How Agents Cut Hour-Long Data Checks to 5 Minutes - Amol Kapoor & Clifford Ressel, Nori Agentic

সবাইকে নমস্কার। এআইই (AIE) নিউ ইয়র্কের এই মঞ্চে আসতে পেরে আমি সত্যিই খুব আনন্দিত। এটা সত্যিই অসাধারণ একটি অভিজ্ঞতা। আজ আমরা এজেন্টেক সেকমাস্টার ( Agentech SecMaster) নিয়ে কিছুটা আলোচনা করব। তবে পরিচয়ের আগে, আমি এমন একটি বিষয় নিয়ে কথা বলতে চাই যা ইদানীং আমার মাথায় ঘুরছে, বিশেষ করে এই আলোচনার প্রস্তুতি নেওয়ার সময়, আর তা হলো—ফাইন্যান্স বা অর্থব্যবস্থা এখন একটু অদ্ভুত হয়ে গেছে, তাই না? আমার বেড়ে ওঠার সময় ফাইন্যান্স বলতে মূলত পাবলিক মার্কেট বা শেয়ার বাজার , ট্রেডিং ফ্লোর, ঘণ্টা বাজানো—এসবই বোঝাত । কিন্তু এখন আর সেই দিন নেই। ব্যক্তিগত সম্পদে মূলধন বিনিয়োগের ব্যাপক প্রবাহ দেখা যাচ্ছে। এই সংখ্যাগুলোর কয়েকটি আমার কাছে বেশ বিস্ময়কর মনে হয়। শোনা যাচ্ছে, গত ২০২৫ সালে সেকেন্ডারি ভলিউম ছিল ২৪০ বিলিয়ন ডলার, যা ২০২৪ সালের তুলনায় ৫০ শতাংশ বেশি। আমি নিশ্চিত, ২০২৬ সালে এই পরিমাণ আরও বাড়বে। মানুষ এখন পূর্বাভাস দিচ্ছে যে ২০৩০ সালের মধ্যে বিকল্প সম্পদের পরিমাণ ৩২ ট্রিলিয়ন ডলারে পৌঁছাবে, আর ২০৩০ আসতে মাত্র ৩ বছর বাকি। এখন প্রশ্ন হলো, কেন এমনটা ঘটছে?

অর্থনৈতিক জগতে এটিই কেন সবচেয়ে বড় খবর হয়ে দাঁড়িয়েছে? এর একটি কারণ হলো, বৃহত্তর অর্থনীতিতে এআই (AI) ক্রমশ একমাত্র প্রবৃদ্ধির ক্ষেত্র হয়ে উঠছে। তাই বেশি বেশি মানুষ এআই জগতের সহায়ক সব কিছুতে বিনিয়োগ করছে এবং সেগুলোকে ধরে রাখার চেষ্টা করছে। এর মধ্যে আছে জমি, জ্বালানি , ডেটা সেন্টার, জিপিইউ ক্লাস্টার এবং অবশ্যই সেকেন্ডারি মার্কেট। সবাই ওপেনএআই (OpenAI) এবং অ্যানথ্রোপিকের (Anthropic) সেকেন্ডারি শেয়ার ধরে রাখতে চায়, এগুলো সব জায়গায় ছড়িয়ে আছে। এই সব প্রাইভেট এআই কোম্পানির মালিকানা পাওয়ার জন্য সবাই মরিয়া। তবে এটি কেবল এআই-এর গল্প নয়। এর কিছুটা নিয়মকানুন এবং আলফা খোঁজার প্রচেষ্টার সঙ্গেও সম্পর্কিত। উচ্চ প্রবৃদ্ধি সম্পন্ন কোম্পানিগুলো পাবলিক হওয়ার ক্ষেত্রে এখন আর খুব একটা সুবিধা দেখছে না। তারা বরং সিরিজ এফ (Series F) রাউন্ডে তহবিল সংগ্রহ করতেই বেশি আগ্রহী। এতে প্রতিষ্ঠাতাদের নিয়ন্ত্রণ থাকে বেশি এবং সরকারের সঙ্গে আইনি ঝক্কি থাকে কম। আর যদি এমন বিশাল বড় অর্থভাণ্ডারযুক্ত প্রতিষ্ঠান থাকে যারা পাবলিক মার্কেট দখল করে নিচ্ছে, তাহলে বিনিয়োগকারীরা অন্য কোথাও সুযোগ খুঁজতে শুরু করবেই। সবকিছুর মতোই, আমার মনে হয় ম্যাট লেভিন বিষয়টি সবচেয়ে ভালোভাবে বলেছেন। তিনি আসলে এক বছর আগেই এটি লিখেছিলেন। প্রাইভেট ইনভেস্টমেন্ট ফার্মগুলো এখন অনেক বড় হয়ে গেছে এবং পাবলিক ও প্রাইভেট মার্কেটের মধ্যে আইনি পার্থক্য আগের চেয়ে অনেক কম গুরুত্বপূর্ণ হয়ে পড়েছে। যদি অর্থনীতির একটি বড় অংশ প্রাইভেট সম্পদে থাকে, তবে বিনিয়োগকারীরা কেবল ইনডেক্সিং করে লাভবান হতে পারেন না। বাজারের অর্ধেক যদি প্রাইভেট কোম্পানির দখলে থাকে, তবে কেবল পাবলিক স্টক কিনে আপনি বাজারের গড় মুনাফা পেতে পারেন না। সুতরাং, শেষ পর্যন্ত আপনি একটি চক্রের মধ্যে আটকা পড়বেন। ব্যক্তিগত সম্পদে বিনিয়োগ এখন অনেক বেড়েছে, যার অর্থ হলো বৃহত্তর বাজারের মুনাফা নিশ্চিত করতে

