এআই প্রম্পট ইঞ্জিনিয়ার কি স্থায়ী ক্যারিয়ার, নাকি একটি দক্ষতা?

একসময় প্রম্পট ইঞ্জিনিয়ার নামটি এমনভাবে আলোচনায় এসেছিল, যেন এটি সফটওয়্যার ডেভেলপার বা ডাটা অ্যানালিস্টের মতো নতুন একটি স্থায়ী পেশা হতে যাচ্ছে। ভালো প্রম্পট লিখতে পারলেই আলাদা ক্যারিয়ার তৈরি হবে—এমন ধারণাও ছড়িয়েছিল।

২০২৬ সালে এসে ছবিটা একটু অন্য রকম। প্রম্পট ইঞ্জিনিয়ার ক্যারিয়ার নিয়ে ভাবলে এখন চাকরির নামের চেয়ে দক্ষতাটিকে আলাদা করে দেখা বেশি জরুরি। কারণ প্রম্পট ইঞ্জিনিয়ারিংয়ের ব্যবহার বাড়ছে ঠিকই, কিন্তু সেই কাজ করার জন্য সব প্রতিষ্ঠান আলাদা প্রম্পট ইঞ্জিনিয়ার নিয়োগ দিচ্ছে না। অনেক ক্ষেত্রে দক্ষতাটি সফটওয়্যার, কনটেন্ট, ডাটা, মার্কেটিং, গবেষণা বা পণ্য ব্যবস্থাপনার কাজের ভেতরেই ঢুকে গেছে।

এ কারণে কারও সামনে যদি প্রশ্ন থাকে, “আমি কি প্রম্পট ইঞ্জিনিয়ার হওয়ার জন্য আলাদা করে প্রস্তুতি নেব?”, তাহলে সরাসরি হ্যাঁ বা না বলার সুযোগ নেই। বরং দেখতে হবে, প্রম্পট ইঞ্জিনিয়ারিংয়ের সঙ্গে আর কী জানা আছে।

চাকরির বাজারে আসলে কী দেখা যাচ্ছে

প্রথমে সংখ্যাগুলো দেখা যাক। স্ট্যানফোর্ডের মানবকেন্দ্রিক কৃত্রিম বুদ্ধিমত্তা ইনস্টিটিউটের এআই ইনডেক্স রিপোর্ট ২০২৬-এ লাইটকাস্টের মার্কিন চাকরির বিজ্ঞাপনের তথ্য ব্যবহার করা হয়েছে। সেখানে ২০২৫ সালে ২২,২২৭টি কৃত্রিম বুদ্ধিমত্তা-সংশ্লিষ্ট চাকরির বিজ্ঞাপনে প্রম্পট ইঞ্জিনিয়ারিং দক্ষতার উল্লেখ পাওয়া যায়। ২০২৪ সালে সংখ্যাটি ছিল ৬,১৫২।

অর্থাৎ এক বছরে উল্লেখের সংখ্যা প্রায় ২৬১% বেড়েছে। আরও একটি হিসাব আছে। ২০২৫ সালের মার্কিন কৃত্রিম বুদ্ধিমত্তা-সংশ্লিষ্ট চাকরির বিজ্ঞাপনের ১০.০৭%-এ প্রম্পট ইঞ্জিনিয়ারিংয়ের উল্লেখ ছিল। ২০২৪ সালে ছিল ৬.২০%।

এই জায়গাতেই সহজে ভুল বোঝাবুঝি হয়। ২২,২২৭টি বিজ্ঞাপন মানে ২২,২২৭টি প্রম্পট ইঞ্জিনিয়ার পদ নয়। সংখ্যাটি এমন কৃত্রিম বুদ্ধিমত্তা-সংশ্লিষ্ট চাকরির বিজ্ঞাপন বোঝায়, যেখানে প্রম্পট ইঞ্জিনিয়ারিংকে প্রয়োজনীয় বা প্রাসঙ্গিক দক্ষতা হিসেবে উল্লেখ করা হয়েছে।

