AI সহজে ব্যবহার করা যায়, কিন্তু Business-এ AI নামানো এত সহজ না | FDE আসলে কী?

বর্তমানে AI ব্যবহার করা আগের চেয়ে অনেক সহজ হয়ে গেছে। ChatGPT খুললেন, Claude খুললেন, একটা Prompt দিলেন, কয়েক সেকেন্ডের মধ্যে উত্তর পেয়ে গেলেন। এই জায়গা থেকে অনেকের মনে হতেই পারে, AI যদি এত সহজে ব্যবহার করা যায়, তাহলে একটা কোম্পানির Business Process-এর মধ্যে AI বসানোও নিশ্চয়ই খুব সহজ। কিন্তু আসল কাহিনী হইলো এখানে। AI ব্যবহার করা সহজ, কিন্তু একটা পুরোনো Business-এর ভিতরে AI-কে ঠিকঠাকভাবে নামানো মোটেও সহজ না। আজকের পোস্টে সহজভাবে আলোচনা করবো কেন Business-এ AI Implement করা এত কঠিন, FDE বা Forward Deployed Engineer আসলে কী এবং এই Role কেন গুরুত্বপূর্ণ হয়ে উঠতেছে। তাহলে দেরি না করে চলুন মূল পোস্টে চলে যাওয়া যাক।

AI ব্যবহার করা আর Business-এ AI বসানো এক জিনিস না

একটা AI Model চালানো আর সেই Model-কে একটা পুরোনো Business Process-এর মধ্যে ঠিকভাবে বসানো—এই দুইটা সম্পূর্ণ আলাদা কাজ। বাইরে থেকে মনে হয় Model বানালাম, Data দিলাম, Output পেলাম, কাজ শেষ। কিন্তু বাস্তব Business-এ গিয়ে দেখবেন আসল কাজ তখনই শুরু হয়েছে। এই জায়গাটাই অনেক কোম্পানি শুরুতে বুঝতে পারে না, পরে গিয়ে বাজেট আর সময় দুইটাই খরচ হয়।

ধরেন, একটা কোম্পানি তাদের Customer Support-এর কাজ AI দিয়ে Automate করতে চায়। বাইরে থেকে দেখলে ব্যাপারটা একদম সোজা। একটা AI Model বানানো হবে, Customer-এর প্রশ্ন আসবে, Model উত্তর দেবে, ব্যাস কাজ শেষ। কিন্তু বাস্তবে Customer-এর Data কোথা থেকে আসবে, কোন Data AI-কে দেওয়া যাবে, কোন জায়গায় Human Approval লাগবে, পুরোনো Software-এর সাথে AI কীভাবে যুক্ত হবে, Database যদি অনেক পুরোনো হয় তাহলে কী করা হবে, Security বা Privacy কীভাবে Maintain করা হবে, AI ভুল সিদ্ধান্ত দিলে সেটা কে যাচাই করবে—এমন অনেক প্রশ্ন সামনে চলে আসবে।

এই ছোট ছোট প্রশ্নগুলা পরেই গিয়ে বড় সমস্যা বানায়। আর এখানেই Domain Knowledge আর Technical Knowledge—দুটাই দরকার হয়।

Domain Knowledge আর Technical Skill-এর Gap

একজন Business Expert হয়তো খুব ভালোভাবে জানেন কোম্পানির পুরো Process কীভাবে চলে, কোথায় সমস্যা হচ্ছে, কোন জায়গায় Automation করলে সময় বা খরচ কমানো যাবে। কিন্তু তিনি হয়তো AI System তৈরি করতে পারবেন না। আবার একজন AI Engineer Model, API, Database, Cloud কিংবা Software Architecture খুব ভালো বোঝেন। কিন্তু কোম্পানির ভিতরের ১০ বছরের পুরোনো Process কেন এভাবে চলছে, কোথায় Approval লাগে, কোন Data আসলে গুরুত্বপূর্ণ কিংবা কোন জায়গায় AI ব্যবহার করলে Business-এর ক্ষতি হতে পারে—এসব তিনি না-ও জানতে পারেন।

মানে একদিকে Business-এর মানুষ জানেন সমস্যা কোথায়, আর অন্যদিকে Engineer জানেন Technology দিয়ে কীভাবে Solution বানাতে হয়। এই দুই দুনিয়ার মাঝের Gap-টাই আসলে বড় সমস্যা। আর এই Gap পূরণ করার জন্যই Forward Deployed Engineer বা FDE-এর মতো Role নিয়ে এখন অনেক বেশি আলোচনা হচ্ছে।

Forward Deployed Engineer বা FDE কী?