এখন আরও অনেক বেশি মানুষকে ব্যক্তিগত সম্পদে বিনিয়োগ করতে হচ্ছে। এখন, একটি বিষয় যা সত্যিই হতাশাজনক তা হলো ব্যক্তিগত সম্পদ নিয়ে কাজ করা। এটি আসলে সত্যিই খুব কঠিন। আপনি কীভাবে ব্যক্তিগত সম্পদ পরিচালনা করেন? আপনি কতগুলো শেয়ারের মালিক বা আপনার স্ট্রাইক প্রাইস কত—এই বিষয়গুলোর হিসাব কীভাবে রাখেন? আমার কথা বলি, আমি একজন স্টার্টআপ প্রতিষ্ঠাতা, এবং আমার নিজের সামান্য কিছু শেয়ারের ক্ষেত্রেই আমি বিষয়টি হতাশাজনক মনে করি। আর যদি আপনি কোনো জলবিদ্যুৎ কেন্দ্রের পাশের জমিতে বিনিয়োগ করেন, তবে বিষয়গুলো আরও জটিল হয়ে ওঠে। আপনি কত টাকা দিয়েছেন বা আপনার অধিকার কী, এই সংক্রান্ত সব তথ্য কোথায় থাকে? দুর্ভাগ্যবশত, সেগুলো থাকে পিডিএফ ( PDF) ফাইলে। সেগুলো থাকে কোনো বক্স ফোল্ডারে বা আউটলুক ইমেইলে। সেগুলো থাকে জুম কল ট্রান্সক্রিপ্টে। কখনও কখনও, সেগুলো থাকে কলম্বাস সার্কেল দেখা যায় এমন কোনো বারে দ্রুত হাতে লেখা কোনো ন্যাপকিনে । ব্যক্তিগত সম্পদের ডেটা পরিচালনার এই দুঃস্বপ্নের জগতে আপনাদের স্বাগতম, এমন একটি বিষয় যার সাথে এই কক্ষের এবং সামগ্রিকভাবে নিউইয়র্কের আরও অনেক মানুষ গত কয়েক বছর ধরে মোকাবিলা করছেন। আমার নাম অমোল কাপুর। আমি নোরিয়া জেনটেক ( Noriagentech) নামে একটি কোম্পানির সিইও। আমরা ক্লাউড এজেন্ট তৈরি করি এবং আজ আমরা আলোচনা করব কীভাবে ক্লাউড এজেন্ট ও এআই ( AI) ব্যবহার করে কোনো কোম্পানির বিনিয়োগ পরিচালনা, রেকর্ড এবং নিরীক্ষা করা সহজ করা যায়। বিশেষ করে, কোম্পানির সিকিউরিটি মাস্টার ডেটাবেসের ক্ষেত্রে। আমার ব্যাকগ্রাউন্ড আসলে এআই (AI) নিয়ে। আমি প্রায় ১২ বছর ধরে একজন এআই ইঞ্জিনিয়ার হিসেবে কাজ করছি। এর মধ্যে সাড়ে চার বছর আমি গুগলে ছিলাম। তাই মজার ব্যাপার হলো, সিকিউরিটি মাস্টার কী তা নিয়ে কথা বলার জন্য আমি সেরা ব্যক্তি নই। তবে আমি খুবই ভাগ্যবান যে আমার সাথে আছেন আমার সিটিও এবং সহ-প্রতিষ্ঠাতা ক্লিফ, যিনি ব্যাক অফিস ফাইন্যান্সে সময় কাটিয়েছেন। এআই কীভাবে এই সমস্যাগুলো সমাধান করতে পারে তা নিয়ে আলোচনার আগে তিনি আমাদের জানাবেন

সিকিউরিটি মাস্টার কী। >> চমৎকার। সুতরাং, বিষয়টি কেন কঠিন তা নিয়ে কথা বলার আগে আমার মনে হয় আমাদের পুরো পরিস্থিতিটা বুঝে নেওয়া প্রয়োজন। আমরা পাবলিক ইক্যুইটির একটি সহজ উদাহরণ দিয়ে শুরু করতে পারি, তারপর আমরা ব্যক্তিগত সম্পদের জটিল বিষয়গুলো নিয়ে আলোচনা করব। বর্তমানে প্রতিটি অ্যাসেট ম্যানেজার একটি সিকিউরিটি মাস্টারের ওপর ভিত্তি করে কাজ করে। সুতরাং, চলুন সেটাকে সংজ্ঞায়িত করি। অ্যাসেট ম্যানেজারদের জানতে হয় তাদের বিনিয়োগের পরিধিতে বা লেনদেনযোগ্য পরিধিতে কী কী রয়েছে। এটি ব্যাক অফিসের একটি গুরুত্বপূর্ণ অংশ, যা ইঞ্জিনিয়ারিং, অপারেশনস এবং ডেটাকে একত্রিত করে। আপনি এটিকে সমস্ত সিকিউরিটি বা ইন্সট্রুমেন্টের