مهارت های لازم برای کارشناس هوش مصنوعی: فهرست فنی و نرم
مهارت های لازم برای کارشناس هوش مصنوعی در دو دسته جا می‌گیرند: مهارتهای فنی، یعنی پرامپتنویسی، کار با ابزارها و ایجنت‌ها، اتوماسیون بدون کدنویسی و تحلیل داده‌ی پایه؛ و مهارتهای نرم، یعنی شناخت فرایند کسبوکار، آموزش به تیم و حل مسئله.
خبر خوب این است که برای نقشهای کاربردی، هیچ‌کدام از این‌ها پیش‌نیاز برنامهنویسی ندارد.
اینجا فقط درباره‌ی مهارتها حرف می‌زنم. اگر هنوز نمی‌دانید کارشناس هوش مصنوعی کیست یا در شرکتها دقیقاً چه کاری انجام می‌دهد، اول آن دو مطلب را بخوانید.
خلاصه در یک نگاه
- پرامپتنویسی پایهی همه‌ی مهارتهای فنی است؛ از همین‌جا شروع کنید.
- چند ابزار را عمیق بلد بودن، از اسم صد ابزار را دانستن مفیدتر است.
- مهارتهای نرم دیرتر یاد گرفته می‌شوند، اما معمولاً بیشتر فرق ایجاد می‌کنند.
- برای بیشتر نقشهای کاربردی، برنامهنویسی پیش‌نیاز نیست.
چرا مهارت های لازم برای کارشناس هوش مصنوعی هم فنی است هم نرم؟
کوتاهش این است: باید بتواند با ابزار حرف بزند و با آدم‌ها هم. مهارتهای فنی و نرم کارشناس هوش مصنوعی مثل دو پای یک نفرند؛ با یکی میشود لی‌لی کرد، ولی راه رفتن نه. کسی که ابزار را خوب بلد است ولی نمی‌فهمد کسبوکار چه می‌خواهد، راه‌حل‌هایی می‌سازد که کسی از آن‌ها استفاده نمی‌کند.
مهارتهای فنی کارشناس هوش مصنوعی کدام‌اند؟
وقتی می‌گویم «فنی»، نترسید. منظورم کد نیست؛ منظورم کار دقیق و درست با ابزارهای آماده است.
پرامپتنویسی
اگر فقط یک مهارت را بتوانید یاد بگیرید، همین است. پرامپتنویسی یعنی درخواستتان را طوری بنویسید که خروجی قابل استفاده بگیرید، نه چیزی که دوباره باید از اول بنویسید. فرقش را ببینید:
پرامپت ضعیف: «یک متن برای پیگیری مشتری بنویس.»
پرامپت قوی‌تر: «نقش تو کارشناس فروش یک آموزشگاه زبان در شیراز است. برای [نام مشتری] که هفته‌ی پیش درباره‌ی کلاس مکالمه پرسیده و ثبت‌نام نکرده، یک پیام پیگیری کوتاه و محترمانه بنویس. لحن صمیمی باشد، فشار فروش نداشته باشد و آخرش یک سؤال ساده بپرسد.»
مشکل از ابزار نبود؛ از درخواست بود. پرامپت دوم نقش، هدف، زمینه، قالب و محدودیت را مشخص کرده است. این پنج اصل را در مطلب پرامپت نویسی چیست؟ کامل توضیح داده‌ام.
کار با ابزارها و ایجنت‌ها
کارشناس باید بداند کدام ابزار برای متن خوب است، کدام برای تصویر، کدام برای خلاصه کردن یک سند طولانی و کدام برای جست‌وجو. لازم نیست همه را بشناسید؛ ابزارها مدام عوض می‌شوند و دنبال کردن همه‌شان فقط خسته‌تان میکند. چند ابزار اصلی را عمیق یاد بگیرید و محدودیت‌هایشان را هم بشناسید.
یک قدم جلوتر، ایجنت‌ها هستند؛ دستیارهایی که فقط جواب نمی‌دهند و چند قدم کار را خودشان پیش می‌برند. کارشناسی که بداند ایجنت چطور هدف، ابزار، حافظه و برنامه‌ریزی را کنار هم می‌گذارد، بهتر تشخیص می‌دهد کجا ایجنت به درد می‌خورد و کجا نه. اگر این مفهوم برایتان تازه است، مطلب ایجنت هوش مصنوعی چیست؟ را ببینید.
محدودیت‌های ایران را هم جزو همین مهارت حساب کنید. بعضی ابزارها از ایران پشتیبانی نمی‌کنند و نسخه‌ی پولی‌شان پرداخت ارزی می‌خواهد. کارشناس خوب از اول ابزاری پیشنهاد می‌دهد که تیم واقعاً بتواند به آن دسترسی داشته باشد.
