📋

تحلیل‌گر کسب‌وکار هوش مصنوعی

AI Business Analyst

تحلیل‌گر کسب‌وکار هوش مصنوعی پل میان واحدهای کسب‌وکار و تیمی است که ایجنت، دستیار و سیستم‌های AI را می‌سازد. او پیدا می‌کند کجای کار AI واقعاً کمک می‌کند، نیاز مبهم را به نیازمندی دقیق و قابل‌آزمون، user story و نقشهٔ فرایند تبدیل می‌کند، معیار پذیرش و آزمون کاربر (UAT) را برای سیستم AI تعریف می‌کند و بعد از راه‌اندازی، نتیجه را با معیارهای موفقیت می‌سنجد. هستهٔ این شغل تحلیل کسب‌وکار است، نه ساختن داشبورد یا نوشتن کد.

Requirements & User StoriesProcess Mapping (BPMN)UATGenAI / LLM ConceptsJira / Azure DevOpsDiscovery Workshops

مقدمه و تعریف شغل

تحلیل‌گر کسب‌وکار هوش مصنوعی (AI Business Analyst) همان کار تحلیل‌گر کسب‌وکار را انجام می‌دهد، با این تفاوت که راه‌حل‌ها ایجنت، دستیار، سیستم RAG یا اتوماسیون مبتنی بر مدل زبانی‌اند. او با واحدهای کسب‌وکار می‌نشیند، فرایند فعلی را می‌فهمد، پیدا می‌کند کجا AI ارزش می‌سازد و کجا نه، و نیاز را به نیازمندی، user story و معیار پذیرشی تبدیل می‌کند که تیم مهندسی بتواند مستقیم از رویش بسازد. بعد در آزمون، راه‌اندازی و سنجش نتیجه هم حاضر است. آگهی Gallagher این نقش را «حلقهٔ اتصال واحدهای کسب‌وکار با مهندسان، معماران و مهندسان داده‌ای که ایجنت‌ها و پایپ‌لاین‌های AI شرکت را می‌سازند» تعریف می‌کند.

IIBA، مرجع بین‌المللی این حرفه، تحلیل کسب‌وکار را «ایجاد تغییر در سازمان با تعریف نیازها و پیشنهاد راه‌حل‌هایی که برای ذی‌نفعان ارزش بسازد» تعریف می‌کند و در صفحهٔ مدرک‌هایش می‌نویسد تحلیل کسب‌وکار همان چیزی است که سرمایه‌گذاری روی AI را به ارزش کسب‌وکار تبدیل می‌کند. در آگهی‌های ۲۰۲۶ عنوان AI Business Analyst یا نزدیک به آن در آمریکا، کانادا، بریتانیا، آلمان، استرالیا، هند، سنگاپور و سوئیس دیده می‌شود؛ با نام‌هایی مثل Business Analyst, AI Transformation، AI Business Systems Analyst، Enterprise AI Use Case Analyst و در کبک Analyste d'affaires en IA. آمار رسمی گروه جداگانه‌ای برای این شغل ندارد: O*NET عنوان Business Analyst را زیر «تحلیل‌گران مدیریت» و «تحلیل‌گران هوش تجاری» و عنوان Business Systems Analyst را زیر «تحلیل‌گران سیستم‌های کامپیوتری» گزارش می‌کند. یک نکته هنگام خواندن آگهی‌ها: همین عنوان گاهی برای نقش‌های تحلیل داده (Job&Talent، Huckberry) یا نقش‌های ترکیبی تحلیل و ساخت (Cantor Fitzgerald) هم به کار می‌رود، پس شرح وظایف را بخوانید.

چه چیزی می‌سازید؟

مثال‌های واقعی از خروجی کار یک تحلیل‌گر کسب‌وکار هوش مصنوعی

🗺️

نقشهٔ فرایند فعلی و هدف

Gallagher از تحلیل‌گر می‌خواهد جریان کار فعلی و آینده را با Lucidchart یا Mermaid بکشد تا معلوم شود AI و اتوماسیون کجا ارزش واقعی می‌سازند و کجا هنوز یک نقطهٔ کنترل انسانی لازم است.

📐

مشخصاتی که مهندس از رویش می‌سازد

در آگهی Nimbly خروجی تحلیل‌گر سندی است شامل محرک‌ها، ورودی‌ها، تصمیم‌ها، فراخوانی ابزارها، خروجی‌ها، حالت‌های لبه، معیار موفقیت و نقطه‌های کنترل انسانی؛ آن‌قدر روشن که مهندس بسازد و آن‌قدر دقیق که مشتری امضا کند.

🤖

تعریف رفتار ایجنت

آگهی Brunel برای پروژه‌های Salesforce Agentforce از تحلیل‌گر می‌خواهد موضوع‌ها، دستورالعمل‌ها، actionها، مرز گفت‌وگو، مسیر جایگزین و شرایط ارجاع به انسان را برای هر ایجنت مشخص کند.

✅

معیار پذیرش و برنامهٔ آزمون برای AI

Brunel معیارهایی مثل ارتباط پاسخ، grounded بودن، انجام کامل کار و ارجاع به‌موقع به انسان را می‌خواهد و Gallagher موارد آزمونی که روی حالت‌های لبه و خطا تمرکز دارند، یعنی همان‌هایی که آزمون‌های تولیدشده با AI معمولاً جا می‌اندازند.

🗂️

فهرست و اولویت‌بندی use caseها

Quadbridge از تحلیل‌گر می‌خواهد فهرست use caseها و ایجنت‌های سازمان را با هدف، مالک و سطح اهمیت هر کدام نگه دارد. First Citizens Bank برای همین کار عنوان جداگانهٔ Enterprise AI Use Case Analyst گذاشته است: دریافت، ارزیابی، اولویت‌بندی و پیگیری use caseها.

📈

سنجش ارزش پس از راه‌اندازی

Renaissance Financial می‌خواهد پیش از راه‌اندازی خط مبنا اندازه گرفته شود و بعد متریک‌های پذیرش، بهره‌وری، کیفیت و حاکمیت گزارش شود. Oshkosh Defense اولویت‌بندی use caseها را با برآورد روشن بازگشت سرمایه می‌خواهد.

تخصص‌های مختلف تحلیل‌گر کسب‌وکار هوش مصنوعی

این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد

🛠️

تحلیل‌گر تحویل پروژه‌های AI

AI Delivery Business Analyst

تحلیل‌گر داخل تیمی که ایجنت و RAG می‌سازد: نیازمندی، مشخصات، UAT و traceability. آگهی‌های Gallagher و Quadbridge نمونهٔ این نوع‌اند.

🤖

تحلیل‌گر ایجنت روی یک پلتفرم

Agentic AI Business Analyst (Platform)

تخصص در یک پلتفرم مشخص، مثل Salesforce Agentforce در آگهی Brunel که ۳ سال سابقهٔ پروژه‌های Salesforce را هم شرط گذاشته است.

🛡️

تحلیل‌گر use case و حاکمیت AI

AI Use Case & Governance Analyst

دریافت و ارزیابی ایده‌ها، دسته‌بندی ریسک و هماهنگی تأییدها؛ مثل Enterprise AI Use Case Analyst در First Citizens Bank که ارزیابی ریسک و فرایندهای تأیید را هم هماهنگ می‌کند.

