“AI add করা যাবে?” product requirement না।

Diagnosis-এর শুরু।

কখনো AI repetitive কাজের ঘণ্টা বাঁচায়।

কখনো form, rule, search index বা better template কম cost আর risk-এ problem solve করে।

Workflow automate করার আগে এই checklist।

১. Pain frequent আর expensive?

বছরে দুইবার হওয়া workflow first automation target না।

দেখি:

• repeated volume;
• meaningful time;
• avoidable delay;
• costly inconsistency;
• copy-paste judgment;
• business value বোঝা যায় এমন result।

Model-এর আগে problem থাকতে হবে।

২. Input describe করা যায়?

System কী পাচ্ছে জানে না—এমন জায়গায় AI poor।

Inventory:

• source;
• format;
• language;
• missing field;
• size;
• sensitivity;
• ownership;
• freshness;
• bad example।

“Documents পড়ে” vague।

কোন document? কার? কোন version? কোন access?

৩. Judgment নাকি deterministic logic?

Deterministic rule-এ deterministic code।

যেমন:

• tax calculation;
• permission check;
• invoice total;
• eligibility threshold;
• status transition;
• required-field validation।

Ambiguity থাকলে AI extract, summarize, classify, draft বা rank করতে পারে।

Exactভাবে লেখা ও test করা যায়—এমন rule replace করবে না।

৪. Wrong answer-এর cost

Error tolerance architecture ঠিক করে।

Low cost:

• human-review করা subject line draft।

High cost:

• financing approve;
• binding quote;
• account access change;
• health/legal guidance publish;
• business data delete।

Cost বাড়লে evidence, narrow scope, human approval আর deterministic protection বাড়ে।

৫. Human কোথায়?

“Human in the loop” শুধু Approve button না।

Reviewer-এর দরকার:

• context;
• uncertainty;
• original source;
• editable output;
• easy reject;
• accept করার pressure না;
• workflow improve করা feedback।

Review task-এর চেয়ে slow হলে design wrong।

৬. কোন data বাইরে যায়?

Model provider call-এর আগে:

• data classify;
• payload minimize;
• unnecessary identifier remove;
• retention setting;
• region/contract requirement;
• secret server-side;
• safe log;
• deletion।

Prototype convenient বলে customer data পাঠাবেন না।

৭. AI unavailable হলে?

Provider timeout, rate limit, invalid output।

Define:

• timeout;
• retry;
• queue;
• fallback model বা deterministic path;
• manual continuation;
• user-visible status;
• no-duplicate behavior।

Side effect হয়ে গেলে শুধু “try again” যথেষ্ট না।

৮. Output constrain কীভাবে?

Task অনুযায়ী:

• structured output schema;
• allowed value;
• approved-source retrieval;
• input/output limit;
• prohibited action;
• post-generation validation;
• tool permission boundary;
• source record citation।

Model propose করে।

Application enforce করে।

৯. Baseline কী?

Automation-এর আগে measure:

• time per case;
• error/rework;
• queue delay;
• completion;
• human touch;
• customer outcome;
• cost।

তারপর compare।

Baseline ছাড়া “AI time saved” feeling।

১০. Safely stop করা যায়?

Business-এর দরকার:

• feature flag বা controlled rollout;
• model/prompt version;
• audit trail;
• rollback;
• stored-output policy;
• owner;
• review date।

AI feature one-time integration না, operating system।

আমার decision

Automate করি যখন:

• pain real ও repeated;
• input governable;
• ambiguity model-এর fit;
• error cost controlled;
• human responsibility clear;
• privacy acceptable;
• fallback আছে;
• improvement measurable।

Condition fail করলে workflow আগে improve।

Production safeguard-এর জন্য responsible AI feature। First release-এর জন্য SaaS MVP cut।

Manual workflow থাকলে এক real input, current step আর wrong result-এর cost পাঠান।