# প্রত্যেক উদীয়মান AI কনসালট্যান্টের যে ১৬টি পরিভাষা শেখা প্রয়োজন (এবং ৪টি পরিভাষা ব্যবহার এড়িয়ে চলা উচিত)

> Published: 2026-08-14
> Updated: 2026-08-14
> Author: Jackson Mclean
> Category: POS
> Canonical: https://finalpos.com/bn/blog/aspiring-ai-consultant-terms-bn

টোকেন ও RAG থেকে শুরু করে MCP ও ইভালস পর্যন্ত ১৬টি পরিভাষা যা একজন উদীয়মান AI কনসালট্যান্টকে পেশাদার হিসেবে উপস্থাপন করে, সাথে রয়েছে এমন চারটি বাজওয়ার্ড যা চুপিচুপি আপনার প্রতি ক্লায়েন্টের আস্থা কমিয়ে দেয়।

এখানে ১৬টি পরিভাষা দেওয়া হলো: লার্জ ল্যাঙ্গুয়েজ মডেল, টোকেন, কনটেক্সট উইন্ডো, ইনফারেন্স, প্রম্পট, সিস্টেম প্রম্পট, রিট্রিভাল-আগমেন্টেড জেনারেট (RAG), ফাইন-টিউনিং, এম্বেডিং, এজেন্ট, MCP, অরকেস্ট্রেশন, হিউম্যান ইন দ্য লুপ, হ্যালুসিনেশন, গার্ডরেইল, এবং ইভালস। যে চারটি বাদ দিতে হবে: "AI-powered," "trained on your data," "AGI," এবং "100% accurate." ফলাফল দেখার আগেই প্রতিটি উদীয়মান AI কনসালট্যান্টকে তার শব্দভাণ্ডার দেখে বিচার করা হয়, কারণ প্রথম মিটিংয়ে কোনো সম্ভাব্য ক্লায়েন্ট কেবল আপনার শব্দভাণ্ডারই যাচাই করতে পারে। ২০২৬ সালের আগস্টে প্রকাশের সময় অনুযায়ী এই সংজ্ঞায়িত তথ্যগুলো সঠিক; ক্ষেত্রটি খুব দ্রুত পরিবর্তনশীল, তাই নির্দিষ্ট বিষয়গুলোকে বর্তমান সময়ের চিত্র হিসেবে বিবেচনা করুন।

## মূল মডেলের পরিভাষাগুলো কী কী?

চারটি পরিভাষা মেশিন বা মডেলটিকেই বর্ণনা করে। এগুলো সঠিকভাবে বুঝতে পারলে বাকি বিষয়গুলো বোঝা সহজ হয়ে যাবে।

1. লার্জ ল্যাঙ্গুয়েজ মডেল (LLM)। ChatGPT, Claude, এবং Gemini-র পেছনের ইঞ্জিন: বিপুল পরিমাণ টেক্সটের ওপর প্রশিক্ষণপ্রাপ্ত একটি মডেল যা ভাষার পরবর্তী অংশ অনুমান করে। ক্লায়েন্ট যখন "AI" বলে, তখন তারা সাধারণত এটিকেই বোঝায়।
2. টোকেন। টেক্সটের ছোট অংশ যা মডেলগুলো পড়ে এবং যার ভিত্তিতে বিল করে, যা সাধারণত একটি পুরো শব্দের চেয়ে কিছুটা ছোট হয়। API প্রাইসিং (মডেল ব্যবহারের ওপর ভিত্তি করে পেমেন্ট) প্রতি টোকেনে হিসাব করা হয়, তাই এটি একটি খরচের পরিভাষা, সাধারণ তথ্য মাত্র নয়।
3. কনটেক্সট উইন্ডো। মডেলের ওয়ার্কিং মেমোরি: এটি একসাথে কতটা টেক্সট বিবেচনা করতে পারে। যখন কোনো ক্লায়েন্ট জিজ্ঞাসা করে কেন AI তাদের পলিসি ম্যানুয়ালের ৪০ নম্বর পৃষ্ঠা "ভুলে গেছে", তখন সাধারণত কনটেক্সট উইন্ডোই এর উত্তর।
4. ইনফারেন্স। মডেলকে প্রশিক্ষণ দেওয়ার বদলে কোনো উত্তর পাওয়ার জন্য প্রশিক্ষিত মডেলটি চালানো। প্রজেক্ট চালুর পর আপনার ক্লায়েন্ট প্রতি মাসে যে পুনরাবৃত্তিমূলক বিল পরিশোধ করতে থাকে, তা হলো এই ইনফারেন্স।

