান-প্রদান থেকে নয়
অত্যাধুনিক প্রতিষ্ঠানটি সাধারণ প্রতিষ্ঠানের তুলনায় প্রতি কর্মীর জন্য উল্লেখযোগ্যভাবে বেশি বুদ্ধিমত্তার দাবি করে, তবে ব্যবধানের বেশিরভাগই শুধুমাত্র বার্তার পরিমাণ দিয়ে ব্যাখ্যা করা যায় না. এই চার্টটি অত্যাধুনিক প্রতিষ্ঠানের 3.5 গুণ সুবিধাকে উপাদানে ভেঙে দেখায় এবং দেখায় যে যদি সাধারণ প্রতিষ্ঠান অত্যাধুনিক প্রতিষ্ঠানগুলোর একই হারে বার্তা পাঠাত, তাহলে এটি 3.5 গুণ ব্যবধানের মাত্র 36% কমাতে পারত.
অবশিষ্ট ফাঁকটি গভীরতর ব্যবহারের সঙ্গে সংশ্লিষ্ট. অত্যাধুনিক কর্মীরা AI-কে আরও জটিল কাজের দায়িত্ব নিতে বলেন, মডেলগুলোকে আরও সমৃদ্ধ প্রেক্ষাপট দেন এবং আরও সারবস্তুপূর্ণ আউটপুট তৈরি করেন.
ব্যাপ্তি
উন্নত ও এজেন্টিক টুলে অত্যাধুনিক সুবিধা সবচেয়ে বেশি, যার নেতৃত্বে রয়েছে Codex-এর 16 গুণ বেশি ব্যবহার
অত্যাধুনিক সুবিধা সবচেয়ে বড় হয় এমন টুলগুলোর ক্ষেত্রে যা আরও উন্নত কর্মপ্রবাহ সমর্থন করে. Codex-এ সবচেয়ে বড় পার্থক্য দেখা যায়, যেখানে অত্যাধুনিক কর্মীরা কর্মীপ্রতি 16 গুণ বেশি বার্তা পাঠায়. ChatGPT Agent, ChatGPT‑তে Apps, ডীপ রিসার্চ এবং GPT‑গুলোতেও তুলনামূলকভাবে বড় ব্যবধান দেখা যায়, যা ইঙ্গিত করে যে অত্যাধুনিক মডেলগুলো এমন টুল কাজে লাগাতে বেশি সক্ষম, যা কর্মীদের কোড লিখতে, বহু-ধাপের কাজ অর্পণ করতে, কোম্পানির প্রেক্ষাপট প্রয়োগ করতে এবং আরও জটিল গবেষণা পরিচালনা করতে সাহায্য করে.
এর বিপরীতে, ইউজার আপলোড, সার্চ এবং ডেটা অ্যানালাইসিসের মতো আরও সাধারণ-উদ্দেশ্যমূলক ও সহজলভ্য টুলগুলো তুলনামূলকভাবে কম অত্যাধুনিক সুবিধা দেখায়. এই টুলগুলো অধিকাংশ প্রতিষ্ঠানের জন্য ব্যবহার করা সহজতর, কারণ এগুলো পরিচিত ওয়ার্কফ্লোগুলোকে সম্প্রসারিত করে. অত্যাধুনিকতার সুবিধা উন্নত এবং এজেন্টিক টুলগুলিতে সবচেয়ে বেশি স্পষ্ট, যেখানে গ্রহণের জন্য বেশি দক্ষতা, কর্মক্ষেত্রের জ্ঞান ও টুলের সঙ্গে সংযোগ এবং AI-কে কাজ অর্পণ করতে আরও বেশি স্বাচ্ছন্দ্য প্রয়োজন.