📣

تحلیل‌گر توانمندسازی و پذیرش AI

AI Enablement / Adoption Analyst

کمک به کارکنان برای استفادهٔ درست از ابزارهایی مثل Microsoft Copilot و سنجش ارزش آن؛ Eldercare این تحلیل‌گر را «منبع مرکزی هماهنگی AI» سازمان می‌داند و Oshkosh و AbbVie عنوان AI Enablement را به کار برده‌اند.

💻

تحلیل‌گر محصولات AI در شرکت نرم‌افزاری

AI Product Business Analyst

کار روی قابلیت‌های AI یک محصول نرم‌افزاری برای مشتریان؛ مثل AI Studio در Infor که با مهندسان مستقر نزد مشتری (FDE) راه‌حل‌های تولیدشده را با workflowهای واقعی مشتری می‌سنجد، یا تیم AI/ML در TechnologyOne.

تفاوت با شغل‌های مشابه

کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟

تحلیل‌گر داده و تحلیل‌گر هوش تجاریData Analyst / BI Analyst

صفحهٔ تحلیل‌گر داده همین مرز را با تعریف IIBA می‌کشد: تحلیل کسب‌وکار روی نیازمندی، فرایند و تغییر تمرکز دارد و تحلیل‌گر داده با خود داده به سؤال جواب می‌دهد. تحلیل‌گر BI هم بیشتر گزارش و داشبوردهای تکرارشونده را می‌سازد و نگه می‌دارد. در بیشتر آگهی‌های AI Business Analyst (Gallagher، Quadbridge، Scotiabank) خروجی اصلی user story، معیار پذیرش، نقشهٔ فرایند و UAT است، نه کوئری و داشبورد. مرز باز است: Job&Talent از AI Business Analyst خود ساخت مدل تحلیلی و داشبورد با SQL را می‌خواهد و Huckberry کار با SQL و BigQuery را.

مدیر محصول هوش مصنوعیAI Product Manager

مدیر محصول AI مالک یک محصول و نتیجهٔ آن است و تصمیم می‌گیرد چه چیزی، برای چه کسی و با چه معیار موفقیتی ساخته شود. تحلیل‌گر کسب‌وکار AI معمولاً کنار Product Owner کار می‌کند و آن تصمیم‌ها را به نیازمندی و معیار پذیرش آماده برای توسعه تبدیل می‌کند؛ Scotiabank و TechnologyOne همکاری با Product Owner را صریحاً جزو کار تحلیل‌گر آورده‌اند. این دو مسیر به هم راه دارند: Quadbridge سابقه به‌عنوان تحلیل‌گر یا Product Owner را برابر می‌پذیرد.

مشاور و استراتژیست هوش مصنوعیAI Consultant / AI Strategist

مشاور AI کمک می‌کند تصمیم گرفته شود چه چیزی و چرا ساخته شود و استراتژیست بیشتر با مدیران ارشد روی business case و نقشهٔ راه کار می‌کند. تحلیل‌گر کسب‌وکار AI داخل تیم تحویل است: Quadbridge او را در تمام چرخهٔ تحویل کنار معمار و توسعه‌دهندگان می‌نشاند و Gallagher از او مشخصاتی می‌خواهد که مهندسان مستقیم از رویش بسازند و مالکیت UAT را. در شرکت‌های مشاوره مرز کم‌رنگ‌تر است؛ EPAM برای همین نقش سابقه به‌عنوان تحلیل‌گر، Product Owner یا مشاور را می‌پذیرد.

متخصص اتوماسیون هوش مصنوعیAI Automation Specialist

متخصص اتوماسیون workflowها را خودش روی پلتفرم‌های آماده می‌سازد، راه می‌اندازد و نگه می‌دارد. تحلیل‌گر کسب‌وکار AI بیشتر مشخص می‌کند چه چیزی باید ساخته شود و بعد آن را می‌آزماید؛ ساختن با مهندسان یا متخصصان پلتفرم است. نقش‌های ترکیبی هم هست: Cantor Fitzgerald نقش خود را صریحاً «ترکیبی از تحلیل‌گر و سازنده» می‌نامد، Stellix ساخت راه‌حل با Power Automate و Claude Code را می‌خواهد و Renaissance Financial تسلط به Python، PowerShell و JSON را شرط گذاشته است.

تأثیر در صنایع مختلف

تحلیل‌گر کسب‌وکار هوش مصنوعی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری

🛡️

بیمه

Gallagher تحلیل‌گری برای چند پروژهٔ هم‌زمان RAG، ایجنت و یکپارچه‌سازی می‌خواهد و آشنایی با فرایندهای خسارت و صدور بیمه‌نامه و حاکمیت مدل‌های AI مطابق NAIC را امتیاز می‌داند

🏦

بانک و مدیریت ثروت

تیم محصول AI بخش مدیریت ثروت Scotiabank راه‌حل‌هایی برای بهبود کار مشاوران مالی می‌سازد، First Citizens Bank برای use caseهای AI تحلیل‌گر جداگانه دارد و Cantor Fitzgerald خدمات مشترک خود را با AI و اتوماسیون بازطراحی می‌کند

💊

داروسازی

تحلیل‌گران سیستم AbbVie روی اپلیکیشن‌ها و پلتفرم‌های AI بخش تحقیق و توسعه کار می‌کنند و برای سطح ارشد تجربه در محیط‌های GxP خواسته شده است

🧩

نرم‌افزار سازمانی و ERP

Infor در AI Studio می‌خواهد هر کاربر کسب‌وکار بتواند مسئله‌اش را به زبان ساده بگوید و راه‌حل پیکربندی‌شده تحویل بگیرد؛ تحلیل‌گر نیازمندی‌های ERP را به مشخصات قابل‌اجرا برای workflowهای ایجنتیک تبدیل می‌کند

🏭

صنعت، انرژی و دفاع

Oshkosh Defense تحلیل‌گری برای کشف use caseهای AI و یادگیری ماشین با برآورد بازگشت سرمایه می‌خواهد و Hitachi Energy برای تحویل پروژه‌های AI روی پلتفرم‌هایی مثل Azure AI

🏛️

دولت فدرال آمریکا

Accenture Federal Services تحلیل‌گر را برای پیاده‌سازی Gemini for Gov، M365 Copilot و ChatGPT Gov می‌خواهد، با رعایت چارچوب‌هایی مثل FedRAMP و NIST

🏥

مراقبت از سالمندان

Eldercare در استرالیا تحلیل‌گر AI را مسئول هماهنگی AI در کل سازمان، برگزاری کارگاه، آموزش کارکنان برای استفادهٔ مسئولانه از Copilot و گزارش به مدیران کرده است

تصورات غلط رایج

قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید

AI Business Analyst همان تحلیل‌گر داده است که با AI داشبورد می‌سازد

در بیشتر آگهی‌ها، از Gallagher و Quadbridge تا Scotiabank و Infor، کار اصلی گردآوری نیازمندی، نوشتن user story و معیار پذیرش، نقشهٔ فرایند و UAT است. SQL و داشبورد فقط در بخشی از آگهی‌های هم‌نام، مثل Job&Talent و Huckberry، محور کار است.

