এআই-এর ধারণাগত প্রমাণ: আরওআই ফোকাসের আহ্বান

কৃত্রিম বুদ্ধিমত্তার (artificial intelligence) ধারণাগত প্রমাণ মালভূমি অতিক্রম করা: আরওআই (ROI) ফোকাসের আহ্বান

কৃত্রিম বুদ্ধিমত্তার দ্রুত অগ্রগতি বিভিন্ন শিল্পে পরীক্ষার জন্ম দিয়েছে। যাইহোক, অনেক কোম্পানি “ধারণাগত প্রমাণ ক্লান্তি” (proof-of-concept fatigue) অনুভব করছে, যেখানে প্রাথমিক পরীক্ষাগুলি বাস্তব ব্যবসায়িক মূল্যে অনুবাদ করতে ব্যর্থ হয়। কোহিয়ারের (Cohere) সহ-প্রতিষ্ঠাতা ইভান ঝাং (Ivan Zhang), একটি নেতৃস্থানীয় এন্টারপ্রাইজ বৃহৎ ভাষা মডেল (LLM) কোম্পানি, সাম্প্রতিক ওয়েব সামিটে (Web Summit) এই ক্রমবর্ধমান হতাশার কথা তুলে ধরেন এবং সম্ভাব্য গ্রাহকদের এআই-এর উপর আস্থা রাখার আহ্বান জানান এবং বিনিয়োগের উপর রিটার্নের (ROI) উপর মনোযোগ দেওয়ার প্রয়োজনীয়তার উপর জোর দেন।

ধারণাগত প্রমাণের ফাঁদ

ঝাং সেইসব উদ্যোগগুলির মধ্যে মোহভঙ্গের কথা তুলে ধরেন, যারা সংশ্লিষ্ট প্রতিদান না দেখে এআই পাইলটদের (AI pilots) উপর প্রচুর বিনিয়োগ করেছে। তিনি স্বীকার করেন যে অনেক কোহিয়ার ক্লায়েন্ট, প্রাথমিক অ্যাপ্লিকেশন তৈরি করা সত্ত্বেও, খরচ এবং পরিচালনা থেকে শুরু করে ডেটা সুরক্ষা এবং গোপনীয়তা সংক্রান্ত সমস্যাগুলির কারণে সেগুলোকে উৎপাদনে নিয়ে যেতে সংগ্রাম করেছে। এই অনুভূতি একটি বৃহত্তর প্রবণতাকে প্রতিফলিত করে যেখানে এআই-এর প্রতিশ্রুতি প্রায়শই বাস্তবায়নের বাস্তবতার সাথে সংঘর্ষে লিপ্ত হয়।

তিনি খরচ, নিয়ন্ত্রক সম্মতি, ডেটা সুরক্ষা এবং গোপনীয়তা প্রোটোকলগুলির সমস্যাগুলির দিকে ইঙ্গিত করেছেন, যা কোহিয়ার তার নতুন ওয়ার্কস্পেস প্ল্যাটফর্ম North এর মাধ্যমে সমাধান করতে চায়।

আরওআই (ROI) এর আবশ্যকতা

একটি সাক্ষাৎকারে ঝাং জোর দিয়ে বলেন যে এআই গ্রহণের পরবর্তী পর্যায়টি অবশ্যই প্রদর্শনযোগ্য আরওআই দ্বারা চালিত হতে হবে। কোম্পানিগুলোকে তাদের এআই বিনিয়োগের জন্য একটি সুস্পষ্ট আর্থিক ন্যায্যতা দেখতে হবে, যাতে নিশ্চিত করা যায় যে সুবিধাগুলি ব্যয়ের চেয়ে বেশি। তিনি সতর্ক করে দিয়েছিলেন যে কিছু এআই সিস্টেম পরিচালনা করতে এতটাই ব্যয়বহুল যে তারা স্বয়ংক্রিয় কাজ থেকে সম্ভাব্য খরচ সাশ্রয়কে নাকচ করে দেয়।

তিনি বলেন, “মাঝে মাঝে তারা যে সিস্টেমগুলো তৈরি করে, মডেলটির খরচ আসলে মানুষ চালানোর চেয়ে বেশি।”

এআই বাস্তবায়নের সাথে প্রকৃত উন্নতি আছে কিনা সেই অপরিহার্য প্রশ্নের সমাধান করতে হবে এআই কোম্পানিগুলোর ক্ষতিগ্রস্ত সেতুগুলো অতিক্রম করার জন্য, যারা এমন প্রকল্প হাতে নেয় যা কখনই সফল হয় না।

