AI এর চারপাশে হাইপ বজায় থাকলেও, 2026 এজেন্টিক AI আর্থিক পরিষেবাগুলিতে স্কেল ট্রান্সফর্মেশন তৈরি করবে। বাজারের নেতা, তাড়া করা প্যাক এবং পিছিয়ে থাকাদের মধ্যে একটি স্পষ্ট ব্যবধান তৈরি হচ্ছে। স্বপ্নদর্শীরা এখন “10× ব্যাঙ্ক”-এর উত্থানের প্রত্যাশা করছেন, যেখানে একজন একক ব্যক্তি AI সহকর্মীদের একটি দলকে দ্রুতগতিতে বেশি আউটপুট দেওয়ার জন্য নেতৃত্ব দেন। এই মডেলে, বৃদ্ধি আর হেডকাউন্ট দ্বারা সীমাবদ্ধ নয়; পরিবর্তে, সাফল্য নির্ভর করে একটি প্রতিষ্ঠানের কাজকে নতুন করে উদ্ভাবন করার এবং একটি 'মানব-এবং-এজেন্ট' কর্মীবাহিনীকে গঠন করার ক্ষমতার উপর যার প্রায় সীমাহীন ক্ষমতা এবং সক্ষমতা রয়েছে। গুরুত্বপূর্ণভাবে, এই নতুন এআই সহযোগীদের কীভাবে নিযুক্ত করা হয় এবং পরিচালনা করা হয় তা নির্দেশ করে, জনগণকে অবশ্যই পরিবর্তনের দায়িত্বে থাকতে হবে।
Accenture's Banking Top Trends 2026:সীমাহীন ব্যাঙ্কিং এখানে আছে
আরও জানুন
এই সিরিজটি ব্যাঙ্কিং, সম্পদ এবং সম্পদ ব্যবস্থাপনা, পুঁজিবাজার এবং বীমার জন্য এই পরিবর্তনগুলির গভীরে বিস্তারিত আলোচনা করে — এবং নিম্নলিখিতগুলি কভার করবে:
2024 সালের নভেম্বরের শেষের দিকে, লর্ড হোমস, ডেভিড পার্কার এবং আমি লন্ডনে আর্থিক পরিষেবা নেতাদের জন্য একটি এআই সিম্পোজিয়ামের আয়োজন করেছিলাম। এটা স্পষ্ট ছিল যে AI, বিশেষ করে জেনারেটিভ AI (GenAI), এখন একটা পরিবর্তন ঘটছে এবং মানুষ 'POC ল্যান্ড' ছাড়িয়ে যাচ্ছে।
অংশগ্রহণকারী অনেক সংস্থা ইতিমধ্যেই GenAI-তে কঠোর বিনিয়োগ করছে, প্রকৃত ব্যবসায়িক চ্যালেঞ্জগুলি মোকাবেলা করার জন্য উত্পাদনে এটি ব্যবহার করে, প্রায়শই আন্ডাররাইটিংয়ের মতো জটিল প্রক্রিয়াগুলির মধ্যে অসংগঠিত ডেটার উপর ফোকাস করে। তাদের সকলেই দায়িত্বশীল AI গার্ডেল এবং তাদের কর্মচারী এবং গ্রাহকদের জন্য গভীর যত্ন সহ সঠিকভাবে এটি করার চেষ্টা করছিল৷
গত অক্টোবরে ফ্রাঙ্কফুর্টের সিবোসে, এক বছর পরেও নয় এবং গতি বিস্ফোরিত হয়েছিল। শিল্পকে রূপান্তর করার জন্য এজেন্টিক এআই ব্যবহার করে সংস্থাগুলির মুখোমুখি না হয়ে আপনি অগ্রসর হতে পারবেন না। আমি একটি প্যানেল হোস্ট করেছি যেখানে আমরা একজন সত্যিকারের সহকর্মী এবং সতীর্থ হিসাবে AI নিয়ে আলোচনা করেছি—একটি ধারণা যা দ্রুত তত্ত্ব থেকে অনুশীলনে স্থানান্তরিত হয়েছে।