برای این شغل باید برنامه‌نویس باشید

Quadbridge «آشنایی عملی با مفاهیم AI» و Gallagher کار با ابزارهایی مثل Copilot و Claude را می‌خواهند، نه کدنویسی. البته نقش‌های ترکیبی هم هست: Renaissance Financial تسلط به Python، PowerShell و JSON را شرط گذاشته است. پیش از اقدام، شرح وظایف را بخوانید.

AI که user story و مستندات می‌نویسد، جای تحلیل‌گر را می‌گیرد

آگهی Gallagher دلیل وجود این نقش را دقیقاً همین می‌داند: ابزارهای AI مولد بخش زیادی از پیش‌نویس اولیه را می‌نویسند، پس تحلیل‌گر برای کارهایی است که این ابزارها نمی‌توانند، یعنی قاب‌بندی مسئلهٔ مبهم، ثبت استثناها و بررسی درستی خروجی AI. Huckberry هم می‌خواهد کار تولیدشده با AI محک زده شود، نه اینکه درست فرض شود.

این شغل نقطهٔ ورود مستقیم برای تازه‌کارهاست

بیشتر آگهی‌ها سابقهٔ تحلیل کسب‌وکار می‌خواهند: Quadbridge حداقل ۳ سال، Gallagher ۳ تا ۵ سال، Eldercare ۴ سال و صریحاً نوشته برای تازه‌فارغ‌التحصیل‌ها مناسب نیست، Infor ۵ سال. استثناها هم هست: Huckberry ۰ تا ۲ سال، Job&Talent ۰ تا ۳ سال و Renaissance Financial ۱ تا ۳ سال.

بدون مدرک CBAP شانسی ندارید

در آگهی‌ها مدرک تحلیل کسب‌وکار امتیاز است، نه شرط: Quadbridge مدرک‌هایی مثل CBAP، CSPO یا PMI-PBA را «امتیاز» می‌داند و Gallagher مدرک IIBA یا PMI-PBA را در بخش ترجیحی آورده است. IIBA خودش CBAP را برای کسانی با بیش از پنج سال و CCBA را برای کسانی با دو تا سه سال تجربهٔ عملی معرفی می‌کند و ECBA را برای کسانی که تازه مهارت‌های تحلیل را می‌سازند.

یک روز کاری واقعی

در هر سطح روز کاری چه شکلی است؟

جونیور (۰–۲ سال)

بیشتر کارها مشخص‌اند و زیر نظر تحلیل‌گر ارشد انجام می‌شوند. وقت زیادی صرف شرکت در جلسه‌ها، مستندسازی، رسم نقشهٔ فرایند و آماده کردن موارد آزمون می‌شود.

  • ◆یادداشت‌برداری در کارگاه discovery و تبدیل آن به فهرست نیازها
  • ◆رسم نقشهٔ فرایند فعلی یک واحد بر اساس مصاحبه با کارکنان
  • ◆نوشتن پیش‌نویس user story با کمک ابزار AI و بازبینی آن با تحلیل‌گر ارشد
  • ◆اجرای موارد آزمون روی یک دستیار AI و ثبت پاسخ‌های اشتباه

میانی (۲–۵ سال)

تحلیل‌گر اصلی یک یا چند پروژهٔ AI هستید و اولویت‌ها مدام جابه‌جا می‌شوند. با واحدهای کسب‌وکار، Product Owner و مهندسان کار می‌کنید و مالک نیازمندی‌ها تا UAT هستید.

  • ◆برگزاری کارگاه با یک واحد برای پیدا کردن مرحله‌هایی که AI می‌تواند انجام دهد
  • ◆نوشتن مشخصات یک ایجنت: ورودی‌ها، تصمیم‌ها، استثناها و نقطه‌های بازبینی انسانی
  • ◆جلسهٔ backlog grooming با تیم مهندسی و روشن کردن معیارهای پذیرش
  • ◆هماهنگی UAT و پیگیری خطاهای پیدا شده تا رفع

ارشد (۵+ سال)

روی پروژه‌های پیچیده و چندواحدی کار می‌کنید، چارچوب اعتبارسنجی و آزمون را تعریف می‌کنید و به رشد تحلیل‌گران دیگر کمک می‌کنید. ارتباط با مدیران ارشد و واحدهای ریسک و انطباق بیشتر می‌شود.

  • ◆طراحی چارچوب اعتبارسنجی برای خروجی‌های تولیدشده با AI در یک محصول
  • ◆بازبینی مستندات traceability پیش از بررسی انطباق یا ممیزی
  • ◆اولویت‌بندی use caseهای چند واحد بر اساس ارزش، پیچیدگی و ریسک
  • ◆منتورینگ تحلیل‌گران جوان‌تر و تعریف الگوهای مشترک مستندسازی

مسئولیت‌ها و وظایف

مسئولیت‌های اصلی

وظایف روزانه و مهارت‌های مورد نیاز در این شغل

فنی
  • ◈تبدیل درخواست‌های مبهم کسب‌وکار به نیازمندی‌های دقیق و قابل‌آزمون، user story و معیار پذیرش
  • ◈رسم نقشهٔ فرایند فعلی و هدف و مشخص کردن مرحله‌هایی که AI انجام می‌دهد و نقطه‌هایی که تأیید انسان لازم است
  • ◈مستندسازی جزئیاتی که سیستم AI لازم دارد: منابع دانش، قواعد و استثناها، ورودی و خروجی و مرحله‌های بازبینی انسانی
  • ◈تعریف موارد آزمون، هماهنگی UAT و بررسی دقیق پیش‌نویس‌ها و آزمون‌هایی که ابزارهای AI تولید کرده‌اند
مهارت نرم
  • ◈برگزاری کارگاه discovery و مصاحبه با ذی‌نفعان برای پیدا کردن جاهایی که AI واقعاً به کار کمک می‌کند
  • ◈پشتیبانی از مدیریت تغییر، آموزش کاربران و نگهداری مستندات لازم برای بررسی انطباق و ممیزی
مدیریتی
  • ◈دریافت، ارزیابی و اولویت‌بندی use caseها و نگهداری فهرست آن‌ها با مالک و سطح ریسک هر کدام
  • ◈مدیریت و اولویت‌بندی backlog پروژه‌های AI همراه با Product Owner و تیم مهندسی
  • ◈تعریف و پیگیری KPI و سنجش ارزش راه‌حل پس از راه‌اندازی و برگرداندن کمبودها به backlog

مهارت‌های مورد نیاز

مهارت‌های فنی، نرم و حوزه‌ای که یک تحلیل‌گر کسب‌وکار هوش مصنوعی موفق به آن‌ها نیاز دارد

مهارت‌های فنی

گردآوری و مستندسازی نیازمندیضروری

مصاحبه، کارگاه و بررسی فرایند برای بیرون کشیدن نیاز؛ هستهٔ آگهی‌های Quadbridge، Gallagher و Hitachi Energy

User story و معیار پذیرشضروری

نوشتن نیازمندی قابل‌آزمون که مهندس مستقیم از رویش بسازد؛ Gallagher، Quadbridge و Scotiabank هر سه می‌خواهند

