مدیر عملیات هوش مصنوعی
AI Operations Manager
مدیر عملیات هوش مصنوعی (AI Operations Manager) در یک شرکت معمولی، نه در یک آزمایشگاه AI، کاری می‌کند که ابزارها و ایجنت‌های AI از پایلوت به کار روزمرهٔ تیم‌ها برسند و همان‌جا بمانند: پیدا کردن کارهای دستی و تکراری، اولویت‌بندی آن‌ها با معیار قابل اندازه‌گیری، راه‌اندازی ابزار یا ساختن نمونهٔ اولیه، آموزش و پشتیبانی کاربران، و پایش کیفیت، هزینه و نتیجه. Holland America Line این نقش را «کارکرد عملیاتی سمت کسب‌وکار» می‌نامد که قابلیت‌های AI را به روش‌های کاری اندازه‌پذیر، پذیرفته‌شده و پایدار تبدیل می‌کند. عنوان قبلی این صفحه، «مدیر تحول عملیاتی هوشمند» (AI Ops Manager)، در آگهی‌ها به این شکل رایج نیست؛ کارفرماها AI Operations Manager یا Manager, AI Operations می‌نویسند. همین نام برای چند شغل دیگر هم به کار می‌رود: مدیریت عملیات داده و بازبینی انسانی برای مدل‌ها، عملیات فنی مدل‌ها در پروداکشن (MLOps و LLMOps) و AIOps، یعنی به‌کارگیری AI در عملیات IT. بیشتر آگهی‌هایی که برای این صفحه بررسی شد معنای اول را دارند و این صفحه دربارهٔ همان است.
مقدمه و تعریف شغل
مدیر عملیات هوش مصنوعی کسی است که در یک سازمان، کار روزمره با AI را اداره می‌کند: تصمیم می‌گیرد کدام کارها اول خودکار شوند، ابزار یا ایجنت را خودش می‌سازد یا با تیم فنی راه می‌اندازد، به تیم‌ها کمک می‌کند واقعاً از آن استفاده کنند و نشان می‌دهد چه نتیجه‌ای داشته است. این شغل بیشتر عملیاتی است تا فنی. Holland America صریحاً نوشته تجربهٔ عملی توسعهٔ AI لازم نیست، اما ۸ سال سابقه در عملیات، تحول، مدیریت تغییر یا PMO می‌خواهد. در طرف دیگر طیف، Expedia از مدیر عملیات AI می‌خواهد کوئری بنویسد و Python را بخواند و ابزار را خودش منتشر کند. وجه مشترک همهٔ آگهی‌ها این است که AI باید از پایلوت بیرون بیاید و بخشی از کار روزمره شود.
این نقش از جایی آمده که شرکت‌ها دیدند خرید ابزار AI به‌تنهایی کافی نیست. Ethan Mollick، دانشیار مدیریت در Wharton، در مه ۲۰۲۵ نوشت افزایش بهره‌وری افراد با AI خودبه‌خود به بهبود عملکرد سازمان تبدیل نمی‌شود و برای آن باید فرایندها و انگیزه‌ها را از نو طراحی کرد. Zapier برای همین کار نقش Chief People & AI Transformation Officer را ساخت و مدیرعاملش می‌گوید «پذیرش AI به‌تنهایی تحول نیست». عنوان هنوز تثبیت نشده است: آگهی Head of AI Operations شرکت Ben می‌نویسد «بازار هنوز حتی روی اسمی برای این نقش توافق نکرده»، و در همین بررسی دو آگهی که در نتایج جستجو با عنوان مدیر عملیات AI دیده می‌شدند، هنگام باز کردن عنوان دیگری داشتند. همین نام برای کارهای دیگری هم به کار می‌رود که این صفحه پوشش نمی‌دهد: در Snappr «AI Operations Manager» تیمی از ویراستاران را اداره می‌کند که تصویرهای ساخته‌شده با AI را بازبینی می‌کنند، و HackerRank مدیری برای pipeline دادهٔ آموزش مدل می‌خواهد (نزدیک به صفحهٔ مربی هوش مصنوعی). Navy Federal عنوان Director, AI Operations را برای رهبری LLMOps، AgentOps و MLOps با ۱۰+ سال سابقه در مهندسی نرم‌افزار، پلتفرم، عملیات ML، DevOps یا SRE به کار می‌برد (نزدیک به صفحهٔ MLOps Lead)، و Quantum Yield آن را برای اداره کردن مدل‌های معاملاتی. «Operations Manager» در شرکت‌های AI، مثل Mundo AI، مدیر عملیات عمومی پروژه‌های داده است. AIOps هم طبق تعریف IBM یعنی به‌کارگیری AI برای خودکار کردن و بهینه‌سازی عملیات IT، که شغل دیگری است.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک مدیر عملیات هوش مصنوعی
مدل عملیاتی و درگاه درخواست
CrowdStrike از مدیر عملیات AI می‌خواست درگاه درخواست تیم Enterprise AI را اداره کند (درخواست اتصال سیستم، فعال‌سازی قابلیت و ابزار تازه) و فهرست دارایی‌های AI را کامل و دقیق نگه دارد. Holland America هم معیار پذیرش درخواست، معیار آمادگی و playbook راه‌اندازی را جزو کار این نقش آورده است.
ابزار و ایجنت داخلی
در Expedia، طبق آگهی، ابزارهایی که خود بخش عملیات ساخته بیش از ۵۸۰ هزار اقامتگاه را از نظر ریسک کیفیت امتیاز می‌دهند و روزانه حدود ۱۰۰ موردی را که تجربهٔ مسافر در آن خراب شده از دل مکالمه‌ها بیرون می‌کشند.
درگاه امن میان AI و دادهٔ شرکت
اولین کار AI Operations Lead در Karbon تبدیل سرور MCP شرکت به درگاهی میان Claude و منابع داده است: احراز هویت با Okta، کنترل دسترسی بر اساس بخش و ثبت هر درخواست برای هزینه و ممیزی، تا connectorهای بعدی بدون بازبینی کامل امنیتی اضافه شوند.
داشبورد مصرف، هزینه و بازده
Karbon داشبوردی می‌خواهد که هزینهٔ همهٔ ابزارهای AI، از Claude تا Cursor، Codex و Linear AI، را در یک نما نشان دهد تا «روندهای بد پیش از آنکه به فاکتورهای غافلگیرکننده تبدیل شوند دیده شوند»، و بعد چارچوبی برای نرخ پذیرش، ساعت صرفه‌جویی‌شده و هزینه به ازای هر کاربر.
