অটোমেশন, চাকরি ও অর্থনৈতিক ব্যাঘাত
এই পাঠে যা শিখবেন
- অটোমেশনের ঐতিহাসিক প্যাটার্ন — চাকরি বিলুপ্তি ও চাকরি সৃষ্টি একসাথে ঘটার প্রবণতা
- AI-চালিত অটোমেশন নিয়ে দুটি শক্তিশালী, বিপরীতমুখী দৃষ্টিভঙ্গি ন্যায্যভাবে বোঝা
- কেন এই প্রশ্নে একটি "নিশ্চিত উত্তর" দাবি করা বুদ্ধিবৃত্তিকভাবে সৎ নয়
- Python দিয়ে দেখা — কীভাবে ভিন্ন অনুমান একই মডেলে ভিন্ন সিদ্ধান্তে পৌঁছায়
১ · অটোমেশনের একটি সংক্ষিপ্ত, ভালোভাবে-নথিভুক্ত প্যাটার্ন
অর্থনৈতিক ইতিহাসে একটি বারবার ফিরে আসা প্যাটার্ন হলো — নতুন প্রযুক্তি একটি নির্দিষ্ট ধরনের শ্রম-কাজ স্বয়ংক্রিয় করে ফেলে, সেই কাজে নিয়োজিত মানুষের চাকরি বিলুপ্ত বা রূপান্তরিত হয়, আর একই সাথে সেই প্রযুক্তিকে ঘিরে নতুন ধরনের কাজ তৈরি হয় যা আগে অস্তিত্বেই ছিল না। কৃষিকাজের যন্ত্রায়ণ কৃষি-শ্রমিকের প্রয়োজনীয়তা বহুলাংশে কমিয়ে দিয়েছিল, কিন্তু একই সময়ে শিল্প-কারখানায় বিপুল নতুন কর্মসংস্থান তৈরি হয়েছিল। কম্পিউটার ও ইন্টারনেটের বিস্তার বহু কেরানি-জাতীয় কাজ বিলুপ্ত করেছে, আবার সফটওয়্যার ডেভেলপমেন্ট, ডিজিটাল মার্কেটিং বা অ্যাপ-ভিত্তিক সার্ভিসের মতো এমন পেশার জন্ম দিয়েছে যা প্রযুক্তিটি আসার আগে কল্পনাই করা যেত না।
এই প্যাটার্নটি ঐতিহাসিকভাবে সুপরিচিত বলেই অনেকে যুক্তি দেন যে AI নিয়েও একই রকম আশাবাদী হওয়া উচিত। কিন্তু এই ঐতিহাসিক পর্যবেক্ষণ থেকে এটাও নিশ্চিত করে বলা যায় না যে ভবিষ্যতেও ঠিক একই অনুপাতে নতুন চাকরি তৈরি হবে — অতীতের প্যাটার্ন ভবিষ্যতের গ্যারান্টি নয়, এটি শুধু একটি প্রাসঙ্গিক তথ্য যা যেকোনো ভবিষ্যদ্বাণীর একটি ইনপুট হতে পারে।
২ · আসল প্রশ্ন: মাত্রা নাকি প্রকৃতি?
