অটোমেশন বনাম অগমেন্টেশন — AI প্রতিস্থাপন করবে না ক্ষমতায়ন

১ · অটোমেশন কী, অগমেন্টেশন কী

অটোমেশন-এ AI সিদ্ধান্ত নেয় এবং সেই সিদ্ধান্ত সরাসরি কার্যকর করে — মানুষ সাধারণত সেই মুহূর্তে জড়িত থাকে না। অগমেন্টেশন-এ AI তথ্য, সাজেশন বা একটি প্রাথমিক বিশ্লেষণ দেয়, কিন্তু চূড়ান্ত সিদ্ধান্ত ও দায়িত্ব মানুষের হাতে থাকে। বাস্তবে এটি সাদা-কালো নয় — একই সিস্টেম বিভিন্ন কেসে ভিন্ন মাত্রায় অটোমেটেড হতে পারে (M5-এ "লেভেলস অফ অটোমেশন" স্কেল দিয়ে এটি আরও নিখুঁতভাবে ব্যাখ্যা করা হবে, L20)।

২ · কোন কাজ কোনটির জন্য উপযুক্ত

সঠিক পছন্দ নির্ভর করে কাজের ঝুঁকি, বিপরীতযোগ্যতা (reversibility), এবং কাজটি কতটা স্পষ্টভাবে সংজ্ঞায়িত তার উপর।

লক্ষণীয় বিষয় হলো — একই সিস্টেমে দুটোই একসাথে থাকতে পারে: স্পষ্ট কেসগুলো (খুব নিশ্চিতভাবে নিয়ম-ভঙ্গকারী বা খুব নিশ্চিতভাবে নিরাপদ) স্বয়ংক্রিয়ভাবে হ্যান্ডেল হয়, আর শুধু অস্পষ্ট/সীমান্ত-রেখার কেসগুলো মানুষের কাছে পাঠানো হয়। নিচের ডেমোতে ঠিক এই প্যাটার্নটি সিমুলেট করা হয়েছে।

৩ · ট্রাস্ট ও কাজের ডিজাইনের উপর প্রভাব

এই পছন্দ শুধু টেকনিক্যাল সিদ্ধান্ত নয়। পূর্ণ অটোমেশনে ভুল হলে ব্যবহারকারীর কোনো তাৎক্ষণিক নিয়ন্ত্রণ থাকে না — এটি বিশ্বাস দ্রুত ভাঙতে পারে, বিশেষ করে উচ্চ-ঝুঁকির প্রেক্ষাপটে (M3-এ বিস্তারিত)। অগমেন্টেশনে মানুষ নিয়ন্ত্রণে থাকে, কিন্তু নতুন ঝুঁকি তৈরি হয়: যদি মানুষ AI-এর সাজেশন যাচাই না করে অন্ধভাবে মেনে নিতে শুরু করে (অটোমেশন বায়াস, M3-এ বিস্তারিত), তাহলে অগমেন্টেশনের সুবিধা কার্যত হারিয়ে যায় — সিদ্ধান্ত-নেওয়ার দায়িত্ব কাগজে-কলমে মানুষের কাছে থাকলেও বাস্তবে তা AI-ই নিচ্ছে। এছাড়া, একটি কাজ যতটা অগমেন্টেড করা হয়, মানুষের ভূমিকা তত বেশি "রিভিউয়ার" হয়ে যায় — যা দীর্ঘমেয়াদে দক্ষতা কমিয়ে দিতে পারে (deskilling), তাই এই পছন্দ কর্মীর কাজের ডিজাইনকেও প্রভাবিত করে।

৪ · একটি সত্যিকারের তুলনা — কনটেন্ট মডারেশন

ধরা যাক একটি কনটেন্ট-মডারেশন সিস্টেমে AI প্রতিটি পোস্টকে ০ থেকে ১ স্কেলে একটি "নিয়ম-ভঙ্গের সম্ভাবনা" স্কোর দেয়। সম্পূর্ণ-অটোমেশন নীতি: স্কোর ০.৫-এর বেশি হলে ব্লক করো, নাহলে অনুমোদন করো — মানুষের কোনো ভূমিকা নেই। অগমেন্টেড নীতি: স্কোর খুব বেশি (≥০.৮) হলে স্বয়ংক্রিয়ভাবে ব্লক, খুব কম (<০.৩৫) হলে স্বয়ংক্রিয়ভাবে অনুমোদন — কিন্তু মাঝের "সীমান্ত-রেখার" কেসগুলো একজন মানুষ-রিভিউয়ারের কাছে পাঠানো হয়। নিচের কোডে দুটো নীতিই একই সিমুলেটেড পোস্ট-সেটে চালিয়ে ভুলের হার তুলনা করা হয়েছে।

import random
random.seed(3)

N = 40
posts = []
for _ in range(N):
    # প্রকৃত অবস্থা: এই পোস্টটি সত্যিই নিয়ম ভঙ্গ করে কিনা (বাস্তবে ৩৫% পোস্ট নিয়ম ভঙ্গ করে)
    violates = random.random() < 0.35
    # AI স্কোর প্রকৃত অবস্থার সাথে সম্পর্কিত কিন্তু নিখুঁত না -- কিছুটা নয়েজ যুক্ত
    base = 0.75 if violates else 0.25
    noise = random.uniform(-0.3, 0.3)
    score = min(1.0, max(0.0, base + noise))
    posts.append((violates, score))

def full_automation(posts, threshold=0.5):
    # AI-ই একা সিদ্ধান্ত নেয়, কোনো মানুষ জড়িত নয়
    wrong = 0
    for violates, score in posts:
        predicted = score > threshold
        if predicted != violates:
            wrong += 1
    return wrong

def augmented_system(posts, low=0.35, high=0.8, human_accuracy=0.85):
    # স্পষ্ট কেস স্বয়ংক্রিয়, সীমান্ত-রেখার কেস মানুষের কাছে
    wrong = 0
    flagged = 0
    for violates, score in posts:
        if score >= high:
            predicted = True
        elif score < low:
            predicted = False
        else:
            flagged += 1
            # মানুষ-রিভিউয়ার নিজেও নিখুঁত না -- human_accuracy সম্ভাবনায় সঠিক ধরে
            predicted = violates if random.random() < human_accuracy else not violates
        if predicted != violates:
            wrong += 1
    return wrong, flagged

auto_wrong = full_automation(posts)
aug_wrong, aug_flagged = augmented_system(posts)

print(f"মোট পোস্ট: {N}")
print(f"সম্পূর্ণ অটোমেশন -> ভুল সিদ্ধান্ত: {auto_wrong}/{N} ({auto_wrong/N*100:.1f}%)")
print(f"অগমেন্টেড (মানুষ+AI) -> ভুল সিদ্ধান্ত: {aug_wrong}/{N} ({aug_wrong/N*100:.1f}%)")
print(f"  মানুষের কাছে পাঠানো হয়েছে: {aug_flagged}টি পোস্ট ({aug_flagged/N*100:.1f}%)")