সবচেয়ে বড় অত্যাধুনিক সুবিধাটি হলো শিক্ষা ও শেখার ক্ষেত্রে
অত্যাধুনিক প্রতিষ্ঠানগুলোর সুবিধা শিক্ষা ও শেখার কাজগুলোর ক্ষেত্রে সবচেয়ে বেশি, যেখানে অত্যাধুনিক প্রতিষ্ঠানটি সাধারণ প্রতিষ্ঠানের তুলনায় সাত গুণ বেশি বার্তা পাঠায়. অত্যাধুনিক পর্যায়ে, প্রতিষ্ঠানগুলো কর্মীদের দক্ষতা গড়ে তুলতে এবং নতুন বিষয় শিখতে সাহায্য করার জন্য AI ব্যবহার করে. তারা AI সম্পর্কেই নিজেদের বোঝাপড়া উন্নত করতেও AI ব্যবহার করে, যার মধ্যে আছে এটি কী করতে পারে, কিভাবে এটি ভালোভাবে ব্যবহার করা যায় এবং বিদ্যমান ওয়ার্কফ্লোতে এটি কোথায় যুক্ত হতে পারে. ব্যবধানের আকার থেকে বোঝা যায় যে সাধারণ প্রতিষ্ঠান ওয়ার্কফোর্সের শেখা ও উন্নয়নের টুল হিসেবে AI-এর যথেষ্ট ব্যবহার নাও করতে পারে.
কোডিংয়েও একটি বড় চার গুণ ব্যবধান দেখা যায়, যা উন্নত এবং এজেন্টিক টুল ব্যবহারের বৃহত্তর ব্যবধানের সঙ্গে সামঞ্জস্যপূর্ণ. ব্যবহারিক নির্দেশনা এবং লেখা ও যোগাযোগের ক্ষেত্রে অগ্রগতির ব্যবধান সবচেয়ে কম, সম্ভবত কারণ এই কাজগুলো AI-এর আরও সহজলভ্য ও পরিচিত ব্যবহার.
সক্ষমতার ব্যবধান দূর করতে শুধু প্রবেশাধিকার নয়, সক্ষম করে তোলাও দরকার. OpenAI-এর এন্টারপ্রাইজ রিসোর্সসমূহ এবং OpenAI একাডেমি-তে ব্যবহারিক নির্দেশিকা, প্রশিক্ষণ উপকরণ এবং ডিপ্লয়মেন্ট রিসোর্স অন্তর্ভুক্ত আছে, যা দলগুলোকে আত্মবিশ্বাসের সাথে AI গ্রহণ করতে সহায়তা করে.
AI-এর ব্যবহার লেখালেখিতে সবচেয়ে বিস্তৃত, তবে কার্যক্ষেত্র-নির্দিষ্ট ব্যবহার বাড়ছে
ChatGPT‑এর সবচেয়ে প্রচলিত ব্যবহার হলো লেখা ও যোগাযোগ. তবে কার্যক্ষেত্রভেদে ব্যবহারের ধরন উল্লেখযোগ্যভাবে ভিন্ন হয়. আইটি ও সিকিউরিটি বার্তার 60% কিভাবে করতে হয় এবং প্রক্রিয়াগত নির্দেশনায় কেন্দ্রীভূত, সফটওয়্যার ডেভেলপমেন্ট এবং ডেটা সায়েন্স ও ইঞ্জিনিয়ারিং বার্তার প্রায় অর্ধেক কোডিং-সম্পর্কিত এবং ফাইন্যান্স বার্তার এক-দশমাংশ বিশ্লেষণ ও গণনার সঙ্গে সম্পর্কিত.
এই ধরনগুলো এই বৃহত্তর প্রমাণের সাথে সামঞ্জস্যপূর্ণ যে, অগ্রবর্তী মডেলগুলো অর্থনৈতিকভাবে মূল্যবান কর্মক্ষেত্রের কাজগুলোতে উন্নতি করছে. GDPval হলো 44-টি পেশা জুড়ে বাস্তব জগতের জ্ঞানভিত্তিক কাজের একটি মূল্যায়ন, যা নথি, স্প্রেডশিট, স্লাইড, ডায়াগ্রাম এবং মাল্টিমিডিয়ার মতো ব্যবহারিক কাজের আউটপুট তৈরি করে এমন কাজগুলোর পারফরম্যান্স পরিমাপ করে. AI যত বেশি সক্ষম হয়ে উঠছে, প্রতিষ্ঠান পর্যায়ে এর ব্যবহার এমন কাজের দিকে সম্প্রসারিত হচ্ছে, যা প্রতিটি ফাংশনের মূল কাজের সঙ্গে আরও ঘনিষ্ঠভাবে যুক্ত.
