ব্রিটিশ গ্যাস একজন গ্রাহককে চূড়ান্ত বিল দিতে এবং ১,৫০০ পাউন্ডের বেশি ফেরত দিতে ১৫ মাস সময় নিয়েছে, যেখানে প্রায় এক বছর আগে এনার্জি ন্যায়পালের (energy ombudsman) পক্ষ থেকে রায় দেওয়া হয়েছিল। বেথ কোজডার ২০২৪ সালের অক্টোবরে দক্ষিণ-পূর্ব লন্ডনের তার এক কক্ষের ফ্ল্যাট থেকে স্থানান্তরিত হন এবং ব্রিটিশ গ্যাস চূড়ান্ত বিল দিতে বা তার ক্রেডিট ব্যালেন্স ফেরত দিতে ব্যর্থ হওয়ায় ন্যায়পালের কাছে অভিযোগ দায়ের করেন।

এনার্জি ন্যায়পাল ২০২৫ সালের ফেব্রুয়ারিতে কোজদারের পক্ষে রায় দেন এবং ব্রিটিশ গ্যাসকে তার অনুরোধ পূরণের নির্দেশ দেন। তবে, ন্যায়পালের তার সিদ্ধান্ত কার্যকর করার আইনি ক্ষমতা নেই। কোজডার এই সপ্তাহে তার রিফান্ডের প্রস্তাব পান, তার মামলাটি একটি ছোট দাবি আদালতে শোনার জন্য নির্ধারিত হওয়ার কিছুক্ষণ আগে।

ব্রিটিশ গ্যাস জানিয়েছে যে তারা কোজদারের জন্য "ন্যায়পালের প্রতিকার বাস্তবায়ন করছে" এবং বিলম্বের জন্য ক্ষমা চেয়েছে। কোম্পানি এক বিবৃতিতে বলেছে, "দেরি হওয়ার জন্য আমরা দুঃখিত।"

বিবিসিকে দেওয়া এক সাক্ষাৎকারে কোজডার এই প্রক্রিয়াটিকে "অবিরাম", "ক্লান্তিকর" এবং "পুরোপুরি হতাশাজনক" বলে বর্ণনা করেছেন। চূড়ান্ত বিল তৈরি করার সুবিধার্থে তিনি ফ্ল্যাট থেকে চলে যাওয়ার সময় ব্রিটিশ গ্যাসকে মিটার রিডিং সরবরাহ করেছিলেন।

এই বিলম্ব জ্বালানি খাতে গ্রাহক পরিষেবা এবং বিলিংয়ের যথার্থতা নিয়ে চলমান উদ্বেগকে তুলে ধরে। যদিও জ্বালানি সংস্থাগুলি ক্রমবর্ধমানভাবে এআই (AI) এবং মেশিন লার্নিং ব্যবহার করছে বিলিং এবং গ্রাহক সহায়তা সহ কার্যক্রমকে সুবিন্যস্ত করতে, কোজদারের মতো ঘটনাগুলি এই প্রযুক্তিগুলির সীমাবদ্ধতা প্রদর্শন করে যখন সঠিকভাবে প্রয়োগ বা তদারকি করা হয় না। উদাহরণস্বরূপ, এআই-চালিত বিলিং সিস্টেমগুলি শক্তি ব্যবহারের হিসাব স্বয়ংক্রিয় করতে এবং নির্ভুল বিল তৈরি করার জন্য ডিজাইন করা হয়েছে। তবে, এই সিস্টেমগুলি নির্ভুল ডেটা ইনপুট এবং শক্তিশালী অ্যালগরিদমের উপর নির্ভর করে। মিটার রিডিংয়ে ত্রুটি, ভুল ট্যারিফ তথ্য, বা অ্যালগরিদমের ত্রুটিগুলি ভুল বিল এবং ফেরত দিতে বিলম্বের কারণ হতে পারে।

গ্রাহক পরিষেবাতে এআই-এর ব্যবহার জবাবদিহিতা এবং স্বচ্ছতা সম্পর্কেও প্রশ্ন তোলে। চ্যাটবট এবং ভার্চুয়াল সহকারীরা প্রায়শই গ্রাহকদের জন্য প্রথম যোগাযোগের মাধ্যম, তবে তারা জটিল সমস্যাগুলি পরিচালনা করতে বা ব্যক্তিগত সহায়তা প্রদানে সজ্জিত নাও হতে পারে। এটি হতাশা এবং বিলম্বের কারণ হতে পারে, বিশেষ করে দুর্বল গ্রাহকদের জন্য।

জ্বালানি খাতের জন্য এআই-এর সর্বশেষ অগ্রগতি এই সিস্টেমগুলির যথার্থতা এবং নির্ভরযোগ্যতা উন্নত করার দিকে দৃষ্টি নিবদ্ধ করে। সংস্থাগুলি উন্নত মেশিন লার্নিং মডেলে বিনিয়োগ করছে যা বিলিং ডেটাতে ত্রুটি সনাক্ত এবং সংশোধন করতে, শক্তি ব্যবহারের ধরণগুলির পূর্বাভাস দিতে এবং গ্রাহকের মিথস্ক্রিয়াগুলিকে ব্যক্তিগতকৃত করতে পারে। তবে, এই অগ্রগতিগুলির জন্য ডেটা গোপনীয়তা, অ্যালগরিদমিক পক্ষপাত এবং ন্যায্য এবং ন্যায়সঙ্গত ফলাফল নিশ্চিত করার জন্য মানুষের তদারকির দিকে মনোযোগ দেওয়া প্রয়োজন।