## উন্নত উত্তর পাওয়ার ক্ষেত্রে কোন পরিভাষাগুলো গুরুত্বপূর্ণ?

একটি সাধারণ মডেলকে কোনো নির্দিষ্ট ব্যবসার জন্য উপযোগী করে তোলার কৌশল পাঁচটি পরিভাষায় তুলে ধরা হলো।

1. প্রম্পট। মডেলকে আপনার দেওয়া নির্দেশনা। পুরো প্রোডাক্ট এখন লিখিত বিবরণ থেকে তৈরি করা হয়; [প্রম্পট-ভিত্তিক বিল্ডারগুলো](/blog/final-pos-flow-studio) একটি অনুচ্ছেদকে কার্যকরী সফটওয়্যারে পরিণত করে, যার কারণে প্রম্পট এখন কেবল একটি চ্যাট মেসেজ নয়, বরং এটি একটি প্রধান ডেলিভারেবল।
2. সিস্টেম প্রম্পট। ব্যবহারকারী কিছু টাইপ করার আগেই মডেলকে দেওয়া স্থায়ী নির্দেশনা। ক্ষুদ্র ব্যবসায়গুলোর কাছে বিক্রি হওয়া অনেক "কাস্টম AI অ্যাসিস্ট্যান্ট" মূল প্রকৌশলের দিক থেকে বিদ্যমান মডেলের ওপর একটি সিস্টেম প্রম্পট মাত্র। মূল্য নির্ধারণের আগে এটি জেনে নেওয়া জরুরি।
3. রিট্রিভাল-আগমেন্টেড জেনারেট (RAG)। প্রশ্নের সময় সবচেয়ে প্রাসঙ্গিক ডকুমেন্টগুলো খুঁজে এনে মডেলের কাছে হস্তান্তর করা। মডেলটি নিজে পরিবর্তন না করেই ক্লায়েন্টের ম্যানুয়াল ও পলিসি থেকে কোনো মডেলকে উত্তর দেওয়ার উপযোগী করার উপায় হলো এটি।
4. ফাইন-টিউনিং। নতুন উদাহরণের ওপর প্রশিক্ষণ দিয়ে কোনো মডেলের ওয়েটস (এর অভ্যন্তরীণ সেটিংস) প্রকৃতপক্ষে পরিবর্তন করা। এটি ব্যয়বহুল, আপডেট হতে ধীরগতির এবং এটি প্রথম ধাপ হিসেবে খুব কমই সঠিক সমাধান হয়। ক্লায়েন্টরা যেসব কাজকে "ট্রেনিং" বলে, তার বেশিরভাগই আসলে RAG।
5. এম্বেডিং। টেক্সটকে সংখ্যার তালিকায় রূপান্তর করা যাতে সদৃশ অর্থগুলো কাছাকাছি অবস্থান করে। এম্বেডিং হলো RAG অনুসন্ধানের ইনডেক্স; এগুলো ছাড়া "প্রাসঙ্গিক ডকুমেন্ট খুঁজে বের করা" সম্ভব নয়।

![একজন ব্যক্তি সুবিন্যস্ত তাক থেকে একটি ফোল্ডার পুনরুদ্ধার করছেন, যা রিট্রিভাল-আগমেন্টেড জেনারেশনের একটি রূপক](https://hy9joxwes0n0bta4.public.blob.vercel-storage.com/media/43399b6a-0d29-48b6-84dd-88ef01fcb193/generated/ba2aaedcbd614b3a-rag-retrieval-folders-inline.png)