স্বতন্ত্র চাকরির পদবীর চিত্র অনেক ছোট। অ্যান ভু ও জোনাস ওপেনল্যান্ডারের ২০২৫ সালের একটি গবেষণা প্রিপ্রিন্টে লিংকডইনের ২০,৬৬২টি চাকরির বিজ্ঞাপন বিশ্লেষণ করা হয়েছিল। সেখানে প্রম্পট ইঞ্জিনিয়ার পদ পাওয়া যায় ৭২টি, অর্থাৎ নমুনার ০.৫%-এরও কম।

গবেষণাটিকে পুরো বিশ্বের চাকরির বাজারের হিসাব ধরে নেওয়া ঠিক হবে না। এটি নির্দিষ্ট সময়ের লিংকডইন তথ্য। তারপরও একটি গুরুত্বপূর্ণ পার্থক্য পরিষ্কার হয়: প্রম্পট ইঞ্জিনিয়ারিং দক্ষতা হিসেবে দ্রুত ছড়ালেও প্রম্পট ইঞ্জিনিয়ার নামের চাকরিটি একই গতিতে ছড়াচ্ছে—এমন প্রমাণ এখনো নেই। এই পার্থক্যটাই ক্যারিয়ার পরিকল্পনায় সবচেয়ে বেশি গুরুত্ব পাওয়ার দাবি রাখে।

আরও পড়ুন: কোন Career আপনার জন্য মানানসই: আগ্রহ, দক্ষতা ও জীবনযাপন মিলিয়ে দেখুন

ভালো প্রম্পট লেখা আর পেশাগত প্রম্পট ইঞ্জিনিয়ারিং এক জিনিস নয়

চ্যাটজিপিটিকে ভালো উত্তর দিতে সাহায্য করার জন্য সুন্দর করে নির্দেশনা লেখা যায়। ব্যক্তিগত ব্যবহারে এটুকুই অনেক সময় যথেষ্ট। কিন্তু কোনো প্রতিষ্ঠানের কৃত্রিম বুদ্ধিমত্তাভিত্তিক সেবা তৈরি হলে কাজটি আর এত সরল থাকে না। মডেলকে কোন তথ্য দেওয়া হবে, কোন তথ্য দেওয়া হবে না, কোন পরিস্থিতিতে বাইরের কোনো টুল ব্যবহার করবে, উত্তর কোন বিন্যাসে আসবে, ভুল হলে সেটি কীভাবে ধরা হবে—এসবও ঠিক করতে হয়।

আর একটি বড় সমস্যা হলো, একই প্রম্পট সব মডেলে একই রকম কাজ করে না। ওপেনএআইয়ের প্রম্পট ইঞ্জিনিয়ারিং নির্দেশিকায় বলা হয়েছে, মডেলের ধরন বা একই মডেল পরিবারের আলাদা সংস্করণ বদলালে একই প্রম্পটের আচরণও বদলে যেতে পারে। বাস্তব ব্যবহারের অ্যাপ্লিকেশনে তাই শুধু প্রম্পট লিখে থামার বদলে নির্দিষ্ট মডেল সংস্করণ ধরে রাখা এবং নিয়মিত পরীক্ষা করার পরামর্শ দেওয়া হয়।

এখানে পার্থক্যটি বেশ বাস্তব।

“আমি ভালো প্রম্পট লিখতে পারি” একটি দক্ষতা।

“আমি বুঝতে পারি এই কৃত্রিম বুদ্ধিমত্তা ব্যবস্থা কোথায় ভুল করছে, কেন ভুল করছে এবং পরিবর্তনের পর আগের কাজ ঠিক আছে কি না”—এটি আরও বিস্তৃত দক্ষতা।

