مدیر برنامه‌های هوش مصنوعی
AI Program Manager
مدیر برنامهٔ هوش مصنوعی (AI Program Manager) کار چند تیم را روی پروژه‌های AI هماهنگ می‌کند تا از ایده و پایلوت به استفادهٔ واقعی برسند: برنامه‌ریزی، پیگیری وابستگی‌ها و ریسک‌ها، رساندن تصمیم‌ها به موقع و گزارش روشن به مدیران. خودش مدل نمی‌سازد؛ کارش این است که مهندسی، محصول، امنیت، حقوقی، خرید و تیم‌های کسب‌وکار روی یک برنامه هم‌قدم شوند. کارفرماها این کار را با چند عنوان آگهی می‌کنند: آزمایشگاه‌های AI و شرکت‌های فناوری تقریباً همیشه Technical Program Manager به‌علاوهٔ نام یک حوزه می‌نویسند (مثل Inference در Anthropic یا AI Tooling در Figma)، و شرکت‌های بزرگ، بانک‌ها و شرکت‌های مشاورهٔ IT عنوان‌هایی مثل AI Program Manager در IBM یا AI Project Manager در CGI را به کار می‌برند. این صفحه همهٔ این عنوان‌ها را با هم پوشش می‌دهد.
مقدمه و تعریف شغل
مدیر برنامهٔ هوش مصنوعی مسئول اجرای یک برنامه است، نه ساختن مدل و نه تعیین اینکه چه محصولی ساخته شود. PMI مدیریت برنامه (program management) را مدیریت «چند پروژه به شکل هماهنگ» تعریف می‌کند و BLS کار مدیر پروژه را هماهنگ کردن بودجه، زمان‌بندی و جزئیات یک پروژه. در آگهی‌های AI این دو واژه دقیق از هم جدا نمی‌شوند: Visa برای «Manager, AI Project Management» کسی را می‌خواهد که مدیریت برنامهٔ تحول AI را با چهار جریان کاری همزمان بر عهده بگیرد. آنچه این نقش را از مدیریت پروژهٔ معمولی جدا می‌کند خود AI است؛ به تعبیر همان آگهی، باید بدانید پروژه‌های AI با پروژه‌های فناوری سنتی چه فرقی دارند و بتوانید ماهیت تکرارشونده و آزمایش‌محور توسعهٔ AI را مدیریت کنید.
دو بازار متفاوت این نقش را استخدام می‌کنند. اول آزمایشگاه‌های AI و شرکت‌های فناوری: Anthropic برای ظرفیت سرو مدل، پژوهش و ایمنی ایجنت‌ها، OpenAI برای استقرار مدل و ایمنی، Waymo برای مدل‌های رانندگی خودران و Figma برای ابزارهای داخلی AI، همه با عنوان Technical Program Manager آگهی داده‌اند و معمولاً پنج سال یا بیشتر سابقهٔ TPM و سواد فنی جدی می‌خواهند. دوم شرکت‌های بزرگ و مشاوره: IBM Consulting برای AI Program Manager بیش از دوازده سال سابقه می‌خواهد و CGI برای AI Project Manager سه تا پنج سال؛ Capital One و Visa هم مدیرانی می‌خواهند که پذیرش AI را در واحدهای مالی و بازاریابی جلو ببرند. پایهٔ هر دو مسیر مدیریت پروژه است. BLS تعداد متخصصان مدیریت پروژه در آمریکا را در ۲۰۲۵ حدود ۱٬۰۹۴٬۳۰۰ نفر و میانهٔ حقوقشان را در مهٔ ۲۰۲۵، ۱۰۲٬۳۲۰ دلار گزارش کرده است؛ آماری جداگانه برای مدیران برنامهٔ AI وجود ندارد. حقوق‌ها هم بسته به نوع کارفرما فاصلهٔ زیادی دارند: برآورد ZipRecruiter برای عنوان AI Program Manager در آمریکا میانگین ۱۰۷٬۴۶۰ دلار است، در حالی که بازهٔ اعلام‌شده در آگهی‌های CGI و IBM از ۱۱۰٬۸۰۰ تا ۲۲۰٬۰۰۰ دلار و در آگهی TPM تیم Inference در Anthropic ۲۹۰ تا ۴۳۵ هزار دلار است. خود حرفهٔ مدیریت پروژه هم به سمت AI رفته است: PMI در سپتامبر ۲۰۲۴ شرکت Cognilytica را خرید و گواهی CPMAI را، که مخصوص مدیریت پروژه‌های AI است، به گواهی‌های خود اضافه کرد، و Antonio Nieto-Rodriguez و Ricardo Viana Vargas در ۲۰۲۳ در Harvard Business Review دربارهٔ اینکه AI مدیریت پروژه را چطور دگرگون می‌کند نوشتند.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک مدیر برنامه‌های هوش مصنوعی
ظرفیت سرو مدل برای میلیون‌ها کاربر
در Anthropic، TPM تیم Inference راه‌اندازی ظرفیت تازه را از ابتدا تا انتها پیش می‌برد و تیم‌های compute، زیرساخت، امنیت، شبکه و inference را هماهنگ می‌کند تا «یک نفر پاسخ‌گوی کل مسیر» باشد. آمادگی inference برای عرضهٔ مدل‌های تازه هم با اوست.
آمادگی عرضهٔ مدل‌ها و قابلیت‌های AI
TPM ارشد ML/AI در Snowflake مالک آمادگی عرضه است: هماهنگی تأیید ارزیابی مدل، بنچمارک عملکرد، بررسی ایمنی و مستندات بین تیم‌های مهندسی، محصول و trust & safety. در Anthropic هم TPM پژوهش آمادگی ارزیابی‌ها (evals) را برای عرضهٔ مدل‌ها پیش می‌برد.