2000 টিরও বেশি ব্যস্ততায় এআই-সক্ষম পুনঃউদ্ভাবন চালাচ্ছে, এর মধ্যে অনেকগুলি এজেন্টিক AI ব্যবহার করে৷ এই genAI প্রকল্পগুলির আমাদের সাম্প্রতিক বিশ্লেষণ দেখায় যে মোটামুটি এক-তৃতীয়াংশ আর্থিক পরিষেবা ফার্মগুলি মূল প্রক্রিয়াগুলির জন্য AI-কে স্কেল করেছে — এবং যেগুলি ইতিমধ্যেই আধিকারিক রিটার্ন দেখছে এবং বিনিয়োগকে ত্বরান্বিত করছে। আমরা হাইপ এবং মূল্যের মাপকাঠির বাইরে চলেছি— এবং নেতা এবং পিছিয়ে থাকাদের মধ্যে ব্যবধান দ্রুত প্রসারিত হচ্ছে।
সিম্পোজিয়ামের স্ট্যান্ডআউট মুহুর্তগুলির মধ্যে একটি ছিল একটি এজেন্টিক আর্কিটেকচার কেস স্টাডির উপস্থাপনা, এমন সময়ে যখন ধারণাটি এখনও প্রাথমিক আগ্রহ সংগ্রহ করছিল। আমরা আমাদের ইঞ্জিনিয়ারিং দলগুলিকে একটি বড় উত্তরাধিকার-সিস্টেম স্থানান্তরকে ত্বরান্বিত করতে সাহায্য করার জন্য এজেন্টিক AI ব্যবহার করে এই ব্যাঙ্কের সাথে কাজ করছিলাম৷
ব্যাঙ্কিংয়ে স্থিতিস্থাপকতা, খরচ এবং তত্পরতার জন্য উত্তরাধিকার প্রতিস্থাপন একটি গুরুত্বপূর্ণ ব্যবসায়িক সমস্যা। ব্যাঙ্কটি দুর্বল লিগ্যাসি কোড মানের সম্মুখীন হয়েছে, কোডের 40% কখনও পর্যালোচনা করা হয়নি। এই জটিলতার পরিপ্রেক্ষিতে, প্রাথমিক পরিকল্পনার জন্য তিন বছরের জন্য 250 জন ডেভেলপারের প্রয়োজন ছিল, যেখানে সিনিয়র ডেভেলপার, লিগ্যাসি কোড এবং ডোমেন জ্ঞান ইতিমধ্যেই আবির্ভূত হয়েছে।
এটি সমাধান করার জন্য, আমরা আমাদের সফ্টওয়্যার ইঞ্জিনিয়ারদের সাথে কাজ করার জন্য এআই এজেন্টদের মোতায়েন করেছি:
এই এজেন্টিক আর্কিটেকচারটি সফ্টওয়্যার ইঞ্জিনিয়ারদের সহযোগিতায় ডিজাইন করা হয়েছিল এবং তাদের ডেভেলপার ওয়ার্কবেঞ্চে একত্রিত করা হয়েছিল, উত্পাদনশীলতা বৃদ্ধি করে এবং তাদের ভূমিকা উন্নত করে। ফলাফলগুলি অসাধারণ ছিল:
বলা বাহুল্য, এই উদাহরণটি সিম্পোজিয়ামে উপস্থিতদের জন্য একটি 'বাহ' মুহূর্ত ছিল। তারপর থেকে, এজেন্টিক AI এর সাথে গত বছর যে অগ্রগতি হয়েছে তা আরও বেশি চিত্তাকর্ষক এবং ব্যাপক হয়ে উঠেছে।
প্রযুক্তি সরবরাহের প্রভাব কেবল ইঞ্জিনিয়ারিংয়ে নয়, উদাহরণস্বরূপ আমরা একটি বৃহৎ এশিয়ান ব্যাঙ্কের জন্য ডেটা পাইপলাইনগুলিকে 98% বেশি দক্ষ করে তুলেছি এবং একটি বড় ইউরোপীয় ব্যাঙ্কের জন্য আমরা পরিষেবা ডেস্কটিকে 20% আরও দক্ষ করে তুলেছি৷