برنامهٔ پذیرش و آموزش
Holland America از مدیرش محتوای آموزشی، راهنمای کار، FAQ، چک‌لیست آمادگی و ساعت‌های مشاوره می‌خواهد و مدیریت دورهٔ پشتیبانی پس از راه‌اندازی (hypercare). Karbon هم اداره کردن برنامهٔ چهارده سفیر AI در بخش‌ها را به همین نقش سپرده است.
پایش کیفیت ایجنت‌های مشتری‌محور
Devoted Health مدیری می‌خواهد که مالک عملکرد پرحجم‌ترین ایجنت‌های AI صوتی و چتی‌اش باشد و سیستم‌هایی بسازد که کیفیت تعامل با اعضا را پایش کنند. BMO هم پایش و حاکمیت عملیاتی قابلیت‌های AI مرکز تماس خود، مثل تحلیل مکالمه و IVR زبان طبیعی در Amazon Connect، را به این نقش داده است.
تخصص‌های مختلف مدیر عملیات هوش مصنوعی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
مدل عملیاتی و حاکمیت AI
AI Operating Model & Governance
ساختن چارچوب: درگاه درخواست، فهرست ابزارها، معیار آمادگی، مسیر تأیید و گزارش به مدیران. آگهی‌های Holland America، CrowdStrike و Lazard بیشتر به این سمت‌اند.
سازندهٔ AI در عملیات
AI Builder in Operations
کسی که از دل تیم عملیات ابزار و ایجنت می‌سازد و منتشر می‌کند؛ مثل Expedia (AI Builder)، Legend، Karbon و Fuel Cycle. در این نسخه SQL، خواندن Python و کار با API مدل‌ها لازم است.
عملیات ایجنت‌های AI و مرکز تماس
AI Agent & Contact Center Operations
اداره کردن ایجنت‌های AI که با مشتری حرف می‌زنند: تعریف کیفیت، طراحی تحویل کار به انسان و پایش عملکرد. BMO، Devoted Health و بخش عملیات مسافر Expedia نمونه‌اند.
پذیرش و توانمندسازی
AI Adoption & Enablement
آموزش، شبکهٔ سفیران AI، کتابخانهٔ پرامپت و پشتیبانی پس از راه‌اندازی. Karbon اداره کردن برنامهٔ سفیران و آموزش کوتاه و تکرارپذیر را می‌خواهد و RAKSUL برنامه‌ریزی ارتباطات و آموزش برای تغییر سازمانی را.
اتوماسیون در عملیات تحت مقررات
Automation in Regulated Operations
خودکار کردن کار در محیط‌هایی که کنترل و ممیزی مهم است، مثل پشتیبانی مشتری، KYC و مبارزه با جرائم مالی در Capital.com، با بازبینی انسانی، مدیریت استثناها و راه دستی جایگزین.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
متخصص اتوماسیون workflowها را روی پلتفرم‌هایی مثل n8n و Zapier می‌سازد و نگه می‌دارد. مدیر عملیات AI هم گاهی همین کار را می‌کند، اما مسئول کل عملیات است: کدام کار اول خودکار شود، چه کنترلی لازم است، تیم‌ها چطور آن را بپذیرند و نتیجه چه بوده است. آگهی‌های مدیر معمولاً سابقهٔ عملیات می‌خواهند (Expedia و Capital.com ۵+ سال، Holland America ۸+ سال)، نه فقط مهارت ساختن. در پله‌های ورودی مرز کم‌رنگ است: AI Operations Specialist در LogicGate با Zapier، Make و API مدل‌ها همان کار متخصص اتوماسیون را انجام می‌دهد.
مدیر برنامهٔ AI کار چند تیم را هماهنگ می‌کند تا یک پروژه به موقع تحویل شود: زمان‌بندی، وابستگی‌ها و ریسک. مدیر عملیات AI بیشتر مسئول بعد از تحویل است. Holland America این را صریح نوشته: تعریف اینکه راه‌حل AI چطور از تیم نوآوری و IT به مالکیت کسب‌وکار منتقل شود، پشتیبانی پس از راه‌اندازی و پایداری. همپوشانی واقعی است؛ CrowdStrike برای همین نقش ۷+ سال سابقه در «مدیریت برنامه یا عملیات» و گزارش OKR و وضعیت پروژه‌ها را می‌خواست.
استراتژیست AI تشخیص می‌دهد AI کجا ارزش می‌سازد و برایش business case و نقشهٔ راه می‌نویسد. مدیر عملیات AI در آگهی‌های این صفحه داخل خود سازمان کار می‌کند و تصمیم‌ها را به کار روزمره تبدیل می‌کند: راه‌اندازی، آموزش، پشتیبانی و سنجش. مرز همیشه روشن نیست: RAKSUL از AI Operations Manager خود هم تدوین استراتژی و نقشهٔ راه را می‌خواهد و هم اجرا، سنجش و مدیریت تغییر را.
MLOps Lead پلتفرمی را رهبری می‌کند که مدل‌های یادگیری ماشین را آموزش می‌دهد، مستقر می‌کند و پایش می‌کند؛ کاری کاملاً مهندسی. مدیر عملیات AI به معنای این صفحه با زیرساخت مدل کاری ندارد و Holland America تجربهٔ توسعهٔ AI را لازم نمی‌داند. اشتباه گرفتن این دو آسان است، چون همین عنوان گاهی برای کار فنی هم به کار می‌رود: Navy Federal عنوان Director, AI Operations را برای رهبری LLMOps، AgentOps و MLOps با ۱۰+ سال سابقه در مهندسی نرم‌افزار، مهندسی پلتفرم، عملیات ML، DevOps یا SRE آگهی کرده است.