نقشهٔ فرایند (BPMN، swimlane)ضروری

رسم فرایند فعلی و هدف با Visio، Lucidchart، Mermaid یا ابزار مشابه

طراحی و هماهنگی UATمهم

نوشتن موارد آزمون، به‌خصوص برای حالت‌های لبه و خطا، و هماهنگی آزمون کاربر

مفاهیم AI مولدمهم

LLM، RAG، ایجنت، tool calling و human-in-the-loop در حد فهم دقیق؛ آگهی Brunel همهٔ این‌ها را نام برده است

معیار ارزیابی برای سیستم AIمهم

تعریف معیارهایی مثل درستی، استناد به منبع، انجام کامل کار و ارجاع به‌موقع به انسان برای خروجی غیرقطعی

نیازمندی داده و دسترسیمهم

مشخص کردن منابع داده و دانش، کیفیت آن‌ها و اینکه چه کسی به چه چیزی دسترسی دارد (Brunel، Nimbly)

Jira یا Azure DevOpsمهم

مدیریت backlog، epic و user story

کار با دستیارهای AIمهم

استفاده از Copilot، Claude یا مشابه برای سرعت دادن به پیش‌نویس مستندات، همراه با بازبینی دقیق

SQL و Excelمفید

برای بررسی داده‌ها و در نقش‌های تحلیلی‌تر؛ Job&Talent و Huckberry آن را خواسته‌اند

Copilot Studio و Power Platformمفید

آشنایی با ابزارهای کم‌کد مایکروسافت؛ Gallagher و Quadbridge امتیاز می‌دانند

مهارت‌های نرم

برگزاری کارگاه discoveryضروری

هدایت جلسه با ذی‌نفعان مختلف و رسیدن به تصویر مشترک از مسئله

تبدیل ابهام به نیازمندی دقیقضروری

Quadbridge و Gallagher هر دو توانایی تبدیل نیاز مبهم کسب‌وکار به نیازمندی روشن و ساختاریافته را می‌خواهند

شک سالم به خروجی AIمهم

Gallagher «Healthy Skepticism» را از شایستگی‌های اصلی می‌داند: سنجیدن خروجی AI به جای پذیرفتن آن

نوشتن برای دو مخاطبمهم

مشخصاتی که هم مهندس بفهمد و هم مدیر تأیید کند؛ آگهی Nimbly همین را می‌گوید

اولویت‌بندی بین چند پروژهمهم

Gallagher تحلیل‌گر را هم‌زمان برای چند پروژهٔ AI می‌خواهد که اولویت‌هایشان جابه‌جا می‌شود

دانش حوزه‌ای

حاکمیت AI و طبقه‌بندی ریسکمهم

دسته‌بندی use caseها بر اساس اهمیت و ریسک و آشنایی با چارچوب‌هایی مثل NIST AI RMF (Quadbridge، First Citizens، Renaissance)

مقررات صنعتمهم

مثلاً حاکمیت مدل مطابق NAIC در بیمه (Gallagher)، الزامات FINRA و SEC (Renaissance) یا GxP در داروسازی (AbbVie)

مدیریت تغییر و پذیرشمهم

آموزش کاربران و همراه کردن آن‌ها با روش کار تازه؛ در آگهی‌های Quadbridge، Hitachi Energy و Eldercare آمده است

سنجش ارزشمفید

تحلیل هزینه و فایده، تعریف KPI و خط مبنا و برآورد بازگشت سرمایه (Hitachi Energy، Oshkosh، Renaissance)

ضروری — بدون آن نمی‌توان وارد بازار کار شدمهم — تفاوت بین جونیور و میانیمفید — مزیت رقابتی

نقشه راه و مسیر آموزشی

نقشه راه تبدیل شدن به تحلیل‌گر کسب‌وکار هوش مصنوعی

این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.

1

مبانی تحلیل کسب‌وکار و مهندسی نیازمندی

⏱️ ۲ تا ۳ ماه

پیش از AI، خود تحلیل کسب‌وکار را یاد بگیرید: شناختن ذی‌نفعان، پرسیدن سؤال درست، نوشتن نیازمندی قابل‌آزمون و مدیریت تغییر نیازها. IIBA، مرجع بین‌المللی این حرفه، تحلیل کسب‌وکار را «ایجاد تغییر در سازمان با تعریف نیازها و پیشنهاد راه‌حل‌هایی که برای ذی‌نفعان ارزش بسازد» تعریف می‌کند. Quadbridge، Gallagher و Infor همگی سابقهٔ تحلیل کسب‌وکار را شرط گذاشته‌اند.

شناخت و مدیریت ذی‌نفعانمصاحبه و کارگاه گردآوری نیازمندینیازمندی کارکردی و غیرکارکردیاولویت‌بندی نیازمندیBABOK در حد آشنایینوشتن مستندات روشن
2

نقشهٔ فرایند، user story و کار در تیم چابک

⏱️ ۱ تا ۲ ماه

دو خروجی اصلی این شغل نقشهٔ فرایند و user story همراه با معیار پذیرش است. یاد بگیرید فرایند فعلی و فرایند هدف (current-state و future-state) را با BPMN یا swimlane بکشید و نیاز را طوری بنویسید که تیم مهندسی مستقیم از رویش بسازد. آگهی Gallagher دقیقاً همین را می‌خواهد و آگهی Nimbly مهارت مدل‌سازی فرایند با BPMN، swimlane یا معادل آن را.

BPMN 2.0 و swimlaneنقشهٔ فرایند فعلی و هدفUser story و acceptance criteriaGherkin (Given/When/Then)Scrum و مدیریت backlogJira یا Azure DevOps
3

سواد AI برای تحلیل‌گر

⏱️ ۱ تا ۲ ماه

باید بدانید مدل زبانی چه کاری را خوب انجام می‌دهد، کجا خطا می‌کند و چرا خروجی‌اش هر بار ممکن است فرق کند. آگهی Quadbridge «آشنایی عملی با مفاهیم و توانایی‌های AI و هوش مصنوعی مولد» را شرط گذاشته و آگهی Gallagher کار روزانه با ابزارهایی مثل Copilot و Claude را، همراه با قضاوت برای سنجیدن خروجی آن‌ها. کدنویسی در بیشتر این آگهی‌ها خواسته نشده است.

مفاهیم LLM و محدودیت‌هایشHallucination و راه‌های کاهششنوشتن پرامپت برای پیش‌نویس مستنداتکار با Copilot، Claude یا Geminiتفاوت workflow و agentسنجیدن انتقادی خروجی AI
4

نوشتن مشخصات برای RAG، ایجنت و ارزیابی

⏱️ ۲ ماه

بخشی از کار که این نقش را از تحلیل کسب‌وکار معمولی جدا می‌کند: مشخص کردن اینکه سیستم AI از کدام اسناد پاسخ بدهد، ایجنت چه چیزی را خودش انجام دهد و کجا کار را به انسان بسپارد، و «درست کار کردن» با چه معیاری سنجیده شود. آگهی Brunel از تحلیل‌گر می‌خواهد منابع grounding، دسترسی‌ها و معیارهایی مثل ارتباط پاسخ، grounded بودن، انجام کامل کار و ارجاع به‌موقع به انسان را تعریف کند.

