🏛️

تحلیلگر و مدیر سیاست‌گذاری هوش مصنوعی

AI Policy Analyst / Manager

تحلیلگر و مدیر سیاست‌گذاری هوش مصنوعی روی قانون‌ها، مقررات و راهبردهای عمومی دربارهٔ AI کار می‌کند: لایحه‌ها و مقررات تازه را دنبال و تحلیل می‌کند، گزارش و یادداشت سیاستی می‌نویسد، برای سیاست‌گذاران جلسهٔ توجیهی آماده می‌کند و دیدگاه سازمان خود را با دولت‌ها، قانون‌گذاران و نهادهای ناظر در میان می‌گذارد. این کار در چهار جا انجام می‌شود: تیم‌های سیاست عمومی شرکت‌های AI (مثل Google DeepMind، Cohere و Anthropic)، اندیشکده‌ها و مراکز پژوهشی (مثل RAND Europe)، خود دولت‌ها و نهادهای ناظر (مثل وزارت علوم، نوآوری و فناوری بریتانیا) و سازمان‌های غیرانتفاعی (مثل METR). «AI Policy Consultant» (مشاور سیاست‌گذاری هوش مصنوعی)، نام قبلی این صفحه، عنوان شغلی رایجی نیست: در جست‌وجوی آگهی‌های لینکدین در ۲۲ اکتبر ۲۰۲۶ هیچ آگهی بازی با این عنوان پیدا نشد. کارفرماها عنوان‌هایی مثل AI Policy Manager، AI Policy Analyst، Public Policy Manager و Policy Advisor به کار می‌برند و شرکت‌های مشاوره عنوان‌هایی مثل Digital Regulation & Policy Consultant (در EY). بیشتر آگهی‌ها چند سال سابقه در سیاست‌گذاری، حقوق، کار دولتی یا فناوری می‌خواهند، اما نقش ورودی هم هست؛ مثل Associate در Tencent و Research Analyst در RAND Europe.

Policy AnalysisLegislative AnalysisPolicy WritingAI LiteracyStakeholder EngagementAI Governance Frameworks

مقدمه و تعریف شغل

تحلیلگر یا مدیر سیاست‌گذاری هوش مصنوعی (AI Policy Analyst / Manager) کسی است که روی قاعده‌های عمومی دربارهٔ AI کار می‌کند: قانون‌ها، مقررات، استانداردها و راهبردهای دولتی. بسته به جایی که کار می‌کند، کارش کمی فرق دارد. در یک شرکت AI موضع شرکت را دربارهٔ لایحه‌ها می‌سازد و با دولت‌ها در میان می‌گذارد؛ آگهی Google DeepMind از تحلیل قانون، redline لایحه، آماده‌سازی شهادت و جلسهٔ توجیهی فنی برای لایحه‌های ایالتی و فدرال آمریکا نام می‌برد. در اندیشکده پژوهش و گزارش سیاستی تولید می‌کند. در دولت به طراحی برنامه و مقررات کمک می‌کند. هستهٔ مشترک همهٔ این نقش‌ها یکی است: فهمیدن فناوری، فهمیدن فرایند سیاست‌گذاری و نوشتن روشن برای کسانی که باید تصمیم بگیرند.

قاعده‌گذاری برای AI در چند سال اخیر از بحث به اجرا رسیده است و این شغل از همین‌جا می‌آید. طبق کمیسیون اروپا، قانون AI اتحادیهٔ اروپا در ۱ اوت ۲۰۲۴ لازم‌الاجرا شد و از ۲ اوت ۲۰۲۶ اعمال می‌شود، با چند استثنا: ممنوعیت‌ها از فوریهٔ ۲۰۲۵ و تعهدات مدل‌های همه‌منظوره (GPAI) از اوت ۲۰۲۵ اجرا شده‌اند و قواعد سیستم‌های پرریسک پیوست III به ۲ دسامبر ۲۰۲۷ منتقل شده است. در آمریکا، NIST در ژانویهٔ ۲۰۲۳ چارچوب داوطلبانهٔ مدیریت ریسک AI را منتشر کرد. اصول AI سازمان OECD که در ۲۰۱۹ تصویب و در ۲۰۲۴ به‌روز شد، طبق OECD ۴۷ عضو دارد. گزارش AI Index ۲۰۲۶ دانشگاه استنفورد هم نشان می‌دهد شمار شاهدانی که در جلسه‌های استماع کنگرهٔ آمریکا دربارهٔ AI شهادت داده‌اند از ۵ نفر در ۲۰۱۷ به ۱۰۲ نفر در ۲۰۲۵ رسیده و سهم صنعت از این شاهدان از ۱۳٪ به ۳۷٪ افزایش یافته است؛ و راهبردهای ملی AI بیش از همه در کشورهایی گسترش می‌یابند که پنج سال پیش هیچ سیاست رسمی AI نداشتند. هر کدام از این قاعده‌ها کسی را لازم دارد که آن را بخواند، تحلیل کند و دربارهٔ آن نظر بدهد؛ هم در دولت، هم در شرکت‌ها و هم در اندیشکده‌ها.

چه چیزی می‌سازید؟

مثال‌های واقعی از خروجی کار یک تحلیلگر و مدیر سیاست‌گذاری هوش مصنوعی

📜

تحلیل و redline لایحه

در آگهی US AI Policy Manager در Google DeepMind، کار اصلی تحلیل قانون، پیشنهاد اصلاح متن، آماده‌سازی شهادت و جلسهٔ توجیهی فنی برای لایحه‌های AI ایالتی و فدرال آمریکاست که با سرعت زیاد پیش می‌روند.

📝

memo و جلسهٔ توجیهی برای تصمیم‌گیران

Anthropic از عضو تیم Policy Development می‌خواهد یادداشت‌ها و briefingهای روشنی بنویسد که به هم‌راستا شدن مدیران روی تصمیم‌ها کمک کند. METR هم یافته‌های فنی پیچیده را به briefing و memo مناسب سیاست‌گذاران تبدیل می‌کند.

📊

گزارش پژوهشی و policy brief

تحلیلگر Vanderbilt Policy Accelerator گزارش، white paper و policy brief دربارهٔ پاسخ‌گویی AI، ساختار بازار و حاکمیت داده می‌نویسد. RAND Europe پژوهش‌هایی با روش‌هایی مثل مصاحبه، تحلیل تطبیقی سیاست و tabletop exercise انجام می‌دهد.

🧭

موضع سیاستی و پاسخ به نظرخواهی

آگهی Associate در Tencent کمک در نوشتن موضع سیاستی، پاسخ به نظرخواهی‌های عمومی (consultation responses) و مطالب بیرونی را از وظایف آورده است. Cohere هم از مدیر سیاست عمومی می‌خواهد دربارهٔ sovereign AI و دسترسی به compute موضع سیاستی بسازد.

🤝

نقشهٔ ذی‌نفعان و برنامهٔ تعامل

در OpenAI، US External Affairs Associate نقشهٔ ذی‌نفعان، برنامهٔ تعامل و مطالب توجیهی برای کارزارهای سیاستی می‌سازد و بازخورد جامعهٔ مدنی را به تیم‌های داخلی منتقل می‌کند.

📐

مشارکت در استانداردها و چارچوب‌های فنی

تیم Policy Development در Anthropic در تدوین بهترین شیوه‌ها و استانداردهای ایمنی برای توسعهٔ مدل‌های پیشرو کار می‌کند و در گروه‌های استانداردگذاری نمایندهٔ شرکت است.