ক্যারিয়ারের দিক থেকে দ্বিতীয়টি বেশি কার্যকর।

কৃত্রিম বুদ্ধিমত্তা নিজেই যখন প্রম্পট ঠিক করতে শুরু করে

প্রম্পট ইঞ্জিনিয়ার পেশা নিয়ে অনিশ্চয়তার আরেকটি কারণ হলো, প্রম্পট তৈরির কিছু কাজ এখন কৃত্রিম বুদ্ধিমত্তা প্ল্যাটফর্মগুলো নিজেরাই করতে পারছে। গুগল ক্লাউডের জেমিনি প্রম্পটিং নির্দেশিকা অনুযায়ী, সরল অনেক কাজে বিস্তৃত প্রম্পট ইঞ্জিনিয়ারিং ছাড়াও ভালো ফল পাওয়া সম্ভব। জটিল কাজের ক্ষেত্রে অবশ্য প্রম্পট কীভাবে সাজানো হচ্ছে, তা এখনও গুরুত্বপূর্ণ।

গুগলের ভার্টেক্স এআই প্রম্পট অপটিমাইজার আরও এক ধাপ এগিয়েছে। এটি বিভিন্ন নির্দেশনা ও উদাহরণ তৈরি করে সেগুলোর ফল তুলনা করতে পারে এবং নির্দিষ্ট মাপকাঠি অনুযায়ী ভালো কাজ করা সংস্করণ বেছে নিতে সাহায্য করে। গুগল ক্লাউডের ব্যাখ্যায় এই ব্যবস্থার উদ্দেশ্যই হলো প্রম্পট উন্নত করার কিছু ধাপ স্বয়ংক্রিয় করা।

এতে প্রম্পট ইঞ্জিনিয়ারের প্রয়োজন শেষ হয়ে যায় না। তবে শুধু শব্দ পাল্টে পাল্টে প্রম্পট উন্নত করার দক্ষতার ওপর যদি কারও পুরো ক্যারিয়ার দাঁড়িয়ে থাকে, সেখানে ঝুঁকি আছে। কারণ এই কাজের একটি অংশ সফটওয়্যার নিজেই করতে শিখছে।

অন্যদিকে কোন সমস্যায় কৃত্রিম বুদ্ধিমত্তা ব্যবহার করা উচিত, কোন তথ্য তাকে দেওয়া দরকার, কোন ফল গ্রহণযোগ্য নয়, কোথায় মানুষের যাচাই লাগবে—এসব সিদ্ধান্ত শুধু একটি প্রম্পট উন্নয়নকারী ব্যবস্থার হাতে ছেড়ে দেওয়া যায় না।

প্রম্পটের বাইরে এখন প্রসঙ্গ নিয়েও কাজ হচ্ছে

কয়েক বছর আগের প্রম্পট ইঞ্জিনিয়ারিং আলোচনায় মূল প্রশ্ন ছিল, “কৃত্রিম বুদ্ধিমত্তাকে কী লিখব?” এখন প্রশ্নটি অনেক জায়গায় বদলে হচ্ছে, “কৃত্রিম বুদ্ধিমত্তা কাজ করার সময় আসলে কী কী তথ্য দেখবে?”

এই পার্থক্য থেকেই প্রসঙ্গ প্রকৌশল নিয়ে আগ্রহ বেড়েছে।

স্ট্যানফোর্ড এআই ইনডেক্স ২০২৬-এর একই তথ্য অনুযায়ী, ২০২৪ সালে মার্কিন কৃত্রিম বুদ্ধিমত্তা-সংশ্লিষ্ট চাকরির বিজ্ঞাপনে কনটেক্সট ইঞ্জিনিয়ারিং কথাটির উল্লেখ ছিল মাত্র ৯টি। ২০২৫ সালে তা বেড়ে ৭০৩টি হয়েছে। বৃদ্ধির হার বড়, কিন্তু সংখ্যাটিকে বাড়িয়ে দেখা ঠিক হবে না। ২০২৫ সালেও কৃত্রিম বুদ্ধিমত্তা-সংশ্লিষ্ট চাকরির বিজ্ঞাপনের মাত্র ০.৩২%-এ শব্দটি ছিল।