سبد ابزارهای داخلی AI یک شرکت
Figma از TPM خود می‌خواهد فرایندی بسازد که هر درخواست ابزار AI پیش از شروع کار، مسئلهٔ روشن، نتیجهٔ مورد انتظار، مسیر تحویل، سطح ریسک و مالک پاسخ‌گو داشته باشد، و بررسی امنیتی، حقوقی و خرید در زمان درست وارد کار شوند.
استقرار AI نزد مشتری سازمانی یا دولتی
TPM های Cohere در تیم AI Delivery مستقیم با مشتری‌های استراتژیک کار می‌کنند. نسخهٔ کانادایی این نقش برای بخش عمومی و دفاع، تحویل به موقع راه‌حل‌هایی را می‌خواهد که استانداردهای امنیت، حریم خصوصی، دسترس‌پذیری و عملکرد دولتی را رعایت کنند، گاهی در محیط‌های جدا از اینترنت (air-gapped).
برنامهٔ تحول AI در یک واحد کسب‌وکار
در Visa، مدیر پروژهٔ AI چهار جریان کاری همزمان را در واحد خدمات بازاریابی اداره می‌کند: بازطراحی روند کار، استقرار ایجنت، زیرساخت داده و مدیریت تغییر. بخشی از کار، آماده کردن پایگاه دانش عملیاتی برای استفاده با ابزارهای AI است.
برنامه‌های ایمنی و امنیت ایجنت‌ها
TPM برنامهٔ Agent Safety & Security در Anthropic هدف‌های برنامه را برای هر مرحله به معیار خروج قابل سنجش تبدیل می‌کند، جلسه‌های رهبران و بازبینی‌های طراحی را اداره می‌کند و ریسک‌ها، استثناها و پذیرش ریسک را در یک فهرست واحد نگه می‌دارد.
تخصص‌های مختلف مدیر برنامه‌های هوش مصنوعی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
TPM زیرساخت و سرو مدل
AI Infrastructure & Inference TPM
برنامه‌های ظرفیت، قابلیت اطمینان و عملکرد سرو مدل؛ مثل TPM تیم Inference در Anthropic، TPM استقرار مدل و ظرفیت در OpenAI و TPM عملکرد مدل در Baseten. فنی‌ترین مسیر این نقش است.
TPM پژوهش
Research TPM / Research Program Manager
آوردن نظم به کار پژوهشی بدون کند کردن پژوهشگران: برنامه‌ریزی منابع محاسباتی، آمادگی ارزیابی‌ها برای عرضهٔ مدل و سلامت محیط‌های یادگیری تقویتی (آگهی TPM پژوهش در Anthropic). OpenAI هم نقش‌های Research Program Manager دارد.
تحویل AI نزد مشتری
Customer-facing AI Delivery
مدیریت استقرار راه‌حل‌های AI برای مشتری سازمانی یا دولتی، کنار مهندسان مستقر نزد مشتری؛ مثل TPM های AI Delivery در Cohere و Manager, AI Project Management در ASAPP.
تحول و پذیرش AI در سازمان
Enterprise AI Transformation
بردن AI به روند کار واحدهای کسب‌وکار، از انتخاب مورد استفاده تا آموزش و سنجش پذیرش؛ مثل AI Program Manager در IBM، مدیران پروژهٔ AI در Visa و Capital One و AI Enablement Program Manager در Klaviyo.
برنامه‌های ایمنی، امنیت و حاکمیت AI
AI Safety, Security & Governance Programs
تبدیل تعهدهای ایمنی به سیستم‌های مستقر و نتیجهٔ قابل سنجش؛ مثل TPM امنیت و ایمنی ایجنت‌ها در Anthropic و TPM ایمنی و safeguards در OpenAI که ارزیابی مدل، classifier، تشخیص سوءاستفاده و بازبینی انسانی را هماهنگ می‌کند.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
مدیر محصول AI تصمیم می‌گیرد چه چیزی ساخته شود، برای چه کسی و با چه معیار موفقیتی. مدیر برنامه آن تصمیم را به برنامهٔ اجرایی تبدیل می‌کند: در آگهی Figma، TPM نقشهٔ راه مدیر محصول را به برنامهٔ یکپارچه با milestone، زمان‌بندی انتشار، نقطه‌های تصمیم و مالک مشخص ترجمه می‌کند و باید «مرز مالکیت میان Product، Program و Engineering» را روشن نگه دارد. در Visa هم مدیر پروژهٔ AI به Director بخش AI Product Management گزارش می‌دهد.
طبق BLS، متخصصان مدیریت پروژه بودجه، زمان‌بندی و جزئیات دیگر یک پروژه را هماهنگ می‌کنند و کار کارکنان فنی را هدایت می‌کنند. مدیر برنامهٔ AI همین مهارت‌ها را لازم دارد، به‌علاوهٔ فهم چرخهٔ عمر AI: Snowflake می‌نویسد برنامه‌های ML/AI زمان‌بندی قابل پیش‌بینی ندارند و اجرا باید حول چرخه‌های آزمایش سازمان پیدا کند. Kathleen Walch، هم‌بنیان‌گذار Cognilytica، می‌گوید برخورد با پروژهٔ AI مثل یک پروژهٔ نرم‌افزاری «دستور شکست» است.
مشاور AI به سازمان کمک می‌کند تصمیم بگیرد با AI چه کند و آن را چطور در کار جا بیندازد؛ مدیر برنامه اجرای آن تصمیم‌ها را مدیریت می‌کند. در آگهی CGI، مدیر پروژهٔ AI در کارگاه‌های کشف با شرکت‌های مشاورهٔ بیرونی همکاری می‌کند تا موارد استفادهٔ پرارزش پیدا شوند، اما کار اصلی‌اش نوشتن و مدیریت قرارداد (SOW)، بررسی خروجی مشاوران و پیگیری milestone ها و هزینه‌هاست. در خود شرکت‌های مشاوره هم این دو نقش کنار هم‌اند؛ IBM Consulting مدیر برنامه را برای هدایت برنامه‌های چندجریانی مشتری استخدام می‌کند.