اتوماسیون بدون کدنویسی
خیلی از کارهای تکراری یک مجموعه، زنجیره‌ای از قدم‌های ساده است: فرم پر میشود، اطلاعات در یک جدول ثبت میشود، یک پیام فرستاده میشود. ابزارهای بدون کد، مثل n8n، این امکان را می‌دهند که این قدم‌ها را مثل یک نمودار به هم وصل کنید و هوش مصنوعی را هم وسطشان بگذارید.
مهارت اصلی اینجا خود ابزار نیست؛ «تفکر سیستمی» است. یعنی بتوانید یک کار را به قدم‌های کوچک بشکنید و ببینید کدام قدم را ماشین انجام دهد و کدام را آدم. مثلاً در یک دفتر املاک، ثبت مشخصات فایل جدید و آماده کردن پیش‌نویس آگهی را میشود خودکار کرد؛ تماس با مالک را نه.
تحلیل داده پایه
نگران نشوید؛ منظورم آمار پیشرفته نیست. منظورم این است که بتوانید یک جدول اکسل یا گوگل‌شیت را مرتب نگه دارید، ستون‌ها را درست تعریف کنید و از هوش مصنوعی بخواهید از آن خلاصه و نکته دربیاورد. مدیر یک شرکت پخش که هر هفته چند جدول فروش دارد، به کسی نیاز دارد که این داده‌ها را به چند جمله‌ی قابل تصمیم تبدیل کند.
یک نکته‌ی مهم: هوش مصنوعی گاهی در عددها اشتباه میکند. کارشناس باید آن‌قدر داده را بفهمد که وقتی خروجی عجیب است، متوجه شود.
مهارتهای نرم کارشناس هوش مصنوعی کدام‌اند؟
این بخش را خیلی‌ها جدی نمی‌گیرند و بعد تعجب می‌کنند که چرا با وجود تسلط بر ابزارها، پروژه‌شان جلو نمی‌رود.
شناخت فرایند کسبوکار
قبل از اینکه ابزاری پیشنهاد بدهید، باید بدانید کار آن مجموعه از کجا شروع میشود و کجا گیر میکند. در یک کلینیک دندانپزشکی، مشکل ممکن است نوبت‌های لغوشده باشد؛ در یک فروشگاه اینستاگرامی، پیام‌های بی‌جواب. ابزار یکی است، ولی نسخه فرق دارد.
کسی که حسابداری، فروش یا آموزش خوانده، اینجا یک مزیت جدی دارد: آن حوزه را از درون می‌شناسد. اگر چنین سابقه‌ای دارید، آن را دست‌کم نگیرید.
ارتباط و آموزش به تیم
ابزاری که کسی بلد نیست، استفاده نمی‌شود. کارشناس باید بتواند به منشی کلینیک یا ادمین پیج، به زبان ساده و بدون اصطلاحات فنی، توضیح بدهد چه کاری را چطور انجام دهد. نوشتن یک راهنمای کوتاه، ساختن یک کتابخانه‌ی پرامپت برای تیم و حوصله برای جواب دادن به سؤال‌های تکراری، همه جزو همین مهارت است.
یک بخش دیگرش هم گوش دادن است. گاهی همکارها نگران‌اند که هوش مصنوعی جایشان را بگیرد. کارشناسی که این نگرانی را بشنود و توضیح بدهد ابزار قرار است کدام کار تکراری را از دوششان بردارد، خیلی راحت‌تر همراهی می‌گیرد.
حل مسئله
«می‌خواهیم از هوش مصنوعی استفاده کنیم» مسئله نیست. «می‌خواهیم گزارش هفتگی فروش زودتر آماده شود» مسئله است. مهمترین مهارت ذهنی کارشناس همین تبدیل است: گرفتن یک خواستهی کلی و تبدیلش به یک کار مشخص و قابل اندازه‌گیری.
بعد از آن، امتحان کردن، دیدن نتیجه و اصلاح کردن است. راه‌حل اول به‌ندرت بهترین راه‌حل است.
آیا برای کارشناس هوش مصنوعی شدن برنامهنویسی لازم است؟
برای بیشتر نقشهای کاربردی، نه. پیش‌نیاز کارشناس هوش مصنوعی در این نقش‌ها بیشتر کنجکاوی، دقت و حوصله برای تمرین است تا کد. برنامهنویسی وقتی لازم میشود که بخواهید مدل یا نرمافزار اختصاصی بسازید؛ آن مسیر دیگری است. این موضوع را در مطلب مشاور هوش مصنوعی بدون برنامه نویسی مفصل باز کرده‌ام؛ همان منطق برای کارشناس هم صدق میکند.
