রপ্তানি প্রণোদনা ২০২৮: AI বিনিয়োগে টেক্সটাইলের শ্বাস

$২৩ বিলিয়ন। বাংলাদেশের বেসরকারি খাতে টেক্সটাইল উৎপাদনে বিনিয়োগের আনুমানিক অঙ্ক এটা—এবং এই ইন্ডাস্ট্রিই RMG সাপ্লাই চেইনের প্রায় ৭০% ইনপুট জোগায়। তবুও ২০২৫ সালের শেষ প্রান্তে এসে খাতটা “বেঁচে থাকা” বনাম “বৃদ্ধি” এই দুইয়ের মাঝখানে আটকে আছে: টাকার অবমূল্যায়ন, গ্যাস-বিদ্যুৎ সংকট, উৎপাদন খরচ বৃদ্ধি, আর আন্তর্জাতিক অস্থিরতার ধাক্কায় মিলগুলো পুরো সক্ষমতায় চলতে পারছে না।

এই প্রেক্ষাপটে BTMA যে তিন বছরের রপ্তানি নগদ প্রণোদনা (cash incentive) ২০২৮ পর্যন্ত বাড়ানোর দাবি তুলেছে, সেটাকে শুধু ‘সাপোর্ট প্যাকেজ’ হিসেবে দেখলে ভুল হবে। আমার চোখে, এটা একটা বড় প্রশ্নের সাথে যুক্ত: বাংলাদেশের টেক্সটাইল ও গার্মেন্টস শিল্পে কৃত্রিম বুদ্ধিমত্তা (AI)–ভিত্তিক ডিজিটাল ট্রান্সফরমেশন কি স্কেল করতে পারবে?

কারণ বাস্তবতা হলো—AI বসাতে খরচ লাগে, ডাটা লাগে, লোক লাগে, আর সবচেয়ে বেশি লাগে নিশ্চয়তা। নীতিগত অনিশ্চয়তা আর নগদ প্রবাহের টানাপোড়েনে কেউই বড় টেক ইনভেস্টমেন্টে স্বাভাবিকভাবে সাহস পায় না।

BTMA-এর দাবির মূল কথা—কেন তিন বছর?

BTMA-এর প্রস্তাবের কেন্দ্রবিন্দু একটাই: বর্তমান রপ্তানি নগদ প্রণোদনা (বাংলাদেশ ব্যাংকের FE সার্কুলারের আওতায়) ২০২৫ সালের ৩১ ডিসেম্বর শেষ হচ্ছে; তারা চাইছে এটা ডিসেম্বর ২০২৮ পর্যন্ত বাড়ানো হোক।

এই দাবি ‘ভর্তুকি চাই’—এত সরল না। মিল মালিকদের বক্তব্য অনুযায়ী, কয়েকটা চাপ একসাথে কাজ করছে:

• টাকার অবমূল্যায়ন → কাঁচামাল আমদানি ব্যয় বাড়ে
• ভূ-রাজনৈতিক সংঘাত ও গ্লোবাল স্লোডাউন → অর্ডার/দাম/লিড টাইমে অনিশ্চয়তা
• গ্যাসের দাম বৃদ্ধি ও ইউটিলিটি সংকট → উৎপাদন ব্যাহত, দক্ষতা কমে
• মজুরি বৃদ্ধি (প্রায় ৭০%) → কস্ট বেস স্থায়ীভাবে ওপরে উঠে যায়
• অবিক্রীত সুতা/ইনভেন্টরি জমে থাকা → ক্যাশ আটকে যায়

একটা লাইনেই বললে: কস্ট বাড়ছে, কিন্তু উৎপাদন ক্ষমতা আর ক্যাশ সাইকেল স্থির থাকছে না।

আমদানি ক্রেডিট ১৮০ দিন বনাম বাস্তবতা ২৭০–৩০০ দিন

BTMA শুধু প্রণোদনা নয়, বাংলাদেশ ব্যাংকের কাছে ইমপোর্ট ক্রেডিট ফ্যাসিলিটি নিয়েও কথা বলেছে। তাদের যুক্তি খুব অপারেশনাল:

