কনটেন্টে যান

কেন AI Work Flow for Business?

এন্টারপ্রাইজ অপারেশনে AI যোগ করার অনেক উপায় আছে। এই পেজে বলছি AI Work Flow for Business কোন্ নির্দিষ্ট সমস্যার সমাধান দেয়, আর সেই সমস্যায় লোকাল-ফার্স্ট ডিজাইন কেন সঠিক উত্তর।

সমস্যাটা

বেশিরভাগ এন্টারপ্রাইজ অপারেশন টিম একই ধরনের চ্যালেঞ্জে পড়ে:

  • সাপোর্ট টিকিট জমতে থাকে — কোনো টপিক, প্রায়োরিটি, বা ওনার নেই।
  • রানবুক ও SOP PDF আর SharePoint সাইটে পড়ে থাকে — কেউ খোঁজে না।
  • শিফট হ্যান্ডওভার ট্রাইবাল নলেজ — সিনিয়র ইঞ্জিনিয়ার ছুটিতে গেলে টিম কার্যত অন্ধ।
  • নেটওয়ার্ক লগ ও অ্যালার্ট মানুষের জন্য অতিরিক্ত নয়েজি, জেনারেল-পারপাস চ্যাটবটের জন্য অতিরিক্ত স্পেশালাইজড।
  • হায়ারিং ও অনবোর্ডিং মাসের পর মাস লাগে — কারণ ইনস্টিটিউশনাল নলেজ পাঁচজনের মাথায়।

২০২৪–২০২৬-এ ইনস্টিংক্ট ছিল এসব সব কিছু ChatGPT বা Claude-এ পাঠানো। বেশিরভাগ এন্টারপ্রাইজের জন্য সেই ইনস্টিংক্ট ভুল — তিনটা কারণে।

ক্লাউড LLM কেন এখানে কাজ করে না

১. ডেটা রেসিডেন্সি

কাস্টমার কমপ্লেইনের টেক্সট, নেটওয়ার্ক লগ, ইন্টারনাল SOP, আর HR রেকর্ড — সব রেগুলেটেড। বাংলাদেশে (আর বেশিরভাগ রেগুলেটেড মার্কেটে) এগুলো পাবলিক API-তে পাঠানো একটা কমপ্লায়েন্স ইভেন্ট, প্রোডাক্টিভিটি উইন না। লিগ্যাল টিম ব্লক করে দেবে।

২. স্কেলে খরচ

৫০ জনের সাপোর্ট স্টাফের একটা টিম ক্লাউড LLM দিয়ে টিকিট ট্রায়াজ করলে টিকিট প্রতি ~\(0.01 ধরলে মাসে ~\)10,000 API খরচ হবে — আসল ভ্যালু তৈরি হওয়ার আগেই। একটা GPU-তে লোকাল ইনফারেন্স ফিক্সড খরচ।

৩. ল্যাটেন্সি ও রিলায়েবিলিটি

ক্লাউড API যোগ করে ২০০–৮০০ms রাউন্ড-ট্রিপ ল্যাটেন্সি, আর আউটেজ থাকে। একই নেটওয়ার্কে লোকাল মডেল ৩০–১০০ms-এ রেসপন্ড দেয় আর বিল্ডিংয়ে বিদ্যুৎ থাকলেই অ্যাভেইলেবল।

"লোকাল" আসলে মানে কী

এই প্রজেক্টে "লোকাল" মানে:

  • মডেলের ওয়েট তোমার নিয়ন্ত্রণে থাকা একটা মেশিনে থাকে।
  • ইনফারেন্স হয় সেই মেশিনে (অথবা একই ডেটা সেন্টারের সার্ভারে)।
  • কোনো রিকোয়েস্ট, রেসপন্স, বা প্রম্পট কখনো থার্ড-পার্টি API-তে যায় না।
  • একই Python কোড ডেভেলপার ল্যাপটপে প্রোটোটাইপের জন্য, আর সার্ভারে প্রোডাকশনের জন্য — দুই জায়গাতেই চলে।

ধরা: ২০২৬-এ লোকাল মডেল ছোট (1B–4B প্যারামিটার) — সেরা ক্লাউড মডেলের চেয়ে। এগুলো GPT-4-এর জেনারেল-পারপাস বিকল্প না। এগুলো একবারে একটা ওয়ার্কফ্লোর ফোকাসড বিকল্প।

এই প্রজেক্ট কী

AI Work Flow for Business হলো রেফারেন্স ইমপ্লিমেন্টেশনের একটা সেট — যেগুলো দেখায় কীভাবে লোকাল মডেল নির্দিষ্ট, ভালোভাবে ডিফাইন্ড এন্টারপ্রাইজ ওয়ার্কফ্লোতে ডিপ্লয় করা যায়। প্রতিটা মডিউল:

  • স্কোপ ছোট, পরিষ্কার (একটা ওয়ার্কফ্লো, একটা আউটপুট)।
  • ছোট মডেল ব্যবহার করে (ডিফল্ট: Qwen 2.5 1.5B)।
  • স্ট্রাকচার্ড আউটপুট দেয় (JSON, একটা ক্যাটাগরি, একটা রাউটিং সিদ্ধান্ত)।
  • পরিমাপযোগ্য সাকসেস মেট্রিক আছে।

বর্তমান মডিউলগুলো:

মডিউল ওয়ার্কফ্লো আউটপুট
ISP Classifier কাস্টমার কমপ্লেইন → ক্যাটাগরি + প্রায়োরিটি {category, priority, owner}
SLA System টিকিট → SLA ব্রিচ রিস্ক + ERP অ্যাকশন {risk, action, approver}
Qwen + RAG অপারেটর প্রশ্ন → রানবুক থেকে উত্তর সাইটেড প্যারাগ্রাফ
HR Assistant এমপ্লয়ি প্রশ্ন → পলিসি-গ্রাউন্ডেড উত্তর সাইটেড প্যারাগ্রাফ

এই প্রজেক্ট যা না

  • চ্যাটবট না। আউটপুট স্ট্রাকচার্ড, ফ্রিফর্ম কথোপকথন না।
  • ফাউন্ডেশন মডেল না। আমরা Qwen ও Gemma যেমন আছে তেমনই ব্যবহার করি; বর্তমান ধাপে কোনো ফাইন-টিউনিং নেই।
  • ক্লাউড প্রোডাক্ট না। কোনো হোস্টেড ভার্সন নেই। তুমি নিজে চালাও।
  • রিসার্চ প্রজেক্ট না। প্রতিটা মডিউল আছে কারণ কোনো না কোনো আসল টিমের ওয়ার্কফ্লো আছে।

কারা ব্যবহার করবে

আপনি AI Work Flow for Business বিবেচনা করবেন যদি এই সব সত্যি হয়:

  • আপনি নিয়ন্ত্রিত বা সংবেদনশীল অপারেশনাল ডেটা নিয়ে কাজ করেন।
  • আপনার এমন একটি ওয়ার্কফ্লো আছে যা যথেষ্ট সুস্পষ্ট এবং স্ট্রাকচার্ড আউটপুটের সাথে সামঞ্জস্যপূর্ণ।
  • আপনার কাছে ইনফারেন্সের জন্য একটি GPU সার্ভার আছে (বা ব্যবস্থা করতে পারবেন), অথবা লো-ভলিউম ওয়ার্কফ্লোর জন্য CPU-তে চালাতে প্রস্তুত আছেন।
  • আপনার টিম Python এবং প্রাথমিক API ইন্টিগ্রেশনে পারদর্শী।

আপনি ব্যবহার করবেন না যদি:

  • আপনার জেনারেল-পারপাস কথোপকথনের অ্যাসিস্ট্যান্ট দরকার হয়। সেক্ষেত্রে ক্লাউড মডেল ব্যবহার করুন।
  • আপনার ডেটা সম্পূর্ণ পাবলিক বা লো-সেনসিটিভিটির। সেক্ষেত্রে লোকাল-ফার্স্ট ডিজাইন অপ্রয়োজনীয় ওভারহেড।
  • আপনি কোনো সিস্টেম ইন্টিগ্রেশনের কাজ করতে ইচ্ছুক নন। লোকাল মডেলের জন্য গ্লু কোড আবশ্যক; এখানে কোনো অফ-দ্য-শেলফ রেডিমেড পণ্য নেই।

কীভাবে শুরু করবেন

এই দৃষ্টিভঙ্গি আপনার প্রতিষ্ঠানের জন্য কার্যকর কি না তা দ্রুত যাচাই করার উপায়:

  1. অ্যাডপশন যাত্রা পড়ুন — বিশেষ করে Discover ও Pilot পর্ব।
  2. উল্লিখিত মানদণ্ডের সাথে মিলে এমন একটি সুনির্দিষ্ট ওয়ার্কফ্লো বাছাই করুন।
  3. পাইলট প্লেবুক অনুসরণ করে ২ সপ্তাহে একটি কার্যকরী প্রোটোটাইপ প্রস্তুত করুন।
  4. পূর্বনির্ধারিত সফলতার মেট্রিকের ভিত্তিতে এটি স্কেল করবেন নাকি বন্ধ করবেন — সেই সিদ্ধান্ত নিন।

এই সাইটের বাকি অংশ সেই রূপরেখাকে সমর্থন করে। ডেমো পেজ-এ কী কী তৈরি করা সম্ভব তার বাস্তব উদাহরণ দেখতে পারেন।