تخصص‌های مختلف تحلیلگر و مدیر سیاست‌گذاری هوش مصنوعی

این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد

🏢

سیاست عمومی و امور دولتی در شرکت‌های AI

Public Policy / Government Affairs (AI company)

ساختن موضع شرکت دربارهٔ لایحه‌ها و مقررات و در میان گذاشتن آن با دولت‌ها؛ مثل US AI Policy Manager در Google DeepMind، Manager, AI Public Policy در TikTok و US Congressional Lead در OpenAI.

📚

پژوهش سیاستی در اندیشکده

Think Tank Policy Research

پژوهش مستقل و انتشار گزارش برای دولت‌ها و عموم؛ مثل Research Analyst در RAND Europe و A.I. and Technology Policy Analyst در Vanderbilt Policy Accelerator. RAND Europe از نامزد می‌خواهد شواهد‌محور و بدون جهت‌گیری حمایتی (non-advocacy-driven) باشد.

🏛️

مشاور سیاستی در دولت و نهادهای ناظر

Government Policy Advisor

طراحی برنامه و مقررات از درون دولت؛ مثل Senior Policy Advisor در DSIT بریتانیا که مداخله‌های دولتی برای سرعت دادن به کاربرد AI پیشرو در علم و مهندسی طراحی می‌کند، یا نقش اداره خدمات مالی نیویورک که در توسعهٔ سیاست و ارزیابی استفادهٔ نهادهای تحت نظارت از AI کمک می‌کند.

🔬

حاکمیت فنی AI

Technical AI Governance

تبدیل بینش فنی به پیشنهاد سیاستی و استاندارد؛ مثل تیم Policy Development در Anthropic و نقش Member of Policy Staff در METR که به گفتهٔ آگهی، خودش موضع سیاستی نمی‌گیرد و نقش مشاور علمی و ارزیاب مستقل ریسک دارد.

💼

مشاورهٔ سیاستی برای دولت‌ها و نهادهای بین‌المللی

Policy Consulting for Governments

پروژه‌های مشاوره برای دولت‌ها، ناظران و نهادهای بین‌المللی؛ مثل Digital Regulation & Policy Consultant در EY، یا کارشناسانی که NTU International برای پیشنهاد پروژهٔ «AI Observatory» کمیسیون اروپا جذب می‌کند. نزدیک‌ترین نسخه به عنوان قدیمی این صفحه، «مشاور سیاست‌گذاری AI».

تفاوت با شغل‌های مشابه

کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟

متخصص انطباق و مقررات هوش مصنوعیAI Compliance Officer

متخصص انطباق از قانونی شروع می‌کند که تصویب شده و آن را داخل سازمان اجرا می‌کند: فهرست سیستم‌ها، طبقه‌بندی ریسک، کنترل و شاهد. سیاست‌گذار یک مرحله زودتر کار می‌کند: وقتی قانون هنوز در حال شکل گرفتن است، لایحه را تحلیل می‌کند، پیشنهاد اصلاح می‌دهد و با قانون‌گذار و ناظر حرف می‌زند؛ مثل statutory analysis و legislative redlines در آگهی DeepMind. مرز همیشه روشن نیست: آگهی «AI Policy Analyst» که Zel Technologies برای شهر Virginia Beach منتشر کرده در واقع نوشتن سیاست‌ها و چارچوب حاکمیت داخلی AI برای خود شهر است و به کار انطباق نزدیک‌تر است.

افسر اخلاق هوش مصنوعیAI Ethicist / Product Policy

افسر اخلاق و تیم‌های Product Policy تعیین می‌کنند محصول یا مدل خود سازمان چه کاری مجاز است بکند و مخاطبشان تیم‌های داخلی‌اند. سیاست‌گذار عمومی با قاعده‌هایی سروکار دارد که دولت‌ها برای همه می‌گذارند و مخاطبش قانون‌گذار، ناظر و جامعهٔ مدنی است. در یک شرکت این دو کنار هم‌اند: Thinking Machines دو آگهی جدا دارد، Product Policy و Global Public Policy، و از دومی می‌خواهد شرکت را مستقیم نزد قانون‌گذاران، ناظران و کارکنان نهادهای دولتی نمایندگی کند.

محقق ایمنی هوش مصنوعیAI Safety Researcher

پژوهشگر ایمنی روی خود مدل آزمایش می‌کند و خروجی‌اش کد، آزمایش و گزارش فنی است. سیاست‌گذار این یافته‌ها را به زبان تصمیم عمومی برمی‌گرداند. RAND Europe این مرز را صریح نوشته است: نقش Frontier AI Policy نه به اظهارنظر دربارهٔ مقررات محدود است و نه به ارزیابی فنی مدل، بلکه میان این دوست؛ و تخصص عمیق ML را لازم نمی‌داند. در شاخهٔ technical AI governance این دو به هم نزدیک می‌شوند؛ Anthropic از عضو تیم Policy Development تخصص در موضوعاتی مثل از دست رفتن کنترل، هم‌راستایی یا compute governance را می‌خواهد.

مشاور هوش مصنوعیAI Consultant

مشاور AI به سازمان‌ها کمک می‌کند AI را در کار خودشان به کار بگیرند؛ مشتری‌اش کسب‌وکار است و خروجی‌اش business case، نقشهٔ راه و پایلوت. سیاست‌گذار با قاعدهٔ عمومی کار می‌کند. نسخهٔ مشاوره‌ای این شغل هم هست، اما مشتری‌اش دولت‌ها و نهادهای ناظرند: EY در آگهی Digital Regulation & Policy Consultant از پشتیبانی دولت‌ها، ناظران ملی و سازمان‌های بین‌المللی توسعه در طراحی چارچوب‌های مقرراتی، از جمله دربارهٔ AI، می‌گوید.

تأثیر در صنایع مختلف

تحلیلگر و مدیر سیاست‌گذاری هوش مصنوعی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری

🧠

آزمایشگاه‌های مدل‌های پیشرو

Google DeepMind، Anthropic و Thinking Machines تیم سیاست عمومی دارند که دربارهٔ لایحه‌های ایمنی مدل‌های پیشرو، گزارش‌دهی ریسک، ارزیابی مستقل و سیاست مدل‌های open-weight کار می‌کند

🖥️

AI سازمانی و زیرساخت

Cohere روی زیرساخت محاسباتی، کنترل صادرات و راهبردهای sovereign AI کار سیاستی می‌کند؛ به نوشتهٔ آگهی، دولت‌ها AI را زیرساخت ملی حیاتی می‌بینند

📱

شبکه‌های اجتماعی و پلتفرم‌ها

TikTok از مدیر سیاست عمومی AI آشنایی با سیستم‌های توصیه‌گر، AI مولد، مدیریت محتوا و سیاست رسانه‌های مصنوعی (synthetic media) را امتیاز می‌داند

🌐

شرکت‌های فناوری چندملیتی

Tencent از تیم امور عمومی جهانی خود می‌خواهد روند سیاست AI را هم‌زمان در آمریکا، اروپا و آسیا-اقیانوسیه دنبال کند

🏛️

دولت و سیاست علم

DSIT بریتانیا برنامهٔ ۱۳۷ میلیون پوندی راهبرد AI for Science را اجرا می‌کند و برای آن مشاور سیاستی ارشد جذب می‌کند

🏦

خدمات مالی و نهادهای ناظر

اداره خدمات مالی ایالت نیویورک (DFS) متخصصی می‌خواهد که در توسعهٔ سیاست، آزمون نظارتی و ارزیابی استفادهٔ نهادهای تحت نظارت از AI کمک کند