এআই এজেন্ট হল এমন প্রোগ্রাম যা নির্দিষ্ট লক্ষ্য অর্জনের জন্য কাজ এবং কর্মপ্রবাহ পরিচালনা করে। মানুষ লক্ষ্য নির্ধারণ করে, কিন্তু এজেন্টরা আরও স্বাধীনভাবে কাজ করে, লক্ষ্য অর্জনের জন্য প্রয়োজন অনুযায়ী তাদের কৌশলগুলিকে অভিযোজিত করে। তারা ইনপুট নেয়, যুক্তি দেয়, কার্য সম্পাদনের সিদ্ধান্ত নেয়, অন্যান্য এজেন্ট এবং সরঞ্জামগুলির সাথে যোগাযোগ করে, তাদের ফলাফল পর্যালোচনা করে এবং প্রয়োজনীয় পরবর্তী পদক্ষেপগুলি নির্ধারণ করে।
এজেন্টরা একটি ডোমেন প্রেক্ষাপট ‘জানেন’ যেখানে তারা একটি প্রতিষ্ঠানের মধ্যে প্রশিক্ষিত হয়েছে (যেমন নির্দিষ্ট প্রশিক্ষণের ডেটা এবং নথিতে)। তাদের দীর্ঘমেয়াদী স্মৃতি রয়েছে এবং সিদ্ধান্ত গ্রহণকে অপ্টিমাইজ করার জন্য অতীতের মিথস্ক্রিয়া থেকে শিখতে পারে।
এআই এজেন্টরা বিশেষায়িত, নির্দিষ্ট ভূমিকার জন্য প্রশিক্ষিত এবং লক্ষ্য ভিত্তিক। এই বিশেষীকরণের সুবিধা হল পারফরম্যান্সের উন্নতি, কারণ বিভিন্ন এজেন্টকে একত্রে মিশ্রিত করে এর অংশগুলির যোগফলের চেয়ে বেশি মোট গঠন করা যেতে পারে (একটি মাল্টি-ডিসিপ্লিনারি দলের মতো)।
এজেন্টিক আর্কিটেকচারে, অর্কেস্ট্রেটর বা তত্ত্বাবধায়ক এজেন্টরা প্রক্রিয়াটি পরিচালনা করে, বিশেষায়িত ইউটিলিটি এজেন্টদের কাজ অর্পণ করে।
'ট্র্যাডিশনাল' বা 'ক্লাসিক্যাল' এআই সাধারণত মেশিন লার্নিং এবং দক্ষ ডেটা বিজ্ঞানীদের ব্যবহার করে। এটি জটিল মডেলগুলির জন্য এফএস-এ বহু বছর ধরে ব্যবহৃত হচ্ছে। এটি সংজ্ঞায়িত পরামিতি এবং ইনপুটগুলির মধ্যে পরবর্তী সেরা কর্মের (যেমন প্যাটার্ন, পূর্বাভাস, মডেল, সিমুলেশন, অপ্টিমাইজেশান, সুপারিশ) পূর্বাভাস এবং সনাক্তকরণে অবিশ্বাস্যভাবে ভাল৷
GenAI একটি আউটপুট তৈরি করার জন্য একটি বৃহৎ ভাষার মডেলে প্রম্পটের ভিত্তিতে সামগ্রী তৈরি করে — আমাদের বেশিরভাগই এখন ChatGPT, CoPilot, Claude বা অন্যান্য মডেলগুলিতে অভ্যস্ত। GenAI মডেলগুলি ক্রমবর্ধমান শক্তিশালী এবং এমনকি ফিল্ম বা গেমের মতো মাল্টি-মডেল আউটপুট তৈরি করতে সক্ষম। একজন দক্ষ ব্যবহারকারী এই আউটপুটগুলিকে পরিমার্জিত করার জন্য বিভিন্ন উপায়ে বা একটি চেইনে প্রম্পট করতে পারে। যাইহোক, এই মডেলগুলি তাদের ভ্যানিলা আকারে গতিশীল কাজগুলি পরিচালনা করতে পারে না এবং বহু-পদক্ষেপের পরিকল্পনাগুলি সম্পাদন করতে পারে না - তারা উত্পাদন করতে পারে, তবে এটি আরও জটিল লক্ষ্যের দিকে কাজ করতে পারে না৷
যেখানে এজেন্টিক AI-তে, একাধিক AI এজেন্ট সহযোগিতামূলকভাবে অনুসরণ করে এবং প্রতিটি ধাপে কম মানুষের হস্তক্ষেপ সহ আরও জটিল, বহুমুখী লক্ষ্য অর্জন করে।