تأثیر در صنایع مختلف
مدیر عملیات هوش مصنوعی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
سفر و گردشگری
در Expedia، AI به تماس مسافران پاسخ می‌دهد و تیم AI Operations تعریف می‌کند پاسخ خوب چیست؛ Holland America یک کارکرد کامل عملیات AI سمت کسب‌وکار راه می‌اندازد
بانک و خدمات مالی
BMO قابلیت‌های AI مرکز تماس خود را با این نقش پایش و اداره می‌کند و Lazard، که AI را ستون اصلی راهبرد ۲۰۳۰ خود می‌داند، مدیری برای مدل عملیاتی AI در کل شرکت می‌خواهد
فین‌تک و معاملات آنلاین
Capital.com اتوماسیون با AI را در پشتیبانی مشتری و مبارزه با جرائم مالی پیش می‌برد، با کنترل‌هایی که پیش از راه‌اندازی توافق می‌شوند
سلامت
Devoted Health، که در آگهی خود میلیون‌ها تعامل سالانه با اعضا را ذکر می‌کند، مدیری برای کیفیت و عملکرد ایجنت‌های AI و تیم‌های خط مقدم می‌خواهد
نرم‌افزار و SaaS
Karbon، LogicGate و Fuel Cycle هر سه نقشی داخلی برای خودکار کردن کار بخش‌های فروش، پشتیبانی، مالی و IT با AI ساخته‌اند
امنیت سایبری
CrowdStrike در ۲۰۲۶ مدیر عملیات AI را برای ساختن مدل عملیاتی تیم Enterprise AI در بخش IT آگهی کرده بود
رسانه و سرگرمی
NBCUniversal در ۲۰۲۶ مدیر ارشد عملیات AI می‌خواست تا فرصت‌های AI را در عملیات جهانی رسانه پیدا کند و تیم‌هایی را که workflow و ایجنت می‌سازند هدایت کند
چاپ، تبلیغات و لجستیک
RAKSUL در ژاپن AI Operations Manager را زیر نظر مستقیم CIO برای تحول AI در همهٔ فرایندهای شرکت استخدام می‌کند
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
مدیر عملیات AI همان مهندس MLOps است
در بیشتر آگهی‌ها این‌طور نیست. Holland America نوشته تجربهٔ عملی توسعهٔ AI لازم نیست و LogicGate، RAKSUL و Capital.com هم به‌جای مهندسی مدل، سابقهٔ بهبود فرایند و عملیات می‌خواهند. فقط بعضی کارفرماها، مثل Navy Federal، همین نام را برای کار فنی LLMOps و MLOps به کار می‌برند؛ پیش از درخواست، شرح وظایف را بخوانید.
برای این شغل باید برنامه‌نویس حرفه‌ای بود
Expedia صریحاً نوشته سابقهٔ کار به‌عنوان توسعه‌دهندهٔ نرم‌افزار لازم نیست و از کسانی که ساختن را با ابزارهای AI یاد گرفته‌اند استقبال می‌کند، اما باید کوئری بنویسید و Python را بخوانید. RAKSUL هم برنامه‌نویسی را الزامی نمی‌داند. استثنا وجود دارد: Karbon برای AI Operations Lead سابقهٔ نوشتن نرم‌افزار پروداکشن در دو سال اخیر را می‌خواهد.
این شغل راه ورود مستقیم برای علاقه‌مندان تازه‌کار به AI است
عنوان «مدیر» معمولاً سابقه می‌خواهد: Expedia و Capital.com ۵+ سال، BMO ۵ تا ۷ سال و Holland America ۸+ سال در عملیات، تحول یا مدیریت تغییر. پله‌های پایین‌تر هم وجود دارند، مثل AI Operations Associate در Fuel Cycle و AI Operations Specialist در LogicGate، اما LogicGate هم ۳ تا ۵ سال سابقه در سیستم‌ها یا اتوماسیون فرایند می‌خواهد.
با خریدن ابزار و دادن دسترسی به همه، کار تمام است
Holland America هدف این نقش را این می‌داند که AI «از پایلوت و تحویل فناوری» عبور کند و به نتیجهٔ واقعی کسب‌وکار برسد و ابزارها جدا افتاده یا یک‌باره نمانند. Ben از نقشی حرف می‌زند که جلوی «انباشته شدن پایلوت‌های نیمه‌کاره» را بگیرد. مدیرعامل Zapier هم می‌گوید پذیرش AI به‌تنهایی تحول نیست.
موفقیت یعنی تعداد اتوماسیون‌هایی که ساخته‌اید
آگهی‌ها نتیجه را می‌خواهند، نه تعداد. Capital.com می‌خواهد کیفیت، استفاده و بازده در برابر خط پایه سنجیده شود، با احتساب هزینهٔ بازبینی و پشتیبانی. Karbon می‌نویسد ابزاری را که کسی استفاده نمی‌کند حذف کنید و هر معیاری را که در یک فصل تصمیمی را عوض نکرده کنار بگذارید.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
ورودی (Associate / Specialist)
بیشتر وقت صرف ساختن و نگه داشتن اتوماسیون برای یک یا دو بخش می‌شود. با کاربران می‌نشینید، فرایند را می‌فهمید، نمونهٔ اولیه می‌سازید و ساعت‌های صرفه‌جویی‌شده را ثبت می‌کنید.
- ◆جلسه با یک تیم برای دیدن قدم‌به‌قدم کاری که می‌خواهند خودکار شود
- ◆ساختن یک workflow با Zapier یا n8n و یک مرحلهٔ مدل زبانی
- ◆نوشتن راهنمای کوتاه استفاده برای تیمی که ابزار را تحویل می‌گیرد
- ◆ثبت نرخ استفاده و ساعت صرفه‌جویی‌شده در یک داشبورد ساده
مدیر (Manager / Lead)
مسئول نقشهٔ راه اتوماسیون و پذیرش AI در یک حوزه هستید. بخشی از هفته را صرف ساختن یا بازبینی کار سازنده‌ها می‌کنید و بخشی را صرف جلسه با مدیران عملیات، امنیت و مالی.
- ◆اولویت‌بندی درخواست‌های تازه بر اساس خط پایه و ارزش قابل اندازه‌گیری
- ◆توافق با مالک کنترل‌ها دربارهٔ داده، دسترسی و نقطهٔ بازبینی انسانی پیش از راه‌اندازی
- ◆بررسی خطاهای یک ایجنت در پروداکشن و تصمیم دربارهٔ اصلاح یا توقف آن
- ◆آماده کردن گزارش منظم پذیرش، هزینه و نتیجه برای مدیران
ارشد (Senior Manager / Head)
کارکرد عملیات AI را برای کل سازمان می‌سازید: استانداردها، تیم، بودجه و ارتباط با مدیران ارشد. کمتر خودتان می‌سازید و بیشتر تصمیم می‌گیرید چه چیزی، با چه کنترلی و به دست چه کسی ساخته شود.