এআই বৃদ্ধি বনাম উৎপাদনশীলতা

ঝাং আরও উল্লেখ করেছেন যে কিছু ক্ষেত্রে কোম্পানিগুলো এআই দিয়ে বিদ্যমান কর্মীবাহিনীকে বাড়ানোর চেষ্টা করেছে কিন্তু উৎপাদনশীলতায় কোনো উন্নতি দেখতে পায়নি। কিছু ক্ষেত্রে, কর্মচারীরা কেবল তাদের কাজের চাপ কমিয়ে দিয়েছে কিন্তু আউটপুট বাড়ায়নি, যা কার্যকরভাবে এআই-এর সুবিধাগুলোকে নাকচ করে দিয়েছে। এটি বিদ্যমান কর্মপ্রবাহে এআই কীভাবে একত্রিত করা হয়েছে তা সাবধানে বিবেচনা করার এবং এটি প্রকৃত দক্ষতা বৃদ্ধিতে পরিচালিত করে কিনা তা নিশ্চিত করার গুরুত্ব তুলে ধরে।

প্রাথমিক ধাক্কা কাটিয়ে ওঠা

ঝাং অনুমান করছেন যে এআই স্টার্টআপগুলোকে এখন সেই কোম্পানিগুলোকে ফিরিয়ে আনার জন্য কাজ দেওয়া হবে যেগুলো ব্যর্থ হওয়া প্রকল্পগুলোর কারণে “ক্ষতিগ্রস্ত” হয়েছে। “এই প্রযুক্তির জন্য বাজারে যাওয়ার পরবর্তী ধাপ হল, ‘আরওআই কোথায়?’” তিনি বিশ্বাস করেন যে এআই কোম্পানিগুলোকে তাদের সমাধানের বাস্তব মূল্য প্রদর্শন করে এবং পরিমাপযোগ্য ফলাফল সরবরাহের উপর মনোযোগ কেন্দ্রীভূত করে আস্থা পুনরুদ্ধার করতে হবে।

গবেষণা সম্প্রদায়ের প্রতিধ্বনি

ঝাং-এর পর্যবেক্ষণগুলো ন্যাশনাল ব্যুরো অফ ইকোনমিক রিসার্চের (National Bureau of Economic Research) মতো সংস্থাগুলোর গবেষণা দ্বারা সমর্থিত, যা এআই চ্যাটবট (AI Chatbots) ব্যবহার করে ৭,০০০ কর্মক্ষেত্রের উপর জরিপ চালিয়ে “যে কোনও পেশায় উপার্জন বা রেকর্ডকৃত ঘণ্টার উপর কোনো উল্লেখযোগ্য প্রভাব পড়েনি” বলে জানতে পেরেছে। একইভাবে, বোস্টন কনসাল্টিং গ্রুপের (Boston Consulting Group) একটি সমীক্ষায় দেখা গেছে যে জরিপ করা নির্বাহীদের মধ্যে মাত্র এক চতুর্থাংশ এআই থেকে উল্লেখযোগ্য মূল্য দেখেছেন, যা ইঙ্গিত করে যে কোম্পানিগুলো প্রায়শই একাধিক পাইলটদের (Pilots) মধ্যে তাদের বিনিয়োগ খুব পাতলা করে ছড়িয়ে দেয়।

ঝলমলে সমাধানের চেয়ে ব্যবসায়িক সমস্যাকে অগ্রাধিকার দেওয়া

এলএলএম (LLM) বিবেচনা করা কোম্পানিগুলোর প্রতি ঝাং-এর পরামর্শ হল সুস্পষ্ট ব্যবহারের ক্ষেত্র ছাড়া বিস্তৃত সমাধান তৈরি না করে নির্দিষ্ট ব্যবসায়িক সমস্যা সমাধানের দিকে মনোযোগ দেওয়া। তিনি সতর্ক করে বলেন যে “কিছু তৈরি করে একটি সমস্যা খোঁজার মধ্যে হারিয়ে যাওয়া” থেকে বিরত থাকুন, কৌশলগত ব্যবসায়িক লক্ষ্যের সঙ্গে এআই বিনিয়োগকে সারিবদ্ধ করার গুরুত্বের উপর জোর দিন।