এটি হল প্যাসিভ কন্টেন্ট জেনারেশন (GenAI) থেকে টাস্ক-স্পেসিফিক এক্সিকিউশন (AI এজেন্ট) থেকে আরও স্বায়ত্তশাসিত মাল্টি-এজেন্ট অর্কেস্ট্রেশন (Agentic AI) (এ বিষয়ে আরও জানতে Sapkota 2025 দেখুন)।
AI-এর সমস্ত পূর্ববর্তী রূপগুলি (যেমন, মেশিন লার্নিং, ডিপ লার্নিং, GenAI) প্রাসঙ্গিক থেকে যায়, কিন্তু এটি 'একসাথে কিছু করার' মাধ্যমে কাজকে নতুন করে উদ্ভাবন করার এজেন্টিক AI এর ক্ষমতা যা উল্লেখযোগ্যভাবে বেশি।
যদিও সফ্টওয়্যার ডেলিভারি উদাহরণটি আকর্ষণীয় এবং FS-এর সাথে অত্যন্ত প্রাসঙ্গিক, আসুন এটিকে জীবন্ত করার জন্য আরও কিছু উদাহরণ অন্বেষণ করি৷
আমাদের প্রায়শই জিজ্ঞাসা করা হয় যে এজেন্টিক এআই ঝুঁকি এবং সম্মতিতে প্রয়োগ করা যেতে পারে? উত্তর হল হ্যাঁ! আমরা AI ব্যবহার করে বেশ কিছু ব্যাঙ্ককে 'আপনার গ্রাহককে জানুন' (KYC) রূপান্তর করতে সাহায্য করছি।
অতীতে, কেওয়াইসি একটি ধীর এবং ব্যয়বহুল ম্যানুয়াল প্রক্রিয়া ছিল লিগ্যাসি সিস্টেমের সাথে, শনাক্তকরণ হার এবং মিথ্যা ইতিবাচক বিষয়ে চ্যালেঞ্জ সহ, এবং ক্লায়েন্ট অনবোর্ডিং এবং পর্যায়ক্রমিক পর্যালোচনাগুলির উপর প্রভাব ফেলে৷
Agentic AI KYC প্রক্রিয়াটিকে পুনরায় কল্পনা করার অনুমতি দেয়, আর অনুক্রমিক প্রক্রিয়াকরণের দ্বারা আবদ্ধ থাকে না। কেওয়াইসি বিশ্লেষকরা আর উচ্চ মানের ক্রিয়াকলাপগুলিতে মনোনিবেশ করেন না এবং পরিবর্তে উচ্চ মূল্যের বিচার-ভিত্তিক তদন্তের কাজে তাদের সময় ব্যয় করতে পারেন।
গত কয়েক বছরে AI ব্যবহার করে KYC-এর রূপান্তর কীভাবে বিকশিত হয়েছে তার তিনটি উদাহরণ এখানে দেওয়া হল, স্বয়ংসম্পূর্ণ GenAI ব্যবহারের ক্ষেত্রে থেকে, এলএলএম ওয়ার্কফ্লোসের মাধ্যমে, এজেন্টিক এন্ড-টু-এন্ড প্রক্রিয়ায়।
একটি ইউরোপীয় ব্যাঙ্কে, প্রাচীনতম ব্যবহারগুলির মধ্যে একটি ছিল নথিগুলিকে শ্রেণীবদ্ধ করা, কেওয়াইসি ডেটা পয়েন্টগুলি গ্রহণ করা এবং নিষ্কাশন করা, অনুপস্থিত ডেটা যাচাই করা এবং প্রতিকার করা, তারপর KYC এজেন্টকে যাচাই করার জন্য একটি সামঞ্জস্যপূর্ণ বিন্যাসে ডেটা উপস্থাপন করা। জটিল করেসপন্ডেন্ট ব্যাঙ্কিং ক্ষেত্রে এই কাজগুলির গুণমান বাড়ানোর সময় এটি 99% কমিয়েছে এবং খরচ 94% কমিয়েছে৷
সম্পদে শুরু হওয়া বিশ্বব্যাপী ব্যাঙ্কগুলির মধ্যে একটিতে, আমরা ভাষা অনুবাদ (90,000+ ঘন্টা সাশ্রয়), KYC এজেন্ট নির্দেশিকা (কেস প্রত্যাখ্যানের হার হ্রাস), নথির শ্রেণীবিভাগ (95% প্রাথমিক নির্ভুলতা) এবং পার্টি শনাক্তকরণ (সময় 50% কমানো) এবং কেস সংক্ষিপ্তকরণ ইত্যাদি দিয়ে শুরু করেছি৷ এইগুলি কার্যপ্রবাহ জুড়ে আরও বিস্তৃত ব্যবহার ছিল৷