- ◆طراحی مسیر انتقال ابزارهای AI از تیم نوآوری و IT به مالکیت بخش‌ها
- ◆تعیین استاندارد ارزیابی پیش از سپردن کار واقعی به یک سیستم AI
- ◆مربی‌گری اعضای تیم که آموزش، پشتیبانی و سنجش را پیش می‌برند
- ◆ارائهٔ وضعیت ریسک و بازده AI به مدیران ارشد
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈ساختن نمونهٔ اولیه و اتوماسیون با پلتفرم‌های workflow، API مدل‌ها و ابزارهای ساخت با AI
- ◈تعریف و پایش معیارهای پذیرش، کیفیت، هزینه و بازده، و گزارش منظم به مدیران ارشد
- ◈گذاشتن کنترل‌های استفادهٔ مسئولانه: مسیر تأیید، دسترسی به داده، بازبینی انسانی و راه دستی جایگزین
- ◈آموزش تیم‌ها، تهیهٔ راهنما و FAQ، و پشتیبانی پس از راه‌اندازی تا ابزار به کار روزمره تبدیل شود
- ◈همکاری با IT، امنیت، حقوقی، مالی و تیم‌های محصول بدون داشتن اختیار رسمی بر آن‌ها
- ◈پیدا کردن و اولویت‌بندی کارهای دستی و تکراری که AI یا اتوماسیون می‌تواند انجامشان دهد، با خط پایه و ارزش قابل اندازه‌گیری
- ◈بازطراحی فرایند همراه کاربران آن: کدام مرحله با AI، کدام با قاعدهٔ ثابت و کدام با تصمیم انسان
- ◈اداره کردن درگاه درخواست ابزار و اتوماسیون تازه و نگهداری فهرست ابزارهای AI در حال استفاده
- ◈واگذاری هر ابزار به تیمی که از آن استفاده می‌کند و حذف ابزارهایی که کسی استفاده نمی‌کند
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک مدیر عملیات هوش مصنوعی موفق به آن‌ها نیاز دارد
مهارت‌های فنی
Ben تسلط عملی و روزانه به Claude، Claude Code و ابزارهای مشابه را می‌خواهد؛ CrowdStrike آشنایی کاری با AI مولد و کاربردهای رایج آن در سازمان را
Zapier، Make یا n8n؛ در آگهی‌های LogicGate، Capital.com و Thirdfort آمده است
Expedia می‌خواهد کوئری را خودتان بنویسید و Fuel Cycle SQL را برای گزارش‌گیری می‌خواهد
در حدی که بفهمید چه چیزی منتشر می‌کنید (Expedia)؛ برای نسخهٔ سازنده لازم است، برای نسخهٔ مدیریتی نه
اتصال AI به سیستم‌های موجود؛ Karbon و LogicGate به MCP اشاره کرده‌اند
تعریف معیار موفقیت پیش از ساختن و ساختن داده‌ای که آن را نشان دهد (Expedia، Karbon، BMO)
مجموعهٔ نمونه و معیار برای اینکه بدانید سیستم پیش از کار واقعی و بعد از آن درست کار می‌کند (Ben، Fuel Cycle)
Capital.com طراحی بازبینی انسانی و مدیریت استثناها را می‌خواهد و Holland America عملیات human-in-the-loop را
مهارت‌های نرم
Legend «تجربهٔ قوی مدیریت تغییر» را شرط گذاشته و Holland America ارزیابی اثر تغییر و برنامهٔ پذیرش را جزو وظایف آورده است
Expedia، CrowdStrike و Karbon همه توانایی پیش بردن کار با تیم‌هایی را می‌خواهند که به شما گزارش نمی‌دهند
Expedia مثال می‌زند: تبدیل «کم کردن تماس‌های تکراری پس از لغو رزرو» به کاری با منبع داده، محافظ و معیار موفقیت
گزارش منظم و روشن، حتی وقتی خبر بد است (Karbon)؛ NBCUniversal و CrowdStrike هم روایت اجرایی می‌خواستند
Karbon آموزش کوتاه، مشخص و تکرارپذیر می‌خواهد؛ Fuel Cycle بالا بردن سواد AI در تیم‌ها را
Karbon کسی را می‌خواهد که به کاری که بازده ندارد نه بگوید و LogicGate کسی که مرزها را نگه دارد
دانش حوزه‌ای
Expedia سابقهٔ عملیات مرکز تماس یا خدمات می‌خواهد و Mission Lane کسی را که اثرهای جانبی پیش‌بینی‌نشدهٔ یک تغییر را در عملیات دیده باشد
RAKSUL سابقهٔ بهبود فرایند، BPR یا پروژه‌های تحول دیجیتال را شرط گذاشته است
Holland America درک توسعهٔ business case، طراحی KPI و پیگیری تحقق منافع را می‌خواهد
قواعد استفادهٔ مسئولانه، ممیزی و دسترسی؛ Lazard به ریسک‌هایی مثل prompt injection و نشت دادهٔ حساس اشاره کرده است
Capital.com تجربهٔ بازطراحی فرایند در محیط کنترل‌محور و مالی را می‌خواهد
NBCUniversal کار با فروشندگان بیرونی را جزو وظایف آورده بود و Karbon همکاری با مالی دربارهٔ بودجهٔ ابزارهای AI را
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مدیر عملیات هوش مصنوعی
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
سواد AI و کار روزانه با ابزارها
پیش از اینکه بتوانید AI را در کار دیگران جا بیندازید، باید خودتان هر روز با آن کار کنید و بدانید کجا خوب است و کجا خطا می‌کند. آگهی Ben صریحاً کسی را می‌خواهد که «هر روز» با Claude، Claude Code و ابزارهای مشابه کار کند و نظر روشنی داشته باشد که کجا ارزش واقعی می‌سازند و کجا نه.
تحلیل و بازطراحی فرایند
هستهٔ این شغل عملیات است، نه فناوری. باید بتوانید یک فرایند را از سر تا ته نقشه بکشید، ببینید وقت و خطا کجا هدر می‌رود و قبل از هر تغییری خط پایه (baseline) را اندازه بگیرید. RAKSUL اولین مورد شرح وظایف را «تحلیل و مصورسازی فرایندهای کاری همهٔ بخش‌ها و پیدا کردن گلوگاه‌ها» می‌داند و Capital.com از مدیرش می‌خواهد فرصت‌ها را با تحلیل اینکه «کجا وقت از دست می‌رود، خطا رخ می‌دهد یا کار تکرار می‌شود» پیدا کند.
ساختن: اتوماسیون، داده و ایجنت
بیشتر آگهی‌ها از این نقش می‌خواهند خودش هم بسازد. Expedia می‌نویسد سابقهٔ برنامه‌نویسی حرفه‌ای لازم نیست، اما باید کوئری پایگاه داده را خودتان بنویسید و Python را آن‌قدر بخوانید و تغییر دهید که بفهمید چه چیزی منتشر می‌کنید. LogicGate ساخت workflow و ایجنت با Zapier، Claude، API مدل‌ها و سرورهای MCP را می‌خواهد.
سنجش، ارزیابی و حاکمیت
باید نشان دهید AI واقعاً کار می‌کند و امن کار می‌کند. Karbon چهار معیار را کافی می‌داند: هزینه، پذیرش، تحویل و کیفیت، و می‌خواهد هر معیاری که در یک فصل تصمیمی را عوض نکرده حذف شود. Ben از مدیرش می‌خواهد پیش از سپردن کار واقعی به یک سیستم، ارزیابی (eval) واقعی برایش بگذارد. Holland America کنترل‌هایی مثل مسیر تأیید، قواعد کار با داده و نقطه‌های بازبینی انسانی را جزو وظایف آورده است.