مفهوم RAG و منبع دانشمشخصات ایجنت: ورودی، تصمیم، ابزار، خروجی، استثنانقطه‌های human-in-the-loopمعیار ارزیابی برای خروجی غیرقطعینیازمندی داده و دسترسیطراحی UAT برای AI
5

حاکمیت AI، پذیرش کاربران و رشد حرفه‌ای

⏱️ مداوم

در صنایع تحت مقررات، تحلیل‌گر مستنداتی نگه می‌دارد که برای بررسی انطباق و ممیزی لازم است و use caseها را بر اساس ریسک دسته‌بندی می‌کند. آگهی Renaissance Financial آشنایی با NIST AI RMF را خواسته است. در کنار این، پذیرش ابزار تازه توسط کاربران و سنجش ارزش آن هم بخشی از کار است. مدرک‌های IIBA در آگهی‌ها امتیاز به حساب می‌آیند، نه شرط.

طبقه‌بندی ریسک use caseهاTraceability و مستندات ممیزیمدیریت تغییر و آموزش کاربرانتعریف KPI و سنجش ارزشمدرک ECBA، CCBA یا CBAP (اختیاری)

ابزارها و استک فنی

ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت

نیازمندی، backlog و مستندات

Jira

مدیریت backlog، epic و user story؛ آگهی‌های Quadbridge و Hitachi Energy آن را نام برده‌اند

ضروری
Azure DevOps Boards

همان کار در اکوسیستم مایکروسافت؛ Gallagher و Quadbridge صریحاً Azure DevOps را آورده‌اند

ضروری
Confluence

نگهداری مستندات نیازمندی و تصمیم‌ها؛ در آگهی Hitachi Energy آمده است

مفید

مدل‌سازی فرایند

Microsoft Visio

رسم نقشهٔ فرایند و جریان کار؛ Scotiabank و Oshkosh آن را خواسته‌اند و Gallagher «Visio، Lucidchart یا معادل»

مفید
draw.io

ابزار رایگان رسم نمودار با پشتیبانی از BPMN؛ برای تمرین و پورتفولیو مناسب است

مفید
Mermaid

رسم نمودار با متن؛ Gallagher نقشهٔ فرایند را «Lucidchart یا Mermaid» می‌خواهد

مفید
BPMN 2.0

زبان استاندارد مدل‌سازی فرایند؛ آگهی TEHORA دو سال تجربه با BPMN 2.0 را شرط گذاشته و Nimbly مهارت BPMN، swimlane یا معادل را می‌خواهد

ضروری

پلتفرم‌های AI که برایشان نیازمندی می‌نویسید

Microsoft Copilot Studio

ساخت دستیار و ایجنت کم‌کد؛ Gallagher و Quadbridge آشنایی با آن را امتیاز می‌دانند

مفید
Microsoft Foundry

پلتفرم AI در Azure؛ در فهرست امتیازهای آگهی Quadbridge آمده است

مفید
Salesforce Agentforce

پلتفرم ایجنت Salesforce؛ آگهی Brunel از تحلیل‌گر می‌خواهد topic، دستورالعمل، action و مسیر ارجاع به انسان را برای ایجنت تعریف کند

پیشرفته
Power Automate

اتوماسیون workflow؛ در آگهی‌های Oshkosh و Stellix آمده است

مفید

دستیارهای AI برای کار روزانه

Microsoft 365 Copilot

پیش‌نویس مستندات و خلاصهٔ جلسه؛ Accenture Federal Services و Eldercare پیاده‌سازی و آموزش آن را جزو کار آورده‌اند

مفید
Claude

Gallagher، Cantor Fitzgerald و Renaissance Financial آن را نام برده‌اند؛ Renaissance ساخت skill و پایگاه دانش پروژه در Claude را از وظایف می‌داند

مفید
Google Gemini

Accenture Federal Services تحلیل‌گر را برای پیاده‌سازی Gemini for Gov می‌خواهد

مفید
ضروری — باید یاد بگیریدمفید — ارزش یادگیری داردپیشرفته — برای سطوح ارشد

مسیر پیشرفت شغلی

از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید

تحلیل‌گر کسب‌وکار جونیور / Associate

۰ تا ۲ سال

انجام بخش‌های مشخص زیر نظر تحلیل‌گر ارشد: مستندسازی جلسه‌ها، رسم نقشهٔ فرایند، نوشتن پیش‌نویس user story و کمک در UAT. چارچوب دولت بریتانیا تحلیل‌گر جونیور را کسی می‌داند که مسئولیت کارهای مشخص را می‌گیرد

Requirements DocumentationProcess MappingJira / Azure DevOpsAI ToolsExcel / SQL basics

تحلیل‌گر کسب‌وکار AI

۲ تا ۵ سال

مسئول نیازمندی‌های یک یا چند پروژهٔ AI از discovery تا UAT؛ آگهی Quadbridge حداقل ۳ سال و Gallagher ۳ تا ۵ سال سابقهٔ تحلیل کسب‌وکار می‌خواهند

User Stories & Acceptance CriteriaDiscovery WorkshopsUAT OwnershipRAG / Agent ConceptsBacklog Prioritization

تحلیل‌گر ارشد کسب‌وکار AI

۵+ سال

رهبری discovery در پروژه‌های پیچیده، تعریف چارچوب اعتبارسنجی و آزمون، و راهنمایی تحلیل‌گران جوان‌تر؛ آگهی Infor برای همین سطح ۵ سال سابقه و منتورینگ تحلیل‌گران جونیور را خواسته است

Validation FrameworksTraceability & GovernanceStakeholder LeadershipDomain ExpertiseMentoring

Lead Business Analyst / Head of Business Analysis

پس از سطح ارشد

کار روی مسئله‌های چندمحصولی و رهبری جامعهٔ تحلیل‌گران سازمان یا مدیریت کل واحد تحلیل کسب‌وکار، طبق تعریف چارچوب دولت بریتانیا. بعضی‌ها هم به سمت Product Owner یا مدیر محصول AI می‌روند

Enterprise AnalysisCapability BuildingAI Portfolio GovernanceCross-team Leadership

چالش‌ها و جنبه‌های منفی

واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید

مسئله‌های مبهم

عمومی

درخواست‌ها معمولاً به شکل «یک چیزی با AI بسازیم» می‌رسند. Gallagher قاب‌بندی مسئلهٔ مبهم پیش از نوشتن حتی یک خط کد یا پرامپت را اولین دلیل وجود این نقش می‌داند؛ این کار سؤال‌پرسیدن صبورانه و گاهی نه گفتن می‌خواهد.

بازبینی خروجی خود AI

عمومی

وقتی پیش‌نویس نیازمندی، نقشه و آزمون را AI می‌نویسد، خطاها ظاهر درستی دارند. Gallagher از تحلیل‌گر می‌خواهد کامل و درست بودن این خروجی‌ها را بررسی کند، به‌خصوص حالت‌های لبه و خطایی که آزمون‌های تولیدشده با AI معمولاً جا می‌اندازند.

معیار پذیرش برای سیستمی که هر بار جواب متفاوت می‌دهد

عمومی

برای یک فرم معمولی «درست کار کردن» روشن است؛ برای یک دستیار AI نه. آگهی Brunel معیارهایی مثل ارتباط پاسخ، grounded بودن و ارجاع به‌موقع به انسان را می‌خواهد و Scotiabank مستندسازی معیار ارزیابی و مرحله‌های بازبینی انسانی را.