ব্যবসায়িক প্রেক্ষাপট অনুযায়ী কাজের ধরন
| ব্যবসায়িক প্রসঙ্গ | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ChatGPT কাজসমূহ | ||||||||||||
| লেখালিখি ও যোগাযোগ | ||||||||||||
| কিভাবে করবেন এবং প্রক্রিয়াগত নির্দেশনা | ||||||||||||
| তথ্য | ||||||||||||
| বিশ্লেষণ ও গণনা | ||||||||||||
| পরামর্শ | ||||||||||||
| ক্রিয়েটিভ মিডিয়া | ||||||||||||
| বাণিজ্য | ||||||||||||
| কোডিং | ||||||||||||
| শিক্ষা ও শিক্ষণ | ||||||||||||
পৌঁছান
শিল্পখাতে নেতৃত্ব একমাত্রিক নয়: ChatGPT, Codex এবং API জুড়ে বিভিন্ন খাতের অগ্রগতি লক্ষ্য করা যায়
AI গ্রহণের কোনো একক লিডারবোর্ড নেই. ব্যবহৃত পরিমাপের উপর নির্ভর করে শিল্পখাতের র্যাঙ্কিং ভিন্ন হয়. প্রফেশনাল, সায়েন্টিফিক এবং টেকনিক্যাল সার্ভিসেস Codex গ্রহণের হার এবং API ব্যবহারের তীব্রতা—উভয় ক্ষেত্রেই প্রথম স্থানে রয়েছে, যা ডেভেলপার ও পণ্যের সঙ্গে একীভূত ওয়ার্কফ্লোতে তুলনামূলকভাবে উন্নত ব্যবহারের ইঙ্গিত দেয়. বৃহৎ পরিসরের ডিপ্লয়মেন্টের কারণে ChatGPT গ্রহণে ফাইন্যান্স ও ইন্স্যুরেন্স এগিয়ে রয়েছে, আর শিক্ষা পরিষেবায় বার্তার তীব্রতা সর্বোচ্চ, যা ব্যক্তিপ্রতি আরও গভীর ব্যবহারের ইঙ্গিত দেয়. খুচরা বাণিজ্য এবং হেলথ কেয়ার API ইনটেনসিটিতে উচ্চ র্যাঙ্কে আছে, যদিও অন্যান্য পরিমাপে তাদের র্যাঙ্কিং কম.
এই পার্থক্যগুলো ইঙ্গিত দেয় যে শিল্পখাতের নেতৃত্ব একমাত্রিক নয়. কিছু খাত প্রযুক্তিগত ও ডেভেলপার ওয়ার্কফ্লোর মাধ্যমে AI গ্রহণ করছে বলে মনে হচ্ছে, অন্যদিকে কিছু খাত ব্যাপক ChatGPT গ্রহণ বা আরও নিবিড় এন্ড-ইউজার ব্যবহারের মাধ্যমে ব্যাপকতর হচ্ছে.
AI গ্রহণের মেট্রিক অনুযায়ী শিল্পখাতের র্যাঙ্কিং
| শিল্প | ||||
|---|---|---|---|---|
| অর্থনীতি এবং বীমা | 1+1 | 10-4 | 30 | 60 |
| তথ্য | 2-1 | 20 | 20 | 4-1 |
| প্রফেশনাল, সায়েন্টিফিক এবং টেকনিক্যাল সার্ভিসেস | 30 | 10 | 10 | 10 |
| শিল্পকলা, বিনোদন এবং অবসর যাপন | 40 | 4-1 | 50 | 3+1 |
| ইউটিলিটি | 50 | 80 | 90 | 90 |
| নির্মাণ | 6-1 | 50 | 10-1 | 10-1 |
| রিয়েল এস্টেট এবং ভাড়া ও লিজিং | 7-1 | 7+1 | 11-1 | 80 |
| উৎপাদন | 8-1 | 3+1 | 40 | 70 |
| হেলথ কেয়ার এবং সামাজিক সহায়তা | 90 | 90 | 6+1 | 50 |
| খুচরা বাণিজ্য | 10-2 | 11-1 | 7-1 | 20 |
| জনপ্রশাসন | 11-1 | 6+1 | 80 | 11-1 |
এন্টারপ্রাইজগুলো প্রোডাকশন ওয়ার্কফ্লো এবং গ্রাহক-মুখী অ্যাপ্লিকেশনে API ব্যবহার যুক্ত করছে
কোম্পানিগুলো পণ্য, পরিষেবা এবং অভ্যন্তরীণ সিস্টেমে সরাসরি মডেল একীভূত করতে ক্রমবর্ধমানভাবে API ব্যবহার করছে. প্রোডাকশনে ব্যবহারের সাধারণ ক্ষেত্রগুলোর মধ্যে রয়েছে ইন-অ্যাপ সহায়ক, কোডিং ও ডেভেলপার টুল, গ্রাহক সহায়তা, গবেষণা কর্মপ্রবাহ এবং কর্মপ্রবাহ স্বয়ংক্রিয়করণ.