সহজ ভাষায় বললে, FDE হলেন এমন একজন Engineer যিনি শুধু অফিসে বসে Software বানিয়ে Customer-এর হাতে দিয়ে দায়িত্ব শেষ করেন না। বরং Customer-এর সাথে খুব কাছ থেকে কাজ করেন। অনেক সময় Customer-এর অফিসে গিয়ে তাদের Team-এর সাথে বসেন, Business Process বোঝেন, Data কীভাবে ব্যবহার হচ্ছে সেটা দেখেন এবং কোথায় AI ব্যবহার করলে সত্যিকার অর্থে Business Value তৈরি হবে সেটা বের করার চেষ্টা করেন।

এরপর সেই অনুযায়ী AI Solution তৈরি করেন এবং Customer-এর Existing System-এর সাথে সেটাকে Integrate করেন। মানে শুধু “Software বানিয়ে দিলাম”—এইখানেই কাজ শেষ না। আসল লক্ষ্য হলো Software ব্যবহার করে Customer-এর বাস্তব কোনো সমস্যা সমাধান হচ্ছে কিনা এবং শেষ পর্যন্ত Business-এর জন্য ভালো Outcome আসছে কিনা সেটা নিশ্চিত করা।

একটা Example দিলে বিষয়টা আরও সহজ হবে

ধরেন, একটা বড় কোম্পানি তাদের হাজার হাজার Document Process করার জন্য AI ব্যবহার করতে চায়। একজন সাধারণ Software Engineer হয়তো একটা Application বানিয়ে দিতে পারবেন, যেখানে Document Upload করলে AI সেটা পড়ে Information বের করে দেবে। শুনতে বেশ চমৎকার, তাই না? কিন্তু বাস্তবে ব্যাপারটা একটু ঘুরাইয়া দেখেন।

একজন FDE আগে বুঝবেন কোম্পানির Document কোথা থেকে আসে, কে এগুলো Review করে, কোথায় Approval লাগে, কোন ধরনের Document বেশি আসে, কোন ক্ষেত্রে AI-এর সিদ্ধান্ত নেওয়া নিরাপদ এবং কোথায় অবশ্যই Human-এর সিদ্ধান্ত দরকার। তারপর সেই Business Process বুঝে AI Solution তৈরি করবেন। এই জায়গাটাই FDE Role-কে একটু আলাদা করে দেয়।

কিন্তু FDE Model-এরও একটা বড় Challenge আছে

প্রতিটা Customer-এর জন্য যদি শুরু থেকে আলাদা আলাদা Software বানানো হয়, তাহলে প্রথম দিকে বিষয়টা ভালোই মনে হবে। Customer খুশি, Engineering Team-ও একটা Solution বানিয়ে ফেললো। কিন্তু Customer যত বাড়বে, সমস্যা তত শুরু হবে। ধরেন, ১০ জন Customer-এর জন্য ১০টা আলাদা System বানানো হলো। এখন প্রতিটা System-এর আলাদা Codebase, আলাদা Bug, আলাদা Maintenance আর আলাদা Update দরকার হবে।

কিছুদিন পর Engineering Team-এর অবস্থা এমন হতে পারে যে, একটার Bug ঠিক করতে গিয়ে আরেকটার সমস্যা তৈরি হচ্ছে। তখন বুঝবেন ভাই, শুরুতে যেটাকে খুব Smart Solution মনে হয়েছিল, সেটাই পরে গিয়ে গলার কাঁটা হয়ে দাঁড়াইছে।

এই কারণে একটা Successful FDE Program-এর জন্য Reusable Base বা শক্ত একটা Platform থাকা খুব গুরুত্বপূর্ণ।

Reusable Platform কেন দরকার?

এর মানে হলো প্রতিবার সবকিছু একদম শুরু থেকে বানানো হবে না। বরং একটা Core Platform থাকবে, যেখানে প্রয়োজনীয় Tool এবং Component আগে থেকেই তৈরি থাকবে। এরপর FDE সেই Core Platform ব্যবহার করে প্রতিটা Customer-এর প্রয়োজন অনুযায়ী Solution তৈরি করবেন।

সহজ করে বললে, প্রতিবার শূন্য থেকে নতুন বাড়ি বানানো না। আগে থেকেই একটা ভালো কাঠামো থাকবে, এরপর Customer অনুযায়ী সেটাকে সাজিয়ে নেওয়া হবে। মানে পুরো জিনিসটা Scratch থেকে না বানিয়ে Existing Component জোড়া লাগিয়ে Custom Solution তৈরি করা। Business বড় করার সময় এই পার্থক্যটা কিন্তু অনেক বড় ব্যাপার।

২০২৬ সালে FDE কেন আরও গুরুত্বপূর্ণ হতে পারে?