مهندس AI و مهندس مستقر نزد مشتری (FDE) راه‌حل را می‌سازند؛ مدیر برنامه زمان‌بندی، وابستگی‌ها و ریسک کار آن‌ها را مدیریت می‌کند. Cohere TPM تیم AI Delivery را برای کار با مشتری‌های استراتژیک در کنار مهندسان Applied ML و FDE استخدام می‌کند. مرز همیشه روشن نیست: Stripe از AI Solutions Program Manager می‌خواهد خودش ایجنت بسازد و SQL پیچیده بنویسد، هرچند تخصص مهندسی نرم‌افزار را لازم نمی‌داند.
تأثیر در صنایع مختلف
مدیر برنامه‌های هوش مصنوعی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
آزمایشگاه‌های AI
Anthropic و OpenAI برای ظرفیت سرو مدل، پژوهش، عرضهٔ مدل و ایمنی، TPM جداگانه استخدام می‌کنند
خودروهای خودران
Waymo برای برنامهٔ Foundation Model خود TPM می‌خواهد که با مدل‌های ML، training pipeline ها و چارچوب‌های ارزیابی آشنا باشد؛ Nuro برای پلتفرم AI و Zoox برای تیم TPM ادراک (perception) در خودران‌ها TPM استخدام می‌کنند
بانک و پرداخت
Visa برنامهٔ تحول AI در خدمات بازاریابی را با چهار جریان کاری اداره می‌کند و Capital One مدیری می‌خواهد که فرصت‌های AI را در واحد مالی پیدا و به مورد استفاده تبدیل کند
مشاوره و خدمات IT
IBM Consulting برای برنامه‌های چندجریانی ابر، داده و AI مشتریان و CGI برای اداره سبد منطقه‌ای AI و قراردادهای مشاوره، مدیر برنامه و پروژهٔ AI استخدام می‌کنند
دولت و دفاع
Cohere در کانادا TPM می‌خواهد که راه‌حل AI را با استانداردهای امنیت و حریم خصوصی دولتی تحویل دهد؛ DARPA هم برای مسابقهٔ AIxCC، که هدفش ساختن سیستم‌های AI برای پیدا کردن و رفع آسیب‌پذیری در نرم‌افزار متن‌باز است، یک program manager دارد
نرم‌افزار و ابزارهای داخلی
Figma برای سبد ابزارهای داخلی AI و GitLab برای برنامه‌های فناوری سازمانی و AI مدیر برنامه استخدام می‌کنند
پلتفرم داده و ابر
Snowflake برای برنامه‌های ML/AI، از زیرساخت مدل تا سرویس‌های Cortex AI، TPM ارشد می‌خواهد
پشتیبانی مشتری
Coinbase یک TPM برای سبد ابزارها و اتوماسیون AI پشتیبانی مشتری دارد و ASAPP پروژه‌های تحویل AI گفت‌وگومحور را برای مشتری‌های سازمانی مدیریت می‌کند
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
مدیر برنامه یعنی کسی که فقط وضعیت کارها را پیگیری می‌کند
Anthropic در آگهی TPM تیم Inference صریحاً می‌نویسد «این نقش پیگیری وضعیت نیست» و از TPM می‌خواهد مالک نتیجه باشد، جایی که هیچ تیمی مسئول کل تصویر نیست. Gartner هم پیش‌بینی کرده تا ۲۰۳۰ هوش مصنوعی کارهایی مثل جمع‌آوری داده، پیگیری و گزارش‌دهی را بر عهده بگیرد؛ پس ارزش این نقش در تصمیم و هم‌سویی است، نه در جدول وضعیت.
برای این نقش باید مهندس بود
بستگی به نوع نقش دارد. Figma می‌نویسد «لازم نیست مهندس باشید» و Stripe تخصص مهندسی نرم‌افزار را لازم نمی‌داند. اما TPM های زیرساخت جور دیگری‌اند: Anthropic برای TPM تیم Inference سابقهٔ TPM یا رهبری مهندسی و SRE می‌خواهد و Baseten آشنایی با موتورهای سرو مدل. سواد فنی در همه لازم است؛ عمق آن فرق می‌کند.
پروژهٔ AI همان پروژهٔ نرم‌افزاری است، فقط با مدل
Ron Schmelzer، هم‌بنیان‌گذار Cognilytica، می‌گوید پروژه‌های AI «پروژه‌های داده»اند و تمرکز اصلی باید روی گرفتن دادهٔ درست و مدیریت خروجی‌ها باشد. Visa و Snowflake هم در آگهی‌هایشان از چرخه‌های آزمایش، وابستگی به داده، دروازه‌های ارزیابی و نیازهای در حال تغییر به‌عنوان ویژگی پروژه‌های AI نام برده‌اند.
Program Manager و Project Manager دو شغل کاملاً جدا هستند
در تعریف بله: PMI مدیریت برنامه را مدیریت چند پروژهٔ مرتبط به شکل هماهنگ می‌داند. اما در آگهی‌ها مرز کم‌رنگ است؛ Visa برای عنوان «AI Project Management» کسی را می‌خواهد که مدیریت برنامه با چهار جریان کاری را بر عهده بگیرد و Capital One از مدیر پروژه‌اش می‌خواهد «بیش از یک مدیر پروژه» باشد. به شرح وظایف نگاه کنید، نه فقط عنوان.
بدون PMP نمی‌شود وارد این کار شد
در آگهی‌هایی که بررسی شد، گواهی‌نامه امتیاز است، نه شرط: GitLab داشتن PMP یا CSM را «امتیاز» می‌داند، CGI گواهی‌هایی مثل PMP یا PMI-ACP را «ترجیحی» و IBM و ASAPP هم PMP را جزو موارد ترجیحی آورده‌اند. شرط اصلی سابقهٔ اجرای پروژه و برنامه است. خود PMP هم طبق صفحهٔ PMI سه سال سابقهٔ هدایت پروژه می‌خواهد.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
ورودی نقش: AI Project Manager (۳ تا ۵ سال سابقه)
CGI این نقش را «سطح میانی و اجرایی» می‌نامد و وقت آن را تقریباً این‌طور تقسیم می‌کند: ۴۰٪ چرخهٔ عمر راه‌حل‌های AI و تحویل Agile، ۳۰٪ قراردادها و همکاری با مشاوران بیرونی، و ۲۵٪ پشتیبانی از کمیتهٔ AI و مرکز تعالی AI.