টুলবক্সে এআই একটি সরঞ্জাম

ঝাং যুক্তি দেন যে এআইকে ব্যবসায়িক সমস্যা সমাধান এবং গ্রাহকদের জন্য মূল্য তৈরির জন্য টুলবক্সের একটি সরঞ্জাম হিসেবে দেখা উচিত। তিনি প্রযুক্তির সমস্ত সমস্যার সমাধান করার সম্ভাবনাকে বাড়িয়ে বলার বিরুদ্ধে সতর্ক করেন এবং জোর দেন যে অন্যান্য সমাধানের সংমিশ্রণে কৌশলগতভাবে ব্যবহার করলে এটি সবচেয়ে কার্যকর।

হ্যালুসিনেশন চ্যালেঞ্জ

এআই উল্লেখযোগ্য অগ্রগতি করলেও, চ্যালেঞ্জগুলো রয়ে গেছে, বিশেষ করে “হ্যালুসিনেশন” (hallucinations) এর ক্ষেত্রে, যেখানে এলএলএম মিথ্যা বা জাল তথ্য তৈরি করে। এই ক্ষেত্রে অগ্রগতি সত্ত্বেও, এলএলএম হ্যালুসিনেশন হারগুলো জেদীভাবে বেশি রয়ে গেছে, এমনকি নেতৃস্থানীয় কোম্পানিগুলোর সর্বশেষ মডেলগুলোও ত্রুটি তৈরি করছে। এই সমস্যাটি স্বচ্ছতার গুরুত্ব এবং এআই মডেলগুলো কীভাবে তাদের সিদ্ধান্তে পৌঁছায় সে সম্পর্কে ব্যবহারকারীদের অন্তর্দৃষ্টি প্রদানের উপর জোর দেয়।

কো-ফাউন্ডার অসংখ্য পেশাজীবীর কাছে স্বীকার করেছেন যে জেনারেটিভ এআইতে (generative AI) হ্যালুসিনেশন একটি সমস্যা। তিনি বলেন যে কোম্পানিটি স্বচ্ছ হওয়ার মাধ্যমে সাহায্য করার চেষ্টা করেছে, যার মধ্যে ব্যবহারকারীদের এলএলএমগুলোর “কাঁচা চিন্তাভাবনা” (raw thinking) দেখানো, এবং এর সিস্টেমগুলো কীভাবে সরঞ্জাম ব্যবহার করে, সেইসাথে কীভাবে এবং উদ্ধৃতিগুলোর মাধ্যমে উত্তর পাওয়া যায় তাও দেখানো হয়েছে।

প্রতিযোগিতামূলক প্রেক্ষাপট

কোহিয়ার এআই স্পেসে (AI space) আরও ভালো আর্থিক সাহায্যপ্রাপ্ত প্রতিদ্বন্দ্বীদের কাছ থেকে কঠিন প্রতিযোগিতার সম্মুখীন হচ্ছে। যাইহোক, ঝাং বিশ্বাস করেন যে সাশ্রয়ী এবং জ্বালানি-সাশ্রয়ী এআই মডেল (AI models) তৈরির ক্ষেত্রে বড় সবসময় ভালো নয়। তিনি যুক্তি দেন যে একটি মডেল “ততটাই ভালো যতটা এটি ডেটা এবং সিস্টেমে অ্যাক্সেস করতে পারে,” এমন সমাধান তৈরির গুরুত্বের উপর জোর দেন যা সম্পূর্ণরূপে গ্রাহকদের পরিবেশে চালানো যায়। ঝাং কোহিয়ারের “তীব্র বৃদ্ধি” (intense growth) কে তুলে ধরেন এবং বলেন যে স্থানটির “তুলনামূলকভাবে প্রাথমিক” (relatively nascent) প্রকৃতি কোম্পানিটিকে প্রসারিত করার জন্য প্রচুর জায়গা ছেড়ে দেয়।