অতি সম্প্রতি, অন্য একটি বৈশ্বিক ব্যাঙ্কে, আমরা সম্পদের উৎস (একটি প্রধান ব্যবসায়িক চ্যালেঞ্জ) থেকে শুরু করে শেষ থেকে শেষ জীবনচক্র জুড়ে এজেন্টদের আবেদন করছি যেখানে এজেন্টরা নথি থেকে প্রাসঙ্গিক তথ্য বের করতে পারে, কোথায় অনুপস্থিত নথি বা ডেটা আছে তা শনাক্ত করতে পারে, সম্পদের বিবরণের উৎস তৈরি করতে পারে এবং সঠিকতা এবং সম্পূর্ণতার জন্য সেই বিবরণ পর্যালোচনা করতে পারে। মানব কেওয়াইসি বিশ্লেষক এখনও লুপে আছেন এবং কেস প্রক্রিয়াকরণের উপর চূড়ান্ত নিয়ন্ত্রণ রয়েছে, তবে এই এজেন্টগুলি ব্যবহার করে উত্পাদনশীলতা, নির্ভুলতা এবং ক্লায়েন্টের অভিজ্ঞতা উন্নত করতে পারে। এজেন্টিক AI ব্যবহার করে আমরা সম্পূর্ণ মূল্য শৃঙ্খলকে সমর্থন করতে পারি।
একটি ইউরোপীয় বীমাকারীর জন্য আমরা সম্পত্তি, দুর্ঘটনা এবং মোটর বীমা দাবির জন্য এজেন্টিক এআই তৈরি করছি। ভুল সিদ্ধান্ত নেওয়া হলে দাবিগুলির একটি উল্লেখযোগ্য অর্থনৈতিক এবং গ্রাহক প্রভাব রয়েছে। অনেক বীমাকারীদের দাবি একটি শ্রম-নিবিড় প্রক্রিয়া, যেখানে অনেক সময় ব্যবহার করা হয় অসংগঠিত ডেটা এবং নথিগুলি পরিচালনা করা৷
আমরা দাবির প্ল্যাটফর্মের শীর্ষে বসতে এবং মানব দাবি পরিচালনাকারীকে সমর্থন করে অন্যান্য সিস্টেমে অর্কেস্ট্রেট করার জন্য AI এজেন্ট তৈরি করেছি। AI এজেন্টরা তথ্য সংগ্রহ, ডেটার গুণমান, নীতি এবং কভারেজ পরীক্ষা, নীতির বিশদ নিষ্কাশন, দাবি ডেটা সংক্ষিপ্তকরণ (ক্ষতির প্রথম বিজ্ঞপ্তি, গ্রাহক এবং বিশেষজ্ঞের ইনপুট, গ্রাহকের চিঠিপত্র সহ) এবং এমনকি মামলা, জালিয়াতি এবং রিজার্ভ ম্যানেজমেন্টের কিছু সমর্থনের মতো কাজগুলিকে সমর্থন করে৷
এই সমস্ত কাজের মাধ্যমে এজেন্টরা দাবির হ্যান্ডলারকে 'লিড ইন দ্য হিউম্যান' হিসাবে দায়িত্বে থাকার জন্য সমর্থন করে — উদাহরণস্বরূপ, তারা সহজেই উত্স ডেটাতে ফিরে তাকাতে পারে। আমরা তাদের ক্ষমতার 20% খালি করতে সক্ষম হয়েছি, তাদের সময়কে আরও ভাল সিদ্ধান্ত নেওয়ার উপর ফোকাস করে (দাবীর নির্ভুলতা 1% দ্বারা উন্নত করা) এবং সবচেয়ে জটিল এবং মূল্যবান দাবিগুলিতে আলোচনার সমর্থন করে৷
আমরা ইউএস-ভিত্তিক P&C বীমাকারীর কাছ থেকে জটিল বাণিজ্যিক দাবির অপারেশন পর্যন্ত একই রকম কাজ দেখেছি।