مدیریت تغییر و گسترش در سازمان
ابزار خوب بدون پذیرش به نتیجه نمی‌رسد. Ethan Mollick می‌نویسد افزایش بهره‌وری افراد با AI خودبه‌خود به بهبود عملکرد سازمان تبدیل نمی‌شود و برای آن باید فرایندها، انگیزه‌ها و حتی ماهیت کار را از نو فکر کرد. Zapier در گزارش خود از گسترش AI در کل شرکت، هکاتون منظم را «پراثرترین کار» برای جا انداختن AI در فرهنگ شرکت می‌داند.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
دستیارها و ایجنت‌های AI
دستیار و مدلی که Karbon و Ben در آگهی‌هایشان نام برده‌اند؛ Karbon دسترسی، صندلی‌ها و connectorهای آن را جزو کار این نقش می‌داند
ابزار ساخت با AI؛ آگهی Fuel Cycle تجربهٔ عملی با Claude Code و MCP را شرط گذاشته و Ben آن را جزو ابزارهای روزانه آورده است
پروتکل اتصال AI به داده و ابزارهای داخلی؛ در آگهی‌های Karbon، Fuel Cycle و LogicGate آمده است
اتوماسیون و فضای کار
پایگاه دادهٔ سبک برای ثبت درخواست‌ها، فهرست ابزارها و پیگیری کار؛ NBCUniversal آن را در کنار Smartsheet خواسته بود
داده و گزارش
Expedia می‌خواهد کوئری پایگاه داده را خودتان بنویسید؛ Capital.com هم Python یا SQL را امتیاز می‌داند
ساخت داشبورد برای پذیرش، کیفیت و هزینه؛ BMO طراحی گزارش و داشبورد منظم را جزو وظایف آورده است
کیفیت، دسترسی و پلتفرم‌های عملیاتی
ثبت trace و ارزیابی خروجی سیستم‌های مبتنی بر مدل زبانی، برای اینکه بدانید یک ابزار داخلی هنوز درست کار می‌کند
مدیریت هویت و دسترسی؛ Karbon احراز هویت درگاه دادهٔ AI را با Okta می‌خواهد و تجربه با آن را امتیاز می‌داند
مرکز تماس ابری؛ BMO پایش و بهینه‌سازی قابلیت‌های AI آن مثل تحلیل مکالمه و IVR زبان طبیعی را به این نقش سپرده است
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
AI Operations Associate / Specialist
معمولاً با چند سال سابقه در عملیات یا سیستم‌ها؛ LogicGate ۳ تا ۵ سال
ساختن و نگه داشتن workflow و ایجنت برای یک یا چند بخش، مستندسازی و سنجش ساعت‌های صرفه‌جویی‌شده؛ LogicGate این نقش را «اولین سازندهٔ AI داخلی» خود می‌نامد
AI Operations Manager / Lead
۵+ سال (Expedia و Capital.com ۵+، BMO ۵ تا ۷، Holland America ۸+)
مالکیت نقشهٔ راه اتوماسیون و پذیرش AI در یک حوزهٔ عملیاتی، ساخت نمونهٔ اولیه، راه‌اندازی با تیم‌ها و گزارش نتیجه؛ گاهی با یک تیم کوچک (Capital.com یک تا دو نفر)
Senior Manager / مدیر کارکرد AI Operations
۸+ سال، با سابقهٔ مدیریت افراد
ساختن کل کارکرد عملیات AI سمت کسب‌وکار: درگاه درخواست، معیارهای آمادگی، playbook راه‌اندازی، پشتیبانی و تیم؛ مثل آگهی Holland America
Head / Director of AI Operations
۱۰+ سال (Lazard)
تعریف مدل عملیاتی AI در کل سازمان، استانداردهای ارزیابی و کنترل، و گزارش به مدیران ارشد؛ در Ben مستقیم با بنیان‌گذاران و با بودجه و اختیار
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
پایلوت‌هایی که به کار روزمره نمی‌رسند
عمومیساختن یک دموی موفق آسان‌تر از جا انداختن آن است. Holland America از مدیرش می‌خواهد مطمئن شود ابزارهای AI «ابزار جدا افتاده یا پایلوت یک‌باره» نمانند و Ben از خطر «انباشته شدن پایلوت‌های نیمه‌کاره» حرف می‌زند. Gartner هم پیش‌بینی کرده بیش از ۴۰٪ پروژه‌های agentic AI تا پایان ۲۰۲۷ به دلیل هزینه، ارزش نامشخص یا کنترل ناکافی ریسک لغو شوند.
اثبات بازده با دادهٔ نامرتب
عمومیKarbon صریحاً می‌نویسد «انتظار داشته باشید دادهٔ منبع نامرتب باشد» و از این نقش می‌خواهد عددی بسازد که بتواند نزد مدیر مالی از آن دفاع کند. Capital.com هم می‌خواهد بازده در برابر خط پایه سنجیده شود و هزینهٔ بازبینی و پشتیبانی هم حساب شود؛ یعنی صرفه‌جویی ظاهری کافی نیست.
مسئولیت بدون اختیار
شرکت بزرگاین نقش معمولاً روی تیم‌هایی اثر می‌گذارد که به آن گزارش نمی‌دهند. Expedia «اثرگذاری در جایی که نفوذ دارید، نه اختیار» را می‌خواهد و CrowdStrike پیش بردن کار «بدون تکیهٔ صرف بر اختیار رسمی» را. موفقیت به اعتمادی بستگی دارد که با کار واقعی ساخته می‌شود.
سرعت در برابر کنترل
عمومیتیمها ابزار را زود می‌خواهند و امنیت و حقوقی کنترل می‌خواهند. Capital.com می‌خواهد داده، دسترسی و کنترل‌ها پیش از راه‌اندازی توافق شوند و بازبینی انسانی و راه دستی جایگزین وجود داشته باشد. در گزارش Zapier، مشاور حقوقی ارشد شرکت تهیهٔ راهنمای استفاده از AI را رهبری کرد و یکی از مدیران محصول مسئول سریع کردن فرایند تهیهٔ ابزار شد؛ به گفتهٔ Zapier همین باعث شد تیم‌ها با اطمینان سریع جلو بروند.
اثرهای جانبی تغییر
عمومیتغییر یک مرحله در عملیات می‌تواند جای دیگری را خراب کند. Mission Lane در آگهی مدیر ارشد تحول عملیات خود کسی را می‌خواهد که «بداند وقتی یک تغییر مشکل‌های دست دومی ایجاد می‌کند که کسی پیش‌بینی نکرده بود چه اتفاقی می‌افتد» و برایش برنامه داشته باشد.