এই ডিপ্লয়মেন্টগুলো দেখায় কিভাবে এন্টারপ্রাইজ AI পরীক্ষা-নিরীক্ষার পর্যায় পেরিয়ে পরিমাপযোগ্য অপারেশনাল প্রভাবসহ পুনরাবৃত্তিযোগ্য ওয়ার্কফ্লোতে অগ্রসর হচ্ছে. গ্রাহকদের বিভিন্ন উদাহরণে, প্রতিষ্ঠানগুলো জ্ঞানভিত্তিক কাজকে ত্বরান্বিত করতে, ইঞ্জিনিয়ারিং থ্রুপুট উন্নত করতে এবং গ্রাহক ও কর্মীদের জন্য AI-চালিত অভিজ্ঞতা তৈরি করতে OpenAI মডেল ব্যবহার করছে.
শিল্পভিত্তিক শীর্ষ API ইউজ-কেস
প্রফেশনাল সার্ভিসেস
জ্ঞান সহকারী এবং সার্চ (যেমন, প্রশ্নোত্তর টুল, গবেষণা সহকারী, অভ্যন্তরীণ জ্ঞান সহকারী)
গ্রাহক ও বিক্রয় সহায়তা (যেমন, গ্রাহক সহায়তা, ভয়েস ও চ্যাট এজেন্ট, বিক্রয় সহায়তা)
ডেটা বিশ্লেষণ, সারসংক্ষেপ এবং নিষ্কাশন (যেমন, কোম্পানির ডেটা বিশ্লেষণ, মার্কেট ইন্টেলিজেন্স, লেনদেন লেবেলিং এবং পুনর্মিলন)
কোডিং এবং ডেভেলপার টুলস (যেমন, মডেল মূল্যায়ন টুলস, কোডিং অ্যাসিস্ট্যান্ট, ওয়ার্কফ্লো অটোমেশন টুলস)
অর্থনীতি এবং বীমা
ডেটা বিশ্লেষণ, সারসংক্ষেপ ও তথ্য আহরণ (যেমন, ডেটা এক্সট্র্যাকশন, রসিদ ও ব্যয় বিশ্লেষণ, বিনিয়োগ গবেষণা)
নথি ও কর্মপ্রবাহ তৈরি (যেমন, স্বয়ংক্রিয় ব্যয় ব্যবস্থাপনা, গবেষণা-সারাংশ তৈরি, কর্মপ্রবাহ অপ্টিমাইজেশন)
জ্ঞানভিত্তিক সহকারী এবং অনুসন্ধান (যেমন, বিনিয়োগ কৌশল সহকারী, নীতিমালা অনুসন্ধান, ভূমিকা-নির্দিষ্ট সহকারী.)
