আমার মূল্যায়ন · ভবিষ্যতের প্রতিষ্ঠিত সত্য নয়
CSE শেষ—এমন সিদ্ধান্তের প্রমাণ নেই। আগের পথটা অক্ষত থাকবে—তারও নিশ্চয়তা নেই।
আমার বর্তমান ধারণা: CSE শেখার মূল্য থাকবে, কিন্তু শুধু code তৈরি করার চেয়ে AI-সহ কাজে লাগার মতো নির্ভরযোগ্য ফল দেওয়ার গুরুত্ব বাড়বে। প্রথম চাকরিতে ঢোকার সুযোগও সবার জন্য একইভাবে বদলাবে না। এটি নিচের তথ্য থেকে আমার অনুমান—কত চাকরি থাকবে তার হিসাব নয়।
CSE শুধু code টাইপ করা নয়—তথ্য, গণনা, system, hardware, নিরাপত্তা আর মানুষের সঙ্গে প্রযুক্তির সম্পর্ক বোঝার ক্ষেত্র। এর গুরুত্ব থাকা আর সব graduate-এর চাকরি হওয়া আলাদা কথা। দরকারি বিষয় পড়েও কঠিন চাকরির বাজারে পড়তে পারেন।
- ১. কাজAI কী করতে পারছে?
- ২. দলযাচাইসহ কত জন লাগছে?
- ৩. বাজারকতটা কাজের চাহিদা আছে?
একটি task automate হলে একটি পুরো চাকরি চলে যায় না। আবার task বাঁচলেও দল ছোট হতে পারে। সস্তায় বেশি software তৈরি হলে নতুন চাহিদা আসতে পারে—কিন্তু তা হারানো চাকরির সমান হবে, এমন নিশ্চয়তা নেই।
তথ্য, অনুমান আর সীমা আলাদা রাখি
একটা headline দিয়ে পুরো ভবিষ্যৎ বোঝা যায় না।
নিচের ফলগুলো আলাদা জায়গা, সময় ও পদ্ধতির। একটার সংখ্যা দিয়ে আরেকটার উত্তর দিচ্ছি না।
AI-এর আওতায় পড়া আর চাকরি হারানো এক নয়
ILO-এর হিসাবে বিশ্বে প্রতি চারজন কর্মীর একজনের পেশার কিছু কাজ generative AI-এর প্রভাবের আওতায় পড়ে। পুরো পেশা উঠে যাওয়ার চেয়ে কাজের ধরন বদলানোর সম্ভাবনাই তারা বেশি দেখছে।
যা বলা যায় না: এটি কাজভিত্তিক সম্ভাবনার হিসাব; কতজন চাকরি হারিয়েছে তার গণনা নয়, কারও চাকরি থাকার নিশ্চয়তাও নয়।
মূল উৎস পড়ুন · ILO · Working Paper 140নতুনদের জন্য সতর্ক হওয়ার মতো তথ্য আছে
জুন ২০২৬ পর্যন্ত যুক্তরাষ্ট্রের payroll data-তে AI-এর প্রভাব বেশি এমন পেশায় ২২–২৫ বছর বয়সীদের কর্মসংস্থান তুলনামূলক গতিপথের চেয়ে ১৯% নিচে—মূলত নতুন নিয়োগ কমায়। তবে অর্থনীতিজুড়ে ব্যাপক চাকরি বিলোপের প্রমাণ লেখকেরা পাননি।
যা বলা যায় না: এই সম্পর্ক AI-ই ঘটিয়েছে, তা প্রমাণিত নয়; sample ও নিয়ন্ত্রণভেদে ফল বদলায়। ১৯% ছাঁটাই হয়েছে—এমন কথাও নয়। গবেষণাটি শুধু CSE নিয়ে নয়, বাংলাদেশের তথ্যও নয়।
মূল উৎস পড়ুন · Stanford Digital Economy Lab · revised working paperখাত বড় হলেও প্রথম চাকরি পাওয়া কঠিন হতে পারে
BLS-এর ২০২৫–২০৩৫ পূর্বাভাসে যুক্তরাষ্ট্রে software developer, QA analyst ও tester মিলিয়ে কর্মসংস্থান ১০% বাড়ার কথা।
যা বলা যায় না: এটি কিছু অনুমানের ভিত্তিতে যুক্তরাষ্ট্রের সব অভিজ্ঞতার স্তর মিলিয়ে পূর্বাভাস। নতুনদের নিয়োগ বা বাংলাদেশের চাকরি-বেতনের নিশ্চয়তা নয়।