এই মডিউলের বাকি লেসনগুলোর মতোই, এখানে দুটি শক্তিশালী ও ন্যায্য দৃষ্টিভঙ্গি সরাসরি একে অপরের বিপরীতে দাঁড়িয়ে আছে — কোর্সের নীতি অনুযায়ী দুটোই তাদের সবচেয়ে শক্তিশালী রূপে উপস্থাপন করা হলো।
অতীতের অটোমেশন তরঙ্গগুলো মূলত শারীরিক বা পুনরাবৃত্তিমূলক কাজে সীমাবদ্ধ ছিল। AI সম্ভাব্যভাবে জ্ঞানভিত্তিক, বিশ্লেষণী এমনকি কিছু সৃজনশীল কাজেও প্রবেশ করছে — একসাথে বহু ভিন্ন পেশায়, এবং মানুষের শেখা/পুনঃপ্রশিক্ষণের চেয়ে অনেক দ্রুত গতিতে। এই যুক্তিতে, বিস্তৃতি ও গতি এত বেশি হতে পারে যে ঐতিহাসিক "নতুন চাকরি তৈরি হওয়ার" প্রক্রিয়া তাল মেলাতে ব্যর্থ হতে পারে।
প্রতিটি বড় প্রযুক্তি তরঙ্গের সময়েই সমসাময়িক পর্যবেক্ষকরা "এবার সত্যিই ভিন্ন" বলে সতর্ক করেছিলেন — অথচ প্রতিবারই নতুন, অপ্রত্যাশিত ধরনের চাকরি তৈরি হয়েছে (ইন্টারনেট আসার আগে কেউ "অ্যাপ ডেভেলপার" পেশার কথা কল্পনা করেনি)। শ্রমবাজার ধীরে ধীরে অভিযোজিত হয়, উৎপাদনশীলতা বৃদ্ধি নতুন চাহিদা ও নতুন খাত তৈরি করে, আর মানুষের সামাজিক/ভরসাযোগ্য বিচারবোধের মতো দক্ষতার চাহিদা থেকেই যায়।
বিতর্কটি "নিট (net) ভবিষ্যৎ প্রভাব ধনাত্মক নাকি ঋণাত্মক" তা নিয়ে হলেও, একটি বিষয়ে বেশিরভাগ অর্থনীতিবিদ একমত — এমনকি যদি দীর্ঘমেয়াদে নিট কর্মসংস্থান স্থিতিশীল বা বাড়েও, রূপান্তরের সময়কালে নির্দিষ্ট ব্যক্তিরা প্রকৃত, তাৎক্ষণিক ক্ষতির শিকার হন — একজন স্থানচ্যুত কর্মীর নতুন দক্ষতা শিখতে সময় লাগে, নতুন চাকরি ভিন্ন শহরে হতে পারে, আর নতুন খাতে প্রবেশের বয়স/আর্থিক বাধা থাকতে পারে। "গড়ে ভালো হবে" এই যুক্তি ব্যক্তি পর্যায়ের এই বাস্তব রূপান্তর-খরচকে অস্বীকার করে না।
৩ · একই মডেল, ভিন্ন অনুমান, ভিন্ন সিদ্ধান্ত
নিচের কোড সেলে একটি সরল, সম্পূর্ণ সিন্থেটিক কাঠামো ব্যবহার করা হয়েছে — একটি কাল্পনিক ১ কোটি কর্মীর অর্থনীতিতে, "কত অংশ চাকরি বিলুপ্ত হবে" ও "কত অংশ নতুন চাকরি তৈরি হবে" এই দুটি সংখ্যার তিনটি ভিন্ন, যুক্তিসঙ্গত অনুমান-সেট বসিয়ে নিট পরিবর্তন গণনা করা হয়েছে। লক্ষ্য এই নয় যে কোন সংখ্যাটি "সঠিক" — বরং এটি দেখানো যে একই সরল পাটিগণিতে ভিন্ন অনুমান বসালেই সিদ্ধান্ত ধনাত্মক থেকে ঋণাত্মকে বদলে যেতে পারে, যা ব্যাখ্যা করে কেন এই বিতর্ক গণিতের নয়, অনুমানের উপর নির্ভরশীল বিতর্ক।
# একটি সম্পূর্ণ সিন্থেটিক, ইলাস্ট্রেটিভ মডেল -- কোনো বাস্তব দেশ/অর্থনীতির ভবিষ্যদ্বাণী নয়
# উদ্দেশ্য: একই কাঠামোয় ভিন্ন যুক্তিসঙ্গত অনুমান বসালে ফলাফল কতটা বদলাতে পারে তা দেখানো
workforce = 10_000_000 # ইলাস্ট্রেটিভ, একটি কাল্পনিক অর্থনীতির মোট কর্মী সংখ্যা
scenarios = [