هزینه‌های پنهان ابزارها
استارتاپوقتی هر تیم ابزار AI خودش را دارد، هزینه پراکنده و دیر دیده می‌شود. Karbon داشبورد هزینهٔ همهٔ ابزارها را می‌خواهد تا روندهای بد پیش از فاکتور دیده شوند و می‌نویسد «بیشتر مشکل‌های هزینه، مشکل عادت‌اند»؛ یعنی بخشی از کنترل هزینه آموزش است.
نقشی که هنوز تعریف ثابتی ندارد
استارتاپLegend می‌نویسد این اولین استخدام از این نوع در شرکت است و Holland America کسی را می‌خواهد که در حوزه‌هایی کار کرده باشد که فرایند، نقش‌ها و معیارهای موفقیت را باید ساخت، نه به ارث برد. این آزادی می‌دهد، اما یعنی باید خودتان دامنهٔ کار و معیار موفقیت را تعریف کنید و از آن دفاع کنید.
حقوق و بازار کار جهانی
حقوق جهانی مدیر عملیات هوش مصنوعی
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- LogicGate posting, AI Operations Specialist (Chicago/Bellevue; 3–5 years), posted Sep 8, 2026: base range; median = midpoint
- Holland America Line posting, Manager, AI Operations (Seattle; 8+ years), posted Jun 23, 2026: base salary range; median = midpoint
- Expedia Group posting, AI Operations Manager - AI Builder (Seattle; 5+ years), posted Oct 15, 2026: total cash range; median = midpoint
- Lazard posting, AI Operations Head (New York; 10+ years), listed Oct 15, 2026: approximate base range; median = midpoint
- Fuel Cycle posting, AI Operations Associate (Los Angeles/New York; no years stated), listed Oct 15, 2026: starting salary range; median = midpoint
- Karbon posting, AI Operations Lead (US remote; no years stated, asks for recent production coding), posted Sep 25, 2026: base range; median = midpoint
- BMO posting, Manager - AI Operations (remote Canada; 5–7 years), posted Oct 13, 2026: pay range; median = midpoint
- RAKSUL posting, AI Operations Manager (Tokyo; 3+ years), listed May 2026: annual pay range incl. fixed overtime allowance; median = midpoint
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: کار روزانه با AI
یک دستیار AI را هر روز در کار خودتان به کار ببرید و یادداشت کنید کجا وقت صرفه‌جویی شد و کجا خطا کرد.
ماه ۲: نقشهٔ فرایند و خط پایه
یک فرایند واقعی تیم خودتان را نقشه بکشید و زمان و خطای هر مرحله را اندازه بگیرید.
ماه ۳: اولین اتوماسیون
یک مرحله از همان فرایند را با Zapier یا n8n و یک مدل زبانی خودکار کنید، با بازبینی انسانی.
ماه ۵: پذیرش در تیم
ابزار را به چند همکار بدهید، آموزش کوتاه بگذارید و بازخورد جمع کنید.
ماه ۶: نوشتن نتیجه و درخواست شغل
پروژه را با عدد قبل و بعد، کنترل‌ها و درس‌ها بنویسید؛ آگهی‌ها نتیجهٔ قابل اندازه‌گیری می‌خواهند. با این پرونده برای نقش‌های AI Operations داخل شرکت خودتان یا بیرون اقدام کنید.
پروژه‌های پیشنهادی برای رزومه
نقشهٔ فرایند با خط پایه و پیشنهاد اتوماسیون
مبتدییک فرایند واقعی از کار فعلی یا قبلی‌تان (مثلاً پاسخ به درخواست‌های تکراری) را نقشه بکشید، زمان و خطای هر مرحله را بسنجید و مشخص کنید کدام مرحله با AI، کدام با قاعدهٔ ثابت و کدام با تصمیم انسان انجام شود؛ همان تقسیمی که آگهی Capital.com توصیف می‌کند.
workflow خودکار با بازبینی انسانی و مسیر جایگزین
متوسطیکی از مرحله‌های پروژهٔ قبل را با Zapier یا n8n و یک مدل زبانی خودکار کنید. برای ورودی ناقص و خروجی غیرمنتظره تست بنویسید، نقطهٔ بازبینی انسانی و راه دستی جایگزین بگذارید و نتیجه را با خط پایه مقایسه کنید.
درگاه درخواست و فهرست ابزارهای AI
مبتدییک فرم درخواست برای ابزار یا اتوماسیون تازه و یک فهرست (registry) از ابزارهای AI در حال استفاده بسازید: مالک، داده‌ای که می‌بیند، وضعیت تأیید و تاریخ بازبینی. CrowdStrike اداره کردن همین دو را از این نقش خواسته بود.
داشبورد پذیرش، هزینه و بازده
متوسطبا دادهٔ نمونه یا دادهٔ واقعی (بدون اطلاعات شخصی) داشبوردی بسازید که مصرف هر ابزار AI، هزینه به ازای هر کاربر، ساعت صرفه‌جویی‌شده و کیفیت را نشان دهد؛ شبیه داشبوردی که Karbon برای همهٔ ابزارهای AI در یک نما می‌خواهد.
طرح کامل راه‌اندازی یک ابزار AI
پیشرفتهبرای راه‌اندازی یک دستیار داخلی (مثلاً پاسخ‌گو روی مستندات) یک بستهٔ کامل بنویسید: چه کسی و کجا از آن استفاده می‌کند، آموزش کوتاه، FAQ، معیار موفقیت، مجموعهٔ پرسش نمونه برای ارزیابی و برنامهٔ پشتیبانی چند هفتهٔ اول. Holland America همین اجزا را از مدیر عملیات AI می‌خواهد.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
به گفتهٔ خودش، کارش را در آموزش شروع کرد، اول به‌عنوان مدیر خوابگاه در University of Texas at Arlington و بعد شش سال در Teach For America در بخش‌های جذب، مالی، عملیات و همکاری با شرکت‌ها. سپس در Stanford کارشناسی ارشد MBA و آموزش گرفت و اولین نقش مدیر ارشد منابع انسانی (CPO) را در LiveRamp داشت. در ۲۰۲۱ به Zapier پیوست.
در اواخر ۲۰۲۵ نقش او در Zapier رسماً به Chief People and AI Transformation Officer گسترش یافت. به گفتهٔ خودش، دامنهٔ کارش در کنار کل بخش منابع انسانی شامل مرکز تعالی تحول AI، یازده گروه تحول AI مستقر در بخش‌ها و یک چارچوب متن‌باز تحول AI است، در شرکتی با حدود ۸۰۰ نفر که کاملاً دورکار در بیش از ۴۰ کشور کار می‌کنند.