গ্রাহক ও সেবা সহায়তা (যেমন, গ্রাহক সহায়তার ভয়েস ও চ্যাট এজেন্ট, পার্সোনাল ব্যাংকিং অ্যাসিস্ট্যান্ট, সেন্টিমেন্ট ক্লাসিফিকেশন)
তথ্য
কোডিং এবং ডেভেলপার টুলস (যেমন, কোডিং অ্যাসিস্ট্যান্ট, সফটওয়্যার টেস্টিং টুলস, ওয়েব অটোমেশন টুলস)
জ্ঞান সহায়ক এবং অনুসন্ধান (যেমন, ইন-প্রোডাক্ট সহায়ক, অভ্যন্তরীণ অনুসন্ধান টুলস, ডকুমেন্টেশন সহায়ক)
গ্রাহক ও পরিষেবা সহায়তা (যেমন, গ্রাহক সহায়তা ভয়েস ও চ্যাট এজেন্ট, মাল্টি-চ্যানেল গ্রাহক-সেবা অটোমেশন)
কনটেন্ট, মিডিয়া এবং ডিজাইন জেনারেশন (যেমন, ব্র্যান্ড অ্যাসেট জেনারেশন, মার্কেটিং টুলস)
Cisco একটি বৃহৎ এন্টারপ্রাইজ ইঞ্জিনিয়ারিং সংস্থার জটিল সফটওয়্যার কাজ দ্রুততর করতে Codex ব্যবহার করছে. প্রোডাকশন ওয়ার্কফ্লোতে, Codex বিল্ড টাইম প্রায় 20% কমাতে, প্রতি মাসে 1,500+ ইঞ্জিনিয়ারিং ঘণ্টা সাশ্রয় করতে এবং ত্রুটি সমাধানের থ্রুপুট 10-15 গুণ বৃদ্ধি করতে সাহায্য করেছে. Cisco-এর টিম যেমন বলেছে, সবচেয়ে বড় অগ্রগতি এসেছিল যখন তারা Codex-কে “দলের সদস্য” হিসেবে বিবেচনা করেছিল.
Rakuten ইঞ্জিনিয়ারিং অপারেশন এবং সফটওয়্যার ডেলিভারি জুড়ে কোডেক্স স্থাপন করেছে, যার ফলে পুনরুদ্ধারের গড় সময় প্রায় 50% কমেছে এবং দলগুলো দ্বিগুণ দ্রুত গতিতে প্রোডাকশনের সমস্যা সমাধান করতে সক্ষম হয়েছে. Rakuten অভ্যন্তরীণ স্ট্যান্ডার্ডের সাথে সামঞ্জস্যপূর্ণ স্বয়ংক্রিয় কোড রিভিউ এবং ভলনারেবিলিটি চেকের জন্যও Codex ব্যবহার করে, যা নিরাপত্তার সাথে আপস না করে রিলিজ দ্রুত করতে সহায়তা করে. জটিল প্রজেক্টে, Codex আংশিক প্রয়োজনীয়তাকে কার্যকর ফুল-স্ট্যাক বাস্তবায়নে রূপ দিতে পারে, ফলে টাইমলাইন কয়েক কোয়ার্টার থেকে কয়েক সপ্তাহে সংকুচিত হয়.
Balyasny Asset Management একটি বৃহৎ, বিশেষায়িত জ্ঞানভিত্তিক কর্মসংগঠন জুড়ে বিনিয়োগ গবেষণা ত্বরান্বিত করতে OpenAI ব্যবহার করে. এর নিজস্ব AI গবেষণা প্ল্যাটফর্ম প্রায় 95% বিনিয়োগ দল ব্যবহার করে এবং গবেষণা ওয়ার্কফ্লো সময় দিন থেকে ঘণ্টায় নামিয়ে আনতে সাহায্য করে. উদাহরণস্বরূপ, কেন্দ্রীয় ব্যাংকের বক্তৃতা বিশ্লেষণের একটি কার্যপ্রবাহ, যা আগে দুই দিন সময় নিত, এখন প্রায় 30 মিনিটে সম্পন্ন হয়, যা বিশ্লেষকদের দাখিলকৃত নথি, প্রতিলিপি, গবেষণা প্রতিবেদন এবং বাজার তথ্যের মধ্যে দ্রুত সিদ্ধান্তে পৌঁছাতে সাহায্য করে.
আরও উদাহরণের জন্য আমাদের গ্রাহকের গল্পসমূহের পেজ দেখুন.
