মুক্তদেশ ডেস্ক: এনভিডিয়ার প্রধান নির্বাহী জেনসেন হুয়াংয়ের মতে, একজন প্রকৌশলী প্রতিষ্ঠানের জন্য কতটা মূল্যবান, তা যাচাই করার একটি অদ্ভুত মানদণ্ড আছে—তার AI টোকেন ব্যবহারের বাজেট। GTC ২০২৬ শেষে All-In Podcast-এ তিনি বলেন, যদি বছরে ৫ লাখ ডলার বেতনের একজন প্রকৌশলীর AI টোকেন ব্যবহারের খরচ তার বেতনের অর্ধেকেরও কম হয়, তাহলে তিনি “গভীরভাবে উদ্বিগ্ন” হবেন। তিনি আরও জানান, এনভিডিয়া তাদের প্রকৌশলীদের জন্য বছরে প্রায় ২ বিলিয়ন ডলার টোকেন ব্যয়ের দিকে এগোচ্ছে।
এই মন্তব্য আসলে একটি বৃহত্তর বাস্তবতাকে তুলে ধরে। অনেক প্রতিষ্ঠান ইতোমধ্যেই এমন এক সমঝোতা করেছে যেখানে আগে যে অর্থ কর্মীদের পেছনে ব্যয় হতো, এখন তার বড় অংশ AI টোকেন কেনার জন্য ব্যয় হচ্ছে।
বিশ্বের চারটি বৃহত্তম হাইপারস্কেলার প্রতিষ্ঠান ২০২৬ সালে সম্মিলিতভাবে প্রায় ৭০০ বিলিয়ন ডলার মূলধনী ব্যয়ের পরিকল্পনা করেছে, যা আগের বছরের তুলনায় প্রায় দ্বিগুণ। একই সময়ে, Challenger, Gray & Christmas-এর তথ্য অনুযায়ী, যুক্তরাষ্ট্রে টানা চতুর্থ মাসের মতো চাকরি ছাঁটাইয়ের প্রধান কারণ হিসেবে AI-কে উল্লেখ করা হয়েছে।
রয়টার্স-এর হাতে আসা মেটার একটি অভ্যন্তরীণ নথিতে দেখা যায়, মে মাসে ৮,০০০ কর্মী ছাঁটাইয়ের উদ্দেশ্য ছিল কোম্পানির বিশাল AI বিনিয়োগের অর্থ জোগানো, যদিও একই প্রান্তিকে তাদের আয় ৩৩% বেড়েছিল। অর্থাৎ এসব ছাঁটাই টিকে থাকার জন্য নয়, বরং AI বিনিয়োগের অর্থায়নের জন্য।
কিন্তু সেই বিনিয়োগ কি প্রত্যাশিত ফল দিয়েছে?
Gartner এক বিলিয়ন ডলারের বেশি আয় করা এবং AI এজেন্ট বা অটোমেশন ব্যবহারকারী ৩৫০টি প্রতিষ্ঠানের নির্বাহীদের ওপর জরিপ চালায়। ফলাফলে দেখা যায়, প্রায় ৮০% প্রতিষ্ঠান কর্মী কমিয়েছে, কিন্তু এতে বিনিয়োগের রিটার্ন (ROI) বাড়েনি।
গার্টনারের বিশ্লেষক হেলেন পোয়েটভিন বলেন:
“কর্মী ছাঁটাই বাজেটে কিছু অর্থ সাশ্রয় করতে পারে, কিন্তু তা কখনোই স্বয়ংক্রিয়ভাবে ভালো রিটার্ন তৈরি করে না।”
উবারও একই ধরনের শিক্ষা কঠিনভাবে পেয়েছে। ২০২৫ সালের ডিসেম্বরে তারা ৫,০০০ প্রকৌশলীকে AI কোডিং টুল দেয়। কিন্তু ২০২৬ সালের এপ্রিলের মধ্যেই তাদের পুরো বছরের AI বাজেট শেষ হয়ে যায়।
উবারের COO অ্যান্ড্রু ম্যাকডোনাল্ড স্বীকার করেন, যদিও প্রতিষ্ঠানের ৭০% কোড AI দ্বারা তৈরি হচ্ছে, তবুও সেই উৎপাদনশীলতার সঙ্গে গ্রাহকদের চোখে পড়ার মতো উন্নতির কোনো সরাসরি সম্পর্ক এখনো দেখা যায়নি।
টোকেন বাজেট আসলে কোথায় কমানো সম্ভব?