🎓

اندیشکده‌ها و دانشگاه‌ها

RAND Europe کارکرد تازه‌ای برای سیاست AI پیشرو می‌سازد و Vanderbilt Policy Accelerator در دانشکدهٔ حقوق Vanderbilt روی پاسخ‌گویی AI، ساختار بازار و حاکمیت داده پژوهش می‌کند

🔍

ارزیابی مستقل و غیرانتفاعی‌ها

METR، سازمانی غیرانتفاعی که قابلیت‌ها و ریسک‌های AI را می‌سنجد، کسی را می‌خواهد که یافته‌های پژوهشی را به کنگره، نهادهای اجرایی و جامعهٔ امنیت ملی آمریکا منتقل کند

تصورات غلط رایج

قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید

برای این کار باید وکیل باشید

حقوق یک مسیر رایج است اما تنها مسیر نیست. TikTok برای مدیر سیاست عمومی AI «مدرک JD و/یا تجربهٔ قابل توجه» می‌خواهد، یعنی سابقه هم جایگزین مدرک حقوق می‌شود. Google DeepMind حداقل کارشناسی یا تجربهٔ عملی معادل می‌خواهد و Tencent برای نقش Associate رشته‌هایی از سیاست‌گذاری و اقتصاد تا علوم کامپیوتر و مهندسی را می‌پذیرد.

باید مهندس یادگیری ماشین باشید

DSIT بریتانیا صریحاً نوشته لازم نیست متخصص فنی باشید و RAND Europe تخصص عمیق ML را لازم نمی‌داند. اما سواد فنی لازم است: RAND می‌خواهد بتوانید شواهد ارزیابی و red teaming را نقادانه بخوانید و Anthropic کسی را می‌خواهد که موضوعات فنی تازه را سریع یاد بگیرد و به زبان سیاست‌گذاری ترجمه کند.

سیاست‌گذاری AI یعنی لابی‌گری

بخشی از این شغل حمایت از موضع سازمان است؛ آگهی DeepMind از «policy advocacy» نام می‌برد. اما بخش بزرگی از آن پژوهش و تحلیل مستقل است. METR در آگهی خود نوشته موضع سیاستی نمی‌گیرد و «شفافیت را بر حمایت و آگاه‌سازی را بر متقاعد کردن» مقدم می‌داند و RAND Europe از نامزد می‌خواهد شواهدمحور و بدون جهت‌گیری حمایتی باشد.

هر آگهی با عنوان AI Policy Analyst همین شغل است

نه همیشه. آگهی AI Policy Analyst شهر Virginia Beach (از طریق Zel Technologies) دربارهٔ نوشتن سیاست‌ها، چارچوب حاکمیت و ارزیابی اخلاقی سیستم‌های AI داخل خود شهر است، یعنی کاری نزدیک به انطباق و حاکمیت داخلی. پیش از درخواست، شرح وظایف را بخوانید: آیا کار روی قاعده‌های عمومی و تعامل با دولت است یا روی قواعد داخلی یک سازمان؟

بدون سال‌ها سابقه نمی‌شود وارد شد

بیشتر آگهی‌ها سابقه می‌خواهند (Cohere ۵ تا ۷ سال، Vanderbilt ۵ سال، DeepMind ۱۰ سال). اما درهای ورودی هم هست: Tencent نقش Associate را early-career معرفی کرده، RAND Europe سطح Analyst را با حقوق شروع از ۳۳ هزار پوند آگهی کرده و Horizon برای اندیشکده‌ها مسیر junior برای فارغ‌التحصیلان تازهٔ کارشناسی یا ارشد دارد.

یک روز کاری واقعی

در هر سطح روز کاری چه شکلی است؟

ورودی (Associate / Analyst)

بیشتر وقت صرف پیگیری، پژوهش و نوشتن می‌شود. کار را زیر نظر مدیر انجام می‌دهید و خروجی‌تان پایهٔ تصمیم‌های دیگران است.

  • ◆مرور روزانهٔ لایحه‌ها، مقررات و خبرهای سیاستی و به‌روز کردن جدول پیگیری
  • ◆نوشتن خلاصهٔ یک‌صفحه‌ای از یک لایحهٔ تازه برای تیم
  • ◆آماده کردن مطالب پیش‌زمینه برای جلسهٔ مدیر با یک اندیشکده یا نهاد دولتی
  • ◆واقعیت‌سنجی و ویرایش یک گزارش پیش از انتشار (از وظایف آگهی Vanderbilt)

میانی (Policy Analyst / Manager)

مسئول یک حوزهٔ موضوعی هستید، مثلاً زیرساخت و compute یا ایمنی مدل‌ها. موضع سیاستی می‌سازید و سازمان را در بحث‌های بیرونی نمایندگی می‌کنید.

  • ◆جلسه با تیم‌های حقوقی و محصول برای فهم اثر یک مقررهٔ تازه بر محصولات
  • ◆نوشتن پیش‌نویس موضع سازمان دربارهٔ یک لایحه
  • ◆شرکت در یک نشست چندجانبه یا جلسهٔ ائتلاف صنعتی
  • ◆نوشتن یادداشت تحلیلی یا گزارش برای انتشار عمومی

ارشد (Senior Manager / Head of Policy)

تمرکز روی راهبرد، روابط سطح بالا و رهبری تیم است. باید تحولات سریع را به توصیهٔ روشن برای مدیران ارشد تبدیل کنید.

  • ◆تعیین اولویت‌های سیاستی سازمان در چند حوزهٔ قضایی
  • ◆آماده‌سازی مدیرعامل یا مدیر پژوهش برای جلسه با قانون‌گذاران یا شهادت در جلسهٔ استماع
  • ◆مدیریت رابطه با مشاوران حقوقی بیرونی، انجمن‌های صنفی و شرکای ائتلاف
  • ◆استخدام و رشد اعضای تیم سیاست‌گذاری

مسئولیت‌ها و وظایف

مسئولیت‌های اصلی

وظایف روزانه و مهارت‌های مورد نیاز در این شغل

فنی
  • ◈پیگیری و تحلیل لایحه‌ها، مقررات، استانداردها و برنامه‌های دولتی دربارهٔ AI در حوزه‌های قضایی مختلف
  • ◈تحلیل متن قانون، پیشنهاد اصلاح (redline) و نوشتن متن پیشنهادی
  • ◈نوشتن policy brief، memo، گزارش پژوهشی، پاسخ به نظرخواهی‌های عمومی و یادداشت تحلیلی
  • ◈ترجمهٔ یافته‌های فنی، مثل نتایج ارزیابی مدل‌ها، به توصیه‌های قابل اجرا برای سیاست‌گذاران
مهارت نرم
  • ◈آماده‌سازی مدیران برای جلسه با مقامات دولتی، جلسه‌های استماع و رویدادهای عمومی
  • ◈ساختن و نگه‌داشتن رابطه با قانون‌گذاران، کارکنان نهادهای دولتی، اندیشکده‌ها، انجمن‌های صنفی و جامعهٔ مدنی
  • ◈نمایندگی سازمان در نشست‌ها، کارگاه‌ها و ائتلاف‌های چندجانبه
مدیریتی
  • ◈ساختن موضع سیاستی سازمان همراه با تیم‌های حقوقی، پژوهش، محصول و ارتباطات
  • ◈گزارش روشن و سریع تحولات سیاستی به مدیران ارشد همراه با پیامد آن برای سازمان

مهارت‌های مورد نیاز

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

مهارت‌های تحلیلی و فنی

تحلیل متن قانون و مقرراتضروری

خواندن لایحه، فهم اثر هر بند و پیشنهاد اصلاح؛ Anthropic و DeepMind هر دو آن را شرط گذاشته‌اند

