AI কি স্টকার এবং অর্ডার ফিলারদের প্রতিস্থাপন করবে? রোবট আসছে, কিন্তু ধীরে ধীরে

যেকোনো Amazon ফুলফিলমেন্ট সেন্টারে হাঁটলে আপনি গুদামের কাজের ভবিষ্যত দেখতে পাবেন: কমলা Kiva রোবট মেঝের ওপর দিয়ে ঘুরছে, সম্পূর্ণ শেল্ভিং ইউনিট মানব কর্মীদের কাছে বহন করছে। কিন্তু আরও কাছ থেকে দেখুন। এখনও হাজার হাজার মানুষ আইটেম তুলছেন, বাক্সে প্যাক করছেন এবং প্রতিদিন একটি ভবনের মধ্য দিয়ে লক্ষ লক্ষ পণ্য সরানোর সময় যে অগণিত ছোট সমস্যা দেখা দেয় সেগুলি সমাধান করছেন। [তথ্য]

স্টকার এবং অর্ডার ফিলাররা ৬৫% অটোমেশন ঝুঁকির মুখোমুখি -- ম্যানুয়াল শ্রম পেশাগুলির মধ্যে সর্বোচ্চ একটি। তবুও শ্রম পরিসংখ্যান ব্যুরো ২০৩৪ সাল পর্যন্ত +৮% চাকরি বৃদ্ধির অনুমান করেছে। এই দুটি তথ্য বিপরীত বলে মনে হয়, কিন্তু এগুলি অটোমেশন তাত্ত্বিকভাবে কী করতে পারে এবং বাস্তব জগতে এটি আসলে কী অর্জন করে তার মধ্যে ব্যবধান সম্পর্কে গভীর কিছু প্রকাশ করে। [তথ্য]

টাস্ক-স্তরের বাস্তবতা

তিনটি মূল কাজ এই পেশাকে সংজ্ঞায়িত করে এবং AI প্রতিটিকে ভিন্নভাবে আঘাত করছে:

ইনভেন্টরি ট্র্যাকিং: ৮২% অটোমেশন। এই ক্ষেত্রটি প্রযুক্তি দ্বারা সবচেয়ে বেশি রূপান্তরিত হয়েছে। RFID ট্যাগ, AI-চালিত গুদাম ব্যবস্থাপনা সিস্টেমের সাথে সংযুক্ত বারকোড স্ক্যানার, রিয়েল-টাইমে স্টক গণনা করা কম্পিউটার ভিশন ক্যামেরা এবং চাহিদা পূর্বাভাস দেয় এমন পূর্বাভাসমূলক অ্যালগরিদম ম্যানুয়াল ইনভেন্টরি গণনাকে মূলত অপ্রচলিত করে দিয়েছে। সিস্টেম জানে প্রতিটি আইটেম কোথায়, কয়টি বাকি আছে এবং কখন পুনরায় অর্ডার দিতে হবে -- প্রায়শই একজন মানুষ ঘাটতি লক্ষ্য করার আগেই। [তথ্য]

অর্ডার বাছাই এবং প্যাকিং: ৭৫% অটোমেশন। এটি হেডলাইন নম্বর যা মনোযোগ আকর্ষণ করে, কিন্তু এটি প্রসঙ্গের প্রাপ্য। অত্যন্ত স্বয়ংক্রিয় ফুলফিলমেন্ট সেন্টারে (Amazon, Ocado, বা JD.com চিন্তা করুন), রোবোটিক সিস্টেম বাছাই প্রক্রিয়ার একটি উল্লেখযোগ্য অংশ পরিচালনা করে। কিন্তু "৭৫% অটোমেশন" মানে এই নয় যে ৭৫% কর্মী প্রতিস্থাপিত হয়েছে। এর অর্থ হল AI এবং রোবোটিক্স আনুমানিক ৭৫% পুনরাবৃত্তিমূলক বাছাই গতি পরিচালনা করে -- পৌঁছানো, ধরা, সরানো -- যখন মানুষ ব্যতিক্রম, ভঙ্গুর আইটেম, অদ্ভুত আকারের পণ্য এবং গুণমান পরীক্ষা পরিচালনা করে। [অনুমান]

