Bangladesh RMG: AI দিয়ে চাকরি বাঁচানো ও লাভ বাড়ানো

তুরস্কের ম্যানুফ্যাকচারিং সেক্টরে সেপ্টেম্বর মাসে যে সংখ্যাটা চোখে লাগে, সেটা শুধু অর্থনীতির খবর নয়—এটা একটা সতর্ক সংকেত। সেখানে অ্যাপারেল ও টেক্সটাইল মিলিয়ে এক বছরে (YoY) ১১৬,০০০+ চাকরি কমেছে। শুধু অ্যাপারেলেই ৭৮,৮২৫ জন কমেছে—১১.৮% পতন।

বাংলাদেশের জন্য এটা দূরের গল্প না। একই বৈশ্বিক বাজার, একই ক্রেতার চাপ, একই লিডটাইম রেস। পার্থক্য হলো—আমরা এখনও সিদ্ধান্ত নিতে পারি: খরচ কমাতে গিয়ে মানুষ কাটবো, নাকি প্রক্রিয়া ঠিক করতে AI ব্যবহার করবো? আমি স্পষ্টভাবে দ্বিতীয়টার পক্ষেই থাকি। কারণ RMG-তে চাকরি টেকানোর সবচেয়ে বাস্তব উপায় হলো কারখানাকে প্রেডিক্টেবল, ডেটা-ড্রিভেন, আর কম ওয়েস্টফুল করা।

এই পোস্টটা আমাদের সিরিজ “বাংলাদেশের টেক্সটাইল ও গার্মেন্টস শিল্পে কৃত্রিম বুদ্ধিমত্তা কীভাবে পরিবর্তন আনছে”–এর অংশ। এখানে তুরস্কের চাকরি কমার ঘটনাকে ‘ভয়ের গল্প’ হিসেবে নয়—বাংলাদেশ কীভাবে AI দিয়ে কম্পিটিটিভ থাকবে এবং চাকরি হারানো কমাবে—তার একটা কাজের রূপরেখা হিসেবে ধরেছি।

তুরস্কের চাকরি কমা বাংলাদেশকে কী শেখায়

তুরস্কের ডেটা যে বিষয়টা পরিষ্কার করে, সেটা হলো: লেবার-ইনটেনসিভ সেক্টরগুলো বাজারের ধাক্কা সবার আগে খায়। যখন অর্ডার কমে, মার্জিন চাপা পড়ে, বা লিডটাইম টাইট হয়—সবচেয়ে দ্রুত “হেডকাউন্ট” প্রশ্নে আসে।

বাংলাদেশের RMG-ও এই একই জায়গায় দাঁড়িয়ে। আমরা বছরের শেষ প্রান্তে (ডিসেম্বর ২০২৫) এসে জানি—ব্র্যান্ডগুলো এখন একসাথে কয়েকটা দাবি করে:

• কম দাম, কিন্তু বেশি কমপ্লায়েন্স
• দ্রুত শিপমেন্ট, কিন্তু কম ওভারটাইম
• ট্রেসেবিলিটি, কিন্তু কম অ্যাডমিন ওভারহেড

এখানে AI একটা বাস্তবসম্মত পথ দেখায়: মানুষের কাজ কমানো নয়, বরং মানুষের কাজকে বেশি প্রোডাক্টিভ করা। অন্যভাবে বললে—AI “জব কাটার টুল” না; AI হলো ইনএফিশিয়েন্সি কাটার টুল।

কোথায় AI সত্যি সত্যি চাকরি রক্ষা করতে পারে (অপারেশনাল দৃষ্টিতে)

AI চাকরি বাঁচায় তখনই, যখন সেটা প্রফিট, কোয়ালিটি, ও ডেলিভারি পারফরম্যান্স স্থিতিশীল করে। এগুলো নড়বড়ে হলে কারখানা শেষমেশ লেবার কমায়।

১) অর্ডার প্ল্যানিং ও ক্যাপাসিটি: “অন্ধ” প্ল্যানিং কমানো

বাংলাদেশের অনেক ফ্যাক্টরিতে প্ল্যানিং এখনও অভিজ্ঞতার ওপর দাঁড়িয়ে—যেটা ভালো, কিন্তু স্কেল হলে ভুলও বাড়ে। AI-ভিত্তিক প্ল্যানিং সিস্টেম (বা উন্নত অ্যানালিটিক্স) যা করতে পারে:

• স্টাইল/ফ্যাব্রিক/লাইনের ইতিহাস দেখে স্ট্যান্ডার্ড মিনিট (SMV) ভ্যারিয়েশন ধরতে
• কোন লাইনে কোন অপারেটর কম্বিনেশন ভালো দেয়—তার বেস্ট-ফিট লাইন ব্যালান্সিং সাজেস্ট করতে
• সম্ভাব্য বটলনেক (কাটিং, ইনলাইন QC, ফিনিশিং) আগেই দেখিয়ে রিশিডিউলিং করতে

ফলটা সরাসরি: কম “ফায়ারফাইটিং”, কম লেট ডেলিভারি পেনাল্টি, কম এয়ার শিপমেন্ট। এগুলোই চাকরি ঝুঁকি কমায়।

২) কোয়ালিটি ইন্সপেকশন: রিপেয়ার কমে, আউটপুট বাড়ে

RMG-তে সবচেয়ে নীরব লাভখোর হলো রিওয়ার্ক। AI-ভিত্তিক ভিশন সিস্টেম (ক্যামেরা + মডেল) ইনলাইন পর্যায়ে:

• স্টিচ স্কিপ, সিম পাকারিং, হোল, স্টেইন—এসব দ্রুত ফ্ল্যাগ করতে পারে
• ডিফেক্ট ট্রেন্ডিং করে বলে দিতে পারে কোন অপারেটর/মেশিন/লাইন সমস্যা করছে

এখানে চাকরি রক্ষার লজিকটা সোজা: কম রিওয়ার্ক মানে একই লোক দিয়ে বেশি ফিনিশড গুডস, আর রিটার্ন/রিজেকশন কমলে অর্ডার রিটেনশন বাড়ে।

৩) মেইনটেন্যান্স: মেশিন ডাউনটাইম = গোপন চাকরি ঝুঁকি

ডাউনটাইম শুধু আউটপুট কমায় না—লাইন টার্গেট মিস হলে শ্রমিকের আয়, সুপারভাইজারের KPI, এমনকি HR টেনশন সব বাড়ে। সেন্সর ডেটা + AI দিয়ে প্রেডিক্টিভ মেইনটেন্যান্স করা গেলে:

• অস্বাভাবিক ভাইব্রেশন/মোটর লোড দেখে আগেই সার্ভিসিং
• স্পেয়ার পার্টস প্ল্যানিং ভালো
• ব্রেকডাউন-ভিত্তিক মেইনটেন্যান্স থেকে শিডিউলড কেয়ার-এ শিফট

এটা “সফট” সুবিধা মনে হলেও শেষমেশ কস্ট কমায়—আর কস্ট কমলে চাকরি কাটার চাপও কমে।

৪) এনার্জি অপটিমাইজেশন: মার্জিন বাঁচানোর সবচেয়ে দ্রুত পথ

২০২৫–এর বাস্তবতা হলো: এনার্জি কস্ট অনেক ইউনিটের জন্য মার্জিন খেয়ে ফেলে। AI/অ্যানালিটিক্স দিয়ে বয়লার, কম্প্রেসড এয়ার, HVAC, ডাইং/ফিনিশিং প্রসেসে:

• লোড ফোরকাস্টিং
• পিক আওয়ার শিফটিং
• অ্যানোমালি ডিটেকশন (লিকেজ/অস্বাভাবিক কনজাম্পশন)

এনার্জি সেভিং মানে—একই অর্ডারে বেশি লাভ। লাভ থাকলে মানুষ কাটার দরকার পড়ে কম।

“AI এলে চাকরি যাবে”—এই ভয়টা ভুল জায়গায় বসানো

সবচেয়ে প্রচলিত ভুলটা হলো AI-কে “অটোমেশন মানে মানুষ বাদ” হিসেবে দেখা। বাস্তবে বাংলাদেশের মতো লেবার-ইনটেনসিভ ইন্ডাস্ট্রিতে বড় ঝুঁকি হলো প্রডাক্টিভিটি না বাড়িয়ে একই মডেলে পড়ে থাকা।

AI ঠিকমতো চালু হলে অনেক ফ্যাক্টরিতে নতুন কাজ তৈরি হয়, যেমন:

• ডেটা অপারেটর/ইন্ডাস্ট্রিয়াল ইঞ্জিনিয়ার অ্যানালিস্ট
• কোয়ালিটি ডেটা কোঅর্ডিনেটর
• মেইনটেন্যান্স ডায়াগনস্টিক টেক
• লাইনে “প্রসেস কোচ” রোল