- ◆برگزاری sprint planning، daily standup و backlog refinement با تیم‌های داده و AI
- ◆نوشتن مرز MVP و معیار موفقیت یک پایلوت GenAI همراه با مالک کسب‌وکار
- ◆بررسی خروجی یک شرکت مشاورهٔ بیرونی با معیارهای پذیرش قرارداد و پیگیری milestone ها و هزینه
- ◆به‌روز کردن داشبورد پروژه‌ها و فهرست درخواست‌های تازهٔ AI
- ◆آماده کردن اسلایدهای گزارش و جمع‌بندی برای کمیتهٔ AI و مدیر ارشد
Program Manager یا TPM (۵+ سال)
مالک اجرای یک سبد برنامه هستید و بیشتر وقتتان صرف هم‌سو کردن تیم‌ها و رساندن تصمیم‌ها به موقع می‌شود. نمونه‌های این سطح آگهی‌های Figma، Snowflake و Waymo است.
- ◆اجرای جلسهٔ مرور وابستگی‌ها و پیگیری کارهای مسدودشده تا حل یا escalation
- ◆هماهنگ کردن بررسی امنیتی، حقوقی و خرید برای یک ابزار AI پیش از انتشار
- ◆جلسهٔ آمادگی انتشار: معیار پذیرش، مالک عملیاتی، runbook و مسیر escalation
- ◆به‌روز کردن RAID log و گزارش وضعیت برای مدیران
- ◆بازنگری برنامه وقتی نتیجهٔ ارزیابی یک مدل زمان‌بندی را عوض کرده است
Staff / Principal یا مدیر برنامهٔ پیچیده (۱۰+ سال)
برنامه‌هایی در سطح شرکت یا مشتری بزرگ را هدایت می‌کنید که چند TPM دیگر و چند مدیر ارشد در آن نقش دارند. نمونه‌ها: آگهی‌های Anthropic، IBM و OpenAI.
- ◆رساندن موازنهٔ هزینه، تأخیر و قابلیت اطمینان به یک تصمیم روشن، با شرکای ظرفیت و مالی
- ◆ریاست جلسهٔ رهبران و نوشتن سند تصمیم برای مدیران ارشد
- ◆هماهنگ کردن TPM ها و مدیران مهندسی‌ای که به شما گزارش نمی‌دهند
- ◆پیگیری هزینه‌های ابر و AI، قراردادها و ارزش به‌دست‌آمده از برنامه
- ◆تبدیل بازخورد مشتری و تیم‌های میدانی به اولویت‌های سرمایه‌گذاری
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈مدیریت آمادگی عرضه: ارزیابی مدل، بنچمارک عملکرد، بررسی ایمنی، معیار پذیرش و تحویل به تیم عملیات
- ◈تطبیق برنامه با چرخه‌های آزمایش، دروازه‌های ارزیابی و عدم قطعیت زمان‌بندی در پروژه‌های ML/AI
- ◈راه‌اندازی ریتم اجرایی سبک: مرور برنامه، مرور وابستگی‌ها، جلسه‌های تصمیم و گزارش منظم به ذی‌نفعان و مدیران
- ◈هم‌سو کردن تیم‌هایی که به شما گزارش نمی‌دهند و پیش بردن کار با نفوذ، نه اختیار رسمی
- ◈مدیریت تغییر و پذیرش: آموزش، مستندسازی و سنجش اینکه کاربران واقعاً از راه‌حل AI استفاده می‌کنند
- ◈تبدیل roadmap مدیر محصول و اولویت‌های رهبری به برنامهٔ اجرایی یکپارچه با milestone، زمان‌بندی انتشار، نقطه‌های تصمیم و مالک مشخص
- ◈پیگیری وابستگی‌ها، ریسک‌ها، مسئله‌ها و تصمیم‌ها (RAID log) و حل یا escalation به موقع کارهای مسدودشده
- ◈هماهنگی بررسی امنیتی، مراحل حقوقی و خرید، وابستگی‌های داده و تعهدات پیمانکاران در زمان درست مسیر تحویل
- ◈تعریف business case، KPI و معیار ارزش، و پیگیری هزینه‌های ابر و AI، قراردادها و منابع
- ◈اطمینان از رعایت responsible AI، حریم خصوصی داده، امنیت و مقررات در طول برنامه
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک مدیر برنامه‌های هوش مصنوعی موفق به آن‌ها نیاز دارد
مهارت‌های مدیریت برنامه
تبدیل roadmap و اولویت‌ها به milestone، زمان‌بندی انتشار، نقطه‌های تصمیم و مالکیت روشن (آگهی Figma)
نگه داشتن تصویر یکپارچه از وابستگی‌ها، ریسک‌ها، مسئله‌ها، فرض‌ها و تصمیم‌ها؛ Visa نگهداری RAID log را جزو کار آورده است
ساختن حداقل فرایندی که کار لازم دارد و حذف آن وقتی دیگر کمک نمی‌کند (آگهی Anthropic)
مشخص کردن مالک هر تصمیم، ورودی‌های لازم و سطح درست تصمیم‌گیری (آگهی Capital One)
IBM مدیریت مالی، پیش‌بینی، FinOps و پیگیری هزینه‌های ابر و AI را می‌خواهد