মূল উৎস পড়ুন · US Bureau of Labor Statistics · Occupational Outlook HandbookAI কতটা সময় বাঁচায়? কাজ আর পরিস্থিতি বুঝে বলুন
অভিজ্ঞ open-source developer-দের নিয়ে METR-এর ২০২৫ সালের প্রথম গবেষণায় AI ব্যবহার করে সময় বেশি লেগেছিল। ২০২৬-এর আপডেটে তারা এখন গতি বাড়ার সম্ভাবনা বেশি দেখছে; কিন্তু অংশগ্রহণকারী বাছাই ও সময় মাপার সমস্যায় কতটা বেড়েছে, নির্ভরযোগ্যভাবে বলা যাচ্ছে না।
যা বলা যায় না: কোনোটিই সব কাজের নিয়ম নয়, এই লেখার model-এর পরীক্ষাও নয়। নিজের কাজে লেখা, review আর সংশোধন মিলিয়ে মোট খরচ দেখুন।
মূল উৎস পড়ুন · METR · developer-productivity research updateবাংলাদেশের CSE graduate-দের AI-এর কারণে কত চাকরি যাবে বা তৈরি হবে—এমন নির্ভরযোগ্য causal হিসাব এই লেখায় প্রতিষ্ঠা করা হয়নি। স্থানীয় outsourcing, প্রতিষ্ঠানভেদে বাজেট, ভাষা, অবকাঠামো ও নিয়োগের ধরন আলাদা। US-এর সংখ্যা কপি করে আপনার সম্ভাবনা বলব না।
শর্তসাপেক্ষ সম্ভাবনা · এগুলো গবেষণার ফল নয়
একসঙ্গে একাধিক ভবিষ্যৎ তৈরি হতে পারে।
পরের কয়েক বছরে প্রতিষ্ঠান ও কাজভেদে এই পথগুলো মিশে যেতে পারে। সমান সম্ভাবনা বলছি না, শতাংশও বসাচ্ছি না। আরও দূরের নির্দিষ্ট পূর্বাভাসে আমার আস্থা কম।
আগের চেয়ে বেশি কাজ তৈরি হয়
বানানোর খরচ কমলে আগে বাজেটে কুলাত না এমন সমস্যার সমাধানও সম্ভব হতে পারে। ছোট দল অবহেলিত ব্যবহারকারীর জন্য কাজ করতে পারে। কিন্তু বাস্তব চাহিদা, মানুষের কাছে পৌঁছানো আর টেকসই বাজেট লাগবে। Demo হলেই startup হয় না।
লক্ষ করুন: মানুষ টাকা দিচ্ছে কি না, আবার ব্যবহার করছে কি না, নতুন কাজ ও নিয়োগ হচ্ছে কি না। Demo গুনে লাভ নেই।
কাজ হচ্ছে, কিন্তু নতুনদের জায়গা কম
প্রতিষ্ঠান AI দিয়ে একই কাজ কম লোকের মাধ্যমে করাতে পারে। নিয়মিত outsourcing কাজের দাম কমতে পারে; নতুনরা যেসব ছোট কাজ করে শিখত, সেগুলোও কমে যেতে পারে। ভালো ভিত্তি আপনাকে সক্ষম করে—কিন্তু শূন্যপদ বানিয়ে দেয় না, সব ছাঁটাইও ঠেকায় না।
লক্ষ করুন: internship ও trainee পদ, প্রবেশের শর্ত, কাজের দর আর শেখানোর মতো মানুষ পাওয়া যাচ্ছে কি না।
AI আরও বড় দায়িত্বের কাজ করতে পারে
দীর্ঘ, অগোছালো project-এ agent যদি নির্ভরযোগ্য ও সাশ্রয়ী হয়, design, review, coordination-এও কম মানুষ লাগতে পারে। Senior হলেই নিরাপদ—তা নয়। দায় মানুষের ওপর থাকবে বলেই আজকের সমান কর্মী লাগবে, এমন যুক্তি চলে না।
লক্ষ করুন: স্বাধীন বাস্তব পরীক্ষা, ভুলের হার, পুরো ব্যবস্থার খরচ আর নিয়মিত ব্যবহার। একটি benchmark বা AGI আসার তারিখ যথেষ্ট নয়।