مسیر او از آموزش و منابع انسانی به اداره کردن تحول AI می‌رسد، نه از مهندسی. خودش می‌گوید تحول واقعی AI مسئله‌ای انسانی است، نه فقط فنی؛ این همان جنبه‌ای است که آگهی‌های مدیر عملیات AI با تأکید بر مدیریت تغییر و پذیرش نشان می‌دهند.
در مصاحبهٔ ژوئن ۲۰۲۴ با Pharmaceutical Executive با عنوان معاون محصولات و پلتفرم‌های AI در Moderna معرفی شده است. به گفتهٔ او، Moderna پلتفرم یادگیری ماشین خودش را حدود ده سال پیش ساخته و اکنون نسخهٔ چهارم آن را دارد.
به گفتهٔ خودش، Moderna دستیار داخلی mChat را پیش از عرضهٔ ChatGPT Enterprise روی API مدل GPT-4 در اختیار همهٔ کارکنان گذاشت و در زمان مصاحبه آن را به افزونهٔ Chrome متصل به پایگاه‌های دادهٔ شرکت تبدیل می‌کرد، در کنار استفاده از ChatGPT Enterprise.
پرسشی که او مطرح می‌کند، یعنی چه چیزی را می‌شود آماده خرید و چه چیزی را باید خودمان بسازیم، تصمیمی است که مدیر عملیات AI هم مدام با آن روبه‌روست؛ هر بار که ابزار آماده‌ای عرضه می‌شود، ساخته‌های داخلی باید دوباره سنجیده شوند.
طبق ویکی‌پدیا، پس از تحصیلات تکمیلی در MIT Sloan یک استارتاپ فناوری به نام eMeta را هم‌بنیان گذاشت و معاون توسعهٔ کسب‌وکار آن بود. سپس به Wharton رفت و اکنون دانشیار مدیریت و هم‌مدیر Wharton Generative AI Labs است. پژوهش‌هایش از جمله دربارهٔ پذیرش AI مولد در سازمان‌هاست.
کتاب Co-Intelligence او در ۲۰۲۴ از پرفروش‌های New York Times شد و مجلهٔ TIME او را در فهرست تأثیرگذارترین افراد حوزهٔ AI در ۲۰۲۴ قرار داد.
او از بیرون سازمان‌ها همان مسئله‌ای را بررسی می‌کند که مدیر عملیات AI از درون با آن درگیر است: چرا بهره‌وری افراد با AI خودبه‌خود به نتیجهٔ سازمان نمی‌رسد. خواندن نوشته‌های او برای کسی که می‌خواهد این کار را پیش ببرد زبان مشترکی با مدیران فراهم می‌کند.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Manager, AI Operations
تحلیل نیازمندی‌ها
8+ years of progressive experience in business operations, transformation, implementation, change management, PMO, product operations, technology adoption, consulting, or related roles.
این شرط اصلی است و فنی نیست. کسی که سال‌ها در عملیات، پیاده‌سازی سیستم یا مدیریت تغییر کار کرده، از نظر این کارفرما به این نقش نزدیک‌تر است تا یک مهندس تازه‌کار AI.
ضروری3+ years of people leadership experience or equivalent experience leading cross-functional teams, workstreams, or implementation teams.
این نقش افراد زیردست دارد. اگر مدیر مستقیم نبوده‌اید، رهبری یک تیم پیاده‌سازی یا یک جریان کاری میان‌بخشی هم پذیرفته می‌شود.
ضروریExperience developing business cases, KPIs, adoption metrics, benefits tracking, executive updates, or portfolio prioritization inputs.
باید بتوانید ارزش یک کار را پیش از شروع توضیح دهید و بعد نشان دهید محقق شده یا نه. نمونهٔ واقعی از یک business case یا داشبورد پذیرش بهترین مدرک است.
ضروریExperience implementing new tools, processes, operating models, or technology-enabled capabilities into business teams, including training, communications, readiness, launch, hypercare, and sustainment.
منظور تجربهٔ کامل راه‌اندازی یک سیستم تازه برای کاربران است: آموزش، اطلاع‌رسانی، آمادگی، روز راه‌اندازی، پشتیبانی فشردهٔ هفته‌های اول (hypercare) و نگهداری. این تجربه می‌تواند از راه‌اندازی هر سیستمی باشد، نه فقط AI.
ضروریExperience operating in ambiguous or emerging domains where processes, roles, governance, and success measures must be created rather than inherited.
این کارکرد هنوز در شرکت وجود ندارد و باید ساخته شود. کارفرما کسی را می‌خواهد که بدون دستورالعمل آماده، فرایند و معیار موفقیت را خودش تعریف کند.
مهمFamiliarity with AI, automation, digital transformation, product lifecycle, or technology implementation preferred; hands-on AI development experience is not required.
آشنایی با AI امتیاز است، نه شرط، و تجربهٔ ساختن AI لازم نیست. این جمله نشان می‌دهد این آگهی نسخهٔ مدیریتی این شغل است؛ در نسخهٔ سازنده، مثل Expedia، مهارت فنی بیشتری خواسته می‌شود.
مفیدتحلیل مسئولیت‌ها
Establish the business-side AI Operations function, including its service model, intake criteria, implementation standards, readiness criteria, launch playbooks, and success measures.
شما سازندهٔ خود این کارکرد هستید: تعیین می‌کنید چه درخواست‌هایی پذیرفته می‌شوند، یک ابزار کی آمادهٔ راه‌اندازی است، راه‌اندازی چطور انجام می‌شود و موفقیت چطور سنجیده می‌شود.
Define how AI solutions transition from innovation and IT scaling into business ownership, including roles, responsibilities, decision rights, handoff requirements, support models, and sustainment expectations.
تیم نوآوری و IT ابزار را می‌سازند و بزرگ می‌کنند؛ شما تعیین می‌کنید بعد از آن مالکش کیست، چه کسی تصمیم می‌گیرد و پشتیبانی با کیست. بدون این، ابزارها پس از راه‌اندازی بی‌صاحب می‌مانند.
Translate AI capabilities into practical business usage by defining who will use the tool, when it will be used, what decisions or workflows it supports, what behaviors need to change, and how performance will be measured.
قابلیت فنی به‌تنهایی کاری انجام نمی‌دهد. باید دقیق بگویید چه کسی، در کدام لحظه از کار، با این ابزار چه می‌کند و چه رفتاری باید عوض شود؛ این همان پلی است که میان فناوری و نتیجه کم است.
Manage hypercare after launch, including issue triage, user feedback loops, adoption monitoring, escalation paths, enhancement requests, and transition to steady-state support.
هفته‌های اول پس از راه‌اندازی تعیین می‌کند ابزار می‌ماند یا کنار گذاشته می‌شود. باید مشکل‌ها را سریع دسته‌بندی کنید، بازخورد بگیرید و بعد ابزار را به پشتیبانی عادی بسپارید.