مقررات و ممیزی

شرکت بزرگ

در بیمه، بانک، داروسازی و دولت، هر تصمیم باید قابل ردیابی باشد. Gallagher محیطی را توصیف می‌کند که در آن «دقت، traceability و قابلیت ممیزی غیرقابل‌مذاکره است» و Accenture Federal Services رعایت NIST 800-171 را جزو کار آورده است.

چند پروژه، یک تحلیل‌گر

شرکت بزرگ

Gallagher تحلیل‌گر را در یک تیم ثابت نمی‌نشاند و او را برای چند پروژهٔ هم‌زمان می‌خواهد که اولویت‌هایشان مدام عوض می‌شود. نگه داشتن کیفیت مستندات وقتی حواس بین چند پروژه تقسیم شده، مهارت جداگانه‌ای است.

عنوان یکسان، کار متفاوت

عمومی

زیر عنوان AI Business Analyst هم نقش نیازمندی‌محور پیدا می‌شود (Quadbridge)، هم نقش تحلیل داده با SQL و داشبورد (Job&Talent) و هم نقش ترکیبی تحلیل و ساخت (Cantor Fitzgerald). پیش از اقدام و در مصاحبه، روشن کنید انتظار اصلی کدام است.

حقوق و بازار کار جهانی

حقوق جهانی تحلیل‌گر کسب‌وکار هوش مصنوعی

حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.

کشورمیانه / میانگینارز
🇺🇸آمریکا
$140,000USD

چگونه از صفر شروع کنیم

برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی

ماه ۱: سواد AI

یک درس پایهٔ AI را تمام کنید و هر روز در کار خودتان با یک دستیار AI مستند بنویسید و خروجی‌اش را بازبینی کنید.

ماه ۲: RAG و ایجنت در حد مفهوم

بفهمید دستیار روی اسناد چطور کار می‌کند و فرق workflow و agent چیست؛ Anthropic workflow را مسیر از پیش تعیین‌شده و agent را سیستمی می‌داند که خود مدل مسیرش را انتخاب می‌کند.

ماه ۳: پروژهٔ نقشهٔ فرایند و فرصت AI

یک فرایند از کار فعلی‌تان را با BPMN بکشید و فرایند هدف را با مرحله‌های AI و نقطه‌های کنترل انسانی طراحی کنید.

ماه ۴: مشخصات و معیار ارزیابی

برای همان فرایند user story، معیار پذیرش و یک برنامهٔ آزمون شامل حالت‌های خطا بنویسید.

ماه ۵: نمونهٔ اولیه با ابزار کم‌کد

با Copilot Studio یا ابزار مشابه یک دستیار ساده بسازید و موارد آزمونتان را رویش اجرا کنید.

ماه ۶: پورتفولیو و اقدام

سه سند (نقشهٔ فرایند، مشخصات، برنامهٔ آزمون) را مرتب کنید و رزومه را با زبان آگهی‌ها بنویسید: discovery، user story، UAT و use case.

پروژه‌های پیشنهادی برای رزومه

نقشهٔ فرایند فعلی و هدف با تحلیل فرصت AI

مبتدی

یک فرایند واقعی از حوزهٔ کاری خودتان (مثلاً پاسخ به درخواست مشتری یا ثبت فاکتور) را با BPMN بکشید، گلوگاه‌ها را مشخص کنید و فرایند هدف را طوری طراحی کنید که معلوم باشد کدام مرحله با AI انجام می‌شود و کجا تأیید انسان لازم است.

BPMN 2.0draw.io یا Visio
زمان تخمینی: ۱ تا ۲ هفته

بستهٔ نیازمندی برای یک دستیار پاسخ‌گو روی اسناد (RAG)

متوسط

برای دستیاری که به سؤال کارکنان دربارهٔ آیین‌نامه‌های یک سازمان پاسخ می‌دهد، user storyها، معیار پذیرش، فهرست منابع دانش و مالک هر کدام، حالت‌های استثنا و نقطه‌های بازبینی انسانی را بنویسید.

User storiesAcceptance criteriaGherkinConfluence یا Markdown
زمان تخمینی: ۲ هفته

مشخصات کامل یک ایجنت

متوسط

به سبک آگهی Nimbly، مشخصاتی بنویسید که مهندس بتواند از رویش بسازد: محرک‌ها، ورودی‌ها، تصمیم‌ها، ابزارهایی که ایجنت صدا می‌زند، خروجی‌ها، حالت‌های لبه، معیار موفقیت و نقطه‌های کنترل انسانی. یک نمونهٔ اولیهٔ ساده هم در Copilot Studio یا ابزار مشابه بسازید.

Agent specCopilot Studio یا ابزار کم‌کد مشابهMermaid
زمان تخمینی: ۳ هفته

برنامهٔ UAT و ارزیابی برای یک چت‌بات

متوسط

برای یک چت‌بات موجود (حتی چت‌بات پشتیبانی یک سایت) ۴۰ تا ۵۰ مورد آزمون بنویسید، شامل حالت‌های خطا و سؤال‌های بیرون از دامنه، و معیارهایی مثل درستی پاسخ، استناد به منبع و ارجاع به‌موقع به انسان را تعریف کنید. نتیجه را در یک گزارش کوتاه بیاورید.

Test casesGoogle Sheets یا ExcelEvaluation criteria
زمان تخمینی: ۲ هفته

فهرست و اولویت‌بندی use caseهای AI برای یک سازمان

پیشرفته

برای یک سازمان فرضی یا واقعی ده use case جمع کنید، هر کدام را بر اساس ارزش، پیچیدگی و ریسک دسته‌بندی کنید (با الهام از NIST AI RMF) و برای مهم‌ترینش یک business case یک‌صفحه‌ای با KPI و خط مبنا بنویسید.

NIST AI RMFExcelBusiness case
زمان تخمینی: ۳ هفته

مثال‌های واقعی و Case Studies

داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند

K

Karl Wiegers

پیشینه

به گفتهٔ سایت خودش، کارشناسی شیمی را از Boise State College و کارشناسی ارشد و دکترای شیمی آلی را از University of Illinois at Urbana-Champaign گرفت و پژوهشگر عکاسی در Kodak بود. در ۱۹۸۳ در همان Kodak وارد نرم‌افزار شد و به‌عنوان توسعه‌دهنده، مدیر، مهندس کیفیت و رهبر بهبود فرایند کار کرد.

دستاورد

در ۱۹۹۷ شرکت آموزش و مشاورهٔ Process Impact را راه انداخت. طبق سایتش ده کتاب فنی و نزدیک به ۵۰۰ مقاله نوشته و تازه‌ترین کتابش Software Requirements Essentials است.

درس کلیدی

مسیر او از آزمایشگاه شیمی به نیازمندی نرم‌افزار نشان می‌دهد این حرفه برای کسانی که از رشته‌های دیگر می‌آیند باز است. به نظر می‌رسد نوشتن و آموزش آنچه در کار یاد گرفته، او را به یکی از مرجع‌های این حوزه تبدیل کرده است.