অ্যানথ্রপিকের কনটেক্সট ইঞ্জিনিয়ারিং নিয়ে ব্যাখ্যায় বিষয়টি আরও পরিষ্কার। একটি কৃত্রিম বুদ্ধিমত্তা প্রতিনিধি কাজ করার সময় তার সামনে কোন মূল নির্দেশনা থাকবে, কোন টুল ব্যবহার করতে পারবে, কোন বাইরের তথ্য পাবে, আগের কথোপকথনের কতটুকু থাকবে—এসবই প্রসঙ্গের অংশ।

একটি গ্রাহক সহায়তা বটের উদাহরণ ধরলে বিষয়টি সহজ হয়। প্রম্পট খুব ভালো হলেও বট যদি পুরোনো পণ্যের তথ্য দেখে, ভুল তথ্যভান্ডার ব্যবহার করে বা প্রয়োজনের সময় সঠিক টুল না ডাকে, তাহলে উত্তর ভুল হবে। এখানে প্রম্পটের ভাষা ঠিক করেই সমস্যার সমাধান হবে না। এ কারণেই কৃত্রিম বুদ্ধিমত্তা নিয়ে পেশাগত কাজ ধীরে ধীরে প্রম্পটের বাক্যগঠন থেকে পুরো কার্যপ্রবাহের দিকে যাচ্ছে।

তাহলে কী শেখা বেশি কাজে দেবে?

এখানে সবার জন্য একই উত্তর নেই। একজন সফটওয়্যার ডেভেলপারের ক্ষেত্রে পাইথন, এপিআই, তথ্যভান্ডার, পরীক্ষা বা টুল কলিংয়ের সঙ্গে প্রম্পট ইঞ্জিনিয়ারিং যোগ হলে সেটি ব্যবহারযোগ্য দক্ষতায় পরিণত হয়। তখন তিনি শুধু কথোপকথনের জানালায় প্রম্পট লেখার বাইরে গিয়ে কৃত্রিম বুদ্ধিমত্তাকে একটি বাস্তব পণ্যের অংশ করতে পারেন।

ডাটা অ্যানালিস্টের ক্ষেত্রে এসকিউএল বা পাইথনের সঙ্গে কাঠামোবদ্ধ আউটপুট এবং তথ্য যাচাই গুরুত্বপূর্ণ। কৃত্রিম বুদ্ধিমত্তা কোনো বিশ্লেষণ দিলেই সেটিকে ঠিক ধরে নেওয়া যাবে না।

কনটেন্ট রাইটার বা সম্পাদকদের জায়গাটা আবার আলাদা। তাদের জন্য প্রম্পট লেখা কাজে লাগলেও তথ্য যাচাই, দুর্বল যুক্তি ধরা, উৎস পরীক্ষা এবং কোন লেখা প্রকাশযোগ্য তা বিচার করার ক্ষমতা বেশি গুরুত্বপূর্ণ।

একইভাবে মার্কেটিং বা গ্রাহক সহায়তায় প্রম্পট ইঞ্জিনিয়ারিং তখনই বেশি কাজে দেয়, যখন সেটি বাস্তব কাজের সমস্যার সঙ্গে যুক্ত থাকে।

এখানে শেখার ক্রমটি গুরুত্বপূর্ণ।

অনেকেই আগে প্রম্পট ইঞ্জিনিয়ারিং শেখেন, পরে ভাবেন এটি দিয়ে কী করা যাবে। শিক্ষার্থী বা ক্যারিয়ার পরিবর্তনের কথা ভাবছেন এমন কারও জন্য উল্টো পথটি বেশি যুক্তিসঙ্গত: আগে একটি কাজ ভালোভাবে শিখুন, তারপর সেই কাজে কৃত্রিম বুদ্ধিমত্তা কীভাবে ব্যবহার করা যায় তা শিখুন।