অত্যাধুনিক পর্যায়ে পৌঁছাতে প্রতিষ্ঠানগুলো কী করতে পারে
OpenAI বিভিন্ন শিল্পখাত, কার্যাবলী এবং AI পরিপক্বতার বিভিন্ন স্তরের এন্টারপ্রাইজগুলোর সঙ্গে কাজ করে, যা আমাদের দৃশ্যমানতা দেয় যে গ্রহণ কিভাবে পরীক্ষা-নিরীক্ষা থেকে প্রোডাকশনে বিকশিত হয়. এই প্রয়োগগুলো জুড়ে, যে সংস্থাগুলো সবচেয়ে বেশি অগ্রগতি করছে, তারা শুধু প্রবেশাধিকারের উপর কম এবং AI-কে গভীরভাবে ব্যবহার করার জন্য প্রয়োজনীয় সাংগঠনিক ব্যবস্থাগুলোর উপর বেশি মনোযোগ দেয়: পরিমাপ, পরিচালনা, সক্ষমতা বৃদ্ধি, প্রভাবের বিস্তার এবং সক্রিয় প্রয়োগ.
AI গ্রহণকে আরও গভীর করার জন্য যেকোনো প্রতিষ্ঠান আজ থেকেই যে পাঁচটি বাস্তবসম্মত পদক্ষেপ নেওয়া শুরু করতে পারে, তা বিশেষভাবে উল্লেখযোগ্য.
- প্রবেশাধিকারের পাশাপাশি ব্যবহারের গভীরতাও পরিমাপ করুন.
প্রাসঙ্গিক ইঙ্গিতটি হলো শুধু কতজন কর্মীর AI অ্যাকাউন্ট আছে তা নয়, বরং সময়ের সাথে সাথে টিমগুলো AI আরও অর্থবহভাবে ব্যবহার করছে কি না. প্রতিষ্ঠানগুলোর নজর রাখা উচিত যে AI-এর ব্যবহার আরও ঘন ঘন, আরও জটিল এবং মূল্যবান ওয়ার্কফ্লোগুলোর সঙ্গে আরও ঘনিষ্ঠভাবে যুক্ত হচ্ছে কি না. - প্রোডাকশনে ব্যবহার সক্ষম করে এমন গভর্ন্যান্স তৈরি করুন.
শীর্ষস্থানীয় প্রতিষ্ঠানগুলো গভর্ন্যান্স এড়িয়ে যাচ্ছে না. তারা এজেন্টিক AI-কে আরও ডিপ্লয়যোগ্য করতে এটি ব্যবহার করছে. প্রতিষ্ঠানগুলোর জন্য স্পষ্ট নিয়ম প্রয়োজন—এজেন্টরা কোথায় কাজ করতে পারবে, কোন তথ্য তারা ব্যবহার করতে পারবে, কখন তাদের পদক্ষেপ নেওয়ার বদলে পরামর্শ দেওয়া উচিত এবং মানুষ কিভাবে উচ্চ-ঝুঁকির সিদ্ধান্তগুলো পর্যালোচনা করবে. অত্যাধুনিক প্রতিষ্ঠানগুলো স্থাপনা প্রক্রিয়ার অংশ হিসেবে এই মানদণ্ডগুলো নির্ধারণ করছে, তাই গভর্ন্যান্স গ্রহণকে ধীর না করে নিরাপদভাবে বিস্তৃত করার একটি উপায় হয়ে ওঠে. - সক্ষমতা বৃদ্ধিকে মূল অবকাঠামো হিসেবে বিবেচনা করুন, কোনো পার্শ্ব প্রকল্প হিসেবে নয়.