AI এখন আর শুধু একটা Chatbot-এর মধ্যে সীমাবদ্ধ নেই। AI Agent, Automation এবং Agentic Software-এর ব্যবহারও বাড়ছে। আগে Software-কে বলে দিতে হতো কোন কাজটা কীভাবে করতে হবে। এখন অনেক ক্ষেত্রে AI Agent নিজেই কয়েকটা ধাপ অনুসরণ করে কাজ করতে পারে।

ফলে Software আরও Modular, Customizable এবং Autonomous হচ্ছে। কিন্তু মজার ব্যাপার হলো, Technology যত Advanced হচ্ছে, Customer-এর জন্য সেটাকে Implement করার Complexity-ও অনেক ক্ষেত্রে বাড়ছে। কারণ এখন শুধু Software বুঝলেই হবে না। বুঝতে হবে AI Agent কোথায় কাজ করবে, কী Data ব্যবহার করবে, কোন সিদ্ধান্ত নিজে নিতে পারবে, কোথায় Human Approval লাগবে এবং ভুল হলে কীভাবে সেটা Handle করা হবে।

এই কারণেই FDE-এর মতো Role ভবিষ্যতে আরও গুরুত্বপূর্ণ হয়ে উঠতে পারে। কারণ Customer শুধু AI Model চায় না, তারা চায় AI তাদের Existing Business-এর মধ্যে ঠিকঠাক কাজ করুক।

বাংলাদেশের ক্ষেত্রে FDE কেন দরকার হতে পারে?

বাংলাদেশের কথা চিন্তা করলেও ব্যাপারটা বেশ পরিষ্কার। আমাদের বড় বড় কোম্পানি, ব্যাংক, সরকারি প্রতিষ্ঠান কিংবা বিভিন্ন Enterprise-এর মধ্যে বছরের পর বছর ধরে জমে থাকা Domain Knowledge আছে। তারা জানে তাদের Business কীভাবে চলে, কোথায় সমস্যা হয় এবং কোন Process ধীরগতির।

কিন্তু অনেক সময় তাদের ভিতরে এমন Technical Team থাকে না যারা সেই পুরোনো Process-এর মধ্যে AI ঠিকভাবে বসাতে পারে। আবার বাইরে থেকে কোনো AI Company এসে শুধু একটা Software বানিয়ে দিয়ে গেলেও কাজ শেষ হয় না। কারণ Software বানানো আর সেটাকে একটা বড় প্রতিষ্ঠানের বাস্তব কাজের সাথে মিলিয়ে চালানো—দুইটা আলাদা ব্যাপার।

ধরেন, কোনো প্রতিষ্ঠানে ১৫-২০ বছর ধরে একটা পুরোনো Software চলছে। এখন সেখানে হঠাৎ AI বসাইতে গেলেন। শুধু নতুন AI Model বানালেই তো আর হবে না। পুরোনো System-এর সাথে Data কীভাবে যাবে, API আছে কিনা, Security কীভাবে হবে, Staff কীভাবে ব্যবহার করবে—এই সবকিছুই দেখতে হবে। আর এই জায়গায় FDE একটা Bridge হিসেবে কাজ করতে পারে।

একদিকে সে Customer-এর Business বুঝবে, অন্যদিকে AI এবং Engineering বুঝবে। তারপর এই দুইটা জিনিস একসাথে নিয়ে বাস্তব একটা Solution তৈরি করবে। ঢাকার বড় কোনো Enterprise হোক কিংবা দেশের অন্য জায়গার কোনো প্রতিষ্ঠান, Problemটা মোটামুটি একই—Technology আছে, Business Knowledge আছে, কিন্তু দুইটাকে একসাথে করার মানুষ অনেক সময় কম থাকে।

ভবিষ্যতের AI Engineer কি শুধু Model Train করবে?