রাজস্ব বৃদ্ধি এবং চ্যালেঞ্জ

কোহিয়ারের বৃদ্ধি সাম্প্রতিক সময়ে প্রযুক্তি মিডিয়ার ফোকাসের বিষয় ছিল। কোহিয়ার ২০২৫ সালের শুরু থেকে তার বিক্রি দ্বিগুণেরও বেশি করার পরে এই মাসে বার্ষিক রাজস্বে ১০০ মিলিয়ন মার্কিন ডলার (১৩৮ মিলিয়ন কানাডীয় ডলার) পৌঁছেছে, এবং সিইও এইডান গোমেজ সম্প্রতি ব্লুমবার্গকে বলেছেন যে কোম্পানিটি লাভজনকতা থেকে “বেশি দূরে নয়” (not far away)। কিন্তু দ্য ইনফরমেশন (The Information) জানিয়েছে যে এটি এখনও ৩৫০ মিলিয়ন মার্কিন ডলার পিছিয়ে আছে যা কোহিয়ার ২০২৩ সালে বিনিয়োগকারীদের বলেছিল যে এটি এখন বার্ষিক আয় করবে বলে আশা করা হচ্ছে। রাজস্ব লক্ষ্যমাত্রা এবং কঠিন প্রতিযোগিতা একমাত্র চ্যালেঞ্জ নয় যা কোহিয়ারকে মোকাবিলা করতে হবে।

কপিরাইট লঙ্ঘন মামলা

এআই স্টার্টআপটির প্লেটে এমন কিছু আছে যাকে একজন বিশেষজ্ঞ সম্ভাব্য “নজিরবিহীন” (precedent-setting) কপিরাইট লঙ্ঘন মামলা বলেছেন প্রধান মিডিয়া কোম্পানিগুলোর কাছ থেকে। টরন্টো স্টার (Toronto Star), কন্ডে নাস্ট (Condé Nast) এবং ভক্স (Vox) সহ মিডিয়া সংস্থাগুলোর একটি দল অভিযোগ করেছে যে কোহিয়ার সম্মতি ছাড়া মিডিয়া কনটেন্ট স্ক্র্যাপ করেছে এবং এটি এআই মডেলগুলোকে প্রশিক্ষণ দেওয়ার জন্য ব্যবহার করেছে, অনুমতি ছাড়াই রিয়েল টাইমে কনটেন্ট অ্যাক্সেস করেছে এবং লঙ্ঘনকারী আউটপুট তৈরি করেছে। কোহিয়ার একই ধরনের মামলার সম্মুখীন হওয়া অনেক এআই স্টার্টআপের মধ্যে একটি। কোহিয়ার এই দাবিগুলো অস্বীকার করেছে, যুক্তি দিয়ে বলেছে যে মামলা দায়েরকারী প্রকাশকরা একটি মামলা “তৈরি” (manufacture) করার জন্য তাদের পথ থেকে সরে গিয়েছিলেন এবং কোনো বাস্তবিক কপিরাইট লঙ্ঘন ঘটেছে কিনা সেই ধারণাটির বিরোধিতা করেছেন।

ঝাং এই বিষয়ে বেশি মন্তব্য করতে অস্বীকার করেছেন, বেটাকিটকে কোহিয়ারের চিন্তাভাবনা বিশদভাবে তুলে ধরা একটি ব্লগ পোস্টের দিকে ইঙ্গিত করেছেন। “আমরা এতে আত্মবিশ্বাসী,” (We’re confident in that) তিনি বলেন।

এআই বাস্তবায়নের চ্যালেঞ্জগুলোর গভীরে অনুসন্ধান

অনেক ব্যবসা প্রাথমিকভাবে এআই উদ্যোগগুলোতে যথেষ্ট উৎসাহের সাথে ঝাঁপিয়ে পড়ে, এই বিশ্বাস করে যে এআই দ্রুত তাদের কার্যক্রমকে বিপ্লব ঘটাবে এবং পূর্বে অশ্রুত দক্ষতা তৈরি করবে। কিন্তু অনেকে নিজেদেরকে যথেষ্ট চ্যালেঞ্জের সম্মুখীন হতে দেখে যা তারা অনুমান করেনি। এই অসুবিধাগুলো প্রযুক্তিগত জটিলতা থেকে শুরু করে সাংগঠনিক প্রতিরোধ পর্যন্ত বিভিন্ন রূপ নিতে পারে। এই চ্যালেঞ্জগুলো বোঝা उन व्यवसायों के लिए अनिवार्य है जो एआई को सफलतापूर्वक लागू करने और अपने निवेश पर सकारात्मक عائد పొందാനുള്ള আশা रखते हैं।