مهارتها را به چه ترتیبی یاد بگیریم؟
همه را با هم شروع نکنید. این جدول پیشنهاد من برای ترتیب یادگیری است؛ یک راهنماست، نه قانون.
| مهارت | سطح مبتدی: از اینجا شروع کنید | سطح میانی: بعد از چند پروژه‌ی واقعی |
|---|---|---|
| پرامپتنویسی | پنج اصل پرامپت و بازنویسی پرامپت‌های ضعیف | کتابخانه‌ی پرامپت برای تیم و قالب‌های ثابت |
| ابزارها و ایجنت‌ها | تسلط بر یکی دو ابزار متنی | ابزارهای تصویر و صدا، آشنایی با ایجنت‌ها |
| اتوماسیون | شکستن یک کار به قدم‌های کوچک روی کاغذ | ساخت گردش کار ساده با ابزار بدون کد |
| تحلیل داده | مرتب نگه داشتن یک جدول | گرفتن خلاصه و گزارش از داده با هوش مصنوعی |
| شناخت کسبوکار | تحلیل کار و حوزه‌ی خودتان | تحلیل فرایند یک کسبوکار دیگر |
| آموزش به تیم | مستند کردن کاری که خودتان کرده‌اید | آموزش یک همکار یا یک تیم کوچک |
| حل مسئله | تبدیل یک خواستهی کلی به یک کار مشخص | اولویت‌بندی بین چند فرصت |
این مهارتها را از کجا یاد بگیریم؟
از ابزار شروع کنید، نه از تئوری. همین هفته یک کار تکراری خودتان را با هوش مصنوعی انجام دهید و پرامپت‌هایی را که جواب داد جایی بنویسید. منابع رایگان برای شروع کافی‌اند.
اما اگر می‌خواهید این مسیر منظم‌تر و با بازخورد پیش برود، یک دوره آموزش هوش مصنوعی که روی پروژه‌ی واقعی تکیه دارد زمان را کوتاه‌تر میکند. قبل از ثبت‌نام در هر دوره‌ای، معیارهایی را که در مطلب انتخاب دوره آموزش هوش مصنوعی نوشته‌ام چک کنید. دوره‌ی تربیت کارشناس و مشاور هوش مصنوعی هم برای همین مسیر طراحی شده است؛ سرفصل دقیقش را در صفحه‌ی دوره ببینید.
سوالات متداول
کارشناس هوش مصنوعی باید برنامهنویسی بلد باشد؟
برای نقشهای کاربردی، نه. برای ساختن مدل و نرمافزار اختصاصی، بله؛ ولی آن نقش فنیتری است.
مهمترین مهارت کارشناس هوش مصنوعی چیست؟
اگر یکی را انتخاب کنم، تبدیل یک خواستهی کلی به مسئلهی مشخص. در سمت فنی هم پرامپتنویسی، چون پایهی بقیهی مهارتهاست.
یادگیری مهارتهای کارشناس هوش مصنوعی چقدر طول می‌کشد؟
جدول تضمینی وجود ندارد؛ به هدف و وقت تمرینتان بستگی دارد. جواب مفصل را در مطلب آموزش هوش مصنوعی چقدر طول می‌کشد؟ نوشته‌ام.
برای کارشناس هوش مصنوعی شدن مدرک دانشگاهی لازم است؟
برای نقشهای کاربردی، معمولاً نمونهکار و مهارت عملی از مدرک مهمتر است. البته بعضی شرکتها، بهخصوص در نقشهای فنی، مدرک مرتبط را هم میخواهند؛ شرح آگهی را دقیق بخوانید.
مهارتهای نرم برای کارشناس هوش مصنوعی چقدر مهم است؟
خیلی. ابزارها را میشود نسبتاً سریع یاد گرفت؛ ولی فهمیدن کسبوکار، آموزش دادن به تیم و حل مسئله چیزی است که کار شما را واقعاً به نتیجه میرساند. یک مشاور هوش مصنوعی هم دقیقاً روی همین مهارتها تکیه میکند.
قدم بعدی چیست؟
همین امروز جدول بالا را باز کنید و ستون «مبتدی» را مرور کنید. کنار هر مهارت بنویسید الان کجای آن هستید. بعد فقط یکی را انتخاب کنید، احتمالاً پرامپتنویسی، و این هفته روی یک کار واقعی تمرینش کنید.
اگر می‌خواهید این مهارتها را منظم، با پروژه‌ی واقعی و بدون برنامهنویسی یاد بگیرید، دوره‌ی تربیت مشاور هوش مصنوعی قدم منطقی بعدی است؛ همان مسیر، سریع‌تر و هدایت‌شده.
نظرها
هنوز نظری منتشر نشده؛ اولین نفر باش.
نظرت را بنویس
دکتر علی اخوان
مدرس و مشاور هوش مصنوعی کسبوکار، نویسنده کتاب «پرامپت‌های پولساز»
بیش از ۸ سال سابقه تدریس و آموزش کاربردی هوش مصنوعی برای کسبوکار و درآمد؛ بنیان‌گذار دوره تربیت مشاور هوش مصنوعی و طراح چارچوب پنج‌اصلی پرامپتنویسی (روش دکتر اخوان).
درباره دکتر اخوان ←