গুদাম সরঞ্জাম পরিচালনা: ৪৫% অটোমেশন। স্বায়ত্তশাসিত মোবাইল রোবট (AMR) এবং স্বয়ংক্রিয় গাইডেড যান (AGV) বড় গুদামগুলিতে ক্রমবর্ধমান সাধারণ, জোনগুলির মধ্যে প্যালেট এবং ইনভেন্টরি সরিয়ে নিচ্ছে। কিন্তু অপ্রত্যাশিত বাধা সহ ভিড়, গতিশীল পরিবেশে ফর্কলিফ্ট পরিচালনা বেশিরভাগ সুবিধাগুলিতে একটি মানব কাজ থাকে। [তথ্য]

কেন অটোমেশন সত্ত্বেও বৃদ্ধি অব্যাহত

+৮% BLS বৃদ্ধির অনুমান বেশ কয়েকটি শক্তিশালী চাহিদা চালককে প্রতিফলিত করে:

ই-কমার্স বৃদ্ধি। অনলাইন খুচরা প্রসারিত হতে থাকে এবং প্রতিটি অনলাইন অর্ডার একটি শারীরিক অবস্থান থেকে তোলা, প্যাক এবং শিপ করা দরকার। মার্কিন লজিস্টিকস নেটওয়ার্কের মধ্য দিয়ে প্রবাহিত প্যাকেজের নিছক ভলিউম অটোমেশন যা শোষণ করতে পারে তার চেয়ে দ্রুত বাড়ছে।

একই-দিন এবং পরবর্তী-দিন ডেলিভারি। দ্রুত ডেলিভারির জন্য গ্রাহকের প্রত্যাশার জন্য জনসংখ্যা কেন্দ্রের কাছাকাছি অবস্থিত আরও গুদাম প্রয়োজন, প্রতিটি মানব কর্মী দ্বারা পরিচালিত যারা দ্রুত-টার্নঅ্যারাউন্ড পরিপূরণ পরিচালনা করেন যার জন্য নমনীয়তা এবং গতি প্রয়োজন।

পণ্য বৈচিত্র্য। গড় গুদাম বিভিন্ন আকার, আকার এবং ভঙ্গুরতার স্তরে হাজার হাজার বিভিন্ন SKU পরিচালনা করে। রোবোটিক সিস্টেম মানসম্মত আইটেম পরিচালনায় পারদর্শী কিন্তু অস্বাভাবিক পণ্যের লম্বা লেজ নিয়ে সংগ্রাম করে। মানুষ এই বৈচিত্র্য পরিচালনায় দ্রুত এবং আরও নির্ভরযোগ্য থাকে।

খরচের অর্থনীতি। সম্পূর্ণ স্বয়ংক্রিয় গুদাম তৈরিতে লক্ষ লক্ষ ডলার খরচ হয়। আমেরিকার বেশিরভাগ গুদামজাতকরণ মাঝারি আকারের কোম্পানিগুলির দ্বারা পরিচালিত সুবিধাগুলিতে ঘটে যা সেই বিনিয়োগকে ন্যায্যতা দিতে পারে না। তাদের জন্য, মানব কর্মীরা সম্পূর্ণ অটোমেশনের চেয়ে আরও সাশ্রয়ী থাকে।

দুই-ট্র্যাক গুদাম ভবিষ্যত

গুদাম শিল্পে একটি স্পষ্ট বিভাজন উঠছে:

ট্র্যাক ১: মেগা-অটোমেশন। বৃহত্তম খুচরা বিক্রেতা এবং লজিস্টিকস কোম্পানি (Amazon, Walmart, FedEx) ক্রমবর্ধমান স্বয়ংক্রিয় সুবিধা তৈরি করছে যেখানে মানব ভূমিকা শারীরিক শ্রম থেকে রোবট তত্ত্বাবধান, ব্যতিক্রম পরিচালনা এবং সিস্টেম ব্যবস্থাপনায় স্থানান্তরিত হয়। এই সুবিধাগুলিতে, প্রতি মিলিয়ন প্যাকেজ পাঠানো মানব কর্মীর সংখ্যা হ্রাস পাচ্ছে।

ট্র্যাক ২: মানব-কেন্দ্রিক অপারেশন। বেশিরভাগ গুদাম -- আঞ্চলিক বিতরণকারী, ছোট ই-কমার্স ফুলফিলমেন্ট সেন্টার, মুদি দোকান, খুচরা ব্যাক রুম -- প্রযুক্তি সহায়তা সহ প্রাথমিকভাবে মানব-পরিচালিত থাকে। এই সুবিধাগুলিতে, কর্মীরা হাতে-ধরা স্ক্যানার ব্যবহার করেন, AI-অপ্টিমাইজড পিক পথ অনুসরণ করেন এবং স্মার্ট ইনভেন্টরি সিস্টেমের সুবিধা পান, কিন্তু শারীরিক কাজ এখনও মানুষ দ্বারা করা হয়।