একটি মাস্টার ডাটাবেস হিসেবে ভাবতে পারেন , যা তাদের ধারণ করা সম্পদগুলোকে উপস্থাপন করে। ইঞ্জিনিয়ারদের জন্য, আপনি এটিকে যেকোনো মাস্টার ডাটাবেসের মতো ভাবতে পারেন, এটি তথ্যের মূল উৎস এবং সাধারণত ব্যবসার জন্য গুরুত্বপূর্ণ অধিকাংশ বিশ্লেষণের শুরুর বিন্দু। বিনিয়োগের ক্ষেত্রে, এটি ঝুঁকি ব্যবস্থাপনা, লাভ-ক্ষতির হিসাব, আইনি কমপ্লায়েন্স এবং সম্পদ ব্যবস্থাপকদের জন্য গুরুত্বপূর্ণ অন্যান্য সব কাজকে বোঝায়। ধরুন, তথ্যের দুটি ভিন্ন উৎস নির্দিষ্ট কিছু মান নিয়ে দ্বিমত পোষণ করছে। আদর্শভাবে, এই অসামঞ্জস্যতা সিকিউরিটি মাস্টারে পৌঁছানোর আগেই শনাক্ত হওয়া উচিত নয়। আপনি উৎসে ফিরে গিয়ে নির্দিষ্ট মানের পার্থক্য খুঁজে বের করতে পারেন, অথবা কখনো এটি একটি লজিক্যাল সমস্যা হয় এবং আপনি পরীক্ষা করে দেখতে পারেন প্রতিটি কীভাবে সেই নির্দিষ্ট সিকিউরিটির সাথে ম্যাপ করা আছে। সুতরাং, সঠিকভাবে করা হলে, আপস্ট্রিম সমস্যাগুলো আগেই সমাধান করা যায়, যাতে

সেগুলো আমাদের আলোচিত ব্যবসায়িক বিশ্লেষণগুলোকে প্রভাবিত না করে। আমি এটাকে আপনার কোম্পানির সব ডেটা ব্যবহারকারীদের সক্ষম করার জন্য ডেটা হ্যান্ডেল করার একটি সাংগঠনিক কাঠামো হিসেবে দেখতে পছন্দ করি। এই স্তরটি ডেটা উৎপাদনকারীদের ডেটা ব্যবহারকারীদের থেকে আলাদা করে। সুতরাং, আপনি একটি জটিল মেডালিয়ন ডেটা লেক হাউসে কাজ করছেন যেখানে অনেকগুলো টেবিল আছে, অথবা এটি কেবল তথ্যের একটি সাধারণ উৎস, এটিই সেই স্থান যেখানে আপনি মানদণ্ড, দৃশ্যমানতা এবং গুণগত মান পরীক্ষা নিশ্চিত করতে পারেন। সুতরাং, আপনি কোথায় বিনিয়োগ করছেন তার ওপর ভিত্তি করে, এই সহজ ধারণাটিকে বিশ্বের অন্যান্য বিনিয়োগকারীদের সাথে মিলিয়ে নিতে হবে, যারা সম্ভবত ভিন্ন ভাষা ব্যবহার করে , ভিন্ন মুদ্রায় লেনদেন করে এবং ভিন্ন আইনি কাঠামোয় কাজ করে। সুতরাং, পাবলিক অ্যাসেটের ক্ষেত্রে, আপনি কেন্দ্রীকরণের বিভিন্ন পয়েন্ট থেকে সুবিধা পেতে পারেন। এক্সচেঞ্জ এবং লেনদেনের প্রয়োজনে, আপনার কাছে ডেটা ভেন্ডর থাকে যারা বিভিন্ন আইডেন্টিফায়ার সরবরাহ করে। এগুলো যেমন ব্লুমবার্গ ফিগিস (Figis) অথবা এলএসই রিকস (Rics) হতে পারে। এর পাশাপাশি আইনি প্রয়োজনীয়তাও রয়েছে। এবং যদিও কেন্দ্রীকরণের সেই বিন্দুটি নাম্বারিং এজেন্সিগুলোকে ভিন্ন ভিন্ন আইডেন্টিফায়ার যেমন ISIN বা CUSIP অফার করতে বাধ্য করে। সুতরাং, আপনি এই তথ্য ব্যবহার করে যেকোনো ব্যক্তির কোনো নির্দিষ্ট সম্পদের দৃষ্টিভঙ্গিকে আপনার নিজের দৃষ্টিভঙ্গির সাথে মিলিয়ে নিতে পারবেন। এবং এটাই আপনার পজিশন বোঝার একমাত্র উপায়, যেমন ঝুঁকি মডেলিং করা, হোল্ডিং রিপোর্ট করা, বিকল্প ডেটা যুক্ত করা বা আর্থিক মডেল তৈরি করা। চলুন, খুব সহজ একটি উদাহরণ নেওয়া যাক।