{"name": "ঐতিহাসিক-প্যাটার্ন দৃষ্টিভঙ্গি", "displaced_fraction": 0.20, "new_jobs_fraction": 0.22},
{"name": "\"এবার ভিন্ন\" দৃষ্টিভঙ্গি (pessimistic)", "displaced_fraction": 0.30, "new_jobs_fraction": 0.18},
{"name": "অনিশ্চিত/মধ্যপন্থী দৃষ্টিভঙ্গি", "displaced_fraction": 0.25, "new_jobs_fraction": 0.25},
]
print(f"{'দৃষ্টিভঙ্গি':<40}{'বিলুপ্ত চাকরি':<16}{'নতুন চাকরি':<16}নিট পরিবর্তন")
for s in scenarios:
displaced = round(workforce * s["displaced_fraction"])
created = round(workforce * s["new_jobs_fraction"])
net_change = created - displaced
sign = "+" if net_change >= 0 else ""
print(f"{s['name']:<40}{displaced:<16,}{created:<16,}{sign}{net_change:,}")অটোমেশন ঐতিহাসিকভাবে চাকরি বিলুপ্তি ও সৃষ্টি — দুটোই একসাথে করে এসেছে, এবং রূপান্তরের সময় ব্যক্তি পর্যায়ে বাস্তব খরচ থাকে — এই দুটি বিষয়ে বিস্তৃত ঐকমত্য আছে। কিন্তু AI-চালিত অটোমেশনের নিট ভবিষ্যৎ প্রভাব ধনাত্মক নাকি ঋণাত্মক হবে, তা নিয়ে সৎ, যোগ্য অর্থনীতিবিদদের মধ্যেও প্রকৃত মতভেদ আছে — এই কোর্স ইচ্ছাকৃতভাবে কোনো একপক্ষকে "বিজয়ী" ঘোষণা করে না।
ভাবনার প্রশ্ন
প্রতিটি প্রশ্ন নিজে কিছুক্ষণ ভাবুন — তারপর "→ উত্তর" চাপুন।
প্র ০১ "ইতিহাসে সবসময় নতুন চাকরি তৈরি হয়েছে" — এই যুক্তিটি কি ভবিষ্যতেও একই ঘটবে তার প্রমাণ?
না, এটি একটি দরকারী কিন্তু চূড়ান্ত প্রমাণ নয়। ঐতিহাসিক প্যাটার্ন একটি প্রাসঙ্গিক তথ্য — এটি দেখায় যে এই ধরনের অভিযোজন অতীতে বহুবার সম্ভব হয়েছে, যা সম্পূর্ণ পেসিমিজমকে প্রশ্নবিদ্ধ করে। কিন্তু "অতীতে বহুবার ঘটেছে" থেকে যুক্তিগতভাবে "ভবিষ্যতেও একইভাবে ঘটবে" এই নিশ্চয়তায় লাফ দেওয়া একটি প্রবর্তক (inductive) অনুমান, প্রমাণ নয় — বিশেষ করে যখন প্রযুক্তির ধরন (জ্ঞানভিত্তিক কাজে প্রবেশ) আগের তরঙ্গগুলো থেকে গুণগতভাবে ভিন্ন হতে পারে বলে যুক্তি দেওয়া হচ্ছে।
প্র ০২ একজন নীতিনির্ধারক এই অনিশ্চয়তার মধ্যেও কী ধরনের পদক্ষেপ নিতে পারেন, একপক্ষকে সম্পূর্ণ "সঠিক" ধরে না নিয়েই?
অনিশ্চয়তার মধ্যেও কার্যকর হতে পারে এমন পদক্ষেপ — পুনঃপ্রশিক্ষণ ও দক্ষতা-উন্নয়ন কর্মসূচিতে বিনিয়োগ (উভয় দৃষ্টিভঙ্গিতেই উপকারী), রূপান্তরকালীন সামাজিক নিরাপত্তা জাল শক্তিশালী করা (transition খরচ সম্পর্কে ঐকমত্য থাকায়), এবং প্রভাব নিয়মিত পরিমাপ করে নীতি সমন্বয় করা — এগুলো "কোন পক্ষ সঠিক" তার উপর নির্ভর না করেই যুক্তিসঙ্গত পদক্ষেপ, কারণ উভয় দৃষ্টিভঙ্গিতেই এগুলোর মূল্য আছে।
প্র ০৩
উপরের কোড সেলে যদি একটি চতুর্থ সিনারিও যোগ করা হয় যেখানে displaced_fraction = 0.35
এবং new_jobs_fraction = 0.35, নিট পরিবর্তন কত হবে?