আমি মত বদলাব যদি বড়, স্বাধীন পরীক্ষায় agent-কে দীর্ঘদিনের বাস্তব engineering কাজ নির্ভরযোগ্যভাবে কম খরচে সামলাতে দেখা যায়; অথবা নানা দেশের তথ্য দেখায় নতুনদের সুযোগ নিয়মিত ফিরছে। AGI কবে আসবে—নির্ভরযোগ্য তারিখ আমার কাছে নেই।
শেখার কারণ · চাকরির বিমা নয়
Code লিখতে সাহায্য পেলে, বোঝার প্রয়োজন ফুরায় না।
ভেতরে কী হচ্ছে বুঝুন
Algorithm আর complexity লুকানো খরচ ধরতে শেখায়। Database ও concurrency বুঝলে একই booking দুবার কেন হয়ে গেল, তা খুঁজতে পারেন। সুন্দর UI-এর আড়ালের সমস্যা ধরতে network ও operating system-ও লাগে।
উত্তরটাকে প্রশ্ন করতে শিখুন
গণিত, পরিসংখ্যান, testing আর security-র ধারণা দিয়ে counterexample ও ভুল অনুমান খুঁজুন। AI test লিখুক; কিন্তু implementation ভুল হলেও সেই test পাশ করবে কি না, সেটাও দেখুন।
পরিস্থিতি বুঝে সিদ্ধান্ত নিন
ব্যবহারকারীর কথা শুনুন। Accessibility, খরচ, privacy আর maintenance মিলিয়ে কী রাখবে, কী বাদ দেবে বোঝান। সৃজনশীলতা বা বিচারবোধেও AI সাহায্য করতে পারে—এগুলো মানুষের জাদুকরি ঢাল নয়। কাজের ক্ষেত্রটা জানলে যাচাইটা আরও নির্দিষ্ট হয়।
একটি কাল্পনিক ঘটনা: test সবুজ, booking দুবার
একজন নতুন developer AI দিয়ে booking feature বানাল। একবারে একজনের test সব পাশ। দুজন একসঙ্গে শেষ slot বুক করল—দুজনই confirmation পেল। AI দলের pattern মেনে সুন্দর code লিখলেও transaction-এর নিয়ম ভুল বুঝতে পারে। আবার ঠিকও করতে পারে; এটি failure-এর উদাহরণ, AI সবসময় ভুল করে এমন দাবি নয়।
উপায়? ‘আরও professional code দিন’ বলে দশবার generate করা নয়। এক slot একবারই বিক্রি হবে—নিয়মটা লিখে concurrency test করুন, database constraint ও transaction যাচাই করুন, সিদ্ধান্ত বুঝতে না পারলে review চান। Token-এর bill বাড়লেই বোঝাপড়ার CGPA বাড়ে না।
AI-এর context-এ tech lead-এর pattern থাকলেই সেটি এই feature-এর সঠিক trade-off হয় না। কীভাবে কাজ করে না বুঝে merge করলে review-এর চাপ, refund, data inconsistency বা maintenance-এর খরচ বাড়তে পারে। ছোট, বোঝা যায় এমন সমাধানও ভালো engineering।
পরামর্শ · সময়সীমা কোনো প্রতিশ্রুতি নয়
পুরো ভবিষ্যৎ না জেনেও পরের ভালো সিদ্ধান্তটা নেওয়া যায়।
CSE নেবে কি না ভাবছ, বা একেবারে নতুন?
শুধু বেতনের গল্প বা AI-এর ভয় দিয়ে বিষয় বেছে নেবেন না। নিজের আগ্রহ, পড়ার খরচ, বিকল্প ও শেখার পরিবেশ দেখুন। এই সপ্তাহে একটি ছোট সমস্যা নিজে চেষ্টা করুন, তারপর AI দিয়ে সমালোচনা করান। কোন ব্যাখ্যাটি নিজে করতে পারলে, লিখে রাখুন।
শুরুর পথটা দেখুন →Graduation সামনে, প্রথম চাকরি দরকার?