• কটন আমদানি থেকে শুরু করে সুতা/ফ্যাব্রিক উৎপাদন, RMG-তে সাপ্লাই, এক্সপোর্ট, তারপর এক্সপোর্ট প্রোসিডস রিয়ালাইজ—এই এন্ড-টু-এন্ড সাইকেল ২৭০–৩০০ দিন লাগে।
• অথচ প্রচলিত আমদানি ফাইন্যান্সিং সীমা ১৮০ দিন—অনেক মিলের জন্য এটা ‘অবাস্তব’।
• তারা ৩৬০ দিনের মতো বাস্তবসম্মত টার্ম চাইছে, এবং মেয়াদ বাড়িয়ে ২০২৬ পর্যন্ত নেওয়ার অনুরোধ জানিয়েছে।

এটা টেক ট্রান্সফরমেশনের সাথে সরাসরি জড়িত—কারণ AI/অটোমেশন প্রকল্পের ROI সাধারণত কয়েক মাসের ভেতর আসে না। ক্যাশ সাইকেল যদি “চাপে” থাকে, তখন ম্যানেজমেন্টের ফোকাস থাকে শুধু বেতন-ইউটিলিটি-ওয়ার্কিং ক্যাপিটাল বাঁচানোতে।

নীতিগত স্থায়িত্ব না থাকলে AI কেন থেমে যায়

Answer first: দীর্ঘমেয়াদি নীতিগত সাপোর্ট (যেমন তিন বছরের প্রণোদনা) কোম্পানিকে AI ও ডিজিটালাইজেশনে বিনিয়োগের সাহস দেয়, কারণ এতে ক্যাশফ্লো ও রিটার্ন প্ল্যান করা যায়।

টেক্সটাইল মিলের AI প্রজেক্টগুলো সাধারণত তিনটা জায়গায় খরচ তৈরি করে:

1. ডাটা ইনফ্রাস্ট্রাকচার: সেন্সর, মেশিন কানেক্টিভিটি, MES/ERP ইন্টিগ্রেশন
2. মডেল/সফটওয়্যার: কোয়ালিটি ইন্সপেকশন, প্রেডিক্টিভ মেইনটেন্যান্স, প্ল্যানিং অপ্টিমাইজেশন
3. চেঞ্জ ম্যানেজমেন্ট: অপারেটর ট্রেনিং, SOP পরিবর্তন, ডাটা গভর্ন্যান্স

এগুলো “একবার কিনে ফেললেই শেষ” নয়। চলমান খরচ আছে—ক্লাউড/লাইসেন্স, ডাটা ক্লিনিং, মডেল আপডেট, সাইবার সিকিউরিটি। প্রণোদনা বাড়ানো মানে মিলগুলো অন্তত তিন বছরের জন্য ধরে নিতে পারে: রপ্তানি রিসিপ্টে একটা প্রেডিক্টেবল সাপোর্ট থাকবে, ফলে টেক আপগ্রেড বাজেট কাটতে হবে না।

যে মিলের ক্যাশ সাইকেল ২৭০–৩০০ দিন, সেখানে AI-এর ‘পাইলট টু স্কেল’ পরিকল্পনা সফল করতে নীতিগত স্থায়িত্ব দরকার—নইলে সব কিছু পাইলটেই আটকে যায়।

কোথায় AI বাস্তবে টাকা বাঁচায় (এবং প্রণোদনা কীভাবে সাহায্য করে)

Answer first: AI টেক্সটাইল মিলে টাকা বাঁচায় মূলত তিন জায়গায়—ডাউনটাইম কমিয়ে, ডিফেক্ট কমিয়ে, আর এনার্জি খরচ নিয়ন্ত্রণ করে। প্রণোদনা/ক্রেডিট সুবিধা এগুলো বাস্তবায়নের ক্যাপেক্স ও ওয়ার্কিং ক্যাপিটাল ফাঁকটা ভরাট করতে সাহায্য করে।

