আপনার ফোনে একটা পার্সোনাল এআই এজেন্ট আসলে কী করে, ভেতর থেকে দেখা

আজকের দিনে যে পার্সোনাল এআই এজেন্ট সত্যিই একটা ফোনে চলে, সেটা আপনার ফ্লাইট বুক করে না। এটা এমন কিছু নজরে রাখে যা এমনিতেই আপনার ফোনে পৌঁছায় (একটা ইনবক্স, একটা জব বোর্ড, একটা ক্যালেন্ডার, নোটিফিকেশন শেড), প্রতিটা নতুন জিনিস আপনি নিজের ভাষায় যা চেয়েছিলেন তার সাথে মেলে কিনা সিদ্ধান্ত নেয়, আর তারপর বেছে নেয় কতটা জোরে আপনাকে জানাবে: একটা ফোন কল, একটা অ্যালার্ম, বা আপনি নিজে না তাকানো পর্যন্ত কিছুই না। এটা ডেমোগুলোর চেয়ে ছোট। আমরাও এটাই বানাই।

iPhone-এ এমন একটা এজেন্ট Gmail, নতুন Upwork কাজ আর Google Calendar নজরে রাখতে পারে, কল সহ, কিন্তু এটা ব্যাকগ্রাউন্ডে অন্য অ্যাপের নোটিফিকেশন পড়তে পারে না। iOS এটা অনুমতি দেয় না; Android দেয়। নিচে যেখানে iPhone আলাদা, সেখানে আমি বলে দিচ্ছি।

পার্সোনাল এআই এজেন্ট কী?

এই শব্দের জন্য র‍্যাংক করা বেশিরভাগ পেজ একটা হাতসহ চ্যাট অ্যাসিস্ট্যান্ট বর্ণনা করে: আপনি একটা হোটেল খুঁজতে বলেন, আর এটা একটা ব্রাউজার খুলে একটা বুক করে। অন্য ধরনটা লুপটা উল্টোদিক থেকে চালায়। আপনি একবার বলে দেন কী গুরুত্বপূর্ণ, আর তারপর থেকে এটা আপনাকে বলে, শুধু তখনই যখন কিছু মিলে গেছে।

OLL.E (উচ্চারণ “Ollie”) হলো আমাদের বানানোটা, তাই এটাই এখানকার কাজের উদাহরণ, তবে ধরনটা সাধারণ। আপনি একটা বাক্য লেখেন, কতটা জোরে হবে বেছে নেন, আর চাইলে একটা অ্যাকশন যোগ করেন। বাক্যটা হতে পারে “কোনো লিড দাম বা একটা ডেমো নিয়ে ইমেইল করলে আমাকে কল করো”, আর একবার সেভ হলে একে আমরা একটা পর্যবেক্ষণ বলি। জরুরি পর্যবেক্ষণ একটা আসল ফোন কল বা অ্যালার্ম পায়। বাকি সবকিছু যায় শর্টলিস্টে, একটা নীরব তালিকা যা আপনার সুবিধা মতো পড়েন। অ্যাকশনগুলো পর্যবেক্ষণের সাথে জোড়া ফলোআপ: আপনার অনুমোদিত একটা রিপ্লাই পাঠানো, বা থ্রেড অনুযায়ী একটা সংক্ষিপ্ত রিপ্লাই, ইমেইলটা একজন পার্টনারের কাছে ফরোয়ার্ড করা, এতে লেবেল দেওয়া, থ্রেডের সারাংশ করা, একটা Upwork বিড লেখা, একটা ক্যালেন্ডার ইভেন্ট তৈরি করা। এগুলো চেইন হতে পারে, তাই একটা মিল থ্রেডের সারাংশ করে, ফরোয়ার্ড করে, তারপর আপনার ক্যালেন্ডারে একটা সময় বসিয়ে দিতে পারে।

বেশিরভাগ “এআই এজেন্ট” ডেমো আপনার হয়ে জিনিস করে দেওয়া নিয়ে। একটা ফোনে, আমার মনে হয় কাজের ভার্সনটা হলো কী আপনাকে বিরক্ত করতে পারবে তা ঠিক করা নিয়ে। করে দেওয়াটা সহজ অংশ। আজ আপনার ফোনে পড়া সবকিছুর মধ্যে এই একটা মেসেজই একটা শব্দ পাওয়ার যোগ্য কিনা তা ঠিক করাটা কঠিন।

আজ একটা ফোনে পার্সোনাল এআই এজেন্ট আসলে কী করতে পারে?