দুটি ভগ্নাংশ সমান হলে displaced ও created উভয়ই
0.35 × 10,000,000 = 3,500,000 হবে, তাই net_change = 0 — ঠিক
"অনিশ্চিত/মধ্যপন্থী" সিনারিওর মতোই, শুধু বিলুপ্তি ও সৃষ্টির পরিমাণ দুটোই বড়। এটি দেখায় যে নিট
পরিবর্তনের সংখ্যা শুধু দুটি ভগ্নাংশের পার্থক্যের উপর নির্ভর করে, তাদের পরম মানের উপর নয় —
একটি অর্থনীতি একই সাথে অনেক বেশি "churn" (উচ্চ বিলুপ্তি ও উচ্চ সৃষ্টি) এবং নিট-স্থিতিশীল হতে পারে।
অনুশীলন
-
চিন্তা করুন: আপনার পরিচিত কোনো পেশার কথা ভাবুন যা গত এক দশকে উল্লেখযোগ্যভাবে বদলেছে।
সেই পরিবর্তনে কী বিলুপ্ত হয়েছে, আর কী নতুন তৈরি হয়েছে?
উদাহরণস্বরূপ — গ্রাফিক ডিজাইন পেশায় ম্যানুয়াল লে-আউটের অনেক কাজ সফটওয়্যার-স্বয়ংক্রিয় হয়ে গেছে, কিন্তু একই সাথে UI/UX ডিজাইন, মোশন গ্রাফিক্স ও ব্র্যান্ড-স্ট্র্যাটেজির মতো নতুন বিশেষায়িত ভূমিকা তৈরি হয়েছে। মূল প্রশ্ন হলো — এই রূপান্তর কি বিদ্যমান কর্মীদের জন্য সহজলভ্য ছিল, নাকি নতুন দক্ষতা অর্জনে উল্লেখযোগ্য বাধা ছিল?
-
পরীক্ষা করুন: উপরের কোড সেলে একটি নতুন সিনারিও যোগ করুন যেখানে
displaced_fraction = 0.40এবংnew_jobs_fraction = 0.10— এটি কোন দৃষ্টিভঙ্গির সবচেয়ে চরম রূপ প্রতিনিধিত্ব করে বলে মনে হয়?এই সিনারিওতে
net_change = 0.10×10,000,000 − 0.40×10,000,000 = −3,000,000, যা উপরের তিনটির চেয়েও অনেক বেশি ঋণাত্মক — এটি "এবার ভিন্ন" দৃষ্টিভঙ্গির সবচেয়ে চরম/পেসিমিস্টিক সংস্করণ প্রতিনিধিত্ব করে। লক্ষ্য করুন কোডটি নিজে এই ভগ্নাংশগুলো সম্পর্কে কোনো মতামত দেয় না — এটি শুধু আপনি যে অনুমান বসাবেন তার গাণিতিক ফল দেখায়।
আরও পড়ুন · ABCL TECH-এ আপনার পরবর্তী পদক্ষেপ
- পরবর্তী পাঠ: ডিজিটাল আসক্তি ও অ্যাটেনশন ইঞ্জিনিয়ারিং L49 প্রযুক্তির সামাজিক প্রভাবের আরেকটি মাত্রা — এনগেজমেন্ট-অপ্টিমাইজড ডিজাইন কীভাবে মনোযোগকে প্রভাবিত করে।
- আগের পাঠ: ভুল তথ্য ও অ্যালগরিদমিক অ্যামপ্লিফিকেশন L47 এনগেজমেন্ট-অপ্টিমাইজেশনের আরেকটি সামাজিক প্রভাব।
- কোর্সের সম্পূর্ণ সিলেবাস দেখুন ৫৭টি পাঠ M12-এ পরে রেগুলেশন ও নীতি নিয়ে আরও বিস্তারিত আলোচনা আছে।
- সব Courses দেখুন ABCL TECH C, C++, Python, Java, JavaScript, DSA, DBMS, Discrete Mathematics, System Design, Cybersecurity, Cloud Computing & DevOps, Computer Networks, Operating Systems, Computer Architecture, Programming Languages & Compiler Design, Software Engineering & Git, Theory of Computation, Engineering Economics, Full-Stack Web Frameworks, Mobile App Development ও Ethics in Computing & AI Safety — সব এক জায়গায়।