আপনি গুগলের মতো কোনো মেগা-ক্যাপ পাবলিকলি ট্রেডেড শেয়ার ধারণ করছেন। সুতরাং, আপনি যদি টিকারগুলো জানেন, তবে এটি কি GOOG নাকি GOOGLE? কারণ একই এক্সচেঞ্জে দুটি ভিন্ন শেয়ার ক্লাস ট্রেড হয়। ধরুন, আপনাকে এমন কিছু ডেটা যুক্ত করতে হবে যা শুধুমাত্র আইনি সত্তার স্তরে বিদ্যমান। এখন, আপনি যদি ISIN-এর ওপর ভিত্তি করে ইনডেক্সিং করেন, তবে আপনি আর সেটি যুক্ত করতে পারবেন না। অথবা হয়তো আপনি কেবল একটি শেয়ার ক্লাস কেনাবেচা করেন এবং একটিই ধরে রাখেন, কিন্তু আপনাকে এটি বিভিন্ন এক্সচেঞ্জ জুড়ে কেনাবেচা করতে হয় কারণ বিভিন্ন তহবিল বা বিনিয়োগকারীদের প্রয়োজনের জন্য আপনার কাছে আলাদা আলাদা তহবিল রয়েছে। সুতরাং, এটি এখনই বেশ জটিল হয়ে উঠছে। আমি ইঞ্জিনিয়ারদের জন্য তুলনামূলক আলোচনার ক্ষেত্রে বিষয়টিকে একটি ডেটাইম লাইব্রেরির মতো ভাবতে পছন্দ করি। কেউ যখন সমস্যাটি ভালোভাবে সমাধান করে, তখন এটি খুব সহজ মনে হয়। কিন্তু যে মুহূর্তে আপনি এমন কোনো নতুন প্রোগ্রামিং ভাষা নিয়ে কাজ করবেন যেখানে এখনো ভালো ডেটাইম ইমপ্লিমেন্ট করা হয়নি, অথবা আপনাকে এর ভেতরের কার্যপদ্ধতি পরিবর্তন করতে হবে , তখন সবই প্রান্তিক বিষয় এবং জটিল অনটোলজিতে রূপ নেয়। সুতরাং, বাস্তবে গুগল উদাহরণটি দেখতে এমন হতে পারে। এখানে একটি ডিনরমালাইজড টেবিল রয়েছে যাতে আমাদের বিশ্লেষণে থাকা শেয়ারটির জন্য অনেক সারি রয়েছে। সুতরাং, যদি কোনো ডেটা আসে, এমনকি তাতে আইডেন্টিফায়ারের উপসেট থাকলেও বা আপনার সেক মাস্টারের চেয়ে ভিন্ন গ্র্যানুলারিটিতে থাকলেও, কোডটি তা ম্যাপ করতে পারে। এখন, এই জায়গাটিই আকর্ষণীয়। যদি আসা ডেটাতে নিয়মিত আইডেন্টিফায়ার না থাকে, তবে আপনি তা কীভাবে ম্যাপ করবেন?

প্রথম ক্ষেত্রে এআই কীভাবে সাহায্য করে তা আসলে বেশ স্পষ্ট, তাই না? কাঠামোগত ডেটা নিয়ে কাজ করা খুব সহজ। কোডিং এজেন্টগুলো কোড লেখায় ক্রমশ দক্ষ হয়ে উঠছে এবং যদি আপনার কোম্পানির ব্যবসায়িক গুরুত্বপূর্ণ ডেটার জন্য গোল্ড স্ট্যান্ডার্ড অনটোলজি থাকে, তবে এআই খুব সহজেই নতুন ব্যবহারের সুযোগ তৈরি করতে পারে। কিন্তু অসংগঠিত, সম্ভাব্যভাবে চিহ্নিত করা হয়নি এমন ডেটা সোর্সের ক্ষেত্রে, আপনার ওপর ম্যানুয়াল ভেরিফিকেশন এবং ম্যানুয়াল ম্যাপিংয়ের বিশাল বোঝা থাকে। সুতরাং, এখানেই 'হ্যাপি পাথ' বা স্বাভাবিক পথটি ভেঙে পড়ে যখন প্রাইভেট অ্যাসেটগুলো সেক মাস্টারে প্রবেশ করে। গুগলের স্টক কেনার সময় আপনি জানেন আপনি কত দিচ্ছেন, কী পাচ্ছেন এবং লেনদেনের ক্ষেত্রে সবার কাছেই অভিন্ন আইডেন্টিফায়ারের একটি সাধারণ ভাষা থাকে। কল্পনা করুন, আপনি এমন একটি কোম্পানিকে ঋণ দিচ্ছেন যারা ডেটা সেন্টারের কাছে বিদ্যুৎ কেন্দ্র তৈরি করছে, অথবা আপনি ভবিষ্যতের উন্নয়নের জন্য বিদ্যুৎ কেন্দ্রের কাছে জমিতে বিনিয়োগ করছেন। সেই চুক্তিতে এমন কোনো আইডেন্টিফায়ার নেই যা সবাই শেয়ার করে । এমন কেউ নেই যে শেষ পর্যন্ত প্রাপ্ত তথ্যের সম্পূর্ণ কাঠামো নিয়ন্ত্রণ করে। এবং এমন কোনো ডেটা ভেন্ডর নেই যার কাছে একক কোনো এপিআই আছে, যেখানে তারা বিশেষভাবে এই এন্টিটিগুলোর অনটোলজি নিয়ে ভেবেছে। পরিশোধের সময়সূচি থেকে শুরু করে জামানত পর্যন্ত সবকিছুই আলাদা আলাদা চুক্তি বা সংশোধনীতে থাকে। এটি বিনিময়যোগ্য নয়। সম্পদটি সম্পূর্ণভাবে নথিপত্রের মাধ্যমেই সংজ্ঞায়িত ও সংরক্ষিত হয়। এবং এটি বেশ আকর্ষণীয়, কারণ এখন ডেটা প্রায় সম্পদগুলোর সাথে এক-এক অনুপাতে বাড়ে এবং সেক মাস্টারকে বড় করার চাপ ক্রমাগত

