AI কি Janitor ও Cleaner-দের Replace করবে? Physical Work কেন Human থাকছে
মাত্র **৬%** স্বয়ংক্রিয়করণের ঝুঁকি এবং **৮%** AI এক্সপোজার নিয়ে ঝাড়ুদার ও পরিচ্ছন্নতাকর্মীরা সবচেয়ে AI-প্রতিরোধী পেশাগুলোর একটি। ২৩ লক্ষ পরিষ্কার-সংক্রান্ত চাকরি কেন কোথাও যাচ্ছে না।
৬% স্বয়ংক্রিয়করণের ঝুঁকি। এআই এক পেশার পর অন্য পেশার অবসানের ভবিষ্যদ্বাণী করে শিরোনাম তৈরি করার যুগে, ঝাড়ুদার এবং পরিচ্ছন্নতাকর্মীরা বর্ণালীর একেবারে বিপরীত প্রান্তে দাঁড়িয়ে। আপনি যদি মেঝে মোছেন, লিকি কল ঠিক করেন এবং ভবন চালু রাখেন, আপনার চাকরিটি কৃত্রিম বুদ্ধিমত্তার থেকে সবচেয়ে নিরাপদগুলোর একটি।
এটি ছোট সান্ত্বনা মনে হতে পারে যখন আপনার কাজ শারীরিকভাবে কঠোর এবং বেতন গড়ে $৩৩,০০০ বার্ষিক। কিন্তু শ্বেতাঙ্গ-কলার পেশাদাররা উদ্বিগ্নভাবে AI কে তাদের ভূমিকায় খেতে দেখছেন এমন শ্রমবাজারে, হাতে-কলমে কাজের নিরাপত্তার একটি মূল্য রয়েছে যা বেতনে দেখা যায় না।
ডেটা: প্রায় AI অস্পর্শিত
[তথ্য] ঝাড়ুদার এবং পরিচ্ছন্নতাকর্মীদের মাত্র ৮% সামগ্রিক AI এক্সপোজার এবং ৬% স্বয়ংক্রিয়করণের ঝুঁকি রয়েছে। এটি একটি "অত্যন্ত কম" এক্সপোজার শ্রেণিবিভাগ, যা আমাদের ডেটাবেসে সমস্ত ১,০১৬ ভূমিকার মধ্যে সবচেয়ে AI-প্রতিরোধী পেশাগুলোর একটি করে তোলে।
কার্য বিভাজন ব্যাখ্যা করে কেন। সুবিধা পরিষ্কার এবং স্যানিটাইজ করার মাত্র ১৫% স্বয়ংক্রিয়করণ রয়েছে। ছোটখাটো মেরামত করা মাত্র ৫% এ বসে। এমনকি পরিষ্কারের সরবরাহ ইনভেন্টরি পরিচালনা করা — এই ভূমিকার সবচেয়ে স্বয়ংক্রিয়করণযোগ্য কাজ — মাত্র ৪০%, কারণ এটিতে ডেটা ট্র্যাকিং জড়িত তাই।
শ্রম পরিসংখ্যান ব্যুরো ২০৩৪ সালের মধ্যে এই পেশার জন্য +৪% প্রবৃদ্ধির পূর্বাভাস দেয়। মার্কিন যুক্তরাষ্ট্রে প্রায় ২.৩ মিলিয়ন লোক ঝাড়ুদার এবং পরিচ্ছন্নতাকর্মী হিসেবে নিযুক্ত, এটি কোনো কুলুঙ্গি ভূমিকা নয়। এটি দেশের বৃহত্তম পেশাগত বিভাগগুলোর একটি, এবং এটি বাড়ছে।
ভারী স্বয়ংক্রিয়করণ চাপের অধীনে থাকা অফিস এবং প্রশাসনিক পেশাগুলোর সাথে সেই সংখ্যাগুলো তুলনা করুন। যখন ইনভেন্টরি কেরানিরা -৭% প্রক্ষেপিত হ্রাস এবং তথ্য কেরানিরা -৬% এর মুখোমুখি হচ্ছেন, ঝাড়ুদার এবং পরিচ্ছন্নতাকর্মীরা আগামী দশকে প্রায় ৯০,০০০ নিট পদ যোগ করবে বলে প্রক্ষেপণ করা হয়েছে। বেশিরভাগ পেশাগত পরিবর্তন যেখানে সংকোচন, সেখানে প্রবৃদ্ধি অস্বাভাবিক যথেষ্ট যে সাবধানে পরীক্ষা করার মতো।
কেন রোবট আপনার অফিস পরিষ্কার করতে পারে না