চারটা সোর্স। ইনস্টল করা যেকোনো অ্যাপের নোটিফিকেশন, তাই WhatsApp, Messenger, SMS, Slack, Discord, Telegram, Fiverr, শেডে পোস্ট হওয়া যেকোনো কিছু। Gmail। নতুন Upwork জব পোস্ট। Google Calendar: নতুন ইভেন্ট, পরিবর্তন, বাতিল, আর একটা ইভেন্টের আগে একটা নির্দিষ্ট সময়ের একটা রিমাইন্ডার। এটাই সম্পূর্ণ তালিকা, আর আপনাকে অনুমান করতে দেওয়ার চেয়ে এটাই দেওয়া ভালো।

একটা সেট আপ করা মানে Monitor Now বাটনের পেছনে একটা সংক্ষিপ্ত কথোপকথন: বাক্যটা, কোন অ্যাকাউন্ট বা অ্যাপ, কতটা জোরে, আর একসারি চিপ থেকে বেছে নেওয়া অ্যাকশনগুলো।

একটা পুশ নোটিফিকেশন হলো একটা তালিকায় আপনি স্কিম করতে শিখে গেছেন এমন একটা লাইন, খাবার ডেলিভারির প্রোমোর পাশেই। একটা ফোন কল পুরো স্ক্রিনটা দখল করে নেয় আর ফোন অন্য ঘরে উপুড় হয়ে থাকলেও আপনার কাছে পৌঁছায়, তাই যে এজেন্ট ফোন করতে পারে তার এটা খুব কম করা উচিত, বাকিটা নীরব শর্টলিস্টের জন্য রেখে দিয়ে।

কী গুরুত্বপূর্ণ তা এটা কীভাবে ঠিক করে?

অর্থ দিয়ে, কোনো স্ট্রিং দিয়ে নয়, আর এখানেই একটা Zapier zap বা একটা IFTTT applet থেকে আসল পার্থক্য। সেই টুলগুলো নিয়ম মেলায়: সাবজেক্টে “pricing” থাকলে, X করো। নিয়মটা সস্তা, আর দুদিক থেকেই মিস হয়। “ছয়জনের একটা টিমের জন্য এটার খরচ কত হবে?”-এ কোনো “pricing” নেই আর এটা মিস হয়ে যায়। “Our new pricing” শিরোনামের একটা নিউজলেটার ঢুকে পড়ে। এ নিয়ে আরও আছে অ্যালার্টের জন্য Zapier বনাম IFTTT-তে।

একটা অর্থ-ভিত্তিক মিল কাজ করে একজন ব্রিফ করা সহকর্মীর মতো। এটা জিনিসটা বাক্যের বিপরীতে পড়ে সিদ্ধান্ত নেয়: এই প্রেরক কি একজন লিড, একজন মানুষ যেভাবে বোঝেন সেই অর্থে, নাকি একজন সাপ্লায়ার যে একটা ইনভয়েসের জন্য তাড়া দিচ্ছে? প্রশ্নটা কি আমরা কত নিই তা নিয়ে, শব্দটা কখনো না এলেও? এটা একটা বিচার, আর এটা মাঝে মাঝে ভুলও হয়। আমরা কোনো নির্ভুলতার সংখ্যা প্রকাশ করি না, আর যে কেউ করে তাকে আমি অবিশ্বাস করতাম।

অ্যালার্ট লেভেলটাই হলো আপনি একটা ভুলের দাম কীভাবে ঠিক করেন। নতুন একটা পর্যবেক্ষণ শর্টলিস্টে শুরু করুন, যেখানে একটা ভুল মিলের কোনো খরচ নেই, আর এটা কিছুদিন ঠিক থাকার পর, একই বাক্যটা আবার একটা কল হিসেবে সেট করুন। প্রথম বাক্যগুলো প্রায়ই খুব ঢিলেঢালা হয়। “not newsletters” বা “new senders only” যোগ করাই সাধারণত সমাধান।