বাড়ছে। >> দারুণ। তো, আমি এখান থেকে আবার শুরু করছি । এখন, ক্লিফ খুব ভালো একটি পয়েন্ট তুলে ধরেছেন। ব্যক্তিগত সম্পদগুলো পরিচালনা করা সত্যিই খুব ঝামেলার কাজ। সেগুলো সেক মাস্টারের সাথে খুব ভালোভাবে মানিয়ে যায় না। কিন্তু সেই সব তথ্য কোনো না কোনোভাবে সংগ্রহ করতেই হয়। এমন নয় যে আপনার অডিট, ক্লিনিং বা স্ট্যান্ডার্ডাইজেশনের প্রয়োজনীয়তাগুলো হারিয়ে যাচ্ছে। বরং বলা যায়, অবস্থা এখন আরও খারাপ, কারণ এগুলো আগের চেয়ে অনেক কম সুসংগঠিত। আপনার ঝুঁকি মডেলিং যারা করছেন, তারা এই ডেটা আসল কি না তা সঠিকভাবে জানেন—এমনটা ভরসা করা যায় না। আপনি নিশ্চয়ই চাইবেন না যে তারাই আপনার সমস্ত ডকুমেন্ট ঘাঁটাঘাঁটি করুক। তাই, কোনো পিডিএফ-এ থাকা সেই তথ্যগুলো কোনোভাবে আপনার সেক মাস্টারে ফিরিয়ে আনতেই হবে। আর বর্তমানে, এটি অত্যন্ত শ্রমসাধ্য একটি কাজ। আমার মানে হলো, সাধারণত এতে প্রচুর মানুষের কর্মঘণ্টা এবং গভীর দক্ষতার প্রয়োজন হয়। আমি খুব দ্রুত মাউসটিকে সরিয়ে নিচ্ছি। এটি আমাকে বিরক্ত করছিল। ঠিক আছে । তো, আমি একটি নির্দিষ্ট উদাহরণের মাধ্যমে এটি বোঝাতে চাই। নিউ ইয়র্কে আমাদের স্থানীয় হওয়ার সুবিধা হিসেবে, আমরা এখানে একটি ফরচুন ২০০ অ্যাসেট ম্যানেজারের সাথে ঘনিষ্ঠভাবে কাজ করি। তারা সম্প্রতি প্রচুর ব্যক্তিগত সম্পদ কেনা শুরু করেছে ( কে আর না করছে?), আর এটি তাদের ডেটা ইঞ্জিনিয়ারিং টিমের জন্য—যারা সেক মাস্টার রক্ষণাবেক্ষণ করে—অনেক সমস্যা তৈরি করছিল । এখন, যখনই তাদের সেক মাস্টারে কোনো সম্পদ পরিবর্তন হতো, তাদের নিশ্চিত করতে হতো যে পরিবর্তনটি সঠিক কি না। তাই, তাদের একটি সিস্টেম ছিল। তারা তাদের টেবিলের প্রতিদিনের পরিবর্তনের বিশ্লেষণ করত। যদি আপনার টেবিলে ৫০,০০০ সম্পদ থাকে এবং

প্রতিটিতে প্রায় ২০০ টি করে কলাম থাকে, তবে বিরল পরিবর্তনও প্রতিদিন ঘটতে থাকবে। এবং পরিবর্তিত প্রতিটি সেলকে একটি টিমের কাছে পাঠানো হতো বাছাই করার জন্য, কারণ আবারও বলছি, এই সমস্ত ডেটা অত্যন্ত অসংগঠিত। এগুলো কেবল কোথাও কোনো নথিপত্রে পড়ে থাকে। তাই, সেই টিমটি নথিপত্র এবং বিভিন্ন ডেটা সোর্স ঘেঁটে দেখত যে কোনো পরিবর্তন সঠিক কি না, কারণ আপস্ট্রিম ডেটা প্রোভাইডাররা হয়তো ভুল টাইপ করেছে বা ভুল তথ্য দিয়েছে অথবা তথ্যের গরমিল থাকতে পারে। এবং আমি এটি বিশেষভাবে উল্লেখ করতে চাই যে , এটি কেবল প্রতিটি সারি বা কলাম নয়, বরং আক্ষরিক অর্থে প্রতিটি সেল নিয়েই কাজ। সুতরাং, যদি কোনো সম্পদের দাম পরিবর্তিত হয়, বা কোনো সম্পদের নাম পরিবর্তিত হয়, বা কোনো কোম্পানি দেউলিয়া হয়ে যায়, কিংবা মালিকানা পরিবর্তন হয় বা আপনি কোনো চুক্তি নতুন করে করেন, বিনিয়োগের জগতের এই প্রতিটি পরিবর্তনের পেছনে গড়ে এক ঘণ্টার কাজের প্রয়োজন হয়। কারো এক ঘণ্টার সময়, যাকে আপনি বেতন দিচ্ছেন শুধু ডেটা বা তথ্যগুলো বিশ্লেষণ করার জন্য। এটি প্রতি মাসে কয়েক লক্ষ ঘণ্টার সমান। কয়েকশ বা হাজার, দুঃখিত। সুতরাং, আমরা এখন