১) প্রেডিক্টিভ মেইনটেন্যান্স: ডাউনটাইমের খরচ কমানো

গ্যাস-বিদ্যুৎ সংকটে অনেক মিল এমনিতেই ফ্লাকচুয়েটিং অপারেশন চালায়। এই অবস্থায় একটা মেশিন ব্রেকডাউন মানে শুধু রিপেয়ার নয়—পুরো শিডিউল ভেঙে যায়।

AI কী করে?

• ভাইব্রেশন/টেম্পারেচার/মোটর লোড ডাটা দেখে বেয়ারিং বা পার্ট ফেইলিউরের আগে সতর্ক করে
• স্পেয়ার পার্টস ইনভেন্টরি প্ল্যানিং উন্নত করে

প্রণোদনার সংযোগ: কম কস্টে ক্যাশফ্লো সাপোর্ট থাকলে সেন্সর + কানেক্টিভিটি + অ্যানালিটিক্স সেটআপের প্রাথমিক ব্যয় নেওয়া সহজ হয়।

২) কম্পিউটার ভিশন দিয়ে কোয়ালিটি কন্ট্রোল: রিটার্ন/রিজেকশন কমানো

সুতা, ফ্যাব্রিক, ডাইং-ফিনিশিং—প্রতিটা স্টেজে ক্ষুদ্র ডিফেক্ট শেষ পর্যন্ত বড় লস তৈরি করে। বিশেষ করে আন্তর্জাতিক ক্রেতাদের কমপ্লায়েন্স ও কনসিসটেন্সি চাহিদা বাড়ছে।

AI কী করে?

• ক্যামেরা ফিড থেকে ডিফেক্ট (হোল, স্টেইন, শেড ভ্যারিয়েশন) তাড়াতাড়ি ধরতে পারে
• “ম্যানুয়াল চেক” এর ভ্যারিয়েন্স কমায়

প্রণোদনার সংযোগ: রপ্তানি রিসিপ্টে ইনসেনটিভ থাকলে কোয়ালিটি-লস কমানো প্রকল্প দ্রুত ROI দেয়—এবং সেটার স্কেলিং বাজেট পাওয়া সহজ হয়।

৩) এনার্জি অপ্টিমাইজেশন: গ্যাস-বিদ্যুতের ধাক্কায় সরাসরি প্রতিরক্ষা

যখন ইউটিলিটি দাম বাড়ে এবং সাপ্লাই অনিশ্চিত, তখন এনার্জি ম্যানেজমেন্ট আর “ভালো থাকলে করবো” টাইপ প্রকল্প থাকে না—এটা সারভাইভালের বিষয়।

AI কী করে?

• বয়লার, কম্প্রেসড এয়ার, চিলার/ড্রায়ার লাইনের প্যাটার্ন দেখে অস্বাভাবিক খরচ ধরতে পারে
• শিফট ও লোড-ভিত্তিক অপ্টিমাইজড অপারেশন সাজেস্ট করে

প্রণোদনার সংযোগ: তিন বছরের সাপোর্ট মানে এনার্জি মনিটরিং + অপ্টিমাইজেশন প্রকল্পে বাজেট স্থির করা যায়।

তিন বছরের প্রণোদনা থাকলে “স্মার্ট মিল” রোডম্যাপ কেমন হতে পারে

Answer first: দীর্ঘমেয়াদি প্রণোদনা থাকলে মিলগুলো ১২–১৮ মাসের পাইলট নয়, ৩৬ মাসের স্কেল-আপ রোডম্যাপে যেতে পারে—যেটা AI সফলতার আসল শর্ত।