শিক্ষার্থীরা কোথা থেকে শুরু করতে পারেন

শুরুতেই দামি প্রম্পট ইঞ্জিনিয়ারিং কোর্স কেনার প্রয়োজন নেই। প্রথম কাজ হওয়া উচিত নিজের মূল ক্ষেত্র ঠিক করা। সেটি কোডিং হতে পারে, ডাটা অ্যানালাইসিস, কনটেন্ট, ডিজাইন, মার্কেটিং কিংবা গবেষণা।

এরপর প্রম্পটের কিছু মৌলিক বিষয় শেখা যায়: পরিষ্কার নির্দেশনা দেওয়া, প্রয়োজনীয় প্রসঙ্গ যোগ করা, উদাহরণ ব্যবহার করা, সীমা নির্ধারণ করা এবং কী ধরনের ফল দরকার তা স্পষ্ট করে বলা।

কিন্তু শুধু ভালো ফল পাওয়া প্রম্পট জমিয়ে রাখলে শেখা অসম্পূর্ণ থাকবে।

যে প্রম্পট ব্যর্থ হয়েছে, সেটিও রাখুন।

কোন ধরনের ইনপুটে মডেল ভুল করেছে? কোন নির্দেশনা অনুসরণ করেনি? কোথায় বিন্যাস ভেঙেছে? অন্য মডেলে একই কাজ দিলে ফল বদলেছে কি না? এই নোটগুলো পরে অনেক বেশি কাজে দেয়। এপিআই, জেসন এবং কাঠামোবদ্ধ আউটপুটের মৌলিক ধারণাও কাজে আসে। ডেভেলপার না হলেও এতে বোঝা যায় কৃত্রিম বুদ্ধিমত্তা কীভাবে কথোপকথনের জানালার বাইরে অন্য সফটওয়্যারের সঙ্গে কাজ করে।

এরপর আসে পরীক্ষা। একটি প্রম্পট পাঁচটি উদাহরণে ভালো কাজ করলেই সেটিকে নির্ভরযোগ্য বলা যায় না। ভিন্ন ধরনের ইনপুট দিয়ে পরীক্ষা করতে হয়। ওপেনএআইয়ের মূল্যায়নের সেরা পদ্ধতি-তেও প্রতিনিধিত্বশীল পরীক্ষার তথ্য ব্যবহার করে ফল যাচাইয়ের ওপর জোর দেওয়া হয়েছে।

এ অভ্যাস শুরুতেই গড়ে উঠলে প্রম্পট ইঞ্জিনিয়ারিং আর “কীভাবে চতুর নির্দেশনা লিখব” ধরনের অনুশীলনে আটকে থাকে না।

কাজের নমুনায় শুধু প্রম্পট নয়, পুরো প্রক্রিয়া দেখান

প্রম্পট ইঞ্জিনিয়ার ক্যারিয়ারের জন্য কাজের নমুনা বানাতে গিয়ে একটি সাধারণ ভুল হলো অনেকগুলো প্রম্পট জড়ো করা।

“৫০টি সেরা চ্যাটজিপিটি প্রম্পট” দেখে বোঝা যায় কেউ প্রম্পট লিখতে পারেন। কিন্তু তিনি সমস্যা বিশ্লেষণ করতে পারেন কি না, সেটি বোঝা যায় না।

তার চেয়ে একটি ছোট প্রকল্প বেশি অর্থবহ।

ধরা যাক, ৫০০টি গ্রাহকের বার্তা বিষয় অনুযায়ী ভাগ করতে হবে।

কাজের নমুনায় দেখানো যেতে পারে প্রথম প্রম্পট কী ছিল, কোথায় ভুল হচ্ছিল, কোন পরিবর্তনের পর ফল ভালো হয়েছে, কী দিয়ে পরীক্ষা করা হয়েছে এবং শেষ পর্যন্ত কোন ভুলগুলো থেকে গেছে।