আমার মনে হয় AI Engineer-এর কাজও ধীরে ধীরে আরও বড় জায়গায় যাচ্ছে। শুধু Dataset নিয়ে Model Train করা বা একটা API তৈরি করাই হয়তো সবসময় যথেষ্ট হবে না। যে Engineer Business Problem বুঝতে পারে, Customer-এর সাথে কথা বলতে পারে, Data বুঝতে পারে, AI Solution তৈরি করতে পারে এবং সেই Solution-কে Production-এ নিয়ে যেতে পারে—তার কাজের পরিধি অনেক বড়।

কারণ শেষ পর্যন্ত একটা কোম্পানি শুধু AI Model কিনতে চায় না। তারা চায় AI ব্যবহার করে কোনো একটা বাস্তব সমস্যা সমাধান হোক, সময় বাঁচুক, খরচ কমুক, কাজের Quality বাড়ুক কিংবা নতুন কোনো Business Opportunity তৈরি হোক। সোজা কথা, Customer-এর কাছে Model-এর নাম বা কত Parameter আছে সেটা সবসময় মূল বিষয় না; তাদের কাছে মূল বিষয় হলো, “ভাই, এই জিনিসটা আমার কাজের কী উপকার করলো?”

তাহলে FDE থেকে আসল শিক্ষা কী?

AI নিয়ে এখন অনেক Hype আছে। সবাই AI শিখতেছে, সবাই Agent বানাচ্ছে, সবাই Automation নিয়ে কথা বলছে। কিন্তু আসল Skill শুধু AI Tool ব্যবহার করতে পারা না। আসল Skill হলো কোথায় AI লাগবে সেটা বুঝতে পারা, কীভাবে AI-কে Existing Business Process-এর মধ্যে বসাতে হবে সেটা জানা এবং শেষ পর্যন্ত সেটা দিয়ে বাস্তব Business Outcome নিয়ে আসতে পারা।

সোজা কথায়, AI বানানো এক জিনিস আর AI দিয়ে একটা Business-এর বাস্তব সমস্যা সমাধান করা আরেক জিনিস। আর এই দুইটার মাঝখানের জায়গাটাতেই হয়তো ভবিষ্যতের FDE বা Forward Deployed Engineer-দের জন্য বড় সুযোগ তৈরি হতে পারে।

Final কথা

AI এখন অনেক সহজে আমাদের হাতের কাছে চলে এসেছে। কিন্তু একটা Enterprise-এর ভিতরে AI নিয়ে গিয়ে সেটাকে বাস্তবে কাজ করানো এখনও বেশ কঠিন একটা Engineering এবং Business Challenge। তাই ভবিষ্যতে AI নিয়ে Career করতে চাইলে শুধু Model বা Framework শেখার মধ্যে নিজেকে আটকে রাখবেন না। Business Problem বুঝার চেষ্টা করুন, Customer-এর সাথে কথা বলা শিখুন, Existing System কীভাবে কাজ করে সেটা বুঝুন এবং AI Solution কীভাবে Production-এ নেওয়া যায় সেটাও শিখুন।

কারণ শেষ পর্যন্ত কোম্পানি আপনাকে কতগুলো Model বানাতে পারেন সেটা দিয়ে সবসময় বিচার করবে না। আপনি AI ব্যবহার করে তাদের আসল সমস্যার কতটা সমাধান করতে পারছেন—এই জিনিসটাই অনেক বেশি গুরুত্বপূর্ণ হতে পারে। AI-এর দুনিয়ায় সামনে হয়তো এমন Engineer-এর চাহিদা বাড়বে, যে শুধু Code লিখতে পারে না, বরং Business-টাও বুঝে।

তো আজ এ পর্যন্তই। আশা করি FDE বা Forward Deployed Engineering সম্পর্কে একটা সহজ ধারণা দিতে পেরেছি। পোস্টটি যদি আপনার ভালো লাগে, তাহলে লাইক এবং কমেন্ট করে আমাকে আরও উৎসাহ দিতে পারেন। ভবিষ্যতে AI, Machine Learning, Software Engineering এবং Tech Career নিয়ে কী ধরনের পোস্ট চান, সেটাও কমেন্টে জানাতে পারেন।

কোথাও কোনো ভুল থাকলে অবশ্যই ধরিয়ে দিবেন। মানুষ মাত্রই ভুল করে, তাই আপনাদের Feedback থেকে শেখার সুযোগ থাকে। সবাই ভালো থাকবেন, সুস্থ থাকবেন এবং প্রযুক্তির সাথে থাকবেন।

তাহলে সবাইকে TrickBD-এর সাথে থাকার আমন্ত্রণ জানিয়ে আমার আজকের পোস্ট এখানেই শেষ করলাম। বিদায়। সবাইকে ধন্যবাদ।