Establish operational controls for responsible use, including user guidance, approval paths, data handling expectations, auditability needs, human review points, and alignment with enterprise AI governance.
حاکمیت AI در این نقش عملی است: راهنمای کاربر، اینکه چه کسی تأیید می‌کند، چه داده‌ای مجاز است، چه چیزی ثبت می‌شود و کجا انسان باید خروجی را بازبینی کند.
Build feedback mechanisms to understand user experience, adoption barriers, process friction, content gaps, quality issues, and opportunities for automation or workflow redesign.
باید بدانید چرا مردم از ابزاری استفاده نمی‌کنند یا کجا کار گیر می‌کند. همین بازخورد منبع فرصت‌های بعدی اتوماسیون هم هست.
Lead and coach direct reports responsible for implementation planning, adoption support, KPI tracking, training coordination, stakeholder readiness, and operational sustainment.
این نقش تیم دارد و بخشی از کارتان رشد دادن افرادی است که برنامه‌ریزی پیاده‌سازی، آموزش و سنجش را انجام می‌دهند.
نتیجه‌گیری کلی
این آگهی روشن‌ترین تعریف این شغل در بازار امروز را می‌دهد: مدیری از جنس عملیات و مدیریت تغییر که قابلیت‌های AI را از تیم فنی تحویل می‌گیرد و کاری می‌کند واقعاً استفاده شوند، پشتیبانی داشته باشند و نتیجه‌شان سنجیده شود. هشت سال سابقه در عملیات یا تحول و سه سال رهبری افراد می‌خواهد و تجربهٔ ساختن AI را لازم نمی‌داند. بازهٔ حقوق پایه در آگهی ۸۹٬۶۰۰ تا ۱۵۰٬۰۰۰ دلار است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
آمار رسمی جداگانه‌ای برای این شغل وجود ندارد. نزدیک‌ترین گروه رسمی در BLS، یعنی مدیران ارشد (Top Executives) که مدیران عمومی و عملیات را هم دربر می‌گیرد، از ۲۰۲۵ تا ۲۰۳۵ در آمریکا ۵٪ رشد پیش‌بینی شده است؛ این گروه بسیار گسترده‌تر از این شغل است. نشانهٔ نزدیک‌تر از Indeed Hiring Lab است: سهم آگهی‌های آمریکا که به AI اشاره می‌کنند در پایان ۲۰۲۵ به ۴٫۲٪ رسید و تعداد این آگهی‌ها ۱۳۴٪ بالاتر از فوریهٔ ۲۰۲۰ بود، در حالی که کل آگهی‌ها فقط ۶٪ بالاتر بود.
منبع: BLS OOH, Top Executives (2025–35); Indeed Hiring Lab (Jan 2026)
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
Gartner در ژوئن ۲۰۲۵ پیش‌بینی کرد بیش از ۴۰٪ پروژه‌های agentic AI تا پایان ۲۰۲۷ به دلیل افزایش هزینه، ارزش تجاری نامشخص یا کنترل ناکافی ریسک لغو شوند؛ همان سه چیزی که این نقش برای مدیریتشان ساخته می‌شود.
Gartner در همان گزارش پیش‌بینی کرد تا ۲۰۲۸ دست‌کم ۱۵٪ تصمیم‌های کاری روزمره به‌طور خودکار با agentic AI گرفته شود، در برابر صفر در ۲۰۲۴.
BLS پیش‌بینی می‌کند اشتغال گروه مدیران ارشد، که مدیران عمومی و عملیات را هم دربر می‌گیرد، از ۲۰۲۵ تا ۲۰۳۵ در آمریکا ۵٪ رشد کند؛ BLS گروه جداگانه‌ای برای مدیر عملیات AI ندارد.
عنوان این شغل هنوز ناپایدار است. Ben می‌نویسد بازار هنوز روی اسمی برای آن توافق نکرده و در همین بررسی دو آگهی که در نتایج جستجو با عنوان مدیر عملیات AI دیده می‌شدند، هنگام باز کردن با عنوان دیگری منتشر شده بودند (مدیر ارشد تحول عملیات در Mission Lane و پژوهشگر کاربردی AI در Fuse Energy). پس بخشی از این کار را با عنوان‌های دیگر هم باید جستجو کرد. ریسک دوم این است که هدف این نقش کم کردن وابستگی به خودش است: Karbon می‌خواهد پس از یک سال سه بخش ابزارهای خود را بدون این فرد گسترش دهند و اداره کنند. ارزش بلندمدت در ساختن سیستم، استاندارد و تیم است، نه در اینکه همهٔ اتوماسیون‌ها را خودتان نگه دارید.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۳۱ منبع بررسی شده است.
- Manager, AI Operations — Holland America Line (job posting)
- AI Operations Manager - AI Builder — Expedia Group (job posting)
- Manager - AI Operations (Remote) — BMO (job posting)
- AI Operations Manager — Legend (job posting)
- AI Operations Lead — Karbon (job posting)
- Senior Operations Manager - AI Automation — Capital.com (job posting)
- AI Operations Manager（AI活用推進担当）— RAKSUL (job posting)
- AI Operations Manager (Remote) — CrowdStrike (closed posting, Built In)
- Sr AI Operations Manager — NBCUniversal (closed posting, Built In NYC)
- AI Operations Head — Lazard (job posting)
- AI Operations Specialist — LogicGate (job posting)
- AI Operations Associate — Fuel Cycle (job posting)
- Sr. Manager, AI Performance & Operations — Devoted Health (job posting)
- Head of AI Operations — Ben (job posting)
- Senior Manager, Operations Transformation — Mission Lane (job posting)
- AI Operations — Thirdfort (job posting)
- AI Operations Manager — Snappr (job posting, other meaning)
- Senior AI Data Operations Manager — HackerRank (job posting, other meaning)
- Director, AI Operations (LLMOps / AgentOps / MLOps) — Navy Federal Credit Union (job posting, other meaning)
- AI Operations Manager — Quantum Yield (job posting, other meaning)
- Operations Manager — Mundo AI (job posting, other meaning)
- IBM — What is AIOps?
- BLS Occupational Outlook Handbook — Top Executives
- Indeed Hiring Lab — January 2026 labor market update: jobs mentioning AI are growing
- Gartner — Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (June 2025)
- Ethan Mollick — Making AI Work: Leadership, Lab, and Crowd (One Useful Thing)
- Zapier — Why we have an AI Transformation Officer at Zapier
- Zapier — How Zapier rolled out AI org-wide (Jan 2026)
- People Managing People — interview with Brandon Sammut (Zapier)
- Pharmaceutical Executive — Brice Challamel on mChat and ChatGPT Enterprise at Moderna
- Ethan Mollick — Wikipedia