পদ্ধতি

আমাদের বিশ্লেষণ পেশার উপর AI-র প্রভাবের ব্যাপক দৃষ্টিভঙ্গি প্রদানের জন্য একাধিক প্রামাণিক ডেটা উৎস একীভূত করে। নতুন গবেষণা ক্রমাগত পর্যবেক্ষণ করি।

• Massenkoff & McCrory (2026) - AI-র শ্রম বাজার প্রভাব: বাস্তব Claude ব্যবহার ডেটা থেকে পর্যবেক্ষিত এক্সপোজার মেট্রিকপ্রধান
• Eloundou et al. (2023) - GPTs are GPTs: তাত্ত্বিক কার্য এক্সপোজার ফ্রেমওয়ার্ক (বিটা স্কোর 0, 0.5, 1)
• Brynjolfsson et al. (2025) - কয়লা খনির ক্যানারি: ADP পেরোল মাইক্রোডেটা ব্যবহার করে পর্যবেক্ষিত কর্মসংস্থান প্রভাব
• মার্কিন শ্রম পরিসংখ্যান ব্যুরো (2024) - পেশা-স্তরের প্রবৃদ্ধি হার সহ 2024-2034 কর্মসংস্থান অনুমান
• O*NET SOC শ্রেণীবিভাগ সিস্টেম - সমস্ত মূল্যায়নে ব্যবহৃত মানকৃত পেশা এবং কার্য শ্রেণীবিভাগ

প্রতিটি পেশায় AI-র প্রভাব পরিমাণ নির্ধারণে আমরা চারটি প্রাথমিক মেট্রিক ব্যবহার করি। প্রতিটি মেট্রিক AI কীভাবে কাজের সাথে মিথস্ক্রিয়া করে তার একটি ভিন্ন মাত্রা ক্যাপচার করে।

সামগ্রিক এক্সপোজার

একটি সম্মিলিত মেট্রিক যা তাত্ত্বিক এবং পর্যবেক্ষিত এক্সপোজার ডেটা সংশ্লেষণ করে একটি একক সারাংশ স্কোর (0-100) প্রদান করে।

তাত্ত্বিক এক্সপোজার

একাডেমিক গবেষণা এবং সক্ষমতা মূল্যায়নের ভিত্তিতে AI কী সম্ভাব্যভাবে স্বয়ংক্রিয় করতে পারে তা পরিমাপ করে। প্রধানত Eloundou et al. (2023) বিটা কার্য এক্সপোজার স্কোর থেকে প্রাপ্ত।

পর্যবেক্ষিত এক্সপোজার

বাস্তব ব্যবহার ডেটার ভিত্তিতে AI আসলে অনুশীলনে কী করে তা পরিমাপ করে। O*NET পেশাগত কাজে ম্যাপ করা লক্ষ লক্ষ Claude কথোপকথনের বিশ্লেষণ থেকে প্রাপ্ত।

অটোমেশন ঝুঁকি

মূল্যায়িত সময়সীমার মধ্যে উল্লেখযোগ্য চাকরি স্থানচ্যুতির সম্ভাবনা। এক্সপোজার মেট্রিক্সকে কর্মসংস্থান প্রবণতা ডেটা, বেতন স্তর এবং কার্য প্রতিস্থাপনযোগ্যতার সাথে একত্রিত করে।

প্রতিটি পেশাকে পৃথক কার্যে বিভক্ত করে বর্তমান এবং ভবিষ্যতের AI সিস্টেম দ্বারা অটোমেশনের মাত্রা মূল্যায়ন করি। এই কার্য-স্তরীয় পদ্ধতি সম্পূর্ণ পেশার অনুমানের চেয়ে আরও সূক্ষ্ম অন্তর্দৃষ্টি প্রদান করে।

কার্য-স্তরীয় বিভাজন

O*NET-এর বিস্তারিত কাজের কার্যক্রম (DWA) ব্যবহার করে প্রতিটি পেশাকে তার গঠনমূলক কার্যে বিভক্ত করা হয়। সম্পূর্ণ পেশার উপর ব্যাপক বিচার করার পরিবর্তে প্রতিটি কার্য স্বতন্ত্রভাবে মূল্যায়ন করি।