এখানে নিখুঁত ফল দেখানোর দরকারও নেই।

বরং কোথায় ব্যবস্থা ব্যর্থ হয়েছে এবং সেখানে মানুষের পর্যালোচনা কেন রাখা হয়েছে—এটি দেখাতে পারলে কাজটি বেশি বিশ্বাসযোগ্য হয়।

কারণ বাস্তব কৃত্রিম বুদ্ধিমত্তা প্রকল্প খুব কমই একটি প্রম্পট লিখে শেষ হয়।

“গোপন প্রম্পট সূত্র” বিক্রি করা কোর্স নিয়ে সতর্ক থাকা ভালো

প্রম্পট ইঞ্জিনিয়ারিং জনপ্রিয় হওয়ার পর থেকেই এমন কোর্স ও প্রচার বেড়েছে, যেখানে কয়েকটি প্রম্পট সূত্রকে উচ্চ আয়ের ক্যারিয়ারের শর্টকাট হিসেবে দেখানো হয়।

এ ধরনের প্রতিশ্রুতি যাচাই না করে টাকা খরচ করা ঠিক হবে না। কারণ কোনো নির্দিষ্ট মডেলের জন্য ভালো কাজ করা প্রম্পট কয়েক মাস পরে নতুন মডেলে একইভাবে কাজ নাও করতে পারে। আর সনদ নিজে থেকে চাকরির নিশ্চয়তা দেয় না।

শ্রমবাজারের বড় ছবিটিও এই জায়গায় কাজে লাগে। বিশ্ব অর্থনৈতিক ফোরামের ফিউচার অব জবস রিপোর্ট ২০২৫-এ ২০২৫ থেকে ২০৩০ সময়ের দ্রুত বাড়তে থাকা দক্ষতার মধ্যে কৃত্রিম বুদ্ধিমত্তা ও বৃহৎ ডাটাকে শীর্ষে রাখা হয়েছে। একই প্রতিবেদনে বিশ্লেষণী চিন্তা, সৃজনশীল চিন্তা, মানিয়ে নেওয়ার ক্ষমতা, নমনীয়তা এবং প্রযুক্তিগত সাক্ষরতার মতো দক্ষতার কথাও এসেছে।

লাইটকাস্টের মে ২০২৬-এর বিশ্লেষণ জানুয়ারি ২০২২ থেকে এপ্রিল ২০২৬ পর্যন্ত কৃত্রিম বুদ্ধিমত্তা-সংশ্লিষ্ট চাকরির বিজ্ঞাপন দেখে বিভিন্ন বিভাগের মধ্যে সহযোগিতা, অংশীজন ব্যবস্থাপনা এবং কার্যক্রম পরিচালনার দক্ষতার উপস্থিতি বাড়তে দেখেছে।

এগুলো থেকে অন্তত এতটুকু বোঝা যায়, কৃত্রিম বুদ্ধিমত্তা পেশাজীবী মানেই শুধু মডেলকে কী লিখে দিতে হবে তা জানা নয়। বাস্তব কাজ, মানুষ এবং প্রযুক্তির মধ্যে যোগসূত্র বুঝতে হয়।

বাংলাদেশের পাঠকের জন্য একটি বড় সতর্কতা

এই নিবন্ধে ব্যবহৃত সবচেয়ে বড় শ্রমবাজারের তথ্য যুক্তরাষ্ট্রের চাকরির বিজ্ঞাপন থেকে এসেছে। আর প্রম্পট ইঞ্জিনিয়ার পদ কতটা সাধারণ, সে বিষয়ে যে গবেষণাটি ব্যবহার করা হয়েছে, সেটি নির্দিষ্ট সময়ের লিংকডইন তথ্য।

তাই ২২,২২৭ বা ০.৫%—এই সংখ্যাগুলো বাংলাদেশের, পশ্চিমবঙ্গের বা ভারতের চাকরির বাজারের সরাসরি হিসাব নয়।