আমি বাস্তবে দেখেছি, অনেক কারখানা AI নিয়ে আগ্রহী, কিন্তু আটকে যায় “কোথা থেকে শুরু করবো” এবং “ROI কবে” প্রশ্নে। এখানে একটা বাস্তবসম্মত ৩-ফেজ রোডম্যাপ:

ফেজ ১ (০–৬ মাস): ডাটা রেডিনেস + ১টা হাই-ইমপ্যাক্ট ইউজকেস

• মেশিন ডাটা সোর্স ম্যাপিং (কোন লাইনে কী ডাটা আছে)
• ১টি ইউজকেস নির্বাচন: যেমন ফ্যাব্রিক ইন্সপেকশন বা ডাউনটাইম অ্যালার্ট
• KPI সেট: ডিফেক্ট রেট, রিওয়ার্ক আওয়ার, আনপ্ল্যানড ডাউনটাইম

ফেজ ২ (৬–১৮ মাস): লাইনের বাইরে পুরো প্রোডাকশন প্ল্যানিং

• MES/ERP ইন্টিগ্রেশন
• ডিমান্ড-ভিত্তিক প্রোডাকশন স্কেডিউলিং
• ইনভেন্টরি “ডেড স্টক” কমানোর অ্যানালিটিক্স

ফেজ ৩ (১৮–৩৬ মাস): এন্ড-টু-এন্ড সাপ্লাই চেইন AI

• কটন/কেমিক্যাল প্রোকিউরমেন্ট অপ্টিমাইজেশন
• এক্সপোর্ট প্রোসিডস টাইমলাইন প্রেডিকশন (ক্যাশফ্লো প্ল্যানিং)
• কমপ্লায়েন্স রিপোর্টিং অটোমেশন

এই রোডম্যাপের বড় শর্ত হলো—তিন বছরের মতো নীতিগত স্থায়িত্ব। প্রণোদনা ৩ মাস পর বদলে যাবে মনে হলে ফেজ ২-৩ কখনও শুরুই হবে না।

“প্রণোদনা বনাম উৎপাদনশীলতা”—এই তর্কটা ভুল জায়গায় দাঁড়িয়ে

Answer first: প্রণোদনা আর উৎপাদনশীলতা একে অপরের বিকল্প নয়; সঠিক নীতিতে প্রণোদনা উৎপাদনশীলতা বাড়ানোর শর্ত তৈরি করে—বিশেষ করে AI গ্রহণের ক্ষেত্রে।

প্রণোদনা নিয়ে সাধারণ সমালোচনা থাকে: “সাবসিডি দিয়ে কতদিন চলবে?” আমি এতে আংশিক একমত—যদি প্রণোদনা শুধু ক্ষতি ঢাকার জন্য ব্যবহার হয়। কিন্তু যদি প্রণোদনা কন্ডিশনাল হয় বা টেক-আপগ্রেডকে উৎসাহিত করে, তাহলে ফল ভিন্ন হয়।

নীতি-নির্ধারকদের জন্য বাস্তব প্রস্তাব (ইন্ডাস্ট্রি-ফ্রেন্ডলি, কিন্তু ফলাফল-ভিত্তিক):

• ডিজিটাল ট্রান্সফরমেশন KPI যুক্ত করা: নির্দিষ্ট সময়ের মধ্যে MES/এনার্জি মনিটরিং/কোয়ালিটি অটোমেশন চালু করলে অতিরিক্ত সুবিধা
• ডাটা ও সাইবার সিকিউরিটি কমপ্লায়েন্স: ন্যূনতম ডাটা গভর্ন্যান্স মানদণ্ড
• স্কিল আপগ্রেড ফান্ড: অপারেটর ও মিড-ম্যানেজমেন্টের AI/ডাটা প্রশিক্ষণে কর ছাড় বা ম্যাচিং গ্র্যান্ট

এগুলো করলে রপ্তানি প্রণোদনা “খরচ” না থেকে ক্যাপাসিটি বিল্ডিং ইনভেস্টমেন্ট হয়ে দাঁড়ায়।