نوشتن و مدیریت SOW، بررسی خروجی مشاوران و پیگیری milestone های قراردادی (آگهی CGI)
GitLab، CGI و IBM همه آشنایی با روش‌های Agile یا SAFe را خواسته‌اند
سواد فنی و AI
فهم آموزش، ارزیابی، استقرار و پایش مدل و مدیریت برنامه با الگوهای تکرار و عدم قطعیت آن (آگهی Snowflake)
IBM و Cohere فهم LLM، RAG، ایجنت‌ها و ارزیابی را برای این نقش خواسته‌اند
هماهنگی تأیید ارزیابی مدل، بنچمارک و بررسی ایمنی پیش از عرضه (Snowflake و Anthropic)
Gartner کیفیت پایین داده را یکی از دلایل رها شدن پروژه‌های GenAI بعد از اثبات مفهوم می‌داند
برای TPM های زیرساخت: ظرفیت، routing، autoscaling و نحوهٔ استفادهٔ inference از سخت‌افزار (آگهی Anthropic)
Stripe تسلط به SQL و Coinbase کار با ابزارهای BI مثل Looker را برای تعریف متریک می‌خواهند
IBM تضمین responsible AI و انطباق را جزو حاکمیت برنامه می‌داند و Figma تجربهٔ چارچوب‌های ریسک AI را امتیاز
مهارت‌های نرم
Figma، Baseten و Anthropic همه پیش بردن کار با تیم‌هایی را می‌خواهند که به شما گزارش نمی‌دهند
نوشتن برنامه، گزارش و به‌روزرسانی برای مدیرانی که تیم‌های زیادی به آن متکی‌اند (آگهی Anthropic)
اداره جلسه‌های تصمیم، مرور طراحی و هماهنگی رهبران با ثبت تصمیم‌ها و پیگیری تا بسته شدن
Baseten اولین TPM خود را برای ساختن چارچوب برنامه از صفر می‌خواهد
IBM مدیریت تغییر و پذیرش کسب‌وکار را جزو کار می‌داند تا اثر برنامه پایدار بماند
Databricks تسلط به AI را «غیرقابل مذاکره» می‌داند و Anthropic تجربهٔ ساختن اتوماسیون یا ایجنت در کار روزانه را امتیاز
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مدیر برنامه‌های هوش مصنوعی
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
پایه‌های مدیریت پروژه و برنامه
هر آگهی این نقش اول سابقهٔ مدیریت پروژه یا برنامه می‌خواهد. CGI برای AI Project Manager سه تا پنج سال مدیریت یا هماهنگی پروژه در محیط IT، تحلیل داده یا تحویل نرم‌افزار می‌خواهد و GitLab تسلط به Agile، Scrum یا SAFe. یاد بگیرید دامنه، زمان‌بندی، ریسک و وابستگی‌ها را چطور مدیریت کنید و فرق پروژه و برنامه چیست: PMI مدیریت برنامه را مدیریت «چند پروژه به شکل هماهنگ» تعریف می‌کند.
سواد هوش مصنوعی
لازم نیست مدل بسازید، اما باید بتوانید در بحث فنی حرف معتبر بزنید. آگهی Figma صریحاً می‌گوید «لازم نیست مهندس باشید»، ولی باید بتوانید در برنامه‌ریزی فنی و بحث trade-off ها مشارکت کنید. IBM از AI Program Manager فهم LLM، RAG، prompt engineering، ایجنت‌ها و ارزیابی دقت مدل را می‌خواهد. از دوره‌های غیرفنی شروع کنید و بعد سراغ توضیح عمیق‌تر مدل‌های زبانی بروید.
چرخهٔ عمر پروژهٔ AI
این مرحله شما را از مدیر پروژهٔ عمومی جدا می‌کند. Snowflake می‌نویسد برنامه‌های ML/AI زمان‌بندی قابل پیش‌بینی ندارند و باید اجرا را حول چرخه‌های آزمایش، «دروازه‌های ارزیابی» و موازنهٔ دقت و تأخیر سازمان داد. Ron Schmelzer، هم‌بنیان‌گذار Cognilytica، می‌گوید پروژه‌های AI «پروژه‌های داده»اند. یاد بگیرید یک پایلوت چطور تعریف، سنجیده و به پروداکشن منتقل می‌شود.
حاکمیت، ریسک و پذیرش در سازمان
IBM از مدیر برنامه می‌خواهد حاکمیت برنامه را بسازد و responsible AI، حریم خصوصی داده، امنیت و انطباق با مقررات را تضمین کند؛ Figma می‌خواهد بررسی امنیتی و مراحل حقوقی و خرید در زمان درست وارد مسیر تحویل شوند. بخش دیگر کار، پذیرش است: IBM و Figma هر دو مدیریت تغییر (change management) را جزو کار یا امتیاز آورده‌اند. چارچوب ریسک NIST، قانون AI اتحادیهٔ اروپا و استاندارد ISO/IEC 42001 زبان مشترک این بحث‌ها در سازمان‌ها هستند.