এখানে একটা পর্যবেক্ষণ শুরু থেকে শেষ পর্যন্ত ফায়ার হচ্ছে দেখুন। এটা “কোনো লিড দাম বা একটা ডেমো নিয়ে ইমেইল করলে আমাকে কল করো”, অ্যালার্ট হিসেবে একটা ফোন কল আর দুটো চেইন করা অ্যাকশন নিয়ে: একটা ক্যালেন্ডার স্লট ধরে রাখা, তারপর সেটা দিয়ে একটা রিপ্লাইয়ের খসড়া তৈরি করা।

1. ১৪:১২। আপনি আগে কখনো লেখেননি এমন একটা ঠিকানা থেকে একটা ইমেইল আসে। সাবজেক্ট: “Quick question”। বডি: “আপনার সাইট দেখলাম, পরের সপ্তাহে একটা ওয়াকথ্রু দিতে পারবেন আর ছয়জনের জন্য মোটামুটি খরচ কত হবে বলতে পারবেন?” কোনো “pricing” নেই। কোনো “demo” নেই।
2. OLL.E এটা পর্যবেক্ষণের বিপরীতে পড়ে। নতুন প্রেরক, খরচ জিজ্ঞেস করছে, একটা ওয়াকথ্রু চাইছে: দুটো অংশই মেলে।
3. অ্যালার্ট লেভেল একটা ফোন কল, তাই আপনার ফোন বাজে। Android-এ, আপনি যে অ্যাপ খোলা রেখেছিলেন তার উপর একটা ওভারলে আঁকা হয় আর এটা যেমন যেমন ঘটে তেমন ট্রেসটা দেখায়: মিল পাওয়া গেছে, ইমেইলটা, চলা অ্যাকশনটা, ফলাফল।
4. প্রথম অ্যাকশনটা পরের সপ্তাহে একটা সময় ধরে রাখতে আপনার Google Calendar-এ একটা ইভেন্ট তৈরি করে। দ্বিতীয় অ্যাকশনটা থ্রেডে একটা রিপ্লাইয়ের খসড়া তৈরি করে যা সেটা অফার করে।
5. আপনি ধরেন, থ্রেডটা খোলেন, খসড়াটা পড়েন, একটা বাক্য বদলে পাঠিয়ে দেন। রানটা Feeds ট্যাবেও লগ হয়ে থাকে।
6. iPhone-এ ফোনটা একইভাবে বাজে। শুধু ওভারলেটাই আলাদা: iOS কোনো অ্যাপকে অন্য অ্যাপের উপর আঁকতে দেয় না, তাই এর বদলে একটা নোটিফিকেশন আসে, আর সেটায় ট্যাপ করলে ট্রেসটা খোলে।

iPhone-এ এটা একইভাবে কাজ করে না কেন?

একটা অপারেটিং সিস্টেম নিয়মের কারণে। Android-এর একটা notification access অনুমতি আছে (Settings খুলে “notification access” সার্চ করুন)। একবার দিলেই অ্যাপটা ফোন পোস্ট করা নোটিফিকেশনগুলো পায়, ব্যাকগ্রাউন্ডে। একটা WhatsApp বা Fiverr পর্যবেক্ষণ এভাবেই কাজ করে: এজেন্টটা সেই অ্যাপগুলো আপনার লক স্ক্রিনে যা দেখাতে বেছে নিয়েছে তাই পড়ে, ঠিক আপনি নিজে যা পড়তেন তাই। iOS-এ এর সমতুল্য কিছু নেই, আর একটা অ্যাপ শুধু নিজের নোটিফিকেশনই পড়তে পারে, আর কিছু না। Gmail, Upwork আর Calendar পর্যবেক্ষণ তবু iPhone-এ পুরোপুরি কাজ করে কারণ এগুলো কখনো শেডের মধ্য দিয়ে যায় না। OLL.E আপনার Google সাইন-ইন দিয়ে Gmail আর Calendar-এর সাথে কানেক্ট করে, আর Upwork পর্যবেক্ষণ পাবলিক জব পোস্ট পড়ে।