[তথ্য] এই ভূমিকার তাত্ত্বিক AI এক্সপোজার মাত্র ১৬%, যা উল্লেখযোগ্যভাবে কম। রোবোটিক্স এবং AI উন্নয়নের জন্য সর্বোত্তম পরিস্থিতিতেও, পরিষ্কার এবং রক্ষণাবেক্ষণ কাজের বিশাল সংখ্যাগরিষ্ঠ মেশিনগুলো পরিচালনা করতে পারে তার বাইরে থেকে যায়।
স্বয়ংক্রিয়করণের মৌলিক সমস্যা এখানে: পরিষ্কার করা হলো অত্যন্ত পরিবর্তনশীল পরিবেশে একটি অসংগঠিত শারীরিক কাজ। প্রতিটি ঘর আলাদা। আসবাবপত্র নড়ে। মানুষ অপ্রত্যাশিত গন্ডগোল রেখে যায়। একটি টয়লেট উপচে পড়ে। একটি শিশু হলওয়েতে জুস ছড়ায়। একটি পাইপ ছাদে ফেটে যায়। Roomba-এর মতো রোবোটিক ভ্যাকুয়াম ক্লিনারগুলো সমতল, অনুমানযোগ্য মেঝেগুলো যুক্তিসঙ্গতভাবে ভালোভাবে পরিচালনা করে, কিন্তু সেগুলো ঝাড়ুদাররা আসলে যা করেন তার একটি ক্ষুদ্র ভগ্নাংশ প্রতিনিধিত্ব করে।
সাধারণ পরিষ্কারের জন্য প্রয়োজনীয় দক্ষতা এবং অভিযোজনযোগ্যতাকে রোবোটিক্সবিদরা "Moravec-এর প্যারাডক্স" বলে — মানুষের জন্য সহজ এমন কাজগুলো প্রায়ই স্বয়ংক্রিয় করা সবচেয়ে কঠিন। একটি চার বছর বয়সী শিশু একটি গালিচা থেকে একটি Cheerio তুলতে পারে। একটি মিলিয়ন ডলারের রোবট এখনও বাস্তব জগতে বিদ্যমান গালিচা, আলোর অবস্থা এবং Cheerio অবস্থানের লক্ষ লক্ষ বৈচিত্র্য জুড়ে নির্ভরযোগ্যভাবে একই কাজ করতে সংগ্রাম করে।
[দাবি] বাণিজ্যিক পরিষ্কারের রোবটগুলো অগ্রসর হচ্ছে, বিশেষত বিমানবন্দর এবং কেনাকাটার মল-এর মতো বড় উন্মুক্ত স্থানে যেখানে Avidbots এবং Brain Corp-এর মতো কোম্পানিগুলো স্বায়ত্তশাসিত ফ্লোর স্ক্রাবার মোতায়েন করেছে। কিন্তু এই রোবটগুলো মোট পরিষ্কার কাজের প্রায় ১০-১৫% পরিচালনা করে এবং সেটআপ, রক্ষণাবেক্ষণ এবং এজ কেসের জন্য মানব তত্ত্বাবধান প্রয়োজন। তারা ঝাড়ুদারদের পরিবর্তে তাদের পাশে কাজ করে।
ছোটখাটো মেরামতের উপাদান, ৫% স্বয়ংক্রিয়করণে, বৃহত্তর বিষয়টি স্পষ্ট করে। একটি ভাঙা দরজার হ্যান্ডেল ঠিক করা, একটি সিলিং টাইল প্রতিস্থাপন করা, একটি ড্রেন আটকে দেওয়া এবং স্কাফ মার্কের উপর রঙ করা সবকিছুর জন্য দক্ষতা, স্থানিক যুক্তি এবং অভিযোজিত সমস্যা সমাধানের প্রয়োজন যা বর্তমান রোবোটিক্সের অনেক বাইরে। একজন রক্ষণাবেক্ষণকর্মী যিনি বছর ধরে একই ভবনে ছিলেন তিনি জানেন পানি বন্ধ করার ভালভগুলো কোথায়, কোন সার্কিট ব্রেকার লবির আলো নিয়ন্ত্রণ করে এবং পূর্ব শাখায় HVAC সিস্টেমের একটি অদ্ভুত আচরণ রয়েছে যা শুধুমাত্র নির্দিষ্ট সেটিংস ট্রিগার করবে। সেই ধরনের সঞ্চিত প্রসঙ্গ মানব মাথায় বাস করে, ডেটাবেসে নয়।