অনেক প্রতিষ্ঠান ধরে নিয়েছে টোকেন খরচ স্থির, আর কর্মী সংখ্যা পরিবর্তনযোগ্য। বাস্তবে বিষয়টি ঠিক উল্টো।
কর্মী ছাঁটাই একবারই হয় এবং তার সঙ্গে প্রতিষ্ঠানের মূল্যবান অভিজ্ঞতা ও জ্ঞানও হারিয়ে যায়। কিন্তু টোকেন ব্যয় নানা উপায়ে কমানো সম্ভব।
১. Prompt Caching ব্যবহার করুন
সবচেয়ে সহজ এবং কার্যকর উপায় হলো একই তথ্য বারবার প্রসেস না করা।
বর্তমানে OpenAI ও Anthropicসহ বড় API সরবরাহকারীরা Prompt Caching সুবিধা দেয়। এর মাধ্যমে একই সিস্টেম নির্দেশনা বা রেফারেন্স ডকুমেন্ট বারবার সম্পূর্ণভাবে প্রসেস করতে হয় না।
ফলে পুনরাবৃত্ত ইনপুটের খরচ প্রায় ৯০% পর্যন্ত কমানো যায়।
ProjectDiscovery তাদের ক্যাশ হিট রেট ৭% থেকে ৮৪%-এ উন্নীত করে মোট LLM ব্যয় ৫৯%–৭০% পর্যন্ত কমাতে সক্ষম হয়েছে, যদিও তারা ৯.৮ বিলিয়ন টোকেন ক্যাশ থেকে পরিবেশন করেছে।
একটি মাত্র প্রকৌশলগত পরিবর্তনই অনেক AI-ভিত্তিক কর্মী ছাঁটাইয়ের চেয়েও বেশি অর্থ সাশ্রয় করেছে।
২. কাজ অনুযায়ী সঠিক মডেল নির্বাচন করুন
সব কাজের জন্য সবচেয়ে বড় AI মডেল প্রয়োজন হয় না।
অনেক প্রতিষ্ঠান সাধারণ শ্রেণিবিন্যাস (classification) বা সারসংক্ষেপ (summarization)-এর মতো কাজেও সবচেয়ে ব্যয়বহুল মডেল ব্যবহার করে।
অথচ ছোট মডেল ব্যবহার করলে প্রতি টোকেনের খরচ প্রায় পাঁচ গুণ পর্যন্ত কম হতে পারে।
যেসব কাজ তাৎক্ষণিক উত্তর চায় না, সেগুলোর জন্য Batch Processing ব্যবহার করলে আরও ৫০% পর্যন্ত ছাড় পাওয়া সম্ভব।
৩. Retrieval-Augmented Generation (RAG)
সম্পূর্ণ নলেজ বেস AI-কে পাঠানোর বদলে, শুধুমাত্র প্রয়োজনীয় অংশ পাঠানো হলে টোকেন ব্যয় উল্লেখযোগ্যভাবে কমে।
৪. Prompt Compression
অপ্রয়োজনীয় উদাহরণ, অতিরিক্ত নির্দেশনা এবং পুনরাবৃত্ত তথ্য বাদ দিলে প্রতিটি API কলের টোকেন খরচ কমে যায়।
৫. Open-weight মডেল ব্যবহার
যেসব প্রতিষ্ঠান নিজস্ব অবকাঠামো পরিচালনা করতে সক্ষম, তারা অনেক নিয়মিত কাজ ওপেন-ওয়েট মডেলের মাধ্যমে অনেক কম খরচে সম্পন্ন করতে পারে।
এসব পদ্ধতি মূলত AI ব্যবহারের ক্ষেত্রেও সেই একই নীতি অনুসরণ করে, যেমন খালি ঘরের আলো নিভিয়ে রাখা।
উবার যখন বাজেট অতিক্রম করল, তখন তারা প্রতি প্রকৌশলীর জন্য মাসিক ১,৫০০ ডলার AI ব্যয়ের সীমা নির্ধারণ করে।