عمق فنی برای TPM در شرکت‌های AI
اگر هدفتان TPM در آزمایشگاه‌ها و شرکت‌های زیرساخت AI است، باید فنی‌تر شوید. Anthropic برای TPM تیم Inference فهم کاری از نحوهٔ استفادهٔ inference مدل‌های زبانی از سخت‌افزار می‌خواهد (prefill و decode، batching، caching) و Baseten آشنایی با موتورهایی مثل vLLM، TensorRT-LLM و SGLang. برنامه‌های قابلیت اطمینان و incident هم بخشی از کار است؛ Anthropic از TPM می‌خواهد پیگیری‌های بعد از incident در roadmap تیم‌ها بنشیند.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
مدیریت برنامه و پروژه
ثبت کار، backlog، sprint و roadmap؛ آگهی AI Program Manager در IBM از آن به‌عنوان ابزار نمونه برای روش‌های Agile و سنتی نام برده است
پلتفرم‌های AI که پروژه‌ها روی آن ساخته می‌شوند
سرویس AWS برای ساخت اپلیکیشن و ایجنت مولد؛ IBM آن را در فهرست پلتفرم‌هایی آورده که تجربه با آن‌ها امتیاز است
پلتفرم Azure برای ساخت و حاکمیت اپ‌ها و ایجنت‌های AI؛ آگهی IBM آن را با نام Azure AI Foundry آورده است
دستیارهای AI در کار روزانه
دستیار AI شرکت Anthropic؛ آگهی TPM تیم Inference می‌گوید Claude همکار شماست و از TPM ها انتظار دارد مدیریت برنامه با کمک AI را جلو ببرند
داده و گزارش
Stripe برای AI Solutions Program Manager تسلط قوی به SQL می‌خواهد؛ برای بیرون کشیدن متریک‌های برنامه بدون انتظار برای تحلیلگر
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
Project Coordinator / مدیر پروژهٔ تازه‌کار
شروع مسیر
هماهنگی جلسه‌ها، به‌روز نگه داشتن زمان‌بندی و فهرست ریسک‌ها و پیگیری کارها در پروژه‌های فناوری. BLS برای متخصصان مدیریت پروژه مدرک کارشناسی را معمول می‌داند و سابقهٔ کاری مرتبط را شرط نمی‌کند؛ آگهی CGI هم سابقهٔ «هماهنگی پروژه» را برای ورود به نقش AI Project Manager می‌پذیرد
AI Project Manager
۳ تا ۵ سال
اداره پایلوت‌های AI از تعریف مسئله و MVP تا آزمون پذیرش کاربر، مدیریت قرارداد با مشاوران بیرونی و گزارش به کمیتهٔ AI؛ نمونه: آگهی AI Project Manager در CGI که آن را نقشی «سطح میانی و اجرایی» می‌نامد
Program Manager / Technical Program Manager, AI
۵+ سال
مالکیت اجرای یک سبد برنامهٔ AI بین چند تیم: برنامهٔ یکپارچه، وابستگی‌ها، آمادگی انتشار و گزارش سلامت تحویل. Figma، Waymo، Snowflake و Cohere برای این سطح دست‌کم پنج سال سابقهٔ TPM یا تحویل فنی می‌خواهند
Staff / Principal TPM یا Complex Program Manager
۱۰ تا ۱۲+ سال
هدایت برنامه‌های چندجریانی در سطح شرکت یا مشتری، با بودجه، قرارداد و TPM های دیگری که زیر نظرشان کار می‌کنند. IBM برای AI Program Manager بیش از ۱۲ سال، OpenAI و Coinbase بیش از ۱۰ سال و Anthropic برای TPM تیم Inference بیش از ۷ سال سابقه می‌خواهند
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
زمان‌بندی در کاری که قابل پیش‌بینی نیست
عمومیSnowflake می‌نویسد برنامه‌های ML/AI زمان‌بندی قابل پیش‌بینی ندارند و مسیر پژوهش تا پروداکشن خطی نیست. مدیر برنامه باید برنامه‌ای بسازد که با چرخه‌های آزمایش و نتیجهٔ ارزیابی‌ها تغییر کند و همچنان برای مدیران قابل اعتماد باشد.
مدیریت بدون اختیار رسمی
عمومیبیشتر تیم‌هایی که کارشان را هماهنگ می‌کنید به شما گزارش نمی‌دهند. Anthropic از TPM می‌خواهد در جاهایی که مالکیت تصمیم روشن نیست و اولویت‌ها رقابت دارند نتیجه بگیرد و اعتماد مهندسان و پژوهشگران ارشد را جلب کند.
پایلوت‌هایی که به پروداکشن نمی‌رسند
شرکت بزرگGartner در ۲۰۲۴ پیش‌بینی کرد دست‌کم ۳۰٪ پروژه‌های GenAI تا پایان ۲۰۲۵ بعد از اثبات مفهوم رها شوند، به دلیل کیفیت پایین داده، کنترل ناکافی ریسک، هزینهٔ رو به افزایش یا ارزش تجاری نامشخص. بخش بزرگی از کار مدیر برنامه این است که این چهار مسئله را از ابتدا وارد برنامه کند.
هماهنگی امنیت، حقوقی، خرید و حریم خصوصی
شرکت بزرگابزار AI معمولاً به داده، پیمانکار و تأیید چند واحد وابسته است. Figma از TPM می‌خواهد بررسی امنیتی، مراحل حقوقی و خرید و تعهدات پیمانکاران «در مرحلهٔ درست» وارد شوند و Visa با واحدهای مالی، حقوقی، حریم خصوصی، ریسک و انطباق کار می‌کند. دیر آوردن این واحدها انتشار را عقب می‌اندازد.
خودکار شدن بخش گزارش‌دهی کار
عمومیGartner پیش‌بینی کرده تا ۲۰۳۰، ۸۰٪ کار امروز مدیریت پروژه با AI حذف شود، به‌خصوص جمع‌آوری داده، پیگیری و گزارش. کسی که فقط گزارش وضعیت تهیه می‌کند آسیب‌پذیر است؛ آگهی‌هایی مثل Anthropic از TPM می‌خواهند خودش مدیریت برنامه با کمک AI را جلو ببرد.
بازاری که سابقه می‌خواهد
عمومیبیشتر آگهی‌ها برای افراد باتجربه است: IBM بیش از ۱۲ سال، OpenAI و Coinbase بیش از ۱۰ سال و Figma و Waymo دست‌کم ۵ سال سابقه می‌خواهند. نزدیک‌ترین نقطهٔ ورود در آگهی‌هایی که بررسی شد، AI Project Manager در CGI با سه تا پنج سال سابقهٔ مدیریت یا هماهنگی پروژه بود.