## AI কাজ শুরু করার পর কোন পরিভাষাগুলো গুরুত্বপূর্ণ?

উত্তর দেওয়া সহজ অংশ। এই চারটি পরিভাষা এমন AI-কে কভার করে যা স্বয়ংক্রিয়ভাবে পদক্ষেপ নেয়, আর কনসালটিং চুক্তিগুলো এখন সেদিকেই এগোচ্ছে।

1. এজেন্ট। একটি AI যা কোনো লক্ষ্যের দিকে লুপের মতো কাজ করে: এটি কেবল একটি উত্তর না দিয়ে পরিকল্পনা করে, টুল ব্যবহার করে, ফলাফল পরীক্ষা করে এবং পুনরায় চেষ্টা করে। এজেন্টের ক্ষেত্রেই ভুলগুলো জটিল আকার ধারণ করে, যার কারণে এই তালিকার শেষ তিনটি পরিভাষার জন্য বিল করা সম্ভব হয়।
2. MCP (Model Context Protocol)। এই [ওপেন স্ট্যান্ডার্ডটি](https://modelcontextprotocol.io) একটি AI অ্যাপ্লিকেশনের বাইরের টুল এবং ডেটার সাথে সংযোগ স্থাপন সহজ করে, যাকে প্রায়শই AI-এর জন্য USB-C পোর্ট বলা হয়। এটি ২০২৪ সালের শেষের দিকে Anthropic-এ শুরু হয়েছিল এবং এখন Linux Foundation-এর অধীনে [Agentic AI Foundation দ্বারা পরিচালিত](https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation), যা ChatGPT, Claude, Cursor এবং Microsoft Copilot-জুড়ে সমর্থিত। ক্লায়েন্টদের প্রায় প্রতিটি প্রশ্ন—"আপনার AI কি আমাদের সিস্টেমের সাথে যোগাযোগ করতে পারে?"—এখন MCP-র মাধ্যমেই সমাধান হয়।
3. অরকেস্ট্রেশন। একাধিক মডেল, টুল এবং ধাপকে একটি ওয়ার্কফ্লোতে সমন্বয় করা: কোন মডেল কী কাজ করবে, কোন ক্রমে করবে এবং একটি ধাপ ব্যর্থ হলে কী ঘটবে তা পরিচালনা করা।
4. হিউম্যান ইন দ্য লুপ। কোনো ব্যক্তি যিনি AI-এর কাজ চুড়ান্ত হওয়ার বা প্রভাব ফেলার আগে তা পর্যালোচনা করেন। সেই ব্যক্তি কোথায় ভূমিকা রাখবেন তা নির্ধারণ করাই হলো মূল ডিজাইন সিদ্ধান্ত, যার জন্য ক্লায়েন্টরা একজন কনসালট্যান্টকে অর্থ প্রদান করে।

![একটি স্ট্যান্ডার্ড কেবল যা বিভিন্ন ডিভাইসের সাথে সংযুক্ত, যা মডেল কনটেক্সট প্রোটোকলের (MCP) একটি রূপক](https://hy9joxwes0n0bta4.public.blob.vercel-storage.com/media/43399b6a-0d29-48b6-84dd-88ef01fcb193/generated/886ffdbaa7baf10a-mcp-universal-connector-inline.png)

## কোন পরিভাষাগুলো ক্লায়েন্ট প্রজেক্টকে ঝুঁকিমুক্ত রাখে?

শেষের তিনটি পরিভাষা আপনাকে একজন অন্ধ অনুরাগী না দেখিয়ে একজন পেশাদার হিসেবে উপস্থাপন করবে।