বাকিগুলোর জন্য আছে OLL.E PinG, একটা ছোট AirTag-স্টাইলের কীরিং যা আপনার ফোনের সাথে পেয়ার হয়, নোটিফিকেশন স্ট্রিমটা Bluetooth দিয়ে রিলে করে আর অ্যালার্ম বাজায়। iPhone-এ মেসেজ আর নোটিফিকেশন পর্যবেক্ষণের জন্য এটা দরকার, অথবা অন্য ধরনগুলোর জন্যও একটা জোরালো অ্যালার্ম চাইলে। আলাদাভাবে বিক্রি হয়।

আরেকটা পার্থক্য। অন্য একটা অ্যাপে একটা মেসেজে অটো-রিপ্লাই শুধু Android-এ; iPhone-এ রিপ্লাইটা একটা খসড়া যা আপনি এক ট্যাপে নিশ্চিত করেন।

এটা আমার ডেটা দিয়ে কী করে?

এটা শুধু একটা পর্যবেক্ষণের যা দরকার তাই পড়ে। একটা Gmail পর্যবেক্ষণ সেই Gmail অ্যাকাউন্টটা পড়ে আর আপনার WhatsApp-এর কোনো দৃষ্টি পায় না। একটা নোটিফিকেশন পর্যবেক্ষণ নোটিফিকেশনের টেক্সটটা দেখে, যে অংশটা অ্যাপ ইতিমধ্যে আপনার লক স্ক্রিনে বসিয়ে দিয়েছে, অ্যাপের ডেটাবেস নয়। একটা সোর্সে কোনো পর্যবেক্ষণ না থাকলে, সেখান থেকে কিছুই পড়া হয় না।

এটা কোনো মেসেজ বা ইমেইলের কনটেন্ট সংরক্ষণ করে না, আর আপনি যা পান তার কিছুই কোনো এআই মডেলকে প্রশিক্ষণ দেয় না, আমাদেরটাকেও না, অন্য কারো টাকেও না। সবকিছু ট্রানজিটে আর বিশ্রামে এনক্রিপ্টেড।

এটা এখনও কী করতে পারে না?

এটা HubSpot, Notion, GitHub, ফাইন্যান্স অ্যাকাউন্ট, ফ্লাইটের দাম, ওয়েবসাইট বা MCP সার্ভারের সাথে কানেক্ট হয় না। এগুলো তালিকায় আছে। একটাও লাইভ নয়, আর আমি কোনো তারিখ দিচ্ছি না।

এটা নিজে থেকে ওয়েবও ব্রাউজ করে না। এটা শুধু তখনই খোলা ওয়েব স্পর্শ করে যখন আপনার জুড়ে দেওয়া একটা অ্যাকশনের ভেতরে একটা ধাপ হিসেবে, যেমন সারাংশ পাঠানোর আগে X সেন্টিমেন্ট চেক করা BTC পর্যবেক্ষণটা। এটা আসা জিনিসে সাড়া দেয়, খুঁজতে যায় না।

আর এটা কিছু মিল ভুলও করবে, একটা পর্যবেক্ষণ নতুন থাকা অবস্থায় বেশি।

কখন বিরক্ত করবে তা ঠিক করা একটা এজেন্ট ব্যবহার করতে চাইলে, OLL.E আমাদেরটা। আপনি একটা পর্যবেক্ষণ মুখে বলার মতো করেই লেখেন, আর এটা আপনার নোটিফিকেশন, Gmail, নতুন Upwork কাজ আর Google Calendar নজরে রাখে, জরুরি মিলগুলোর জন্য কল বা অ্যালার্ম দেয়, বাকিটা শর্টলিস্টে রাখে, আর আপনার জুড়ে দেওয়া অ্যাকশন চালায়। কোনো কার্ড ছাড়াই চারটা পর্যবেক্ষণ ফ্রিতে চালাতে পারেন। Pro মাসে $19.99, সাথে ৭ দিনের ট্রায়াল। iPhone-এ, অন্য অ্যাপের মেসেজ পর্যবেক্ষণ করতে PinG কীরিং লাগে, আলাদাভাবে কেনার মতো।