কৃত্রিম বুদ্ধিমত্তা বা এআই-এর সক্ষমতা যে সম্পূর্ণ স্বয়ংক্রিয়, সাধারণ মানুষের ধারণা ঠিক তা নয়। এই প্রযুক্তির নেপথ্যে কাজ করছে অসংখ্য মানুষের কঠোর শ্রম, যাদের বলা হয় 'অদৃশ্য কর্মী'। উদাহরণস্বরূপ, নারায়ণগঞ্জের একজন ফ্রিল্যান্সার সজীব (ছদ্মনাম) গভীর রাতে ল্যাপটপের সামনে বসে ছবির ভেতরের মানুষ, গাড়ি বা সাইনবোর্ডের মতো বিভিন্ন বস্তুকে চিহ্নিত করছেন। এই প্রক্রিয়াটিই মূলত 'ইমেজ ডেটা অ্যানোটেশন' বা লেবেলিং নামে পরিচিত, যা ভবিষ্যতের স্বয়ংক্রিয় গাড়িগুলোকে রাস্তা চিনতে সাহায্য করে। এআই যে নিজে নিজে শিখছে বলে মনে হয়, তার মূল ভিত্তি হলো এই বিপুল পরিমাণ মানুষের করা ডেটা লেবেলিং।
টিবিএস নিউজের এক প্রতিবেদনে উল্লেখ করা হয়েছে যে, এই বৈশ্বিক আউটসোর্সিং বাজারে বাংলাদেশ বর্তমানে একটি উল্লেখযোগ্য অবস্থান তৈরি করেছে এবং এর কাজের পরিধিও দিন দিন বাড়ছে। তবে এই খাতের সবচেয়ে বড় সমস্যা হলো মজুরির চরম বৈষম্য। টাইম ম্যাগাজিনের ২০২৫ সালের একটি প্রতিবেদন অনুযায়ী, মার্কিন কোম্পানিগুলো আউটসোর্সিং প্রতিষ্ঠানগুলোকে প্রতি ঘণ্টায় গড়ে ১২.৫০ ডলার প্রদান করলেও, কেনিয়ার মতো দেশের কর্মীরা পান মাত্র ২ ডলারের কাছাকাছি। এমনকি বাংলাদেশেও কিছু খণ্ডকালীন কাজের ক্ষেত্রে প্রতি ঘণ্টায় মাত্র ৩ ডলারের প্রস্তাব দেখা গেছে, যা বৈশ্বিক আয়ের তুলনায় অত্যন্ত সামান্য।
এই প্রতিকূলতা কাটিয়ে উঠতে এবং আয়ের সুযোগ বাড়াতে কর্মীদের জন্য কিছু বিশেষ পরামর্শ দেওয়া হয়েছে। প্রথমত, সাধারণ লেবেলিংয়ের বদলে বাংলা ভাষা, চিকিৎসা বিজ্ঞান কিংবা আইনের মতো বিশেষায়িত বিষয়ে দক্ষতা অর্জন করা প্রয়োজন, কারণ এসব ক্ষেত্রে মানুষের বিচার-বিশ্লেষণ ও অভিজ্ঞতার গুরুত্ব অনেক বেশি। দ্বিতীয়ত, কেবল ডেটা লেবেলিংয়ে সীমাবদ্ধ না থেকে ডেটার মান যাচাই বা 'ইভাল্যুয়েশন'র কাজ শেখার কথা বলা হয়েছে। সর্বোপরি, এই কাজগুলোকে চূড়ান্ত লক্ষ্য হিসেবে না দেখে ক্যারিয়ারের শুরুর ধাপ বা সিঁড়ি হিসেবে বিবেচনা করা উচিত। এখন প্রশ্ন হলো, আমরা কি কেবল এআই প্রযুক্তির ব্যবহারকারী হয়ে থাকব, নাকি এর নির্মাতা হিসেবে নিজেদের প্রতিষ্ঠিত করতে পারব?