1. হ্যালুসিনেশন। আত্মবিশ্বাসের সাথে সাবলীলভাবে দেওয়া ভুল উত্তর। এটি এই সিস্টেমগুলোর একটি স্বাভাবিক ত্রুটি, কোনো ভেন্ডর গোপনে সমাধান করেছে এমন কোনো বাগ নয়।
2. গার্ডরেইল। সিস্টেমটি কী বলতে বা করতে পারে তার কঠোর সীমানা: যেসব বিষয় প্রত্যাখ্যান করে, যেসব পদক্ষেপ নেওয়া যায় না, যে সীমা অতিক্রম করা যায় না।
3. ইভালস। ইভালুয়েশনের সংক্ষিপ্ত রূপ: পুনরাবৃত্তিযোগ্য পরীক্ষা যা প্রতিটি পরিবর্তনের আগে এবং পরে পরিচিত কেসগুলোর সাপেক্ষে একটি AI সিস্টেমের স্কোর নির্ধারণ করে। আপনি যদি ইভালস ছাড়া AI সিস্টেম বিক্রি করেন, তবে আপনি কেবল অনুমানের ওপর ভিত্তি করে বিক্রি করছেন। এই পরিভাষাটি চুক্তি পেতে সাহায্য করে।

![একজন পর্যালোচক হাতে প্রিন্ট করা পৃষ্ঠাগুলো পরীক্ষা করছেন, যা AI কনসালট্যান্টদের ডিজাইন করা 'হিউম্যান ইন দ্য লুপ' ধাপকে নির্দেশ করে](https://hy9joxwes0n0bta4.public.blob.vercel-storage.com/media/43399b6a-0d29-48b6-84dd-88ef01fcb193/generated/624d8021204fc3c0-human-in-the-loop-review-inline.png)

## কোন চারটি পরিভাষা ব্যবহার করা থেকে বিরত থাকা উচিত?

এর প্রতিটি ভিন্ন ভিন্ন কারণে আপনার প্রতি সম্ভাব্য ক্লায়েন্টের ভরসা কমিয়ে দেয়।

1. "AI-powered।" এটি নির্দিষ্ট কিছু বোঝায় না এবং প্রতিটি পিচ ডেকে এটি রয়েছে। এর বদলে কৌশলটির নাম বলুন: তাদের ডকুমেন্টের ওপর RAG, মানুষের পর্যালোচনা সহ এজেন্ট, অথবা একটি ফাইন-টিউনড ক্লাসিফায়ার।
2. "Trained on your data।" সাধারণত এটি মিথ্যা। বেশিরভাগ ক্লায়েন্ট সিস্টেম ফাইন-টিউনিংয়ের বদলে RAG বা দীর্ঘ কনটেক্সট উইন্ডো ব্যবহার করে, এবং এই বাক্যাংশটি গোপনীয়তার উদ্বেগ বাড়িয়ে তোলে যা মিটিংয়ে ব্যাখ্যা করতেই সময় নষ্ট হয়। আপনি যদি সত্যিই ফাইন-টিউনিং না করেন, তবে বলুন "grounded in your data"।
3. "AGI।" আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্স হলো একটি গবেষণামূলক আলোচনার বিষয়, কাজের পরিধি নির্ধারণের পরিভাষা নয়। কোনো ক্লায়েন্ট যদি এ সম্পর্কে জিজ্ঞাসা করে, তবে সততার সাথে উত্তর দিন; শুধু এর ওপর আপনার পিচ তৈরি করবেন না, কারণ এটি এমন সব ভবিষ্যদ্বাণীর পথ তৈরি করে যা প্রমাণ করা সম্ভব নয়।
4. "100% accurate।" বা "hallucination-free।" এমন একটি গ্যারান্টি যা কেউ সততার সাথে দিতে পারে না। এর বদলে আপনার নিজস্ব ইভালস থেকে পরিমাপ করা ভুলের হার উল্লেখ করুন; শূন্য ভুলের অলীক প্রতিশ্রুতির চেয়ে একটি বাস্তব সংখ্যা চুক্তি চূড়ান্ত করতে বেশি সাহায্য করে।

## তাহলে কোন পরিভাষাগুলো প্রকৃতপক্ষে সবচেয়ে গুরুত্বপূর্ণ?

যদি কোনো ক্লায়েন্টের সাথে কথোপকথনে ৪টি পরিভাষা মূল ভূমিকা পালন করে, তবে সেগুলো হবে RAG, এজেন্ট, MCP, এবং ইভালস: সিস্টেমটি কী জানে, এটি কী করতে পারে, কিসের সাথে সংযুক্ত হতে পারে, এবং এটি যে কাজ করে তা কীভাবে প্রমাণ করবেন। এগুলো খুব ভালো করে মুখস্থ করে নিন এবং প্রয়োজন অনুযায়ী বাকিগুলো ব্যবহার করুন। সাধারণ নিয়ম: আপনি যদি ক্লায়েন্টের কাছে কোনো পরিভাষাকে এক বাক্যে সংজ্ঞায়িত করতে না পারেন, তবে পিচ থেকে সেটি বাদ দিন।