বেশিরভাগ স্টকার এবং অর্ডার ফিলার ট্র্যাক ২-এ কাজ করেন। এবং ট্র্যাক ২-এ, AI কাজটিকে এটি নির্মূল না করে আরও দক্ষ করে তোলে।

গুদাম কর্মীদের এখন কী করা উচিত

গুদাম ব্যবস্থাপনা সিস্টেম শিখুন। যারা WMS প্ল্যাটফর্ম সমস্যা সমাধান করতে পারেন, ইনভেন্টরি অ্যালগরিদম বুঝতে পারেন এবং প্রযুক্তি এবং শারীরিক অপারেশনের মধ্যে ব্যবধান পূরণ করতে পারেন তারা শুধুমাত্র শারীরিক কাজ করেন তাদের তুলনায় উল্লেখযোগ্যভাবে বেশি মূল্যবান।

ফর্কলিফ্ট এবং সরঞ্জাম সার্টিফিকেশন পান। বিশেষ সরঞ্জাম পরিচালনা একটি মানব-একমাত্র দক্ষতা থাকে এবং উচ্চ মজুরি দাবি করে। রিচ ট্রাক, অর্ডার পিকার এবং প্যালেট জ্যাকের জন্য সার্টিফিকেশন যোগ করুন।

সমস্যা সমাধানের দক্ষতা বিকাশ করুন। যে গুদাম কাজগুলি অটোমেশন থেকে বেঁচে থাকে সেগুলি হল ব্যতিক্রম-পরিচালনা করা: ক্ষতিগ্রস্ত আইটেম, ভুল লেবেলযুক্ত পণ্য, সরঞ্জাম জ্যাম, গ্রাহকের বিশেষ অনুরোধ। যারা এই সমস্যাগুলি সমাধানে পারদর্শী তারা অটোমেট হওয়ার সর্বশেষ।

রোবোটিক্স রক্ষণাবেক্ষণ বিবেচনা করুন। গুদাম যখন আরও স্বয়ংক্রিয় সিস্টেম যুক্ত করে, তাদের বজায় রাখতে তাদের প্রযুক্তিবিদ প্রয়োজন। Amazon এর মতো কোম্পানিগুলি সক্রিয়ভাবে গুদাম কর্মীদের রোবোটিক্স প্রযুক্তিবিদ হতে প্রশিক্ষণ দিচ্ছে -- একটি ক্যারিয়ার পথ যা উচ্চ মজুরি এবং অনেক কম অটোমেশন ঝুঁকি দেয়।

৬৫% অটোমেশন ঝুঁকি বাস্তব এবং ঊর্ধ্বমুখী -- ২০২৮ সালের মধ্যে ৭৭% এ পৌঁছানোর অনুমান। কিন্তু এমন একটি শিল্পে যেখানে চাহিদা প্রযুক্তি যা শোষণ করতে পারে তার চেয়ে দ্রুত বাড়ছে, মানব স্টকার অদৃশ্য হচ্ছে না। তারা বিবর্তিত হচ্ছে।

বিস্তারিত অটোমেশন মেট্রিক্স এবং অনুমানের জন্য, আমাদের স্টকার এবং অর্ডার ফিলার পেশা পৃষ্ঠা দেখুন।

সূত্র

• Anthropic. (2026). The Macroeconomic Impact of Artificial Intelligence on Labor Markets. Anthropic Research.
• Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs. arXiv:2303.10130.
• U.S. Bureau of Labor Statistics. Stockers and Order Fillers: Occupational Outlook Handbook.

আপডেট ইতিহাস

• 2026-04-04: Anthropic শ্রম বাজার প্রতিবেদন (২০২৬), Eloundou et al. (২০২৩), এবং BLS ডেটার উপর ভিত্তি করে প্রাথমিক প্রকাশনা।

---

এই নিবন্ধটি Anthropic শ্রম বাজার প্রতিবেদন (২০২৬), Eloundou et al. (২০২৩), এবং BLS পেশাগত অনুমান ২০২৪-২০৩৪ থেকে ডেটা ব্যবহার করে AI সহায়তায় তৈরি। সমস্ত পরিসংখ্যান AI Changing Work সম্পাদকীয় দল নির্ভুলতার জন্য পর্যালোচনা করেছে।