AIE-তে আছি। একজন এআই ইঞ্জিনিয়ার কীভাবে এই সমস্যার সমাধান করবেন? দুটি শব্দ। ক্লাউড এজেন্ট। ক্লাউড এজেন্ট কী? এটি এই কক্ষে উপস্থিত ফিন্যান্স বা অর্থায়ন সংশ্লিষ্ট ব্যক্তিদের জন্য। সহজ কথায়, ক্লাউড এজেন্ট হলো ক্লড কোড বা চ্যাটজিপিটির মতো একটি কোডিং এজেন্ট, কিন্তু আপনার লোকাল মেশিনে চলার পরিবর্তে, এটি আপনার কম্পিউটারের বাইরে একটি রিমোট এনভায়রনমেন্টে থাকে এবং চলে। এটি ক্লাউডে থাকে বলে আমরা অনেক

আকর্ষণীয় কাজ করতে পারি। আমরা অনেক অডিট প্রয়োজনীয়তা নিশ্চিত করতে পারি, অডিটেবিলিটি ও স্বচ্ছতা অর্জন করতে পারি, অবজারভেবিলিটি পেতে পারি এবং সবচেয়ে গুরুত্বপূর্ণ হলো, কোনো মানুষের হস্তক্ষেপ ছাড়াই আমরা এটিকে নির্ধারিত সময়ে চালু করে কাজ সম্পন্ন করাতে পারি। উদাহরণস্বরূপ, যখন নতুন ডেটা সেক মাস্টারে আসে। সুতরাং, যখনই এই নির্দিষ্ট অ্যাসেট ম্যানেজারের বিনিয়োগের জগতে কোনো পরিবর্তন আসে, একটি ওরি ক্লাউড এজেন্ট চালু হয়ে যায় , যা এক্ষেত্রে পর্দার আড়ালে স্থানীয়ভাবে ডেপ্লয় করা ওপেন-সোর্স মডেল ব্যবহার করে, ফলে সব ডেটা অন-প্রেমেই থাকে। মূল এনভায়রনমেন্ট থেকে তথ্য বাইরে বেরিয়ে যাওয়ার কোনো চিন্তা নেই। এই এজেন্টের কাছে স্পষ্ট নির্দেশনা থাকে যে পরিবর্তনের উৎস খুঁজে বের করতে হবে। এবং এটি কয়েকটি প্রয়োজনীয় টুলের অ্যাক্সেসও পায়। পিডিএফের জন্য বক্স, ব্লুমবার্গের মতো পাবলিক এপিআই, এমনকি ইমেলের একটি ছোট অংশ। এরপর এজেন্টটি পরিবর্তনের একটি ব্যাখ্যা তৈরি করে, পরিবর্তনটি কেন হয়েছে তার তথ্যসূত্র সংগ্রহ করে এবং সেটি রাখা হবে কি না তার একটি সুপারিশ প্রদান করে। এবং সবশেষে, এটি স্ল্যাকে সেই সেলের মালিককে রিভিউ করার জন্য নোটিফিকেশন পাঠায়। সুতরাং , আপনার কাছে এমন একটি এজেন্ট আছে যা সম্পূর্ণ স্বায়ত্তশাসিতভাবে কাজ করছে এবং মানুষের জন্য এমন কাজ তৈরি করছে, যাতে মানুষকে শুধু হ্যাঁ বা না বলতে হয়। এবং অবশ্যই, প্রয়োজনে মানুষ আরও গবেষণা করে নিশ্চিত হতে পারে যে প্রদত্ত তথ্যটি সঠিক ছিল। এখন, সেই পরিবর্তনগুলো পর্যালোচনা করার জন্য এখনো একজন মানুষের প্রয়োজন। অবশ্যই, অন্যান্য বিষয়ের পাশাপাশি জবাবদিহিতার জন্য এটি প্রয়োজনীয়। তবে, এই ধরনের কাজ প্রতিক্রিয়ার সময়কে নাটকীয়ভাবে কমিয়ে দেয়, কারণ আগের ধীরগতির মূল কারণ

ছিল মানুষকে ম্যানুয়ালি অনেক নথিপত্র খুঁজতে হতো। এজেন্টরা সেই কাজটিতে অত্যন্ত দক্ষ, যেখানে মানুষ বেশ দুর্বল। সুতরাং, যদি বেশিরভাগ সময় কেবল একটি কেস গোছাতেই চলে যায়, তবে আপনি এক ঘণ্টার কাজকে মানুষের মাত্র ৫ মিনিটের পরিশ্রমে নামিয়ে আনতে পারেন। তবে, একটু দাঁড়ান। এটা ভেবে দেখা দরকার যে , এজেন্ট আসলে কীভাবে ডোমেইন দক্ষতা অর্জন করে? একটি ভালো পরিবর্তন কেমন হওয়া উচিত, তা সে কীভাবে বোঝে? আমার ভয় হয়, উপস্থিত কেউ কেউ হয়তো ভাবছেন, ওহ, আমাকে বোধহয় এই নির্দিষ্ট একটি কাজের জন্য আলাদাভাবে কাস্টম এজেন্ট অবকাঠামো তৈরি করতে হবে। সত্যি বলতে, আমার মনে হয় না যে বিষয়গুলো এভাবে কাজ করা উচিত। এজেন্টরা নতুন অ্যানালিস্টের মতোই