স্থানীয়ভাবে চাকরি খোঁজার সময়ও শুধু প্রম্পট ইঞ্জিনিয়ার লিখে খোঁজা সীমিত হতে পারে। জেনারেটিভ কৃত্রিম বুদ্ধিমত্তা, বৃহৎ ভাষা মডেল, কৃত্রিম বুদ্ধিমত্তা স্বয়ংক্রিয়করণ, কথোপকথনভিত্তিক কৃত্রিম বুদ্ধিমত্তা, কৃত্রিম বুদ্ধিমত্তা পণ্য বা কৃত্রিম বুদ্ধিমত্তা প্রকৌশলের পাশাপাশি নিজের মূল পেশার কৃত্রিম বুদ্ধিমত্তা-সম্পর্কিত কাজও দেখা দরকার।

একই ধরনের দায়িত্ব এক প্রতিষ্ঠানে প্রম্পট ইঞ্জিনিয়ারের হতে পারে, অন্য প্রতিষ্ঠানে সেটি ডেভেলপার, পণ্য বিশেষজ্ঞ, স্বয়ংক্রিয়করণ বিশেষজ্ঞ বা কনটেন্ট-সংশ্লিষ্ট পদের অংশ হতে পারে।

এ কারণেই শুধু চাকরির পদবীর পেছনে ছোটা সবচেয়ে নিরাপদ কৌশল নয়।

প্রম্পট ইঞ্জিনিয়ার ক্যারিয়ার নিয়ে বাস্তব সিদ্ধান্ত

প্রম্পট ইঞ্জিনিয়ারিং শেখার যথেষ্ট কারণ আছে। কিন্তু প্রম্পট ইঞ্জিনিয়ার নামের চাকরিটিকেই ভবিষ্যতের একমাত্র লক্ষ্য বানানোর মতো প্রমাণ এখনো শক্ত নয়।

মার্কিন কৃত্রিম বুদ্ধিমত্তা-সংশ্লিষ্ট চাকরির বিজ্ঞাপনে দক্ষতাটির উল্লেখ দ্রুত বাড়ছে। একই সঙ্গে আলাদা প্রম্পট ইঞ্জিনিয়ার পদের সংখ্যা নিয়ে পাওয়া গবেষণা তুলনামূলক ছোট। এর ওপর প্রম্পট উন্নত করার কিছু কাজও এখন স্বয়ংক্রিয় হচ্ছে।

শিক্ষার্থী বা ক্যারিয়ার পরিবর্তনের কথা ভাবছেন এমন কারও জন্য তাই শুরু করার জায়গাটি হওয়া উচিত নিজের মূল দক্ষতা। কোডিং জানলে তার সঙ্গে কৃত্রিম বুদ্ধিমত্তা যোগ করুন। কনটেন্ট লিখলে গবেষণা, তথ্য যাচাই ও কৃত্রিম বুদ্ধিমত্তার কার্যপ্রবাহ শিখুন। ডাটা নিয়ে কাজ করলে তথ্য যাচাই ও কাঠামোবদ্ধ আউটপুট বুঝুন।

তারপর প্রম্পট ইঞ্জিনিয়ারিং শিখুন এমন একটি দক্ষতা হিসেবে, যা আপনার মূল কাজকে আরও শক্তিশালী করে। প্রম্পট ইঞ্জিনিয়ার নামের পদটি পাঁচ বছর পরে কতটা থাকবে, এখনই নিশ্চিতভাবে বলা যায় না। কিন্তু নিজের ক্ষেত্র বোঝার পাশাপাশি কৃত্রিম বুদ্ধিমত্তাকে সঠিক তথ্য দেওয়া, তার ফল পরীক্ষা করা এবং ভুল ধরতে পারার দক্ষতা থাকলে একটি নির্দিষ্ট চাকরির পদবীর ওপর নির্ভর করতে হবে না।

প্রায়শই জিজ্ঞাসিত প্রশ্ন

প্রম্পট ইঞ্জিনিয়ার হতে কি কোডিং জানা বাধ্যতামূলক?

