অ্যালগরিদম কি সত্যিই জোরপূর্বক শ্রম শনাক্ত করতে পারে, নাকি আমরা কেবল আমাদের অন্ধ জায়গাগুলোই অটোমেট করছি?

দায়িত্বশীল সরবরাহ শৃঙ্খল এখন আর “থাকলে ভালো” ধরনের বিষয় নয়। এটি ক্রমেই কমপ্লায়েন্সের বাধ্যবাধকতায় পরিণত হচ্ছে। ইইউ-এর Corporate Sustainability Due Diligence Directive (CSDDD) এবং যুক্তরাষ্ট্রের Uyghur Forced Labour Prevention Act (UFLPA) এশিয়া-প্যাসিফিক জুড়ে বহু সরবরাহকারী ও ব্র্যান্ডকে প্রমাণ করতে চাপ দিচ্ছে যে তাদের সরবরাহ শৃঙ্খলে জোরপূর্বক শ্রম নেই।

এই চাপের পরিবেশে AI-কে সমাধান হিসেবে বিক্রি করা হয়েছে।

অনেক প্ল্যাটফর্ম এখন দাবি করছে, তারা কয়েক মিনিটে বিশাল সরবরাহকারী নেটওয়ার্ক স্ক্যান করে জোরপূর্বক শ্রমের ঝুঁকি সামনে আসার আগেই ‘ফ্ল্যাগ’ করতে পারবে। অন্তহীন স্প্রেডশিটে আটকে থাকা কমপ্লায়েন্স টিমের কাছে এটি স্বস্তির মতো শোনায়। কিন্তু একটি প্রশ্ন সহজে যায় না। একটি যন্ত্র কি আধুনিক দাসত্বের জটিল, গোপন বাস্তবতা ধরতে পারে?

প্রতিশ্রুতি: গতি ও ব্যাপ্তি

AI বড় পরিসরের ডেটা দ্রুত প্রক্রিয়াজাত করতে দারুণ দক্ষ। আপনি যদি সিঙ্গাপুরে বসে ভিয়েতনাম, বাংলাদেশ ও ইন্দোনেশিয়ার সরবরাহকারীদের দেখভাল করেন, তথ্যের চাপ যে কোনো টিমকে হিমশিম খাওয়াতে পারে।

আজকের টুলগুলো সাধারণত দুই জায়গায় সবচেয়ে কার্যকর।

তারা সরবরাহ শৃঙ্খল ম্যাপিংয়ে সাহায্য করে। বিল-অফ-লেডিং ডেটা, কোম্পানি নিবন্ধন তথ্য, এবং বাণিজ্য রেকর্ড টেনে এনে তারা টিয়ার–২ ও টিয়ার–৩ স্তরের এমন প্রতিষ্ঠান দেখাতে পারে, যাদের অস্তিত্ব ব্র্যান্ড আগে জানত না।

তারা জনসম্মুখে থাকা সংকেতও স্ক্যান করে। “সোশ্যাল লিসেনিং” টুলগুলো বহু ভাষায় স্থানীয় সংবাদ, সোশ্যাল মিডিয়া এবং এনজিও রিপোর্ট ছেঁকে দ্রুত ধর্মঘট, অভিযোগ, বা নেতিবাচক খবর শনাক্ত করতে পারে।

লক্ষ্য যদি তথ্য গুছিয়ে নেওয়া হয়, AI সত্যিই বড় উন্নতি আনতে পারে। কিন্তু লক্ষ্য যদি মানবাধিকার লঙ্ঘন শনাক্ত করা হয়, তখন বিষয়টি এতটা সহজ থাকে না।

বাস্তবতা: জোরপূর্বক শ্রমের ছাপ খুব কম থাকে

AI ডেটার মধ্যে থাকা প্যাটার্নের ওপর দাঁড়িয়ে কাজ করে। অথচ জোরপূর্বক শ্রম প্রায়ই থাকে সেখানে, যেখানে ডেটাই নেই, বা ডেটা বিকৃত।

১) “পরিষ্কার ডেটা” ভ্রান্তি

এশিয়া-প্যাসিফিক অঞ্চলের কিছু সবচেয়ে বড় ঝুঁকি থাকে অনানুষ্ঠানিক কাজে, লাইসেন্সবিহীন সাবকন্ট্রাক্টিংয়ে, বা রেকর্ডের বাইরে চলা শ্রম দালালদের হাতে। এসব পক্ষ সাধারণত রিপোর্ট প্রকাশ করে না। তারা ‘পরিপাটি’ ডেটাসেটে আসে না। বাণিজ্য রেকর্ডেও তারা এমনভাবে নাও ধরা পড়তে পারে, যাতে শ্রম পরিস্থিতির কোনো ইঙ্গিত মেলে।