তথ্য পায়—নথিপত্র কোথায় আছে, কোন উৎসগুলো বিশ্বাসযোগ্য এবং কীভাবে একটি পরিবর্তন যাচাই করতে হয়—এই সবকিছুই লিখিত নির্দেশনার মাধ্যমে, ইংরেজি ভাষাতেই। আজকাল এজেন্টরা নিজেদের সংশোধন করায় বেশ পটু। সুতরাং, আপনি কেবল প্রাকৃতিক ইংরেজি মার্কডাউন ফাইল এডিট করেই এজেন্টের আচরণ পরিবর্তন করতে পারেন। আপনি ক্লড কোড, ওপেন কোড বা পাই-এর মতো যেকোনো ওপেন সোর্স জেনেরিক এজেন্ট ব্যবহার করতে পারেন এবং তারপর সেগুলোতে দক্ষতা বা এজেন্ট এমডি ফাইলের মতো কনফিগারেশন যোগ করে কাস্টমাইজ করতে পারেন। আর বেশিরভাগ কাস্টমাইজেশন মূলত সেই পরিবেশ থেকে আসে যেখানে এজেন্টটি চলছে, যা নির্ভর করে আপনি মেশিনে কী ধরনের কনফিগারেশন এবং ক্রেডেনশিয়াল ব্যবহার করছেন তার ওপর। তাই, আমি একটু পিছিয়ে এসে সামগ্রিকভাবে পুরো বিষয়টি দেখতে চাই। আমরা এতক্ষণ যা আলোচনা করেছি—এই এজেন্টিক সেকমাস্টার ধারণাটি—এটি মূলত একটি ডাটাবেস এবং কিছু ক্লিনার ফিশ অটোমেটনের সমষ্টি, যা প্রতিনিয়ত সবকিছুকে আপ-টু-ডেট রাখে। তারা দ্রুত সমস্যা শনাক্ত করতে পারে, সক্রিয়ভাবে সেগুলো সামনে নিয়ে আসে এবং কিছু ক্ষেত্রে স্বয়ংক্রিয়ভাবে সমাধানও করে

ফেলে। আমি আরেকটি বিষয় হাইলাইট করতে চাই যে, এই প্রযুক্তি কেবল সেকমাস্টার বা সাধারণ ডাটা ক্লিনিংয়ের মধ্যে সীমাবদ্ধ নয় । এটি পুরো প্রতিষ্ঠানের জন্যই কার্যকর হতে পারে, কারণ এটি একটি জেনেরিক পদ্ধতি যেখানে আমরা এজেন্টদের দিয়ে সেই কাজগুলো করাচ্ছি যা আগে মানুষের ওপর চাপানো ছিল। আমার মতে, ফিন্যান্সের ক্ষেত্রে এআই টুলের অবিশ্বাস্য সম্ভাবনা হলো, এগুলো কাজের একটি বিশাল পরিসরকে প্রতিক্রিয়াশীল হওয়ার পরিবর্তে সক্রিয় করে তুলতে পারে। বর্তমানে , যখনই কোনো কিছু করার প্রয়োজন হয়, মানুষকে সময় ও শক্তি ব্যয় করে যাচাই করতে হয় যে কাজটি আদৌ কার্যকর কিনা, এবং তারপর তা এজেন্টের কাছে পাঠাতে হয়। আপনি যদি আমাকে জিজ্ঞেস করেন, এন্টারপ্রাইজ এআই-এর ভবিষ্যৎ হলো ল্যাপটপে বসে রোবটকে দিয়ে সমস্যার সমাধান করানো নয়। এর ভবিষ্যৎ হলো রোবটরাই আপনার কাছে কাজ, পরামর্শ, বিশ্লেষণ এবং সুপারিশ নিয়ে আসবে। আমার মনে হয় সেই ভবিষ্যৎকে বাস্তবে রূপ দিতে হলে আপনাকে নমনীয় অবকাঠামো ব্যবহার করতে হবে যা যেকোনো কাজের জন্য ব্যবহার করা যায় এবং যার কাজের ধরন পরিবর্তন করা খুব সহজ। আপনার সেকমাস্টার (SecMaster) এজেন্টটি কোনো বিচ্ছিন্ন বা একক এজেন্ট হওয়া উচিত নয়। এটি আসলে একই ক্লাউড এজেন্ট অবকাঠামোতে চলা উচিত, যেখানে আপনার অডিট এজেন্ট, কোড রিভিউ এজেন্ট বা আপনার প্রকৌশলীরা দৈনন্দিন কাজে যে এজেন্ট ব্যবহার করেন তা চলে। এই প্রতিটি এজেন্টের আলাদা আলাদা নির্দেশনা, টুল, ট্রিগার এবং ভিন্ন প্রেক্ষাপট থাকবে। সেগুলো অবশ্যই আপনার বা আপনার কোম্পানির মালিকানাধীন হবে । কিন্তু অর্কেস্ট্রেশন, নিরাপত্তা এবং ইন্টিগ্রেশনের মতো বিষয়গুলো সব কাজের ক্ষেত্রেই একই হওয়া উচিত। এবং আমার মতে, এগুলো কোনো ভেন্ডরের মালিকানায় থাকা উচিত , কারণ প্রতিটি প্রতিষ্ঠানে সবাই এই একই সমস্যা বারবার সমাধান করছে।