L

Laura Brandenburg

پیشینه

طبق سایت Bridging the Gap، بیش از ده سال به‌عنوان تحلیل‌گر کسب‌وکار تمام‌وقت، مشاور و مدیر استخدام کار کرده و مدرک CBAP دارد.

دستاورد

Bridging the Gap را در ۲۰۰۸ بنیان گذاشت و مدیرعامل آن است. کتاب‌های The Value-Driven Business Analyst و How to Start a Business Analyst Career را نوشته و کارش روی افرادی متمرکز است که در میانهٔ مسیر شغلی وارد تحلیل کسب‌وکار می‌شوند و باید مهارت‌های قابل‌انتقالشان را پیدا کنند.

درس کلیدی

تأکید او بر مهارت‌های قابل‌انتقال برای کسی که از حوزهٔ دیگری می‌آید کاربردی است: تجربه‌ای که در یک صنعت دارید، ماده‌خام اصلی تحلیل کسب‌وکار در همان صنعت است.

A

Angela Wick

پیشینه

طبق سایت BA-Squared، از ۱۹۹۸ تا ۲۰۰۹ در Andersen Consulting (Accenture امروز) تحلیل‌گر کسب‌وکار، مدیر تحلیل‌گران و مشاور این حرفه بود. از ۲۰۰۷ مدرک CBAP دارد و از ۲۰۱۲ تا ۲۰۱۵ عضو تیم اصلی نسخهٔ سوم BABOK بود.

دستاورد

مدیرعامل BA-Squared است، در LinkedIn Learning ۱۴ دوره با بیش از ۲ میلیون یادگیرنده دارد و هم‌نویسندهٔ کتاب FutureProof: Amplifying Agility with AI and Insightful Business Analysis (۲۰۲۴) است. برنامهٔ Next Gen BA را «تحلیل کسب‌وکار مدرن برای دوران AI» معرفی می‌کند.

درس کلیدی

کار او نشان می‌دهد تحلیل‌گرهای باتجربه AI را جایگزین حرفه نمی‌بینند، بلکه آن را در روش کار خودشان ادغام می‌کنند؛ برای تازه‌واردها هم پایه‌های کلاسیک تحلیل همچنان نقطهٔ شروع است.

نمونه آگهی استخدام واقعی + تحلیل

یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش

AI Business Analyst

Quadbridge Inc.کیچنر (انتاریو) یا مونترال (کبک)، کانادا — هیبرید2026-09-15

تحلیل نیازمندی‌ها

EN

Minimum 3 years of proven experience as a business analyst, product owner, or similar role, ideally supporting technology or AI/automation initiatives.

این نقش برای کسی است که قبلاً تحلیل‌گر یا Product Owner بوده؛ سابقهٔ AI «ترجیحاً» خواسته شده، نه الزاماً. یعنی تحلیل‌گر کسب‌وکاری که AI را یاد بگیرد، همین حالا نامزد مناسبی است.

ضروری
EN

Strong stakeholder management skills, with the ability to translate ambiguous business needs into clear, structured requirements.

هستهٔ کار همین است: کسی که بتواند از دل گفت‌وگو با مدیران و کارکنان، نیازمندی روشن بیرون بکشد و بین خواسته‌های متفاوت تعادل برقرار کند.

ضروری
EN

Hands-on familiarity with general AI and generative AI concepts and capabilities.

«آشنایی عملی» یعنی با ابزارها کار کرده باشید و بدانید چه می‌توانند و چه نمی‌توانند؛ ساختن مدل یا کدنویسی خواسته نشده است.

ضروری
EN

Experience with requirements-gathering techniques such as user stories, process mapping, and facilitated workshops.

سه ابزار اصلی شغل در یک جمله: user story، نقشهٔ فرایند و کارگاه. نمونه‌کار از هر سه در پورتفولیو بهترین شاهد است.

ضروری
EN

Understanding of AI/automation solution lifecycles, from ideation through deployment.

باید بدانید یک ایدهٔ AI از کجا شروع می‌شود، چطور بررسی فنی می‌شود، نمونهٔ اولیه و آزمون می‌خورد و به پروداکشن می‌رسد، تا بتوانید در هر مرحله مستندات درست را آماده کنید.

مهم
EN

Experience with backlog management and prioritization tools (e.g., Azure DevOps, Jira).

کار روزمره در این ابزارها می‌گذرد. اگر تجربه ندارید، یک پروژهٔ شخصی را با epic و user story در Jira یا Azure DevOps مدیریت کنید.

مهم
EN

Familiarity with Microsoft Foundry and/or Copilot Studio.

این شرکت روی اکوسیستم مایکروسافت کار می‌کند. آشنایی با پلتفرمی که تیم رویش می‌سازد کمک می‌کند نیازمندی واقع‌بینانه بنویسید، اما در فهرست امتیازهاست.

مفید
EN

Experience with AI governance frameworks or use-case criticality/risk classification.

سازمان‌ها use caseهای AI را بر اساس ریسک دسته‌بندی می‌کنند. آشنایی با چارچوبی مثل NIST AI RMF این امتیاز را برایتان می‌سازد.

مفید

تحلیل مسئولیت‌ها

EN

Partner with business stakeholders and AI Champions to gather, clarify, and document AI and automation requirements.

«AI Champion»ها نمایندگان واحدها هستند که ایده می‌آورند. شما با آن‌ها ایده را به نیازمندی روشن تبدیل می‌کنید.

EN

Translate business needs into clear functional requirements, user stories, and acceptance criteria for AI solutions.

خروجی اصلی شما سندی است که تیم فنی از رویش می‌سازد. معیار پذیرش برای سیستم AI باید روشن کند چه پاسخی قابل‌قبول است و چه چیزی نیست.

EN

Facilitate discovery workshops, stakeholder interviews, and requirements sessions to surface AI opportunities, informed by Quadbridge's capability heat map.

«capability heat map» نقشه‌ای از توانمندی‌های سازمان است که نشان می‌دهد کجا ضعف یا فرصت هست. کارگاه‌ها با همین نقشه هدفمند می‌شوند.

EN

Classify candidate use cases against Quadbridge's use-case criticality matrix and support the AI Center of Excellence's technical review process.

هر ایده باید پیش از ساخت از نظر اهمیت و ریسک دسته‌بندی شود؛ دستیاری که فقط متن خلاصه می‌کند با ایجنتی که به مشتری پیام می‌دهد یک سطح بررسی ندارد.

EN

Own and prioritize the AI/automation backlog for the AI Center of Excellence, balancing stakeholder needs against delivery capacity.

ظرفیت تیم محدود است و همه می‌خواهند ایده‌شان اول ساخته شود. اولویت‌بندی شفاف و توضیح دادن آن به ذی‌نفعان بخش مهمی از کار است.

EN

Define and track success metrics/KPIs for AI solutions in partnership with business owners.

پیش از ساخت باید روشن شود موفقیت یعنی چه، مثلاً چند ساعت صرفه‌جویی یا چه درصد پاسخ درست، و بعد از راه‌اندازی همان سنجیده شود.

EN

Support user acceptance testing (UAT), solution documentation, and change management activities to drive adoption.

کار با تحویل سند تمام نمی‌شود. آزمون با کاربران واقعی و کمک به اینکه ابزار تازه واقعاً استفاده شود هم با شماست.