نوشتن سیاستیضروری

policy brief، memo و گزارش روشن برای سیاست‌گذار، مدیر و پژوهشگر؛ Anthropic، DeepMind، Tencent و RAND Europe هر کدام آن را صریحاً خواسته‌اند

سواد فنی AIضروری

فهم آموزش و ارزیابی مدل، red teaming و compute در حدی که بتوانید شواهد فنی را نقادانه بخوانید (RAND Europe)

روش‌های پژوهش سیاستیمهم

مرور ادبیات، مصاحبه، تحلیل اسناد، تحلیل تطبیقی سیاست، سناریو و tabletop exercise (فهرست آگهی RAND Europe)

پیگیری تحولات چند حوزهٔ قضاییمهم

دنبال کردن هم‌زمان قانون‌گذاری ایالتی، فدرال و بین‌المللی (Thinking Machines، TikTok و Tencent)

تحلیل دادهمفید

RAND Europe تجربه با Python، R یا روش‌های تحلیل داده را مطلوب ولی غیرضروری می‌داند

ارزیابی ریسک و پیامدمهم

تشخیص پیامد راهبردی یک تحول سیاستی برای سازمان (Cohere) و شناسایی ریسک‌ها و فرصت‌های تازه (Tencent)

مهارت‌های ارتباطی و نرم

ترجمهٔ فنی به سیاستی و برعکسضروری

DeepMind می‌خواهد مفاهیم پژوهشی را برای سیاست‌گذار و واقعیت‌های قانون‌گذاری را برای تیم پژوهش توضیح دهید

رابطه‌سازی با ذی‌نفعانضروری

ساختن رابطهٔ پایدار با قانون‌گذاران، نهادها، اندیشکده‌ها و جامعهٔ مدنی؛ 80,000 Hours مهارت سیاسی و شبکه‌سازی را هم‌ارز تخصص می‌داند

قضاوت و رازداریمهم

METR نگه‌داشتن اطلاعات محرمانه و TikTok «رازداری قابل توجه» را خواسته‌اند

کار با ابهاممهم

Anthropic کسی را می‌خواهد که با ابهام راحت باشد و پروژه را از ابتدا تا انتها پیش ببرد

ارائه و سخنرانیمهم

نمایندگی سازمان در نشست‌ها و رویدادهای بیرونی؛ TikTok راحتی در سخنرانی عمومی را امتیاز می‌داند

تعامل با دیدگاه‌های متفاوتمهم

METR تجربهٔ تعامل سازنده با ذی‌نفعانی را می‌خواهد که پیش‌فرض‌ها و تخصص متفاوتی دارند؛ OpenAI هم از اعتمادسازی با گروه‌هایی می‌گوید که به AI بدبین‌اند

دانش حوزه‌ای

فرایند سیاست‌گذاریضروری

اینکه لایحه و مقرره چطور ساخته و تصویب می‌شوند و نهادهای اصلی چه نقشی دارند (METR و OpenAI)

قانون AI اتحادیهٔ اروپامهم

Thinking Machines آشنایی با آن را در شرایط حداقلی آورده است

ایمنی و حاکمیت مدل‌های پیشرومهم

frontier safety frameworks، ارزیابی مدل، compute governance و هم‌راستایی (فهرست آگهی DeepMind)

ژئوپلیتیک فناوری و کنترل صادراتمفید

زیرساخت AI، نیمه‌رسانا، انرژی و حاکمیت دیجیتال (Cohere و Thinking Machines)

چارچوب‌های داوطلبانه و اصول بین‌المللیمفید

NIST AI RMF و اصول AI سازمان OECD که در بسیاری از بحث‌ها مرجع‌اند

دانش یک بخش مشخصمفید

مثلاً خدمات مالی (DFS نیویورک)، پلتفرم‌های محتوا (TikTok) یا علم و مهندسی (DSIT)

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 و مدیر سیاست‌گذاری هوش مصنوعی

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

1

پایه: سیاست‌گذاری عمومی و فرایند قانون‌گذاری

⏱️ ۲ تا ۳ ماه

پیش از AI، خود سیاست‌گذاری را یاد بگیرید: یک لایحه چطور نوشته، اصلاح و تصویب می‌شود، نهاد ناظر چه اختیاری دارد و یک یادداشت سیاستی خوب چه شکلی است. آگهی Anthropic صریحاً می‌خواهد بتوانید متن قانون را بخوانید و دربارهٔ آن نظر مفید بدهید. اگر حقوق، علوم سیاسی، اقتصاد یا مدیریت دولتی خوانده‌اید، بخشی از این مرحله را دارید؛ فقط باید با نظام قانون‌گذاری کشوری که می‌خواهید در آن کار کنید آشنا شوید.

فرایند قانون‌گذاری (آمریکا، اتحادیهٔ اروپا، بریتانیا)نقش نهادهای ناظرنوشتن policy brief و memoتحلیل ذی‌نفعانخواندن متن قانون
2

سواد فنی هوش مصنوعی

⏱️ ۲ تا ۳ ماه

لازم نیست پژوهشگر ML باشید، اما باید بفهمید مدل چطور آموزش می‌بیند، ارزیابی می‌شود و کجا خطا می‌کند. 80,000 Hours می‌نویسد لازم نیست پژوهشگر ML پیشرو باشید، ولی باید آن‌قدر به فناوری مسلط باشید که بتوانید وارد بحث‌های آن شوید. RAND Europe هم تخصص عمیق ML را لازم نمی‌داند ولی می‌خواهد بتوانید شواهد ارزیابی و red teaming را نقادانه بخوانید.

مفاهیم پایهٔ یادگیری ماشینمدل‌های زبانی بزرگ و نحوهٔ آموزش آن‌هاارزیابی مدل و red teaming در حد مفهومیcompute و نقش آن در توسعهٔ AIکار عملی با چند ابزار AI
3

چشم‌انداز حاکمیت AI و چارچوب‌های اصلی

⏱️ ۲ ماه

چارچوب‌هایی را بشناسید که در آگهی‌ها نام برده می‌شوند و بدانید هر کدام الزام‌آور است یا داوطلبانه: قانون AI اتحادیهٔ اروپا، چارچوب مدیریت ریسک NIST و اصول AI سازمان OECD. Thinking Machines آشنایی کاری با چشم‌انداز مقرراتی ایالتی، فدرال و بین‌المللی، از جمله قانون AI اتحادیهٔ اروپا، را شرط گذاشته است.

قانون AI اتحادیهٔ اروپا و زمان‌بندی اجرای آنNIST AI RMFاصول AI سازمان OECDقانون‌گذاری ایالتی و فدرال آمریکا دربارهٔ AIحاکمیت مدل‌های پیشرو (frontier AI)
4

پژوهش و نوشتن سیاستی

⏱️ ۲ تا ۳ ماه

گزارش‌های اندیشکده‌ها را بخوانید تا ببینید یک تحلیل سیاستی خوب چطور ساخته می‌شود، و بعد خودتان بنویسید. آگهی Vanderbilt از تحلیلگر می‌خواهد گزارش، white paper، policy brief و یادداشت تحلیلی بنویسد و آگهی RAND Europe سابقهٔ تبدیل پیشنهاد پژوهشی به انتشار را می‌خواهد. با دادهٔ واقعی کار کنید؛ AI Index و Epoch AI داده‌های آزاد دارند.

