হিউম্যান-AI টিমিং — পরিপূরক সক্ষমতা

১ · টিমিং মানে কী — টুল নয়, পার্টনার

পরিপূরক সক্ষমতাComplementary strengthsদুটি ভিন্ন এজেন্ট (মানুষ ও AI) যখন ভিন্ন ধরনের কাজে ভিন্নভাবে শক্তিশালী হয়, এবং সঠিকভাবে একসাথে কাজ করলে যেকোনো একজনের চেয়ে ভালো ফল দিতে পারে। M3-এ (ট্রাস্ট) ও M5-এ (হিউম্যান-ইন-দ্য-লুপ) আমরা দেখেছি মানুষ কীভাবে AI-এর সিদ্ধান্ত যাচাই বা ওভাররাইড করে। কিন্তু টিমিং এক ধাপ এগিয়ে যায় — এটি ধরে নেয় না যে AI শুধু একটি দ্রুত কিন্তু কম-নির্ভরযোগ্য মানুষের বিকল্প। বরং এটি প্রশ্ন করে: মানুষ ও AI-এর সক্ষমতা কীভাবে ভিন্ন, এবং সেই ভিন্নতাকে কীভাবে সুবিধায় রূপান্তর করা যায়?

এটি L03-এর "অটোমেশন বনাম অগমেন্টেশন" আলোচনার সাথে সম্পর্কিত, কিন্তু ভিন্ন প্রশ্ন করে। অটোমেশন/অগমেন্টেশন জিজ্ঞাসা করে "AI কি মানুষকে প্রতিস্থাপন করবে নাকি ক্ষমতায়ন করবে?" — টিমিং জিজ্ঞাসা করে "কোন কাজটা কার কাছে যাওয়া উচিত, যাতে দুজনের শক্তি সর্বোচ্চ ব্যবহার হয়?"

২ · মানুষ ও AI কোথায় শক্তিশালী

৩ · একটি সত্যিকারের ডেমো — হ্যান্ডঅফ রুল

ধরা যাক একটি কন্টেন্ট-রিভিউ সিস্টেমে ৪০টি কেস আছে — ২০টি অস্পষ্ট (ambiguous) কেস (প্রসঙ্গ, সুর, উদ্দেশ্য বোঝা দরকার) এবং ২০টি স্পষ্ট (clearcut) কেস (স্পষ্ট প্যাটার্ন, নিয়মভিত্তিক)। মানুষ অস্পষ্ট কেসে ৮৫% সঠিক কিন্তু স্পষ্ট কেসে মাত্র ৬৫% (কারণ মানুষ একঘেয়ে প্যাটার্ন-কাজে অমনোযোগী হয়ে পড়ে), আর AI অস্পষ্ট কেসে মাত্র ৫৫% সঠিক কিন্তু স্পষ্ট কেসে ৯২%। নিচের কোডে একটি সরল হ্যান্ডঅফ রুল — অস্পষ্ট কেস মানুষের কাছে, স্পষ্ট কেস AI-এর কাছে পাঠানো — তুলনা করা হয়েছে মানুষ-একা ও AI-একার সাথে।

import random
random.seed(42)

def make_cases(n_ambiguous, n_clearcut):
    cases = [{"id": i, "type": "ambiguous"} for i in range(n_ambiguous)]
    cases += [{"id": i, "type": "clearcut"} for i in range(n_ambiguous, n_ambiguous + n_clearcut)]
    random.shuffle(cases)
    return cases

cases = make_cases(20, 20)

HUMAN_ACC = {"ambiguous": 0.85, "clearcut": 0.65}
AI_ACC = {"ambiguous": 0.55, "clearcut": 0.92}

def simulate_decisions(cases, acc_table):
    # প্রতিটি কেসে সংশ্লিষ্ট এজেন্ট সঠিক হলো কিনা, তার প্রকৃত অ্যাকুরেসি অনুযায়ী
    return [random.random() < acc_table[c["type"]] for c in cases]

human_correct = simulate_decisions(cases, HUMAN_ACC)
ai_correct = simulate_decisions(cases, AI_ACC)

def handoff_route(case):
    # হ্যান্ডঅফ রুল: অস্পষ্ট কেস মানুষের কাছে, স্পষ্ট কেস AI-এর কাছে
    return "human" if case["type"] == "ambiguous" else "ai"

combined_correct = []
for i, c in enumerate(cases):
    route = handoff_route(c)
    combined_correct.append(human_correct[i] if route == "human" else ai_correct[i])

def pct(lst):
    return sum(lst) / len(lst) * 100

print(f"মোট কেস: {len(cases)} (২০টি অস্পষ্ট, ২০টি স্পষ্ট)")
print(f"মানুষ একা (সব কেসে): {pct(human_correct):.1f}%")
print(f"AI একা (সব কেসে): {pct(ai_correct):.1f}%")
print(f"হ্যান্ডঅফ রুল (কম্বাইন্ড): {pct(combined_correct):.1f}%")