স্মার্ট বিল্ডিং অ্যাঙ্গেল
একটি ক্ষেত্র যেখানে AI সত্যিই এই পেশা পরিবর্তন করছে তা হলো বিল্ডিং ব্যবস্থাপনা। স্মার্ট বিল্ডিং সিস্টেমগুলো অধিভোগ ডেটার উপর ভিত্তি করে পরিষ্কারের সময়সূচি অপ্টিমাইজ করতে পারে, HVAC ফিল্টার কখন প্রতিস্থাপনের প্রয়োজন তা পূর্বাভাস দিতে পারে এবং সরবরাহ অর্ডার স্বয়ংক্রিয় করতে পারে। সেজন্যই বিল্ডিং নিরাপত্তা পর্যবেক্ষণ কাজের ৩৫% স্বয়ংক্রিয়করণের হার রয়েছে এবং সরবরাহ ইনভেন্টরি ব্যবস্থাপনা ৪০% এ বসে।
[অনুমান] ২০২৮ সালের মধ্যে সামগ্রিক এক্সপোজার মাত্র ১৪% এ পৌঁছাবে এবং স্বয়ংক্রিয়করণের ঝুঁকি মাত্র ১১% এ উঠবে বলে প্রক্ষেপণ করা হয়েছে। সবচেয়ে আক্রমণাত্মক স্বয়ংক্রিয়করণ সময়রেখায়ও, এটি সবচেয়ে কম প্রভাবিত পেশাগুলোর একটি থেকে যায়।
এর মানে এই নয় যে চাকরিটি ঠিক একই থাকে। বড় সুবিধাগুলোতে ঝাড়ুদারদের ক্রমশ বিল্ডিং ম্যানেজমেন্ট সফটওয়্যারের সাথে ইন্টারঅ্যাক্ট করতে, IoT সেন্সর সতর্কতাগুলো বুঝতে এবং স্বয়ংক্রিয় সিস্টেমের সাথে সমন্বয় করতে আশা করা হচ্ছে। ভূমিকাটি ধীরে ধীরে বিশুদ্ধ শারীরিক শ্রম থেকে শারীরিক কাজ এবং হালকা প্রযুক্তি ব্যবস্থাপনার মিশ্রণে পরিবর্তিত হচ্ছে।
আপনার ক্যারিয়ারের জন্য এর মানে কী
আপনি যদি ভবন রক্ষণাবেক্ষণ এবং পরিষ্কারে কাজ করছেন বা বিবেচনা করছেন, ডেটা একটি আশ্বস্তকর চিত্র আঁকে।
চাকরির নিরাপত্তা শক্তিশালী। +৪% প্রবৃদ্ধি প্রক্ষেপিত এবং ২.৩ মিলিয়ন বর্তমান পদ সহ, এটি একটি বড় এবং বর্ধনশীল ক্ষেত্র। প্রতিটি নতুন ভবনের পরিষ্কারের প্রয়োজন। প্রতিটি বিদ্যমান ভবনের রক্ষণাবেক্ষণের প্রয়োজন। নতুন নির্মাণ ধীর হচ্ছে না, এবং বিদ্যমান বিল্ডিং স্টক পুরানো হতে থাকে। আমাদের ঝাড়ুদার এবং পরিচ্ছন্নতাকর্মী পাতায় সম্পূর্ণ ডেটা দেখুন।
দক্ষতা বৃদ্ধি মাঝারিভাবে পুরস্কৃত হয়। স্মার্ট বিল্ডিং সিস্টেম, সুবিধা ব্যবস্থাপনা সফটওয়্যার এবং IoT-সজ্জিত ভবনের সাথে কাজ করতে শেখা আপনার বেতন নাটকীয়ভাবে পরিবর্তন করবে না, তবে এটি আপনাকে বড় সুবিধাগুলোতে তত্ত্বাবধানের ভূমিকার জন্য অবস্থান করে। একটি টিম লিড বা সুবিধা সুপারভাইজারের পদ সাধারণ পরিষ্কারকর্মীর ভূমিকার চেয়ে ২৫ থেকে ৪০ শতাংশ বেশি দিতে পারে এবং সেই পদগুলো বাড়ছে।
উচ্চ-মূল্যের পরিবেশে বিশেষজ্ঞতা অর্জন করুন। হাসপাতাল পরিষ্কার, ফার্মাসিউটিক্যাল উৎপাদনে ক্লিনরুম রক্ষণাবেক্ষণ এবং ডেটা সেন্টারের সুবিধা ব্যবস্থাপনা সবই মধ্যমের চেয়ে উল্লেখযোগ্যভাবে উপরে অর্থ প্রদান করে এবং বিশেষায়িত জ্ঞানের প্রয়োজন যা স্বয়ংক্রিয় করা আরও কঠিন।