এজেন্টিক AI কে আপনার সহকর্মী হিসাবে কল্পনা করুন, যেখানে আপনার দলের সদস্যরা আপনার জন্য নিবেদিত আছেন যারা আপনাকে তাদের সমর্থনে বিশেষজ্ঞ এবং এমনকি আপনার নিজের জন্য পরিপূরক দৃষ্টিভঙ্গি এবং শক্তি আনতে পারেন।
একজন ব্যবসায়িক নেতা হিসাবে, 100,000 কর্মচারীর নয়, বরং উল্লেখযোগ্যভাবে বেশি ক্ষমতা এবং সক্ষমতার সাথে এক মিলিয়ন মানব এবং এজেন্ট কর্মীদের একটি কর্মশক্তির কথা কল্পনা করুন, একটি সম্পূর্ণ ভিন্ন উপায়ে কাজ করছেন৷
এজেন্টিক আর্কিটেকচারের মূল্য উপলব্ধি করার জন্য সঠিক ডেটা ফাউন্ডেশন, দায়িত্বশীল এআই ফ্রেমওয়ার্ক, অবকাঠামো এবং দক্ষতা অপরিহার্য। আমরা অনেক ব্যাঙ্কিং এবং ইন্স্যুরেন্স ক্লায়েন্টকে তাদের ব্যবসা জুড়ে এগুলি কার্যকর করতে সাহায্য করেছি, যার মধ্যে এক্সিকিউটিভ টিম এবং বোর্ডগুলির সাথে কাজ করা রয়েছে৷ সবচেয়ে গুরুত্বপূর্ণ পদক্ষেপ হল সঠিক ব্যবসার সুযোগ এবং মান স্ট্রীম চিহ্নিত করা, এমন একটি কর্মশক্তিকে জড়িত করা যারা এই ক্ষেত্রগুলিকে সবচেয়ে ভাল বোঝে এবং একটি মানব-কেন্দ্রিক পদ্ধতি গ্রহণ করে। এটিকে ত্বরান্বিত করার জন্য, আমাদের কাছে কী ব্যাঙ্কিং এবং বীমা মূল্য শৃঙ্খল, প্রক্রিয়া এবং কর্মশক্তি বিশ্লেষণ এবং পুনর্নবীকরণের জন্য সম্পদ রয়েছে। এর মধ্যে রয়েছে NVIDIA-এর উপর ভিত্তি করে Accenture Refinery-তে তৈরি করা 'রেডি টু গো' এজেন্ট এবং নেতৃস্থানীয় AI ইকোসিস্টেম প্লেয়ারদের সঙ্গে অংশীদারিত্ব৷
JPMorganChase দ্রুত এবং স্কেলে AI-তে ঘোরার একটি বিশেষ আকর্ষণীয় কেস উদাহরণ প্রদান করে। তারা এক বছরেরও কম সময়ের মধ্যে তাদের LLM স্যুটে 200,000 কর্মচারীর জন্য স্ব-পরিষেবা অ্যাক্সেসকে গণতন্ত্রীকরণ করেছে, যার অর্ধেক এটি দিনে 3+ বার ব্যবহার করে।
এটি ব্যাপক ধারণা, পরীক্ষা এবং প্রয়োগের দিকে পরিচালিত করেছে (একটি নিরাপদ স্থানের মধ্যে এবং খরচের অনুকূল প্রান্তিককরণে)। তারপরে তারা ভাল ধারণা সংগ্রহ করতে পারে, বিনিয়োগ করতে পারে এবং একটি 'ভেঞ্চার ক্যাপিটাল' মানসিকতার সাথে তাদের স্কেল করতে পারে।
তাদের এখন বিভিন্ন ব্যবসায়িক ইউনিট জুড়ে বিশেষায়িত AI এবং এজেন্টিক AI রয়েছে। পরিবর্তনের জন্য এই বিতরণ করা পদ্ধতিটি সকলের জন্য বিনামূল্যের জন্য নয়। সমস্ত মডেল নিবন্ধিত এবং নিরাপদ স্কেলিং সমর্থন করার জন্য নিয়ন্ত্রণ করা হয়। যাইহোক, উচ্চ ঝুঁকি ব্যবহারের জন্য আলাদা পথ রয়েছে (পৃথক ঝুঁকি কমিটি, সম্পূর্ণ মডেল পর্যালোচনা) বনাম কম ঝুঁকিপূর্ণ ব্যবহার (স্পন্সর পর্যালোচনা করা হয়েছে)।