AI সক্ষমতা উন্নত হওয়ার সঙ্গে সঙ্গে, কর্মী আর সংস্থা—দুই পক্ষেরই এমন সিস্টেম দরকার যা তাদের তাল মিলিয়ে চলতে সাহায্য করে. অগ্রণী প্রতিষ্ঠানগুলো সক্ষমতা বৃদ্ধিকে এককালীন প্রশিক্ষণ কার্যক্রম হিসেবে বিবেচনা করে না. তারা ভূমিকা-নির্দিষ্ট প্রশিক্ষণ, ইউজ-কেস ওয়ার্কশপ, হ্যাকাথন, অভ্যন্তরীণ চ্যাম্পিয়ন নেটওয়ার্ক, পরীক্ষা নিরীক্ষার জন্য নির্দিষ্ট সময়, আর ওয়ার্কফ্লো/বেস্ট প্র্যাকটিস/দক্ষতার শেয়ার করা রিপোজিটরির মাধ্যমে ডিপ্লয়মেন্টের মধ্যেই ধারাবাহিক শেখা গেঁথে দেয়. - আপনার অত্যাধুনিক টিমগুলো শনাক্ত করুন এবং তাদের প্রভাব বাড়ান.অনেক প্রতিষ্ঠানেই এর সবচেয়ে উন্নত ব্যবহার অল্প কয়েকটি দলের মধ্যেই কেন্দ্রীভূত থাকে. সেই টিমগুলো দেখাতে পারে কোন ওয়ার্কফ্লো, অভ্যাস এবং অপারেটিং মডেলগুলো কার্যকর হচ্ছে. নেতৃবৃন্দের উচিত এই দলগুলোকে চিহ্নিত করা, তাদের সাফল্যের পেছনের শর্তগুলো বোঝা ও সেগুলো স্কেল করা এবং প্রতিষ্ঠানের বাকি অংশের সঙ্গে AI-এর আরও গভীর ব্যবহারের অন্তর্দৃষ্টি ও উদাহরণ শেয়ার করতে তাদের সহায়তা করা.
- শুধু কথাবার্তার মধ্যে সীমাবদ্ধ না থেকে কাজের দায়িত্ব অর্পণ করুন.
এন্টারপ্রাইজ AI এখন চ্যাট সহকারী থেকে এমন কাজের দিকে এগোচ্ছে, যা এজেন্টদের কাছে অর্পণ করা যায়. সফটওয়্যার ইঞ্জিনিয়ারিং এই প্রবণতাকে তুলে ধরে, তবে অর্পিত কাজ বিভিন্ন কার্যক্ষেত্র জুড়ে ছড়িয়ে পড়ছে. Codex ব্যবহার করে ইঞ্জিনিয়াররা একটি নির্দিষ্ট টাস্ক হস্তান্তর করতে পারেন, এজেন্টকে তার প্রয়োজনীয় কনটেক্সট দিতে পারেন, তাকে ফাইল, কোডবেস এবং টুল জুড়ে কাজ করতে দিতে পারেন, এরপর ফলাফল পর্যালোচনা করে ফিডব্যাকের মাধ্যমে ওয়ার্কফ্লো পরিমার্জন করতে পারেন. অত্যাধুনিক প্রতিষ্ঠানগুলো কর্মীদের উৎসাহিত করছে যেন তারা AI-কে শুধু একটি স্থির সহকারী হিসেবে ব্যবহার না করে, বরং কাজগুলো AI-এর কাছে অর্পণ করে.
এই প্রতিবেদনের সব বিশ্লেষণ ডি-আইডেন্টিফাইড, সমষ্টিগত এন্টারপ্রাইজ ব্যবহার ডেটার উপর ভিত্তি করে করা হয়েছে. বার্তার বিষয়বস্তু স্বয়ংক্রিয় সিস্টেম দিয়ে শ্রেণীবদ্ধ করা হয়েছিল এবং এই বিশ্লেষণের অংশ হিসেবে কোনো OpenAI কর্মী পৃথক এন্টারপ্রাইজ, বিজনেস বা API কাস্টমারের ডেটা পর্যালোচনা করেননি.
যদি আপনি সম্পূর্ণ ফলাফলগুলি অন্বেষণ করতে চান বা আপনার প্রতিষ্ঠানে দায়িত্বশীলভাবে AI নিয়ে আসার উপায় শিখতে চান, [তাহলে আমরা আপনার সাথে যোগাযোগ করতে চাই].
আরও জানুন
গবেষণা এবং বিশ্লেষণ
AI কিভাবে গৃহীত হচ্ছে এবং অর্থনীতি ও সমাজের উপর এর প্রভাব নিয়ে গবেষণা ও বিশ্লেষণ.