সুবিধা ব্যবস্থাপনার দিকে গড়ুন। মজবুত নির্ভরযোগ্যতা, ভালো যোগাযোগ দক্ষতা এবং মৌলিক প্রযুক্তিগত সাক্ষরতার সাথে একজন ঝাড়ুদার একটি সুবিধা রক্ষণাবেক্ষণের ভূমিকার জন্য, তারপর একটি সুপারভাইজারের ভূমিকার জন্য, তারপর একটি সুবিধা ব্যবস্থাপকের ভূমিকার জন্য একটি প্রাকৃতিক প্রার্থী। প্রতিটি পদক্ষেপ মজুরিতে ২৫ থেকে ৫০ শতাংশ যোগ করে এবং ক্যারিয়ারের সিঁড়ির উপরের প্রান্ত প্রধান মহানগর এলাকায় ছয় অঙ্কের মধ্যে ভালোভাবে প্রদান করে।
অবমূল্যায়িত ক্যারিয়ার গণিত
AI রূপান্তরের সময় ক্যারিয়ারের পথগুলোর তুলনা করা কর্মীদের জন্য, সুবিধা রক্ষণাবেক্ষণের মামলাটি বিশুদ্ধ অর্থনৈতিক ভিত্তিতে বিস্ময়করভাবে শক্তিশালী হয়ে উঠেছে। ৭০-৮৮% স্বয়ংক্রিয়করণের হারের মুখোমুখি অফিস এবং প্রশাসনিক ভূমিকাগুলো প্রায়ই পরিচ্ছন্নতামূলক কাজের মতোই মজুরি প্রদান করে কিন্তু আগামী দশকে নাটকীয়ভাবে বেশি ক্যারিয়ার ঝুঁকির মুখোমুখি। ২০ বছর অবসরের কাছাকাছি একজন ঝাড়ুদার সেই ভূমিকায় নিযুক্ত থাকার বিষয়ে প্রায় নিশ্চিত। একই দিগন্তে একজন ইনভেন্টরি কেরানি বা তথ্য কেরানি অর্থপূর্ণ স্থানচ্যুতি ঝুঁকির মুখোমুখি।
সুবিধা রক্ষণাবেক্ষণ ক্যারিয়ারের সিঁড়ির উপরের প্রান্তে অর্থনৈতিক মামলাটি আরও উন্নত হয়। HVAC সার্টিফিকেশন, প্লাম্বিং দক্ষতা, বৈদ্যুতিক জ্ঞান এবং বিল্ডিং অটোমেশন অভিজ্ঞতা সহ একজন রক্ষণাবেক্ষণ টেকনিশিয়ান প্রধান মেট্রো এলাকায় $৬০,০০০ থেকে $৯০,০০০ উপার্জন করতে পারেন।
শ্রমবাজারটি দক্ষ ট্রেডের জন্য কাঠামোগতভাবে শক্ত হচ্ছে। জনসংখ্যা পরিস্থিতি — বেবি বুমারদের অবসর, ট্রেডে প্রবেশ করা কম বয়সী কর্মীদের তুলনামূলক ঘাটতি — ক্রমাগত চাহিদার চাপ তৈরি করছে। অফিসের কাজ থেকে AI-চালিত স্থানচ্যুতি যোগ করুন এবং আপনার এমন একটি শ্রমবাজার রয়েছে যা আগামী দশকে সুবিধা রক্ষণাবেক্ষণে অর্থপূর্ণ মজুরি বৃদ্ধি তৈরি করতে পারে।
লুকানো সতর্কতা
একটি সতর্কতামূলক নোট উত্থাপন করার মতো। যদিও স্বয়ংক্রিয়করণ চাপ কম, অনেক সুবিধা রক্ষণাবেক্ষণ সেটিংসে মজুরি এবং কাজের অবস্থার উপর নিয়োগকর্তার চাপ বাস্তব। চুক্তি পরিষ্কার অপারেটররা প্রায়ই মূল্যে একে অপরকে ছাড়িয়ে যায় এবং কর্মীরা একটি শক্তিশালী শ্রমবাজারেও সংকুচিত ঘণ্টা, বাদ দেওয়া সুবিধা বা প্রতিকূল সময়সূচি খুঁজে পেতে পারেন। AI থেকে সুরক্ষা স্বয়ংক্রিয়ভাবে খারাপ কর্মসংস্থান প্র্যাকটিস থেকে সুরক্ষায় অনুবাদ হয় না।