বিটা স্কোর পদ্ধতি

Eloundou et al. (2023) অনুসরণ করে, প্রতিটি কার্য একটি বিটা স্কোর পায়: 0 (কোনো এক্সপোজার নেই), 0.5 (মানব তত্ত্বাবধানে আংশিক এক্সপোজার), বা 1 (AI অটোমেশনে সম্পূর্ণ এক্সপোজার)। পেশা-স্তরের মেট্রিক্স তৈরি করতে এই স্কোরগুলো একত্রিত করা হয়।

টাইম সিরিজ নির্মাণ (2023-2028)

2023-2025-এর প্রকৃত পরিমাপ এবং 2026-2028-এর আনুমানিক অনুমান ব্যবহার করে টাইম সিরিজ ডেটা তৈরি করি। সব ভিজ্যুয়ালাইজেশনে সলিড বনাম ড্যাশড লাইন দিয়ে প্রকৃত ডেটা এবং অনুমান স্পষ্টভাবে আলাদা করা হয়।

অনুমান পদ্ধতি

2026-2028-এর ভবিষ্যৎমুখী অনুমান পর্যবেক্ষিত প্রবণতা হার, ঘোষিত AI সক্ষমতা উন্নতি এবং BLS কর্মসংস্থান অনুমানের উপর ভিত্তি করে। সমস্ত অনুমানিত মান স্পষ্টভাবে অনুমান হিসেবে চিহ্নিত।

আমাদের সীমাবদ্ধতা সম্পর্কে স্বচ্ছতা দায়িত্বশীল বিশ্লেষণের জন্য অপরিহার্য। ডেটা ব্যাখ্যা করার সময় ব্যবহারকারীদের এই বিষয়গুলো বিবেচনা করা উচিত।

নমুনার আকার

পর্যবেক্ষিত এক্সপোজার ডেটা লক্ষ লক্ষ Claude কথোপকথনের উপর ভিত্তি করে, উচ্চ-ব্যবহারের পেশার জন্য শক্তিশালী পরিসংখ্যানগত কভারেজ প্রদান করে। তবে, কম সাধারণ পেশার ছোট নমুনা থাকতে পারে।

ভৌগোলিক ও পেশাগত কভারেজ

বর্তমানে 55টি পেশা কভার করে এবং 200+ পর্যন্ত সম্প্রসারণের পরিকল্পনা রয়েছে। ডেটা প্রধানত মার্কিন শ্রম বাজার এবং ইংরেজি-ভাষা AI ইন্টারঅ্যাকশন প্রতিফলিত করে, যা বিশ্বব্যাপী ধরণকে সম্পূর্ণরূপে উপস্থাপন করতে নাও পারে।

আপডেট ফ্রিকোয়েন্সি

নতুন গবেষণা প্রকাশনা বা ডেটা রিলিজ উপলব্ধ হলে কোর মেট্রিক্স আপডেট করা হয়। BLS অনুমান বার্ষিক আপডেট হয়। পর্যবেক্ষিত এক্সপোজার ডেটা Anthropic-এর নতুন বিশ্লেষণ প্রকাশিত হলে আপডেট হয়।

তাত্ত্বিক বনাম পর্যবেক্ষিত ব্যবধান

তাত্ত্বিক এক্সপোজার (AI কী করতে পারে) এবং পর্যবেক্ষিত এক্সপোজার (AI আসলে কী করে) মধ্যে প্রায়ই উল্লেখযোগ্য ব্যবধান থাকে। গ্রহণের বাধা, নিয়ন্ত্রক সীমাবদ্ধতা এবং সাংগঠনিক জড়তা মানে প্রকৃত AI প্রভাব সাধারণত প্রযুক্তিগত সক্ষমতার পিছনে থাকে।

আমরা প্রধান ডেটা আপডেট এবং পদ্ধতিগত পরিবর্তনের একটি স্বচ্ছ রেকর্ড বজায় রাখি।

সব ডেটা পয়েন্ট তাদের মূল উৎসের সাথে লিংকড। স্বচ্ছতার জন্য সম্পূর্ণ উদ্ধৃতি তথ্য প্রদান করি। নীচে সম্পূর্ণ রেফারেন্স তালিকা দেখুন।