حقوق و بازار کار جهانی
حقوق جهانی مدیر برنامه‌های 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:
- ZipRecruiter, estimate as of Oct 22, 2026, 'AI Program Manager' (from job postings and third-party data): 25th–75th pct; average
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (1,500 salaries): 25th–75th pct; median
- CGI posting, AI Project Manager (Herndon VA, 3–5 years), posted Oct 7, 2026: US range estimate; median = midpoint
- IBM posting, AI Program Manager (US remote, 12+ years), posted Oct 14, 2026: salary range on the LinkedIn listing; median = midpoint
- Figma posting, Technical Program Manager - AI Tooling (SF/NYC/US remote, 5+ years), posted Oct 2, 2026: base salary range; median = midpoint
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (69 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (73 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (23 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (15 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (12 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (15 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (24 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (226 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 22, 2026, proxy 'Technical Program Manager' (all areas, not only AI), total comp (23 salaries): 25th–75th pct; median
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: سواد AI
یک دورهٔ غیرفنی و یک توضیح عمیق‌تر دربارهٔ مدل‌های زبانی؛ هدف این است که در بحث‌های فنی و trade-off ها حرف معتبر بزنید.
ماه ۲: چرخهٔ عمر پروژهٔ AI
یاد بگیرید پروژهٔ AI چطور از داده شروع می‌شود و با ارزیابی جلو می‌رود؛ دورهٔ PMI-CPMAI طبق صفحهٔ PMI پیش‌نیاز سابقه ندارد.
ماه ۳: ارزیابی و معیار انتشار
بفهمید تیم‌ها کیفیت خروجی AI را چطور می‌سنجند تا بتوانید دروازه‌های ارزیابی را در برنامه بگذارید.
ماه ۴: حاکمیت و ریسک
چارچوب ریسک NIST را بخوانید و برای یکی از پروژه‌های فعلی‌تان یک فهرست ریسک AI بسازید.
ماه ۵: یک پروژهٔ AI در کار فعلی
در محل کار فعلی‌تان مسئولیت یک پایلوت AI را بگیرید، حتی کوچک؛ یا یکی از پروژه‌های پورتفولیوی همین صفحه را انجام دهید.
ماه ۶: درخواست هدفمند
سابقهٔ برنامه‌هایتان را با نتیجهٔ قابل سنجش بنویسید و برای نقش‌هایی مثل AI Program Manager در شرکت‌های بزرگ یا TPM در تیم‌های ابزار داخلی AI اقدام کنید.
پروژه‌های پیشنهادی برای رزومه
برنامهٔ اجرایی یک پایلوت GenAI
مبتدیبرای یک پایلوت فرضی، مثلاً دستیار پاسخ‌گویی به سؤال‌های داخلی یک شرکت، سند منشور پروژه بنویسید: مسئله، مالک کسب‌وکار، مرز MVP، معیار موفقیت، زمان‌بندی با دروازه‌های تصمیم و RAID log. همان چیزهایی را پوشش دهید که آگهی CGI از مدیر پروژهٔ AI می‌خواهد: تعریف MVP، معیار موفقیت و برنامهٔ گذار به عملیات.
فرایند دریافت و اولویت‌بندی درخواست‌های AI
متوسطیک فرم و فرایند intake طراحی کنید که هر درخواست AI پیش از شروع کار، مسئلهٔ تعریف‌شده، نتیجهٔ مورد انتظار برای کسب‌وکار، مسیر تحویل، سطح ریسک و مالک پاسخ‌گو داشته باشد؛ این دقیقاً شرطی است که Figma برای سبد ابزارهای داخلی AI گذاشته است. ده درخواست نمونه را با آن اولویت‌بندی کنید و دلیل هر تصمیم را بنویسید.
ثبت ریسک و چک‌لیست آمادگی انتشار
متوسطبرای یک قابلیت AI فرضی، فهرست ریسک‌ها را بر اساس چارچوب NIST AI RMF بسازید و یک چک‌لیست آمادگی انتشار بنویسید: معیار پذیرش، مالک عملیاتی، فرایند پشتیبانی، runbook، مسیر escalation و حلقهٔ بازخورد. این همان فهرستی است که Figma پیش از تحویل هر انتشار می‌خواهد.
داشبورد سلامت برنامه و پذیرش
متوسطبا دادهٔ نمونه یک داشبورد بسازید که سلامت تحویل، آمادگی پذیرش، عملکرد عملیاتی و اثر واقعی یک برنامهٔ AI را نشان دهد؛ چهار محوری که Figma برای گزارش‌دهی نام برده است. متریک‌ها را با SQL بیرون بکشید و برای هر نمودار بنویسید چه تصمیمی را پشتیبانی می‌کند.
برنامهٔ پذیرش AI برای یک تیم واقعی
پیشرفتهروند کار یک تیم (مثلاً تیم مالی یا پشتیبانی محل کارتان) را بررسی کنید، دو یا سه جا را پیدا کنید که AI کار دستی را کم می‌کند، یک پایلوت کوچک اجرا کنید و پذیرش و اثر را بسنجید. Capital One از مدیر پروژهٔ AI همین را می‌خواهد: فهم فرایند فعلی، پیدا کردن فرصت و تبدیل آن به مورد استفادهٔ قابل اجرا. نتیجه را به شکل یک playbook برای تیم‌های دیگر بنویسید.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق PMI، او و Ronald Schmelzer در ۲۰۱۷ شرکت Cognilytica را بنیان گذاشتند؛ شرکتی که روی پژوهش، آموزش و گواهی بهترین روش‌ها در AI، یادگیری ماشین، اتوماسیون، داده و تحلیل کار می‌کرد. طبق همین اطلاعیه، او managing partner این شرکت بود.
روش اصلی Cognilytica برای مدیریت پروژه‌های AI، به نام CPMAI (Cognitive Project Management for AI)، بود؛ طبق PMI این روش بر تجربهٔ صدها پروژهٔ واقعی AI بنا شده و سازمان‌هایی در سراسر جهان آن را به کار گرفته‌اند. در سپتامبر ۲۰۲۴، PMI شرکت Cognilytica را خرید، گواهی CPMAI را به گواهی‌های خود اضافه کرد و هر دو بنیان‌گذار به تیم PMI پیوستند.