تحلیل سیاست تطبیقیمصاحبه با ذی‌نفعانسناریو و tabletop exerciseنوشتن برای مخاطب غیرفنیکار با داده (Excel، و در صورت امکان Python یا R)
5

فلوشیپ، شبکه و ورود به کار

⏱️ مداوم

80,000 Hours فلوشیپ‌ها را از بهترین درهای ورود به کار سیاست‌گذاری می‌داند. برخی برای فارغ‌التحصیلان تازه هم باز است: Horizon برای اندیشکده‌ها مسیر junior برای دارندگان مدرک کارشناسی یا ارشد تازه دارد. برخی شرط محل زندگی یا مجوز کار دارند؛ Horizon مثلاً مجوز کار در آمریکا و زندگی در منطقهٔ واشنگتن را شرط گذاشته است. پیش از برنامه‌ریزی، شرایط هر برنامه را بخوانید.

شبکه‌سازی حرفه‌ایارائه و جلسهٔ توجیهیانتشار عمومی نوشته‌هاشناخت سازمان‌های این حوزه

ابزارها و استک فنی

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

پیگیری قانون‌ها و سیاست‌ها

OECD.AI Policy Observatory

پایگاه سیاست‌ها و راهبردهای ملی AI کشورهای مختلف؛ برای مقایسهٔ رویکرد کشورها

ضروری
IAPP Global AI Law and Policy Tracker

خلاصهٔ وضعیت قانون‌گذاری AI در کشورهای مختلف، برای شروع سریع بررسی یک کشور

مفید
AI Act Explorer (AI Act Service Desk)

متن قانون AI اتحادیهٔ اروپا به تفکیک ماده و پیوست، در سایت رسمی کمیسیون اروپا

ضروری
Quorum

نرم‌افزار امور عمومی (public affairs) برای پیگیری قانون‌گذاری در کنگره، ۵۰ ایالت آمریکا و اتحادیهٔ اروپا و مدیریت ذی‌نفعان؛ آگهی Tencent نگه‌داری پایگاه و ابزار پیگیری ذی‌نفعان را از وظایف آورده است

مفید

داده و شواهد

Stanford AI Index

گزارش سالانهٔ دانشگاه استنفورد با داده دربارهٔ پژوهش، اقتصاد و سیاست‌گذاری AI؛ فصل Policy and Governance آن برای این شغل مستقیماً کاربرد دارد

ضروری
Epoch AI Data

پایگاه‌های دادهٔ آزاد دربارهٔ مدل‌های AI، مراکز دادهٔ بزرگ AI و فروش تراشه‌های AI؛ برای بحث‌های compute governance

مفید
MIT AI Risk Repository

پایگاه زندهٔ ریسک‌های AI و رخدادهای واقعی، دسته‌بندی‌شده بر اساس حوزهٔ ریسک

مفید
AI Incident Database

پایگاه رخدادهای ثبت‌شدهٔ AI؛ برای مستند کردن آسیب‌های واقعی در یک تحلیل سیاستی

مفید

چارچوب‌ها و نهادهای مرجع

NIST AI RMF

چارچوب داوطلبانهٔ مدیریت ریسک AI که NIST در ژانویهٔ ۲۰۲۳ منتشر کرد

ضروری
OECD AI Principles

اصولی که OECD در ۲۰۱۹ تصویب و در مه ۲۰۲۴ به‌روز کرد و طبق OECD ۴۷ عضو دارد

ضروری
AI Security Institute (UK)

سازمان پژوهشی درون DSIT بریتانیا که به گفتهٔ خودش مأموریتش دادن فهم علمی از ریسک‌های AI پیشرفته به دولت‌هاست

مفید
EUR-Lex

متن رسمی قوانین اتحادیهٔ اروپا، از جمله Regulation (EU) 2024/1689 (قانون AI)

مفید

پژوهش، نوشتن و آشنایی با مدل‌ها

Zotero

مدیریت منابع و ارجاع؛ برای گزارش‌هایی که باید منبع هر ادعا را نشان دهند

مفید
artificialintelligenceact.eu

سایت Future of Life Institute با تحلیل و خبرهای به‌روز دربارهٔ قانون AI اتحادیهٔ اروپا؛ مکمل متن رسمی

مفید
Hugging Face

دیدن و امتحان کردن مدل‌های متن‌باز و model card آن‌ها؛ برای فهم عملی بحث مدل‌های open-weight

مفید
CSET Publications

گزارش‌های اندیشکدهٔ CSET دانشگاه Georgetown دربارهٔ امنیت و فناوری‌های نوظهور؛ برای دیدن نمونه‌های واقعی نوشتن سیاستی

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

Associate / Research Analyst

۰ تا ۳ سال

پیگیری لایحه‌ها و مقررات، نوشتن خلاصه و یادداشت داخلی، کمک در آماده‌سازی جلسه‌ها؛ آگهی Tencent این نقش را early-career معرفی کرده و RAND Europe سطح Analyst را با حقوق شروع از ۳۳ هزار پوند آگهی کرده است

Policy ResearchWritingLegislative TrackingAI Literacy

Policy Analyst / Policy Manager

۳ تا ۷ سال

مسئولیت یک حوزهٔ موضوعی، ساختن موضع سیاستی و نمایندگی سازمان در بحث‌های بیرونی؛ Cohere برای این سطح ۵ تا ۷ سال سابقه در سیاست عمومی، سیاست فناوری یا حوزه‌های مرتبط می‌خواهد

Policy PositionsStakeholder EngagementLegislative AnalysisThought Leadership

Senior Policy Manager / Lead

۸ تا ۱۰ سال و بیشتر

هدایت کار سیاستی در چند حوزهٔ قضایی، redline لایحه‌ها و آماده‌سازی شهادت در کنگره؛ آگهی DeepMind ۱۰ سال و آگهی Congressional Lead در OpenAI بیش از ۸ سال سابقه می‌خواهد

Statutory AnalysisLegislative RedlinesGovernment RelationsCoalition Building

Head of Public Policy / Policy Director

۱۰+ سال

تعیین راهبرد سیاست عمومی سازمان، ساختن و رهبری تیم و نمایندگی مستقیم نزد قانون‌گذاران و ناظران؛ مثل آگهی Global Public Policy در Thinking Machines

Policy StrategyTeam BuildingExecutive AdvisingMulti-jurisdiction Engagement

چالش‌ها و جنبه‌های منفی

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

سرعت تغییر قاعده‌ها

عمومی

DeepMind از لایحه‌های AI ایالتی و فدرال «پرسرعت» می‌گوید و Thinking Machines از تبدیل تحولات سریع به موضع روشن. حتی زمان‌بندی‌های رسمی عوض می‌شوند: طبق کمیسیون اروپا، قواعد سیستم‌های پرریسک قانون AI به ۲ دسامبر ۲۰۲۷ منتقل شد. کار در این شغل یعنی دانش‌تان مدام کهنه می‌شود.

ایستادن میان دنیای فنی و دنیای سیاست

تحقیقاتی

باید هم با پژوهشگران و مهندسان جدی حرف بزنید و هم با قانون‌گذاران. RAND Europe می‌نویسد نهادهای مسئول حاکمیت AI اغلب راه روشنی برای تفسیر شواهد فنی ندارند و این نقش باید همین فاصله را پر کند: شواهد چه چیزی را ثابت می‌کند و چه عدم‌قطعیتی باقی می‌ماند.

تنش میان استقلال و حمایت از یک موضع

عمومی

در شرکت، کار شما پیش بردن موضع شرکت است؛ در اندیشکده یا سازمان ارزیاب، اعتبارتان به بی‌طرفی است. METR شفافیت را بر حمایت مقدم می‌داند و RAND Europe از نامزد می‌خواهد بدون جهت‌گیری حمایتی باشد. هنگام انتخاب کارفرما بدانید کدام نقش را می‌خواهید.