অত্যন্ত গুরুত্বপূর্ণভাবে, JPMorganChase দত্তক গ্রহণে বিনিয়োগ করেছে, উচ্চ এজেন্সি প্রাথমিক গ্রহণকারীদের জন্য স্থান তৈরি করেছে এবং অনুসরণকারীদের এবং গণ গ্রহণকারীদেরও জাহাজে উঠতে সহায়তা করেছে। তারা কাজের ব্যাঘাতকে উত্সাহিত করেছিল:"AI কে আপনার কাজ খেতে দিন; আপনার জন্য আমাদের এখানে অনেক অন্যান্য কাজ রয়েছে৷ আপনার কাজ AI দ্বারা নেওয়া হবে না; এটি AI ব্যবহারে দক্ষতা অর্জনকারী একজন ব্যক্তি গ্রহণ করবে" (JPMorganChase এর অ্যাসেট অ্যান্ড ওয়েলথ ম্যানেজমেন্ট (AWM) বিভাগের সিইও মেরি এরদোস)।
তাদের উচ্চ বৃদ্ধি, উচ্চ-প্রতিভা পরিবেশ তাদের একটি মেধাতান্ত্রিক, কিন্তু মানব-কেন্দ্রিক দৃষ্টিভঙ্গি তৈরি করতে তাদের কর্মশক্তিকে পরিবর্তনে জড়িত করার অনুমতি দিয়েছে। এটি ছিল দ্রুত অগ্রসর হওয়ার বিষয়ে, কিন্তু কর্মশক্তি পরিবর্তনের জন্য একটি পরিকল্পনাও ছিল:"আমি এটি সম্পর্কে যত বেশি জানব, ততই আমি এটির জন্য পরিকল্পনা করতে পারি, বিচ্ছিন্নতাকে আমার বন্ধু হতে দিন এবং যেখানে প্রয়োজন সেখানে পুনরায় স্থাপন করা, পুনরায় প্রশিক্ষণ দেওয়া ইত্যাদি।" (জেমি ডিমন, সিইও, জেপিমরগানচেজ)।
এই ব্লগগুলির প্রতিটির শেষে আমি কিছু মূল টেকঅ্যাওয়ে পয়েন্ট এবং প্রশ্নগুলি অন্তর্ভুক্ত করব — এগুলি আপনার দলের মধ্যে ব্যবহার করতে দ্বিধা বোধ করুন বা আপনি যদি তাদের মাধ্যমে চ্যাট করতে চান তবে আমাকে জানান৷
আমার পরবর্তী ব্লগে, আমরা অন্বেষণ করব কীভাবে নেতৃস্থানীয় আর্থিক পরিষেবা সংস্থাগুলি মানব-কেন্দ্রিক উপায়ে এআই-এর কাছে আসছে এবং কীভাবে আমরা কাজের পুনর্উদ্ভাবনকে ত্বরান্বিত করতে এজেন্টিক আর্কিটেকচার ব্যবহার করতে পারি৷
এজেন্টিক এআই কীভাবে আর্থিক পরিষেবা জুড়ে কাজ পরিবর্তন করছে তার গভীর দৃষ্টিভঙ্গির জন্য, আমাদের 2026 সালের শীর্ষ ব্যাঙ্কিং প্রবণতা পড়ুন রিপোর্ট।
2022 স্টক মার্কেটের দৃষ্টিভঙ্গি:আপনার পোর্টফোলিওকে কী প্রভাবিত করতে পারে সে সম্পর্কে বিনিয়োগকারী কৌশলবিদদের 3টি ভবিষ্যদ্বাণী
সেভরি ওটমিল আপনার মনকে উড়িয়ে দেবে (এবং আপনার অর্থ সাশ্রয় করবে)
ব্যবসায়ের মূল্যায়ন কী এবং কখন ব্যবসার এটি প্রয়োজন?
কে ক্যাশিয়ার চেকে প্রেরককে স্বাক্ষর করেন?
মো'স সাউথওয়েস্ট গ্রিল কি সর্বজনীনভাবে লেনদেন করা হয়:স্টকের দাম কী?