সব ক্ষেত্রে নয়। কনটেন্ট, গবেষণা, মার্কেটিং বা সাধারণ কৃত্রিম বুদ্ধিমত্তা-ভিত্তিক কাজের জন্য কোডিং ছাড়াও প্রম্পট ইঞ্জিনিয়ারিং শেখা যায়। তবে এপিআই, স্বয়ংক্রিয়করণ, কৃত্রিম বুদ্ধিমত্তা প্রতিনিধি বা বাস্তব সফটওয়্যার পণ্যে কাজ করতে চাইলে পাইথন, জেসন এবং সফটওয়্যার পরীক্ষার মৌলিক ধারণা উপকারী।

প্রম্পট ইঞ্জিনিয়ার কি ভবিষ্যতে আলাদা চাকরি হিসেবে থাকবে?

নিশ্চিতভাবে বলা যায় না। বর্তমান তথ্য দেখায়, প্রম্পট ইঞ্জিনিয়ারিং দক্ষতার চাহিদা বাড়ছে, কিন্তু Prompt Engineer নামে স্বতন্ত্র পদের সংখ্যা তুলনামূলক কম। ভবিষ্যতে এই দক্ষতা সফটওয়্যার, ডাটা, কনটেন্ট, পণ্য ব্যবস্থাপনা বা অন্যান্য পেশার অংশ হিসেবেও বেশি ব্যবহৃত হতে পারে।

কৃত্রিম বুদ্ধিমত্তা উন্নত হলে কি প্রম্পট ইঞ্জিনিয়ারিং শেখার প্রয়োজন কমে যাবে?

সরল কাজের ক্ষেত্রে প্রম্পট নিয়ে অতিরিক্ত পরীক্ষা-নিরীক্ষার প্রয়োজন কমতে পারে। তবে জটিল কাজে সঠিক প্রসঙ্গ দেওয়া, ফল যাচাই করা, ভুল শনাক্ত করা এবং পুরো কার্যপ্রবাহ পরিচালনার প্রয়োজন থেকেই যায়। তাই শুধু প্রম্পট লেখার কৌশলের বদলে বিস্তৃত কৃত্রিম বুদ্ধিমত্তা দক্ষতা শেখা বেশি কার্যকর।

প্রম্পট ইঞ্জিনিয়ারিং শেখার জন্য কি অর্থ দিয়ে কোর্স করা জরুরি?

না। শুরুতে অর্থ দিয়ে কোর্স কেনা বাধ্যতামূলক নয়। অফিসিয়াল নথি, বাস্তব প্রকল্প এবং নিজের পরীক্ষার মাধ্যমে প্রম্পট লেখা, ফল যাচাই ও ব্যর্থতার ধরন বোঝা যায়। কোনো কোর্স কিনলে সেটি শুধু প্রস্তুত প্রম্পট শেখায় নাকি বাস্তব পরীক্ষা, মূল্যায়ন ও কার্যপ্রবাহও শেখায়—সেটি আগে দেখা উচিত।

শিক্ষার্থীরা প্রম্পট ইঞ্জিনিয়ার ক্যারিয়ারের জন্য কীভাবে প্রস্তুতি নেবে?

প্রথমে একটি মূল ক্ষেত্র বেছে নেওয়া ভালো—যেমন সফটওয়্যার, ডাটা, কনটেন্ট, গবেষণা বা মার্কেটিং। এরপর সেই ক্ষেত্রের সঙ্গে প্রম্পট ইঞ্জিনিয়ারিং, কৃত্রিম বুদ্ধিমত্তা ব্যবহার, ফল যাচাই এবং কার্যপ্রবাহ তৈরির দক্ষতা যোগ করা যেতে পারে। এতে ভবিষ্যতে চাকরির পদবী বদলালেও শেখা দক্ষতাগুলো কাজে লাগার সম্ভাবনা থাকে।