নিচের লাইনটি প্রতিস্বজ্ঞামূলক কিন্তু স্পষ্ট: AI-এর যুগে, সবচেয়ে নিরাপদ ক্যারিয়ার বাজিগুলোর একটি হলো একটি মুছনা এবং একটি সরঞ্জামবাক্স।
Anthropic (২০২৬), Eloundou et al. (2023) এবং BLS পেশাগত প্রক্ষেপণের ডেটার উপর ভিত্তি করে AI-সহায়তা বিশ্লেষণ। সম্পূর্ণ ডেটা বিভাজনের জন্য, ঝাড়ুদার এবং পরিচ্ছন্নতাকর্মী পেশা পাতা দেখুন।
শিল্পের সেক্টর বিশ্লেষণ: একটি গভীর দৃষ্টি
ঝাড়ুদার এবং পরিচ্ছন্নতাকর্মীর ভূমিকা বিভিন্ন সেক্টরে উল্লেখযোগ্যভাবে ভিন্ন, এবং প্রতিটি সেক্টরে স্বয়ংক্রিয়করণের সংস্পর্শ একটু আলাদা।
কর্পোরেট অফিস এবং বাণিজ্যিক স্পেস: এই সেক্টরটি সবচেয়ে বেশি প্রযুক্তিগত একীভূতকরণ দেখছে। স্মার্ট বিল্ডিং সিস্টেম, IoT সেন্সর এবং সময়সূচি অ্যাপ্লিকেশনগুলো পরিষ্কারের দলগুলোর কার্যকারিতা বাড়াচ্ছে। পরিষ্কারকর্মীরা যারা এই সিস্টেমগুলো নেভিগেট করতে পারেন তারা আরও দক্ষ এবং আরও চাওয়া হয়।
স্বাস্থ্যসেবা পরিবেশ: হাসপাতাল এবং ক্লিনিকে পরিষ্কার একটি উচ্চ-দক্ষতা এবং উচ্চ-দায়িত্বের কার্যকলাপ। সংক্রমণ নিয়ন্ত্রণ প্রোটোকল, বিপজ্জনক উপকরণ নিষ্পত্তি এবং নিয়ন্ত্রক সম্মতির জন্য প্রশিক্ষিত মানব কর্মীদের প্রয়োজন। এই সেক্টরটি সাধারণত অন্যদের তুলনায় ২০-৩০% বেশি পারিশ্রমিক দেয় এবং কর্মসংস্থানের স্থিতিশীলতা উল্লেখযোগ্যভাবে শক্তিশালী।
শিক্ষা প্রতিষ্ঠান: স্কুল এবং বিশ্ববিদ্যালয় ক্যাম্পাসগুলো বড় কর্মী বাহিনীর সাথে স্থির পরিষ্কারের চাহিদা বজায় রাখে। বয়স্ক ছাত্র জনসংখ্যা এবং বর্ধনশীল নথিভুক্তি এই সেক্টরে দীর্ঘমেয়াদী কর্মসংস্থান স্থিতিশীলতা নিশ্চিত করে।
শিল্প এবং উৎপাদন সুবিধা: কারখানা এবং গুদামগুলোতে বিশেষ পরিষ্কার চ্যালেঞ্জ রয়েছে। ভারী যন্ত্রপাতি, বিপজ্জনক উপকরণ এবং শিল্প দূষণের জন্য বিশেষজ্ঞ পরিষ্কার দলের প্রয়োজন। এই ভূমিকাগুলো প্রায়ই সাধারণ বাণিজ্যিক পরিষ্কারের চেয়ে ভালো অর্থ প্রদান করে।
বিভিন্ন সেক্টরে বিভিন্ন সুযোগের এই বৈচিত্র্য মানে নতুন পরিচ্ছন্নতাকর্মীদের কৌশলগতভাবে তাদের কর্মসংস্থানের ক্ষেত্র বেছে নেওয়ার একটি সুযোগ রয়েছে। স্বাস্থ্যসেবা বা বিশেষায়িত শিল্পে প্রবেশ করা ভবিষ্যতের মজুরি বৃদ্ধি এবং ক্যারিয়ার অগ্রগতির জন্য আরও ভালো ভিত্তি প্রদান করে।
Analysis based on the Anthropic Economic Index, U.S. Bureau of Labor Statistics, and O*NET occupational data. Learn about our methodology
আপডেট ইতিহাস
- ৮ এপ্রিল, ২০২৬ তারিখে প্রথম প্রকাশিত।
- ১৮ মে, ২০২৬ তারিখে সর্বশেষ পর্যালোচিত।