ধরা যাক কোনো কারখানা অভিবাসী শ্রমিকের পাসপোর্ট আটকে রাখে। এই জবরদস্তির কোনো প্রকাশ্য ‘ডিজিটাল ট্রেস’ নাও থাকতে পারে। ট্রেড ফ্লো ও কর্পোরেট ফাইলিং দেখে যে মডেল বিশ্লেষণ করে, সে একটি “স্বাভাবিক” সাইট দেখবে। নির্যাতনটি বাদ পড়ে যেতে পারে, কারণ সেটি কখনও ডেটা হয়ে ওঠে না।

২) প্রেক্ষিতের ফাঁক

শ্রমঝুঁকি কেবল কীওয়ার্ড মেলানোর বিষয় নয়। সূক্ষ্মতা ধরতে AI অনেক সময়ই দুর্বল।

একটি টুল ভারতে “শ্রম অস্থিরতা”কে ঝুঁকির সংকেত হিসেবে চিহ্নিত করতে পারে। একজন মানব বিশেষজ্ঞ একই তথ্যকে শ্রমিকদের সংগঠিত হওয়া, কথা বলা এবং দরকষাকষির সক্ষমতার লক্ষণ হিসেবে পড়তে পারেন। আবার উল্টোভাবে, মিডিয়ার নীরবতা ভয় দেখানো, সেন্সরশিপ বা ভয়ের ইঙ্গিতও হতে পারে।

ভুল সতর্কতা (false positives) কাজের চাপ বাড়ায়। অস্পষ্ট শব্দের কারণে ট্রিগার হওয়া অ্যালার্টের ঢলে টিমগুলো অনেক সময় বাস্তব ক্ষতি যাচাই না করে “নয়েজ” বাদ দিতেই ব্যস্ত থাকে।

৩) “ব্ল্যাক বক্স” আইনি ঝুঁকি

নতুন ডিউ ডিলিজেন্স আইন সিদ্ধান্ত ব্যাখ্যার চাপ বাড়ায়। জার্মানির Supply Chain Act (LkSG)–এর মতো কাঠামোর অধীনে কোম্পানিকে দেখাতে হতে পারে কীভাবে ঝুঁকি মূল্যায়ন করেছে এবং কেন পদক্ষেপ নিয়েছে।

আপনি যদি শুধু “অ্যালগরিদম ফ্ল্যাগ করেছে” বলে কোনো সরবরাহকারীর সঙ্গে সম্পর্ক ছিন্ন করেন, সেই সিদ্ধান্ত যুক্তিযুক্তভাবে ব্যাখ্যা করা কঠিন হতে পারে। আবার সিস্টেম “কম ঝুঁকি” স্কোর দিয়েছে বলে সম্পর্ক ধরে রাখলে, পরে গুরুতর নির্যাতন বেরিয়ে এলে “মডেল তো ঠিকই বলেছিল” — এটি কোনো প্রতিরক্ষা নয়।

বিদ্রূপ: AI-রও একটি সরবরাহ শৃঙ্খল আছে

আরেকটি অস্বস্তিকর স্তর আছে। অনেক AI সিস্টেম “ঘোস্ট ওয়ার্ক”–এর ওপর নির্ভর করে, যেমন ডেটা লেবেলিং ও কনটেন্ট মডারেশন। এ কাজগুলো অনেক সময় গ্লোবাল সাউথের কম মজুরির শ্রমিকদের কাছে আউটসোর্স করা হয়। কাজের শর্ত অনিশ্চিত হতে পারে। ফলে “নৈতিক প্রয়োগ” হিসেবে বিক্রি হওয়া টুলগুলোর নিজের শ্রম মডেল নিয়েও প্রশ্ন ওঠে।

ভালো পথ: ‘অগমেন্টেড ইন্টেলিজেন্স’

AI সাহায্য করতে পারে, কিন্তু ‘পাইলট’ হওয়া উচিত নয়। এটি সবচেয়ে ভালো কাজ করে ‘কো-পাইলট’ হিসেবে।

মিশ্র পদ্ধতি সাধারণত ভালো ফল দেয়।

AI প্রাথমিক বাছাই (triage) করতে পারে। এটি সরবরাহকারী ম্যাপিং, শিল্প ও ভৌগোলিক ভিত্তিতে ঝুঁকি ক্লাস্টারিং, এবং সম্ভাব্য হটস্পট চিহ্নিত করতে সাহায্য করতে পারে।

কিন্তু যাচাই মানুষের কাজ। সাইটের বাইরে শ্রমিক সাক্ষাৎকার, পূর্বঘোষণা ছাড়া পরিদর্শন, এবং বিশ্বাসযোগ্য স্থানীয় অংশীদারের সহায়তা — এগুলোই ঋণ-বন্ধন (debt bondage), যৌন হয়রানি, ভয় দেখানো, এবং মানসিক জবরদস্তি ধরার কার্যকর উপায়। এসব বাস্তবতা সাধারণত ড্যাশবোর্ডে দেখা যায় না।

প্রযুক্তি ট্রেসেবিলিটি উন্নত করতে পারে। কিন্তু দায়িত্বের বিকল্প হতে পারে না।

আপনি কাগজপত্র অটোমেট করতে পারেন। আপনি বিশ্বাসকে অটোমেট করতে পারবেন না।