যেসব প্রতিষ্ঠান এগিয়ে আছে, তারা বাজেটের চাপে পড়ে নয়, বরং আগে থেকেই ব্যয় নিয়ন্ত্রণ করছে।
সমাধানের অন্য অর্ধেক হলো মানুষ
টোকেন খরচ কমানোর আসল মূল্য তখনই আসে, যখন সেই সাশ্রয় উৎপাদনশীল কাজে বিনিয়োগ করা হয়।
গার্টনারের গবেষণায় দেখা গেছে, যেসব প্রতিষ্ঠান AI দিয়ে কর্মীদের প্রতিস্থাপন না করে বরং তাদের দক্ষতা বাড়িয়েছে, তারাই বেশি ROI অর্জন করেছে।
ক্লারনা একটি বাস্তব পরীক্ষা চালায়। তারা প্রায় ৭০০ জন কাস্টমার সার্ভিস কর্মীকে AI দিয়ে প্রতিস্থাপন করে।
কিন্তু পরে গ্রাহক সন্তুষ্টি কমে যায়।
প্রতিষ্ঠানের প্রধান নির্বাহী সেবাস্টিয়ান সিয়েমিয়াতকোভস্কি বলেন:
“ফলাফল ছিল নিম্নমানের, আর এটি দীর্ঘমেয়াদে টেকসই নয়।”
বর্তমানে ক্লারনা একটি হাইব্রিড মডেল অনুসরণ করছে।
- AI সাধারণ ও পুনরাবৃত্ত কাজ সামলায়।
- মানুষ বিচার-বিবেচনা, জটিল সমস্যা ও সংবেদনশীল বিষয়গুলো পরিচালনা করে।
গার্টনারের পূর্বাভাস অনুযায়ী, ২০২৭ সালের মধ্যে AI-এর কারণে কর্মী কমানো প্রতিষ্ঠানগুলোর অর্ধেক আবার কাস্টমার সার্ভিস কর্মী নিয়োগ দেবে।
ভবিষ্যতের জন্য সবচেয়ে গুরুত্বপূর্ণ বিনিয়োগ
স্ট্যানফোর্ড বিশ্ববিদ্যালয়ের Institute for Human-Centered AI-এর গবেষণায় দেখা গেছে, ২০২৪ সালের তুলনায় ২২–২৫ বছর বয়সী সফটওয়্যার ডেভেলপারদের কর্মসংস্থান প্রায় ২০% কমেছে, অথচ অভিজ্ঞ ডেভেলপারদের সংখ্যা বেড়েছে।
এর অর্থ হলো, অনেক প্রতিষ্ঠান ভবিষ্যতের সিনিয়র প্রকৌশলী তৈরির সুযোগই কমিয়ে দিচ্ছে।
যদি কোনো প্রতিষ্ঠান প্রকৌশলগত উন্নতির মাধ্যমে AI টোকেন ব্যয় ৬০% কমাতে পারে, তবে সেই অর্থ দিয়ে নতুন ও তরুণ প্রকৌশলী নিয়োগ দেওয়া সম্ভব।
এটি আর্থিক সীমাবদ্ধতার বিষয় নয়—এটি নেতৃত্বের সিদ্ধান্ত।
উপসংহার
জেনসেন হুয়াংয়ের বক্তব্য আগামী দিনগুলোতে কর্পোরেট জগতে আরও আলোচিত হবে, এবং AI অবকাঠামোতে বিনিয়োগও বাড়তেই থাকবে।
কিন্তু শেষ পর্যন্ত সফল হবে সেই প্রতিষ্ঠানগুলো, যারা সবচেয়ে বেশি টোকেন কিনেছে বা সবচেয়ে বেশি কর্মী ছাঁটাই করেছে বলে নয়।
বরং সফল হবে তারা, যারা বুঝেছে যে টোকেন বাজেটই আসলে সবচেয়ে নমনীয় খরচের খাত। তারা কর্মী কমানোর বদলে প্রকৌশলগত দক্ষতার মাধ্যমে AI ব্যয় কমাবে এবং সেই সাশ্রয় আবার মানুষের দক্ষতা ও উন্নয়নে বিনিয়োগ করবে।
কারণ শেষ পর্যন্ত AI টোকেনকে কার্যকর করে তোলে মানুষই।