প্রযুক্তিগত জটিলতা এবং ডেটার প্রয়োজনীয়তা

ব্যবসাগুলো প্রায়শই যে প্রথম বাধাগুলোর সম্মুখীন হয় তার মধ্যে একটি হল এআই সিস্টেমের প্রযুক্তিগত জটিলতা। এআই মডেল, বিশেষ করে ডিপ লার্নিং (deep learning) ভিত্তিক মডেলগুলো কম্পিউটেশনালি ডিমান্ডিং (computationally demanding) এবং তৈরি, প্রশিক্ষণ এবং স্থাপনের জন্য বিশেষ জ্ঞানের প্রয়োজন। ডেটারও প্রয়োজন। প্রশিক্ষণ ডেটার গুণমান এবং পরিমাণ এআই মডেলগুলোর কর্মক্ষমতার উপর যথেষ্ট প্রভাব ফেলে। বিশাল ডেটাসেট সংগ্রহ এবং প্রস্তুত করা একটি সময়সাপেক্ষ এবং সম্পদ-নিবিড় প্রক্রিয়া হতে পারে। এআই প্রকল্পগুলো উচ্চ-গুণমানসম্পন্ন, লেবেলযুক্ত ডেটার অভাবে বাধাগ্রস্ত হতে পারে, যার ফলে ভুল বা পক্ষপাতদুষ্ট মডেল তৈরি হতে পারে।

উপরন্তু, বিদ্যমান আইটি অবকাঠামোর (IT infrastructure) সাথে এআই সিস্টেমগুলোর আন্তঃকার্যক্ষমতা নিশ্চিত করা আরও জটিলতা তৈরি করে। বিভিন্ন এআই প্ল্যাটফর্ম এবং ফ্রেমওয়ার্ক (framework) লিগ্যাসি সিস্টেমের (legacy systems) সাথে সামঞ্জস্যপূর্ণ নাও হতে পারে, যার জন্য বিদ্যমান কর্মপ্রবাহ এবং আর্কিটেকচারে যথেষ্ট পরিবর্তন প্রয়োজন। জটিল সাংগঠনিক পরিবেশে এআই একত্রিত করার জন্য প্রায়শই যথেষ্ট অভিজ্ঞতা এবং এআই প্রযুক্তি এবং অন্তর্নিহিত বাণিজ্যিক কার্যক্রম উভয়ের একটি শক্তিশালী উপলব্ধি প্রয়োজন।

সাংগঠনিক এবং সাংস্কৃতিক বাধা

প্রযুক্তিগত বাধা ছাড়াও, সংস্থাগুলো এআই গ্রহণের ক্ষেত্রে যথেষ্ট সাংগঠনিক এবং সাংস্কৃতিক বাধার সম্মুখীন হতে পারে। একটি প্রচলিত সমস্যা হল এআই-চালিত পরিবর্তনে কর্মীদের অনীহা। কর্মচারীরা চাকরি স্থানান্তরিত হওয়ার পাশাপাশি নতুন প্রতিভা শেখার এবং নতুন কাজের পদ্ধতির সাথে খাপ খাইয়ে নেওয়ার প্রয়োজনীয়তা সম্পর্কে উদ্বিগ্ন হতে পারে। কর্মীদের প্রতিরোধ এআই উদ্যোগগুলোকে ব্যাহত করতে পারে और अनुमानित लाभ की realization में बाधा डाल सकती है।

மேலும், एआई तैनाती के लिए विभागों और टीमों کے درمیان کافی تعاون ضروری ہے۔ डेटा वैज्ञानिक, आईटी پیشہवर, বাণিজ্যিক বিশ্লেষক এবং বিষয় বিশেষজ্ঞকে সমস্যা চিহ্নিত করতে, এআই সমাধান তৈরি করতে এবং উৎপাদনে সেগুলোকে স্থাপন করতে সহযোগিতা করতে হবে। সাইলোস (silos) এবং যোগাযোগের অভাব सहयोग को stifle कर सकता है और वाणिज्यিক কার্যক্রম के बीच एआई के प्रभावी एकीकरण को बाधित कर सकता है। इन संगठनात्मक और सांस्कृतिक बाधाओं को दूर करने के लिए मजबूत नेतृत्व, प्रभावी संचार এবং পরিবর্তন ব্যবস্থাপনার প্রতি অঙ্গীকার প্রয়োজন।

নৈতিক এবং প্রশাসনের উদ্বেগ

এআই আরও ব্যাপক হওয়ার সাথে সাথে নৈতিক এবং প্রশাসনের সমস্যাগুলো ক্রমশ গুরুত্বপূর্ণ হয়ে উঠছে। एआई सिस्टमগুলিতে पूर्वग्रहों को कायम रखने, अनुचित निर्णय लेने এবং लोगों की गोपनीयता का उल्लंघन करने की क्षमता है। संगठनों को एआई ڈیزائن, विकास और तैनाती के लिए मजबूत नैतिक दिशानिर्देश और प्रशासन प्रक्रियाओं का 개발 करके इन चिंताओं को संबोधित করতে होगा। पारदर्शिता, জবাবদিহিতা और निष्पक्षता जिम्मेदार এआई के लिए महत्वपूर्ण सिद्धांत हैं।