اثر تغییرات سیاسی بر شغل

عمومی

طبق 80,000 Hours، بسیاری از نقش‌های دولتی آمریکا جناحی‌اند و گزینه‌های شما به اینکه کدام حزب در قدرت است بستگی دارد. این مرور شغلی از ساعت کاری طولانی، امنیت شغلی کم و جابه‌جایی زیاد در این نقش‌ها هم می‌گوید.

شرط تابعیت، محل زندگی و مجوز امنیتی

عمومی

طبق 80,000 Hours، بیشتر نقش‌های فدرال آمریکا تابعیت آمریکا و زندگی در واشنگتن یا سفر مداوم به آنجا را می‌خواهند. METR شرط واجد شرایط بودن برای مجوز امنیتی TS/SCI را گذاشته و Horizon نمی‌تواند ویزای کار حمایت کند. طبق همان مرور شغلی، بسیاری از اندیشکده‌ها غیرشهروندان را هم می‌پذیرند و برخی نقش‌های شرکتی دورکاری‌اند؛ مثلاً Cohere این نقش را دورکاری در آمریکا آگهی کرده است.

ورود به بازار بدون سابقهٔ مرتبط

عمومی

بیشتر آگهی‌ها سابقه در سیاست‌گذاری، دولت یا حقوق می‌خواهند و DeepMind حتی ۱۰ سال. در آگهی‌های این پژوهش، نقش‌های ورودی بسیار کمتر از نقش‌های باسابقه بودند. نوشتهٔ منتشرشده، فلوشیپ و نقش‌های junior در اندیشکده‌ها راه‌هایی‌اند که 80,000 Hours و آگهی‌ها نشان می‌دهند.

حقوق و بازار کار جهانی

حقوق جهانی تحلیلگر و مدیر سیاست‌گذاری هوش مصنوعی

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

کشورمیانه / میانگینارز
🇺🇸آمریکا
$215,000USD
🇺🇸آمریکا
$214,000USD
🇨🇦کانادا
CA$242,500CAD

چگونه از صفر شروع کنیم

برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی

ماه ۱: سواد فنی AI

یک دورهٔ مقدماتی بدون برنامه‌نویسی تمام کنید و ویدیوی مقدماتی LLM را ببینید تا اصطلاحات فنی آگهی‌ها برایتان آشنا شود.

ماه ۲: چارچوب‌های اصلی

قانون AI اتحادیهٔ اروپا، NIST AI RMF و اصول OECD را از منبع رسمی بخوانید و برای هر کدام یک صفحه خلاصه بنویسید.

ماه ۳: دورهٔ حاکمیت AI

در یک دورهٔ گروهی حاکمیت AI شرکت کنید تا هم دانش‌تان مرتب شود و هم با هم‌رشته‌ها آشنا شوید.

ماه ۴: دو نمونه کار

یک policy brief دوصفحه‌ای و یک مقایسهٔ سه کشور بنویسید و منتشر کنید (مثلاً در لینکدین یا یک وبلاگ).

ماه ۵: شبکه و فلوشیپ

فهرستی از اندیشکده‌ها و فلوشیپ‌ها تهیه کنید، شرایط هر کدام را بخوانید و برای آن‌هایی که با وضعیت شما جورند آماده شوید.

ماه ۶: درخواست

برای نقش‌های Associate، Analyst و Policy Advisor درخواست دهید و در رزومه سابقهٔ قبلی‌تان را با زبان آگهی‌ها بنویسید: تحلیل قانون، نوشتن سیاستی و کار با ذی‌نفعان.

پروژه‌های پیشنهادی برای رزومه

policy brief دوصفحه‌ای دربارهٔ یک لایحه یا مقررهٔ واقعی

مبتدی

یک لایحه یا مقررهٔ AI را که الان در جریان است انتخاب کنید و در دو صفحه توضیح دهید: مسئله چیست، متن پیشنهادی چه می‌گوید، چه کسانی اثر می‌پذیرند و چه گزینه‌هایی وجود دارد. منبع هر ادعا را بیاورید و توصیه را از توصیف جدا کنید.

متن رسمی قانونOECD.AIZotero
زمان تخمینی: ۱ تا ۲ هفته

مقایسهٔ سه حوزهٔ قضایی دربارهٔ یک موضوع

متوسط

یک موضوع مشخص، مثلاً برچسب‌گذاری محتوای ساخته‌شده با AI یا قواعد مدل‌های همه‌منظوره، را در اتحادیهٔ اروپا، بریتانیا و یک کشور دیگر مقایسه کنید. جدول مقایسه، شباهت‌ها و تفاوت‌ها و پیامد هر رویکرد برای یک شرکت را بنویسید.

AI Act ExplorerIAPP TrackerOECD.AI
زمان تخمینی: ۳ هفته

پاسخ به یک فراخوان نظرخواهی عمومی

متوسط

نهادهای دولتی برای مقررات تازه نظر عمومی جمع می‌کنند. یک فراخوان واقعی (باز یا بسته‌شده) را پیدا کنید و پاسخی با ساختار رسمی بنویسید. آگهی Tencent نوشتن consultation response را از وظایف این نقش آورده است.

متن فراخوانشواهد پژوهشیGoogle Docs یا Word
زمان تخمینی: ۲ تا ۳ هفته

redline یک بند قانونی با یادداشت توضیحی

پیشرفته

یک بند از یک لایحهٔ AI را بردارید، پیشنهاد اصلاح بدهید و برای هر تغییر یک پاراگراف دلیل بنویسید: مشکل متن فعلی چیست و متن پیشنهادی چه چیزی را حل می‌کند. آگهی DeepMind همین مهارت را می‌خواهد: تحلیل و redline قانون و نوشتن متن قانونی.

متن لایحهTrack changesمنابع حقوقی
زمان تخمینی: ۲ هفته

از شواهد فنی تا توصیهٔ سیاستی

پیشرفته

یک گزارش فنی (مثلاً system card یک مدل یا یک گزارش ارزیابی) یا داده‌های Epoch AI را بردارید و در یک memo توضیح دهید این شواهد چه چیزی را ثابت می‌کنند، چه عدم‌قطعیتی باقی می‌ماند و یک تصمیم‌گیر دولتی با آن چه باید بکند. این همان کاری است که RAND Europe برای کارکرد Frontier AI Policy خود توصیف کرده است.

Epoch AI Dataگزارش‌های ارزیابی مدلExcel یا Python
زمان تخمینی: ۳ تا ۴ هفته

مثال‌های واقعی و Case Studies

داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند

H

Helen Toner

پیشینه

طبق ویکی‌پدیا، در ۲۰۱۴ کارشناسی مهندسی شیمی را از دانشگاه ملبورن گرفت. در GiveWell و Open Philanthropy روی مسائل سیاست AI پژوهش کرد، در ۲۰۱۸ نُه ماه در پکن چینی خواند و هم‌زمان پژوهشگر وابسته در مرکز Governance of AI دانشگاه آکسفورد بود. بعد کارشناسی ارشد مطالعات امنیتی را از دانشگاه Georgetown گرفت.

دستاورد

از ژانویهٔ ۲۰۱۹ مدیر راهبرد اندیشکدهٔ CSET در دانشگاه Georgetown شد و در آنجا به سیاست‌گذاران دربارهٔ سیاست و راهبرد AI مشاوره داد. از اواخر ۲۰۲۱ عضو هیئت‌مدیرهٔ OpenAI بود. اکنون مدیر اجرایی موقت CSET است و TIME در ۲۰۲۴ او را در فهرست ۱۰۰ چهرهٔ تأثیرگذار AI گذاشت.

