চেনা, নিয়মিত কাজ
Boilerplate, syntax conversion, basic tests, familiar CRUD, first-draft docs।
AI-এর যুগে টিকে থাকার শক্তি
AI বদলে দিচ্ছে programmer-কে ঠিক কোন কাজের জন্য টাকা দেওয়া হবে। তাই ক্যারিয়ারকে একখানা অবিভাজ্য চাকরি না ভেবে কাজ, বিচারবোধ, context আর দায়িত্বের একটি সমষ্টি হিসেবে দেখুন।
দুই দিকেই বিপদ
Boilerplate, syntax বদলানো, routine CRUD আর প্রাথমিক documentation-এর খরচ কমছে। একই সঙ্গে verification, architecture, debugging, integration, security, domain knowledge আর ownership-এর ধরনও বদলাচ্ছে।
বাস্তব কথাটা
AI-এর ক্ষমতা বদলাতেই থাকবে। নিচের exposure label কোনো স্থায়ী নিরাপত্তার সনদ নয়—আজ কী শিখবেন, তা ভাবার একটি lens মাত্র।
কাজ ধরে বুঝুন
Exposure কম মানেই ‘AI-proof’ নয়। আপাতত শুধু বোঝায়—এখানে context, জবাবদিহি আর ফলাফলের গুরুত্ব বেশি।
Boilerplate, syntax conversion, basic tests, familiar CRUD, first-draft docs।
Architecture option, debugging hypothesis, database model, test strategy, integration আর security review।
আসল সমস্যা বোঝা, stakeholder trade-off, ঝুঁকি, domain expertise, production ownership আর verification।
AI ব্যবহার করুন, নির্ভরশীল হয়ো না
গতি কাজে লাগে। তবে নিজের চিন্তার চর্চা না থাকলে সেই গতি ধার করা দক্ষতা হয়েই থেকে যায়।
সমস্যা আর সফল হওয়ার শর্ত নিজের ভাষায় বোঝান।
বাছাই করা foundation exercise AI ছাড়া সমাধান করুন।
AI-কে বিকল্প আর সমালোচনা পেতে ব্যবহার করুন—কর্তা বানাবেন না।
Correctness, complexity, edge case আর security নিজে যাচাই করুন।
কাজ না হলে debug করুন, trade-off-এর দায় নিন।
ফলাফলের প্রভাবের দায়িত্বও নিজের বলে মানুন।
অনুশীলনের দুই ধরন
Foundation reasoning, debugging আর recall-এর selected session। Goal purity না—নিজের capability measure করা।
AI solution নিন, তারপর bug, complexity problem, counterexample, security gap আর simpler alternative খুঁজুন।
ক্যারিয়ারভেদে AI-এর প্রভাব
নিজের target career খুলে কোন task automate হচ্ছে আর কোন capability deliberateভাবে build করবেন—তা দেখুন।
পরের ধাপ
তারপর একটি AI-free foundation exercise আর একটি AI-assisted review করুন। Panic-এর জায়গায় evidence আসবে।
ক্যারিয়ার বেছে নিই