ডেটা গোপনীয়তা विचार करने योग्य एक महत्वपूर्ण मुद्दा है। डेटा गोपनीयता नियमগুলির বিল্ডিং এআই সিস্টেমের সময় অনুসরণ করতে হবে, साथ ही साथ अनचाहे অ্যাক্সেস বা दुरुपयोग থেকে संवेदनशील তথ্যের সুরক্ষা নিশ্চিত করতে सुरक्षा उपाय अपनाने होंगे। संगठनों को डेटा संग्रह और उपयोग के लिए उपयोगकर्ता की सहमति प्राप्त करनी ہوگی, साथ ही एआई मॉडल কিভাবে পছন্দগুলি তৈরি করছে সে সম্পর্কে স্বচ্ছতা সরবরাহ করতে হবে। மேலும், organizaciones को किसी भी नैतिक जोखिम या अवांछनीय परिणामों को আবিষ্কার और कम करने के लिए एआई सिस्टम की निगरानी और ऑडिटिंग के लिए तंत्र स्थापित करना चाहिए।

আরওআই পরিমাপ এবং প্রদর্শন করা

आखिरकार, যেকোনো এআই প্রকল্পের সাফল্য একটি मात्राগত রিটার্ন অন ইনভেস্টমেন্ট (আরওআই) তৈরি করার ক্ষমতার উপর নির্ভর করে। যাইহোক, AI প্রকল্পগুলির ROI নির্ধারণ करना मुश्किल हो सकता है, खासकर যখন लाभ अमूर्त বা দীর্ঘমেয়াদী হয়। एআই पहल के लिए संगठनों को स्पष्ट लक्ष्य और संकेतक स्थापित करने होंगे, साथ ही नियमित रूप से प्रगति को ट्रैक करना और परिणामों को मापना होगा। एआई से अपेक्षित व्यावसायिक मूल्य के साथ-साथ उस मूल्य को प्राप्त करने के लिए आवश्यक संसाधनों की पूरी समझ की आवश्यकता है।

மேலும், заинтересоधारकों के लिए एआई के लाभों का संचार करना समर्थन प्राप्त करने और एआई निवेश में विश्वास स्थापित करने के लिए महत्वपूर्ण है। इसमें उपयोग के मामलों को प्रस्तुत करना, प्रारंभिक विजय का प्रदर्शन करना और आवश्यक व्यावसायिक संकेतकों पर एआई के प्रभाव को मात्राबद्ध करना शामिल हो सकता है। एआई की ROI को सफलतापूर्वक मात्रा निर्धारित करने और दिखाने के लिए, व्यवसायों को प्रदर्शन को मापने के लिए एक परिभाषित কাঠামো बनाना होगा और हितधारकों को मूल्य प्रस्ताव को स्पष्ट रूप से व्यक्त करना होगा।

এআই গ্রহণের ভবিষ্যৎ: একটি संतुलित দৃষ্টিকোণ

ইভান ঝাং এর অন্তর্দৃষ্টি এআই গ্রহণের প্রতি একটি संतुलित পদ্ধতির গুরুত্ব তুলে ধরে, যা ব্যবহারিক বাস্তবতায় আবদ্ধ থেকে প্রযুক্তির সম্ভাবনাকে स्वीकार করে। যেহেতু এআই ক্রমাগত বিকশিত হচ্ছে, কোম্পানিগুলোকে এমন সমাধান তৈরির উপর মনোযোগ দিতে হবে যা বাস্তব আরওআই প্রদান করে, নৈতিক উদ্বেগকে সম্বোধন করে এবং বিদ্যমান কর্মপ্রবাহের মধ্যে নির্বিঘ্নে একত্রিত হয়। ঝলমলে সমাধানের চেয়ে ব্যবসায়িক সমস্যাকে অগ্রাধিকার দিয়ে এবং এআইকে টুলবক্সের একটি সরঞ্জাম হিসাবে দেখলে, সংস্থাগুলো এআই এর প্রকৃত সম্ভাবনা উন্মোচন করতে পারে এবং অর্থবহ ব্যবসার ফলাফল চালাতে পারে।