একটি লক্ষ্য পদের কয়েকটি বর্তমান বিজ্ঞাপন পড়ুন। নিজের project-এ একটি বাস্তব ঘাটতি ঠিক করুন: issue, test, review আর ছোট release দিয়ে প্রমাণ রাখুন। DSA-এর প্রয়োজন পদভেদে যাচাই করুন; সব pattern শেখা পর্যন্ত আবেদন থামিয়ে রাখবেন না।
নিজের অবস্থার উপযোগী পথ বেছে নিন →AI ব্যবহার করছেন, ফলটা বুঝতে চান?
একটি ছোট কাজের সীমা, acceptance test, অনুমতি ও থামার শর্ত আগে ঠিক করুন। Generation-এর সঙ্গে review, debugging ও সংশোধনের সময়ও মাপুন। Code বা গোপন তথ্য দেওয়ার আগে প্রতিষ্ঠানের অনুমতি দেখুন। Paid tool দিয়ে শুরু করতেই হবে না।
নিরাপদ AI system তৈরির পথ →
সব দায় শিক্ষার্থীর নয়। বিশ্ববিদ্যালয়ে AI ব্যবহারের পাশাপাশি স্বাধীন reasoning ও teamwork যাচাই দরকার; প্রতিষ্ঠানে mentorship ও supervised entry কাজের সুযোগ দরকার। চাকরি না পেলে সেটি একা আপনার মেধার রায় নয়। প্রয়োজন হলে লক্ষ্য, বাজেট বা পথ বদলানোও যুক্তিসঙ্গত।
স্বচ্ছতা ও পুনরায় যাচাই
এই পেজ তৈরির সম্পূর্ণ prompt
পেজ তৈরির সম্পূর্ণ prompt পড়ুন
Runtime (configure before running): GPT-6 Astra with High reasoning.
Role: Act as a skeptical research editor for CSE-Pothik, writing for Bangladeshi CSE students from first semester to recent graduation.
Task: Create the complete bilingual editorial for /future-of-cse/. Answer: “Will AI make CSE disappear, and what should a student do now?” Use evidence available through 12 September 2026.
Evidence rules: Prefer accessible primary research and official statistics. Seek counterevidence. For every consequential claim, give source, date, geography, scope and limitation. Separate observed findings, external projections, conditional scenarios and advice. Never invent Bangladesh statistics, causal claims, job-replacement percentages or AGI dates; do not transfer US evidence to Bangladesh. State missing evidence and what would change the outlook.
Required structure: (1) direct short answer and discipline–task–job distinction; (2) four compact evidence cards; (3) three plausible, explicitly conditional scenarios; (4) one clearly fictional AI-assisted engineering failure; (5) why fundamentals, problem framing, verification and trade-offs still matter—without calling them automation-proof or employment insurance; (6) bounded next actions for new students, active learners and job seekers; (7) responsibilities of institutions and employers; (8) rechecking note and relevant CSE-Pothik routes.
Writing contract: Concise English plus independently natural, professional Bangla using আপনি and familiar technical terms. Use gentle situational humor without dismissing anxiety. No hype, reassurance theatre, job guarantee, employer endorsement or paid-tool prerequisite. Credit GPT-6 Astra (High) as the AI narrator, not as OpenAI’s official forecast. Acknowledge uncertainty and possible bias.
Output only the publish-ready article, linked source ledger and unresolved limitations. Do not reveal chain-of-thought. Avoid repetition. Stop researching when every consequential claim is supported or explicitly marked uncertain.OpenAI-এর prompting নির্দেশনা · Prompt গঠনের সহায়ক সূত্র।
শেষ কথা: আমি বিশ্লেষণ করতে পারি, ভবিষ্যৎ দেখে ফিরে আসিনি। নতুন প্রমাণে এই লেখা বদলানো উচিত। কোনো ভুল বা দুর্বল যুক্তি দেখলে নিচের feedback link দিয়ে জানাতে পারেন।
কাজভিত্তিক AI ও ক্যারিয়ার নির্দেশনায় যান →