বাস্তব ক্ষেত্রে এই শব্দভাণ্ডারের প্রয়োগ দেখতে, [AI কনসালট্যান্টরা যেভাবে একটি ইন-হাউস SaaS প্রতিস্থাপনের পরিধি নির্ধারণ করেন](/blog/scoping-an-in-house-saas-replacement) নিবন্ধটি পড়ুন। কথার সাথে সরাসরি ডেমোর পার্থক্য অনুধাবন করতে, Final-এর বিল্ডারের সাথে [MCP-র মাধ্যমে আপনার নিজস্ব AI যুক্ত করুন](https://finalpos.com/help/connect-your-own-ai-mcp) এবং দেখুন কীভাবে [একটি প্রম্পট কার্যকরী POS-এ রূপান্তরিত হয়](/blog/claude-cowork-double-usage-ends-august-5)। আর আপনার ক্লায়েন্টরা যদি ব্যবসায়ী হন, তবে সহযোগী নিবন্ধ [প্রতিটি নতুন ব্যবসায়ীর জানা উচিত এমন ৩০টি POS পরিভাষা](/blog/pos-terminology-30-terms-new-merchants)-এ আলোচনা প্রসঙ্গের বাকি অর্ধেক কভার করা হয়েছে।

## FAQ

**Q: RAG এবং ফাইন-টিউনিংয়ের মধ্যে পার্থক্য কী?**
A: RAG প্রশ্নের সময় মডেলের হাতে প্রাসঙ্গিক ডকুমেন্টগুলো তুলে দেয়; অন্যদিকে ফাইন-টিউনিং নতুন উদাহরণের ওপর প্রশিক্ষণ দিয়ে মডেলটিকে পরিবর্তন করে। RAG তুলনামূলক সস্তা, দ্রুত আপডেট করা যায় এবং বেশিরভাগ ক্লায়েন্ট প্রজেক্টের জন্য সবচেয়ে উপযুক্ত ডিফল্ট বিকল্প।

**Q: AI কনসাল্টিংয়ে MCP বলতে কী বোঝায়?**
A: Model Context Protocol: একটি ওপেন স্ট্যান্ডার্ড যা AI অ্যাপ্লিকেশনগুলোকে বাইরের টুল এবং ডেটার সাথে সংযুক্ত করার সুযোগ দেয়। এটি ২০২৪ সালের শেষের দিকে Anthropic-এ শুরু হয়েছিল এবং এখন এটি Linux Foundation-এর অধীনে Agentic AI Foundation দ্বারা পরিচালিত।

**Q: AI কনসালট্যান্টদের কি কোডিং জানা প্রয়োজন?**
A: সবসময় প্রয়োজন নেই, তবে কাজের পরিধি সততার সাথে নির্ধারণ করার জন্য আপনার যথেষ্ট প্রযুক্তিগত শব্দভাণ্ডার থাকা প্রয়োজন। কাস্টম কোডের বদলে অনেক কাজই এখন প্রম্পট-ভিত্তিক টুলস এবং MCP সংযোগের মাধ্যমে পরিচালিত হয়।

**Q: কনসালট্যান্টদের কেন AI-powered বলা এড়িয়ে চলা উচিত?**
A: এটি নির্দিষ্ট কিছু নির্দেশ করে না এবং সম্ভাব্য ক্লায়েন্টরা এটি উপেক্ষা করতে অভ্যস্ত হয়ে উঠেছে। এর বদলে নির্দিষ্ট কৌশলটির নাম বলুন, যেমন ক্লায়েন্টের ডকুমেন্টের ওপর RAG বা মানুষের পর্যালোচনা সহ কোনো এজেন্ট।