তাহলে, ফিন্যান্সের জন্য এআই তৈরি করতে গিয়ে আমরা কী শিখেছি? আমি তিনটি শিক্ষা আপনাদের সাথে ভাগ করে নিতে চাই যা এখানে উপস্থিত সবার কাজে আসবে। প্রথমত, আমাকে জিজ্ঞেস করলে বলব, এআই গ্রহণ করা মূলত একটি সহযোগিতার সমস্যা। মানুষ সমাধান কিনতে চায়, কিন্তু প্রকৌশলীরা কেবল বিল্ডিং ব্লক বা সরঞ্জামের অংশ বিক্রি করতে চায়। আমাদের এমন একটি উপায় খুঁজে বের করতে হবে যাতে আমরা মাঝামাঝি অবস্থানে পৌঁছাতে পারি। আমরা তাদের সাথেই সবচেয়ে সফল হয়েছি যারা তাদের নিজ নিজ ক্ষেত্রে বিশেষজ্ঞ এবং যারা ক্লাউড এজেন্ট থেকে সরাসরি তাদের বর্তমান সমস্যার সমাধানে সেটি প্রয়োগ করার সেই সহজাত দক্ষতা রাখে। দ্বিতীয়ত, আমার মতে ৯৫%অটোমেশনের লক্ষ্য নেওয়া খুব গুরুত্বপূর্ণ এবং মানুষের অংশগ্রহণ বজায় রাখাও ঠিক আছে। মানুষ সবকিছু ১০০%এআই দিয়ে করাতে চায়, যা আসলে কার্যকর নয়। সফটওয়্যারের ক্ষেত্রে এটি কাজ করে না। আমরা সফটওয়্যার ফ্যাক্টরিগুলোতে বারবার এটি দেখেছি, তবে ফিন্যান্সের ক্ষেত্রে এটি একেবারেই কাজ করে না। মানুষের অংশগ্রহণ বজায় রাখা পুরোপুরি ঠিক আছে। সত্যি বলতে, আমার মনে হয় আমাদের এটাকে গুরুত্ব দেওয়া উচিত। আপনি যদি একজন মানুষের ৫ মিনিট সময় ব্যয় করার সুযোগ দেন , তবে আপনি এজেন্ট দিয়ে সবকিছু ১০০%করার চেষ্টার চেয়ে অনেক বেশি সমস্যার সমাধান করতে পারবেন। এবং পরিশেষে, আমি বলতে চাই যে দুর্ঘটনাবশত তৈরি হওয়া জটিলতার খরচ উল্লেখযোগ্যভাবে কমে গেছে। ফ্রেড ব্রুকস 'অ্যাক্সিডেন্টাল কমপ্লেক্সিটি' বা দুর্ঘটনাবশত জটিলতা শব্দগুচ্ছটি ব্যবহার করেছিলেন সিস্টেম তৈরির কাঠামোগত অসুবিধার বর্ণনা দিতে, যা মূলত সমস্যার সমাধানের চেয়ে আলাদা। আমার মনে হয় ব্যাক অফিসের অনেক কাজের ধরন ঠিক এমনই। দলগুলো একইভাবে বিভিন্ন উপায়ে ডেটা রেকর্ড করে এবং ভেন্ডররা আলাদা ফরম্যাট ব্যবহার করে, কারণ মূলত এভাবেই জিনিসগুলো সময়ের সাথে স্বাভাবিকভাবে গড়ে উঠেছে। আমার মনে হয় এজেন্টরা এই ধরনের কাজে সত্যিই খুব

ভালো, এই কম জটিল কিন্তু বেশি পরিশ্রমের কাজগুলোতে, যা মানুষকে আসলে আরও বেশি সময় দেয় সেই সমস্যাগুলোতে মনোযোগ দেওয়ার জন্য যেগুলো মূলত জটিল, যেগুলো আসলে কঠিন। তো, আজ আমার পক্ষ থেকে এটুকুই। আসার জন্য আপনাদের অনেক ধন্যবাদ। যাওয়ার আগে, আমি খুব দ্রুত দুটি বিষয় উল্লেখ করতে চাই। প্রথমত, আপনারা যদি এরকম আরও আলোচনা শুনতে আগ্রহী হন, তবে আমাদের একটি কমিউনিটি আছে যার নাম এজেন্টিক্স এনওয়াইসি (Agentyx NYC )। এটি নিউইয়র্কের সবচেয়ে বড় এজেন্টিক ইঞ্জিনিয়ারিং কমিউনিটি। আমরা নতুন থেকে শুরু করে বিশেষজ্ঞদের জন্য এজেন্ট তৈরি বিষয়ক নিয়মিত ইভেন্টের আয়োজন করি। দ্বিতীয়ত, আপনারা যদি ক্লাউড এজেন্ট, সফটওয়্যার ফ্যাক্টরি, এজেন্টিক ব্যাক অফিস , সেকমাস্টার (SecMasters) বা এই ধরণের নানা বিষয়ে আগ্রহী হন, তবে আমাদের সাথে যোগাযোগ করুন। ক্লিফ এবং আমি এর ঠিক পরপরই হলওয়ে ট্র্যাকে থাকব। এবং অবশ্যই, আপনারা আমাদের সম্পর্কে আরও জানতে noriagentyx.com ভিজিট করতে পারেন। আপনাদের সবাইকে অনেক ধন্যবাদ।