মিল মালিক, CFO, ও অপারেশন হেডদের জন্য করণীয় (২০২৬ প্ল্যানিংয়ের আগে)

Answer first: ২০২৬ সালের বাজেট চূড়ান্ত করার আগে AI প্রকল্পকে “টেক টিমের আইডিয়া” নয়, “ক্যাশ ও রিস্ক ম্যানেজমেন্ট” উদ্যোগ হিসেবে ফ্রেম করুন।

একটা ছোট চেকলিস্ট দিচ্ছি—কাজে লাগে:

1. একটা ব্যথার জায়গা বাছুন: ডিফেক্ট, ডাউনটাইম, এনার্জি—যেটা এখনই P&L-এ আঘাত করছে
2. বেসলাইন মাপুন: বর্তমান ডাউনটাইম ঘণ্টা/সপ্তাহ, ডিফেক্ট %, রিওয়ার্ক কস্ট—সংখ্যা ছাড়া AI প্রকল্প বিক্রি হয় না
3. ডাটা সংগ্রহ সহজ করুন: আগে এক লাইনে সেন্সর/ক্যামেরা/ইন্টিগ্রেশন করে শিখুন
4. ভেন্ডর নয়, আউটকাম কিনুন: “সিস্টেম ইনস্টল” নয়—“ডিফেক্ট ২০% কমবে” টাইপ KPI চুক্তিতে আনুন
5. স্কেলিং বাজেট আগে রাখুন: পাইলট সফল হলে ৬ মাস পরে ফান্ড না পেলে প্রজেক্ট মারা যায়

ডিসেম্বর ২০২৫–জানুয়ারি ২০২৬ সময়টা (বাজেট ও পরিকল্পনার মৌসুম) এই কাজগুলো করার জন্য পারফেক্ট।

রপ্তানি প্রণোদনা ২০২৮ পর্যন্ত বাড়লে সবচেয়ে বড় লাভ কোথায়

Answer first: সবচেয়ে বড় লাভ হবে আস্থা—টেক্সটাইল মিলগুলো সারভাইভাল মোড থেকে বের হয়ে AI-ভিত্তিক উৎপাদন দক্ষতা এবং সাপ্লাই চেইন স্থিতিশীলতা তৈরিতে বিনিয়োগ করতে পারবে।

BTMA-এর প্রস্তাবিত তিন বছরের এক্সটেনশন এবং দীর্ঘ আমদানি ক্রেডিট—দুটোই আসলে একই সমস্যাকে টার্গেট করে: লিকুইডিটি ও প্রেডিক্টেবিলিটি। আর এই দুইটা না থাকলে AI গ্রহণ হয় খণ্ড খণ্ড, দ্বিধাগ্রস্ত, এবং ফলহীন।

এই সিরিজে আমরা বারবার দেখছি—বাংলাদেশের টেক্সটাইল ও গার্মেন্টস শিল্পে AI সবচেয়ে বেশি কাজ করে তখনই, যখন প্রতিষ্ঠানটা অপারেশনকে ডাটা দিয়ে দেখতে শেখে। নীতিগত সাপোর্ট সেই শেখার সময়টা কিনে দেয়।

আপনি যদি মিল/ফ্যাক্টরিতে সিদ্ধান্ত নেওয়ার জায়গায় থাকেন, ২০২৬ সালের জন্য একটা সোজা প্রশ্ন নিজেকে করুন: প্রণোদনা বাড়লে আপনি সেটা শুধু ক্ষতি পুষিয়ে নিতে ব্যবহার করবেন, নাকি AI দিয়ে কস্ট-স্ট্রাকচার বদলাতে বিনিয়োগ করবেন?

পরের বাজেটের আগে আপনার কারখানার ১টা লাইনে AI পাইলট সেটআপ করা গেলে, পুরো বছরের সিদ্ধান্তগুলো অনেক সহজ হয়ে যাবে।