আমি যেটা দেখেছি—যেসব কারখানা AI/ডিজিটাল টুল নেয়, তারা সাধারণত দুইটা কাজ করে: (১) কিছু রিপিটেটিভ কাজ কমায়, (২) কিছু মানুষকে আপস্কিল করে উচ্চ-মূল্যের কাজে নেয়। চাকরি পুরোপুরি উধাও হয় না; চাকরির ধরন বদলায়।

বাংলাদেশি ফ্যাক্টরির জন্য ৯০ দিনের বাস্তব রোডম্যাপ

AI নিয়ে সবচেয়ে বড় সমস্যা “আইডিয়া” না—এক্সিকিউশন। তাই ৯০ দিনের একটা বাস্তব প্ল্যান দিচ্ছি, যেটা বড় বাজেট ছাড়াও শুরু করা যায়।

ফেজ ১ (দিন ১–১৫): ১টা সমস্যা বেছে নিন, KPI ফিক্স করুন

একসাথে সব করবেন না। একটা বেছে নিন:

• ইনলাইন ডিফেক্ট রেট
• লাইনের আউটপুট ভ্যারিয়েশন
• মেশিন ডাউনটাইম
• এনার্জি স্পাইক

KPI উদাহরণ: “৩০ দিনে রিপেয়ার ১৫% কমাবো” বা “ডাউনটাইম ১০% কমাবো”।

ফেজ ২ (দিন ১৬–৪৫): ডেটা ঠিক করুন (এটাই আসল কাজ)

AI জাদু দেখায় না যদি ডেটা গোঁজামিল হয়। মিনিমাম ডেটা সেট:

• অর্ডার/স্টাইল ডেটা
• লাইন আউটপুট (ঘণ্টাভিত্তিক)
• ডিফেক্ট লগ (টাইপ + অপারেশন)
• মেশিন ডাউনটাইম কারণ

এখানে ছোট একটা নিয়ম: একই নামকরণ (taxonomy) না হলে পরে কিছুই মিলবে না।

ফেজ ৩ (দিন ৪৬–৯০): পাইলট চালান, তারপর স্কেল

• ১টা লাইন বা ১টা ফ্লোরে পাইলট
• সাপ্তাহিক রিভিউ: KPI বনাম বাস্তব
• অপারেটর/সুপারভাইজার ফিডব্যাক নিন

পাইলট সফল হলে স্কেল করবেন। ব্যর্থ হলে দোষ AI-কে দেবেন না—প্রায় সবসময় সমস্যা হয় ডেটা, প্রসেস, বা অ্যাডপশন–এ।

স্নিপেট-যোগ্য কথা: “RMG-তে AI সফল হয় তখনই, যখন আপনি আগে প্রসেস ঠিক করেন, পরে মডেল বসান।”

নেতৃত্বের জন্য কঠিন কিন্তু জরুরি সিদ্ধান্ত

বাংলাদেশের RMG সেক্টরকে ভবিষ্যৎ-প্রস্তুত করতে হলে কয়েকটা ব্যাপারে স্পষ্ট অবস্থান নিতে হবে:

• AI প্রজেক্ট মানে IT প্রজেক্ট নয়—এটা অপারেশনাল ট্রান্সফরমেশন
• ডেটা শৃঙ্খলা ছাড়া AI সম্ভব না—এটা নিয়মিত অভ্যাস
• মানুষকে সাথে না নিলে টুল কাজ করবে না—ট্রেনিং বাজেট “অপশনাল” না

তুরস্কের চাকরি কমার খবরটা আমাদের বলে—কম্পিটিশন দাঁড়িয়ে নেই। বাজারের ধাক্কায় যারা টিকে থাকে, তারা সাধারণত দুই কাজ করে: প্রডাক্টিভিটি বাড়ায় এবং ভুল কমায়। AI এই দুই জায়গাতেই সবচেয়ে দ্রুত সাহায্য করতে পারে।

বাংলাদেশ কি তুরস্কের মতো চাকরি কমার ট্রেন্ড এড়াতে পারবে? পারবে—যদি আমরা AI-কে শো-পিস না বানিয়ে লাইন-লেভেলের সিদ্ধান্তে নিয়ে আসি। আপনি যদি আপনার ফ্যাক্টরিতে AI শুরু করতে চান, প্রথম পদক্ষেপটা খুব ছোট: একটা সমস্যা বাছুন, একটাই KPI ধরুন, ৯০ দিন সময় দিন।

আপনার কারখানায় আজ সবচেয়ে বেশি টাকা নষ্ট হচ্ছে কোথায়—কোয়ালিটি, প্ল্যানিং, ডাউনটাইম, না এনার্জিতে?