EN

Maintain the AI Center of Excellence's use-case and agent inventory, including registered purpose, owner, and criticality classification.

سازمان باید بداند چه ایجنت‌هایی دارد، هر کدام برای چه کاری است و مالکش کیست. نگهداری این فهرست پایهٔ حاکمیت AI است.

نتیجه‌گیری کلی

این آگهی تصویر روشنی از تحلیل‌گر کسب‌وکار AI می‌دهد: یک تحلیل‌گر یا Product Owner با دست‌کم ۳ سال سابقه که مهارت‌های کلاسیک تحلیل (کارگاه، user story، نقشهٔ فرایند، backlog و UAT) را با فهم عملی AI مولد ترکیب می‌کند و در کنار تیم فنی می‌ماند. در هیچ جای آگهی کدنویسی یا ساخت مدل خواسته نشده و حاکمیت و دسته‌بندی ریسک use caseها بخشی از کار است. آگهی می‌گوید نقش تازه تعریف شده و حقوق ۸۵ تا ۹۵ هزار دلار کانادا به‌علاوهٔ پاداش است.

آینده و روندها

پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید

BLS گروه جداگانه‌ای برای AI Business Analyst ندارد. برای «تحلیل‌گران مدیریت»، گروهی که O*NET عنوان Business Analyst را زیر آن گزارش می‌کند، رشد اشتغال ۱۰٪ از ۲۰۲۵ تا ۲۰۳۵ و حدود ۹۴٬۱۰۰ فرصت شغلی در سال پیش‌بینی شده است. برای «تحلیل‌گران سیستم‌های کامپیوتری»، گروه عنوان Business Systems Analyst، این رقم ۸٪ و حدود ۳۲٬۹۰۰ فرصت در سال است.

منبع: BLS Occupational Outlook Handbook, 2025–35 (Management Analysts; Computer Systems Analysts)

مهارت‌های نوظهور که باید یاد بگیرید

بازبینی و اعتبارسنجی نیازمندی‌ها، نقشه‌ها و آزمون‌هایی که AI تولید کردهمشخص کردن منابع دانش RAG و منطق تصمیم ایجنتتعریف معیار ارزیابی برای خروجی غیرقطعی (درستی، استناد، ارجاع به انسان)طبقه‌بندی ریسک use caseها و مستندات حاکمیت AIکار با پلتفرم‌های ایجنت مثل Copilot Studio و Salesforce Agentforceساخت نمونهٔ اولیهٔ سریع با ابزارهای AI برای نشان دادن ارزش

پیش‌بینی‌های آینده

2035

BLS آمریکا پیش‌بینی می‌کند اشتغال تحلیل‌گران مدیریت (Management Analysts)، گروهی که O*NET عنوان Business Analyst را زیر آن آورده، از ۲۰۲۵ تا ۲۰۳۵، ۱۰٪ رشد کند که «بسیار سریع‌تر از میانگین» همهٔ شغل‌هاست.

2035

BLS برای تحلیل‌گران سیستم‌های کامپیوتری (Computer Systems Analysts)، گروهی که عنوان Business Systems Analyst را در بر می‌گیرد، رشد ۸٪ از ۲۰۲۵ تا ۲۰۳۵ و به‌طور میانگین حدود ۳۲٬۹۰۰ فرصت شغلی در سال پیش‌بینی می‌کند.

ریسک‌های واقعی

آگهی Gallagher صریحاً می‌گوید ابزارهای AI مولد حالا بخش زیادی از پیش‌نویس اولیهٔ مستندات را می‌نویسند. یعنی تحلیل‌گری که کارش فقط تولید سند است در معرض جایگزینی است و ارزش به سمت قاب‌بندی مسئله، ثبت استثناها و قضاوت دربارهٔ درستی خروجی AI می‌رود. ریسک دیگر ابهام عنوان است: همین عنوان برای کارهای متفاوتی به کار می‌رود و بعضی کارفرماها، مثل Renaissance Financial و Cantor Fitzgerald، از تحلیل‌گر انتظار ساختن هم دارند؛ پس مهارت فنی پایه، دست‌کم در حد ابزارهای کم‌کد، در این آگهی‌ها امتیاز است. آمار رسمی هم فقط برای گروه‌های کلی تحلیل‌گران وجود دارد و نمی‌گوید سهم نقش‌های مرتبط با AI در آن‌ها چقدر است.

منابع

اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۳۹ منبع بررسی شده است.

  1. AI Business Analyst — Quadbridge (job posting)
  2. AI Business Analyst — Gallagher (job posting)
  3. AI Business Analyst - Global Wealth Management AI Product Team — Scotiabank (job posting)
  4. Business Analyst - Agentic Engineering — Nimbly (job posting)
  5. Nimbly — LinkedIn company page
  6. Agentic AI Business Analyst — Brunel (job posting)
  7. Senior Business Analyst, AI Studio — Infor (job posting)
  8. Business Analyst, AI Transformation — Cantor Fitzgerald (job posting)
  9. Senior Business Analyst - AI Enablement — Oshkosh Defense (job posting)
  10. AI Business Systems Analyst — AbbVie (job posting)
  11. Senior Business Systems Analyst, AI Enablement — AbbVie (job posting)
  12. Senior Business Analyst, AI & Workforce Productivity — Stellix (job posting)
  13. Business Analyst mit KI-Hintergrund — Finanz Informatik (job posting)
  14. Enterprise AI Use Case Analyst — First Citizens Bank (job posting)
  15. Business Analyst, Artificial Intelligence — Renaissance Financial (job posting)
  16. Enterprise AI Business Analyst — Accenture Federal Services (job posting)
  17. Business Analyst, AI & Automation — Huckberry (job posting)
  18. HQ - AI Business Analyst (German-speaking) — Job&Talent (job posting)
  19. AI Business Analyst — Hitachi Energy (job posting)
  20. AI Business Analyst — Eldercare (job posting)
  21. Business Analyst AI/ML — TechnologyOne (job posting)
  22. Analyste d’affaires en intelligence artificielle — TEHORA (job posting)
  23. Senior Business Analyst with hands-on AI expertise — EPAM (job posting)
  24. ZipRecruiter — Ai Business Analyst Salary (US)
  25. BLS Occupational Outlook Handbook — Management Analysts
  26. BLS Occupational Outlook Handbook — Computer Systems Analysts
  27. O*NET OnLine — 13-1111.00 Management Analysts
  28. O*NET OnLine — 15-1211.00 Computer Systems Analysts
  29. O*NET OnLine — 15-2051.01 Business Intelligence Analysts
  30. O*NET OnLine — keyword search: business analyst
  31. IIBA — What is Business Analysis?
  32. IIBA — Business Analysis Certifications
  33. Government Digital and Data Profession Capability Framework — Business analyst (GOV.UK)
  34. Karl Wiegers — About Me
  35. Software Requirements Essentials — Wiegers & Hokanson (InformIT)
  36. Bridging the Gap — About (Laura Brandenburg)
  37. BA-Squared — About Angela Wick
  38. Anthropic — Building effective AI agents
  39. NIST — AI Risk Management Framework

برای راهنمایی شخصی‌سازی‌شده مشاوره بگیرید