درس کلیدی

مسیر او از مهندسی شیمی شروع شد، نه از حقوق یا علوم سیاسی. به نظر می‌رسد ترکیب یک تخصص موضوعی (در مورد او، صنعت AI چین) با پژوهش مداوم در یک اندیشکده راهی است که می‌تواند کسی را به مشاور سیاست‌گذاران تبدیل کند.

J

Jade Leung

پیشینه

طبق ویکی‌پدیا، در ۲۰۱۵ کارشناسی مهندسی عمران را از دانشگاه Auckland نیوزیلند گرفت، بورس Rhodes برد، کارشناسی ارشد سیاست محیط‌زیست را در Cambridge خواند و در ۲۰۱۹ دکترای روابط بین‌الملل را از آکسفورد گرفت؛ پایان‌نامه‌اش دربارهٔ این بود که چه کسی AI را اداره خواهد کرد.

دستاورد

از بنیان‌گذاران مرکز Governance of AI (GovAI) در آکسفورد و نخستین رئیس پژوهش و مشارکت‌های آن بود و بعد Governance Lead در OpenAI شد. در اکتبر ۲۰۲۳ به AI Security Institute بریتانیا رفت و مدیر ارشد فناوری (CTO) آن شد و در ۲۰۲۵ مشاور هوش مصنوعی نخست‌وزیر بریتانیا شد. طبق ویکی‌پدیا اکنون نایب‌رئیس AISI است.

درس کلیدی

مسیر او میان پژوهش، شرکت و دولت رفت و برگشت داشته است. این نشان می‌دهد در سیاست‌گذاری AI، جابه‌جایی میان این سه نوع کارفرما می‌تواند بخشی عادی از رشد شغلی باشد.

M

Miles Brundage

پیشینه

طبق ویکی‌پدیا، در ۲۰۱۰ کارشناسی علوم سیاسی را از دانشگاه George Washington گرفت، دو سال در ARPA-E کار کرد و در ۲۰۱۹ دکترای «ابعاد انسانی و اجتماعی علم و فناوری» را از دانشگاه ایالتی آریزونا گرفت. از ۲۰۱۶ تا ۲۰۱۸ در Future of Humanity Institute آکسفورد کار کرد.

دستاورد

در ۲۰۱۸ به‌عنوان پژوهشگر سیاست‌گذاری به OpenAI پیوست و رئیس پژوهش سیاستی و بعد مشاور ارشد آمادگی برای AGI شد. در ۲۰۲۴ برای استقلال بیشتر در پژوهش از OpenAI رفت و در ژانویهٔ ۲۰۲۶ سازمان غیرانتفاعی AVERI را راه انداخت که از ممیزی بیرونی مدل‌های پیشرو و استانداردهای ممیزی AI حمایت می‌کند.

درس کلیدی

او از علوم سیاسی شروع کرد و با دکترای سیاست علم و فناوری به آزمایشگاه AI رسید. مسیرش نشان می‌دهد تحصیلات بین‌رشته‌ای در سیاست فناوری می‌تواند پلی مستقیم به تیم‌های سیاست‌گذاری شرکت‌های AI باشد.

نمونه آگهی استخدام واقعی + تحلیل

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

US AI Policy Manager, DeepMind

Google DeepMind (Google)واشنگتن دی‌سی یا Mountain View، کالیفرنیا (آمریکا)2026-10

تحلیل نیازمندی‌ها

EN

Bachelor's degree or equivalent practical experience.

مدرک خاصی شرط نیست؛ نه حقوق و نه علوم کامپیوتر. تجربهٔ عملی معادل هم پذیرفته می‌شود. یعنی در این نقش سابقهٔ کاری مهم‌تر از رشتهٔ تحصیلی است.

ضروری
EN

10 years of experience in US technology public policy, legislative affairs, or regulatory policy at the federal or state level, including experience with Congress, federal agencies, and state legislatures regarding emerging technology regulation.

این یک نقش ارشد است. ده سال کار در سیاست فناوری آمریکا، با تجربهٔ مستقیم کار با کنگره، نهادهای فدرال و مجالس ایالتی. برای تازه‌کار، این آگهی تصویر مقصد است، نه نقطهٔ شروع.

ضروری
EN

Experience in frontier AI safety, security, and governance issues (such as frontier safety frameworks, model evaluations, red-teaming, compute governance, and alignment).

دانش موضوعی AI پیشرو لازم است: چارچوب‌های ایمنی شرکت‌ها، ارزیابی مدل، red teaming، حاکمیت compute و هم‌راستایی. لازم نیست خودتان این کارها را انجام دهید، اما باید بدانید هر کدام چیست و چرا در بحث‌های قانونی مطرح است.

ضروری
EN

Experience analyzing and redlining legislation or regulation, drafting statutory language and policy position papers, and supporting legislative testimony or government briefings.

مهارت‌های اصلی این شغل در یک جمله: تحلیل و اصلاح متن قانون، نوشتن متن قانونی و موضع سیاستی، و آماده‌سازی شهادت و جلسهٔ توجیهی. پروژهٔ redline در بخش پورتفولیو همین مهارت را تمرین می‌دهد.

ضروری
EN

Established relationships with, or demonstrated ability to engage credibly with, senior staff across US Congressional committees, federal executive agencies, state legislative offices, industry coalitions, and policy think tanks.

شبکهٔ ارتباطی بخشی از سرمایهٔ این شغل است. عبارت «or demonstrated ability» نشان می‌دهد اگر این روابط را ندارید، باید نشان دهید می‌توانید با اعتبار با این افراد کار کنید.

مهم
EN

Exceptional written and verbal communication skills, with the ability to translate complex technical AI research concepts for federal and state policymakers and translate legislative realities back to technical research teams.

ترجمه در دو جهت: مفاهیم پژوهشی را برای سیاست‌گذار ساده کنید و محدودیت‌ها و واقعیت‌های قانون‌گذاری را برای پژوهشگران توضیح دهید. نمونه‌های نوشتاری منتشرشده بهترین گواه این مهارت است.

مهم
EN

Collaborative, proactive, and comfortable operating with a high degree of autonomy in a fast-paced, matrixed environment that bridges frontier AI research (DeepMind) and frontline government affairs (GAPP).

شما میان دو بخش بزرگ کار می‌کنید: پژوهش DeepMind و تیم امور دولتی و سیاست عمومی Google (GAPP). باید بدون دستور مستقیم کار را جلو ببرید و با چند تیم هماهنگ باشید.

مفید

تحلیل مسئولیت‌ها

EN

Lead and scale DeepMind and Google's frontier AI policy advocacy across US federal and state jurisdictions.

این نقش حمایت از موضع شرکت (advocacy) است، نه پژوهش بی‌طرف. هم در سطح فدرال و هم در ایالت‌ها؛ یعنی باید هم‌زمان چندین روند قانون‌گذاری را دنبال کنید.

EN

Serve as a primary policy POC internally across Google on US Frontier AI Policy issues, and supporting and coordinating external engagement with US federal bodies, including the Administration and the Congress, as well as priority state legislatures, working across broader GAPP teams.

شما نقطهٔ تماس اصلی (POC) داخل شرکت برای این موضوع هستید: هر تیمی سؤالی دربارهٔ سیاست AI پیشرو در آمریکا داشته باشد، به شما می‌رسد. در بیرون هم تعامل با دولت، کنگره و مجالس ایالتی را هماهنگ می‌کنید.

EN

Drive statutory analysis, legislative redlines, testimony preparation, and technical briefings across high-velocity US state and federal AI bills.

کار روزمرهٔ اصلی: خواندن لایحه‌ها، پیشنهاد اصلاح، آماده‌سازی شهادت و جلسهٔ توجیهی فنی. «high-velocity» یعنی لایحه‌ها سریع می‌آیند و باید سریع و دقیق پاسخ داد.

EN

Execute proactive policy campaigns that translate DeepMind frontier safety approach and research into actionable policy recommendations.

فقط واکنش به لایحه‌ها نیست؛ باید خودتان پیشنهاد بدهید و رویکرد ایمنی و پژوهش شرکت را به توصیه‌های سیاستی قابل اجرا تبدیل کنید.

EN

Support internal AI business units within the Google ecosystems on both proactive and reactive policy areas of distinct interest.

بخش‌های تجاری AI شرکت هم مشتری داخلی شما هستند: باید اثر مقررات بر کارشان را توضیح دهید و در موضوعاتی که برایشان مهم است کمک کنید.

نتیجه‌گیری کلی

این آگهی تصویر روشنی از سطح ارشد این شغل در یک آزمایشگاه AI می‌دهد: ده سال سابقه در سیاست فناوری آمریکا، دانش موضوعی ایمنی و حاکمیت AI پیشرو و مهارت عملی در تحلیل و اصلاح قانون و آماده‌سازی شهادت. مدرک خاصی شرط نیست. بازهٔ حقوق پایهٔ اعلام‌شده ۱۸۱ تا ۲۴۷ هزار دلار به‌علاوهٔ ۲۰٪ پاداش هدف است. برای کسی که تازه شروع می‌کند، نقش‌هایی مثل Associate در Tencent یا Research Analyst در RAND Europe نقطهٔ شروع واقع‌بینانه‌تری‌اند.

آینده و روندها

پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید

آمار رسمی جداگانه‌ای برای این شغل وجود ندارد. نزدیک‌ترین گروه رسمی BLS آمریکا، Political Scientists (کسانی که سیاست‌ها، روندها و مسائل را پژوهش می‌کنند)، گروه کوچکی با ۶٬۱۰۰ شغل در ۲۰۲۵ است و BLS برای آن از ۲۰۲۵ تا ۲۰۳۵ کاهش ۲ درصدی پیش‌بینی می‌کند. این فقط نزدیک‌ترین گروه رسمی است، نه آمار خود این شغل. در مقابل، فعالیت سیاست‌گذاری AI رو به افزایش است: طبق AI Index ۲۰۲۶ استنفورد، شمار شاهدان مرتبط با AI در جلسه‌های استماع کنگرهٔ آمریکا از ۵ در ۲۰۱۷ به ۱۰۲ در ۲۰۲۵ رسیده است.

منبع: BLS OOH, Political Scientists (2025–35); Stanford AI Index 2026 (Policy and Governance)

مهارت‌های نوظهور که باید یاد بگیرید

حاکمیت compute و زیرساخت AIچارچوب‌های ایمنی مدل‌های پیشرو و ارزیابی مستقلsovereign AI و سیاست انرژی و نیمه‌رسانااجرای قانون AI اتحادیهٔ اروپاسیاست مدل‌های open-weightسیاست AI عاملی (agentic AI)مشارکت در استانداردها و کنسرسیوم‌های صنعتی

پیش‌بینی‌های آینده

2027

طبق کمیسیون اروپا، قواعد کاربردهای پرریسک پیوست III قانون AI، در پی توافق سیاسی بر سر بستهٔ ساده‌سازی این قانون، از ۲ دسامبر ۲۰۲۷ اعمال می‌شود.

2028

طبق کمیسیون اروپا، سیستم‌های AI در محصولات تحت مقررات پیوست I تا ۲ اوت ۲۰۲۸ دورهٔ گذار دارند.

2035

BLS آمریکا پیش‌بینی می‌کند اشتغال در گروه Political Scientists از ۲۰۲۵ تا ۲۰۳۵، ۲٪ کاهش یابد، اما همچنان سالانه حدود ۴۰۰ فرصت شغلی برای جایگزینی افراد ایجاد شود. این گروه فقط بخشی از نقش‌های سیاست‌گذاری AI را پوشش می‌دهد.

ریسک‌های واقعی

این بازار کوچک و وابسته به چند نوع کارفرماست. نقش‌های دولتی به تحولات سیاسی وابسته‌اند و 80,000 Hours از جناحی بودن بسیاری از نقش‌ها، ساعت کاری طولانی و جابه‌جایی زیاد می‌گوید. نقش‌های مدیریتی شرکت‌ها حقوق بیشتری دارند (در آگهی‌های Cohere، TikTok و DeepMind حقوق پایه از ۱۵۰ تا ۲۷۲ هزار دلار)، اما همین آگهی‌ها ۵ تا ۱۰ سال سابقه یا تجربهٔ قابل توجه می‌خواهند. خود قاعده‌ها هم ثابت نیستند: طبق کمیسیون اروپا، بستهٔ ساده‌سازی AI Omnibus زمان اجرای قواعد سیستم‌های پرریسک را عقب انداخت. کسی که هم فناوری را می‌فهمد و هم فرایند سیاست‌گذاری را، در برابر این تغییرات جای محکم‌تری دارد.

منابع

اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۳۱ منبع بررسی شده است.

  1. US AI Policy Manager, DeepMind — Google Careers (job posting)
  2. Policy Development, Technical AI Governance — Anthropic (job posting)
  3. Global Public Policy Manager, Compute, Infrastructure & Sovereign AI — Cohere (job posting)
  4. Global Public Policy — Thinking Machines Lab (job posting)
  5. Member of Policy Staff, Government Affairs — METR (job posting)
  6. US Congressional Lead, Global Affairs — OpenAI (job posting)
  7. US External Affairs Associate, Global Affairs — OpenAI (job posting)
  8. Associate, Global AI Policy — Tencent (job posting, LinkedIn)
  9. Manager, AI Public Policy - U.S. — TikTok (job posting, LinkedIn)
  10. Research Analyst/Senior Research Analyst - Frontier AI Policy — RAND Europe (job posting)
  11. A.I. and Technology Policy Analyst, Vanderbilt Policy Accelerator — Vanderbilt University (job posting, LinkedIn)
  12. Senior Policy Advisors - AI for Science and Engineering — DSIT, UK (job posting, LinkedIn)
  13. Senior Artificial Intelligence Specialist (Policy Analysis) — New York State DFS (job posting, LinkedIn)
  14. AI Policy Analyst VBP — Zel Technologies for the City of Virginia Beach (job posting, LinkedIn)
  15. Digital Regulation & Policy Consultant — EY (job posting, LinkedIn)
  16. ZipRecruiter — AI Policy Analyst salary, United States
  17. Glassdoor — AI Policy Manager salaries, United Kingdom
  18. Glassdoor — AI Policy Manager salaries, Canada
  19. BLS Occupational Outlook Handbook — Political Scientists
  20. Stanford HAI — The 2026 AI Index Report: Policy and Governance
  21. European Commission — AI Act (regulatory framework for AI)
  22. OECD.AI — OECD AI Principles
  23. NIST — AI Risk Management Framework
  24. AI Security Institute (UK)
  25. 80,000 Hours — AI policy in the US government (career review)
  26. Horizon Institute for Public Service — Become a Fellow
  27. GovAI — Open Positions
  28. BlueDot Impact — Frontier AI Governance Course
  29. Helen Toner — Wikipedia
  30. Jade Leung (engineer) — Wikipedia
  31. Miles Brundage — Wikipedia

برای راهنمایی شخصی‌سازی‌شده مشاوره بگیرید