مسیر او نشان می‌دهد تخصص در مدیریت پروژه‌های AI می‌تواند خودش یک حوزهٔ حرفه‌ای باشد: کسی که روش کار با پروژه‌های داده‌محور را مستند و قابل آموزش کند، برای کل حرفه ارزش می‌سازد.
طبق صفحهٔ DARPA، پیش از این پژوهشگر ارشد در گروه Cybersecurity Science and Analytics بانک HSBC بود و قبل از آن به‌عنوان مشاور فنی و پیمانکار با DARPA روی پژوهش‌هایی در مهندسی معکوس، تحلیل برنامه، همکاری انسان و ماشین و ترمیم خودکار برنامه کار می‌کرد. بیش از ۱۵ سال سابقه در پژوهش آسیب‌پذیری نرم‌افزار و سخت‌افزار، آموزش فنی و مدیریت تیم‌های پژوهش و توسعه دارد و در مسابقه‌های هک (Capture the Flag) هم شرکت‌کننده بوده و هم برگزارکننده.
program manager مسابقهٔ AI Cyber Challenge (AIxCC) در DARPA است. همزمان در ARPA-H، آژانس پژوهش‌های پیشرفتهٔ سلامت آمریکا، program manager است و برنامه‌ها و پروژه‌هایی را برای بهبود امنیت سایبری حوزهٔ سلامت هدایت می‌کند.
کار او مدیریت یک برنامهٔ پژوهشی در سطح ملی است، نه هماهنگی تیم‌های یک شرکت؛ با این حال همان منطق را دارد: هدف روشن، چند تیم مستقل و معیار سنجش. مسیرش نشان می‌دهد تخصص عمیق در یک حوزه، اینجا امنیت نرم‌افزار، می‌تواند راه ورود به مدیریت برنامه‌های AI باشد.
طبق ویکی‌پدیا، مهندس برزیلی و نویسندهٔ چند کتاب مدیریت پروژه است. کارشناسی مهندسی شیمی (۱۹۹۵) و کارشناسی ارشد مهندسی صنایع (۲۰۰۲) را از دانشگاه فدرال میناس ژرایس گرفت. از ۲۰۰۷ تا ۲۰۰۹ عضو هیئت‌مدیرهٔ PMI بود و در ۲۰۰۹ اولین رئیس آمریکای لاتینی هیئت‌مدیرهٔ آن شد؛ در بازبینی راهنمای PMBOK هم نقش داشت.
طبق ویکی‌پدیا، از ۲۰۱۲ تا ۲۰۱۶ مدیر زیرساخت و مدیریت پروژه در دفتر خدمات پروژه‌های سازمان ملل (UNOPS) بود، با بودجهٔ سالانهٔ یک میلیارد دلار و تیمی از ۳۰۰ مدیر پروژه. از ۲۰۱۷ مدیر اجرایی Brightline Initiative است.
مسیر او نشان می‌دهد مهارت‌های پایهٔ مدیریت پروژه، مثل اداره بودجه، تیم‌های بزرگ و ذی‌نفعان متعدد، از یک نسل فناوری به نسل بعد منتقل می‌شوند. مدیر برنامهٔ AI هم روی همین پایه ساخته می‌شود و AI را به آن اضافه می‌کند.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Technical Program Manager - AI Tooling
تحلیل نیازمندی‌ها
5+ years of technical program management, or technical delivery experience in a cloud, SaaS, enterprise-technology, or internal-tools environment
پنج سال سابقه شرط است، اما لازم نیست همه‌اش با عنوان TPM باشد؛ «تحویل فنی» در محیط ابری، SaaS یا ابزارهای داخلی هم حساب می‌شود. اگر الان در یک شرکت نرم‌افزاری پروژه تحویل می‌دهید، از همین نقطه می‌توانید شروع کنید.
ضروریDemonstrated experience leading complex programs across Product, Engineering, Security, Legal, Data, Business Systems, Operations, and business stakeholders
فهرست ذی‌نفعان نشان می‌دهد کار فقط با مهندسان نیست. ابزار AI داخلی به امنیت، حقوقی، داده و سیستم‌های کسب‌وکار هم وابسته است و مدیر برنامه باید همه را روی یک مسیر نگه دارد.
ضروریA track record of translating product roadmaps into integrated plans, milestones, dependencies, decision points, release schedules, and measurable outcomes while maintaining clear ownership boundaries between Product, Program, and Engineering
این جمله تفاوت مدیر برنامه با مدیر محصول را روشن می‌کند: roadmap از مدیر محصول می‌آید و مدیر برنامه آن را به برنامهٔ اجرایی تبدیل می‌کند. «مرز مالکیت» یعنی نه کار محصول را می‌گیرید و نه تصمیم فنی مهندسان را.
ضروریTechnical fluency with enterprise systems, APIs, integrations, data flows, platform dependencies, identity and access, and software-delivery lifecycles. You do not need to be an engineer, but you should be able to engage credibly in technical planning and tradeoff conversations
مهندس بودن لازم نیست، اما باید بفهمید API، یکپارچه‌سازی، جریان داده و مدیریت دسترسی چیست تا بتوانید ریسک واقعی را در برنامه ببینید. این سطح از سواد فنی را می‌شود با کار کنار تیم‌های فنی و چند دورهٔ هدفمند به دست آورد.
ضروریExcellent written and verbal communication, facilitation, and influencing skills, with the ability to establish lightweight governance, present concise decisions and risks, and create accountability without relying on direct authority
دو نکتهٔ کلیدی دارد: حاکمیت «سبک»، یعنی فرایند اضافه نسازید، و پاسخ‌گو کردن افراد بدون اختیار رسمی. بیشتر کار این نقش نوشتن و تسهیل است، نه دستور دادن.
ضروریDirect experience delivering internal AI tooling, platform, or product programs in a rapidly evolving technology environment
تجربهٔ مستقیم برنامه‌های AI امتیاز است، نه شرط. یعنی یک مدیر برنامهٔ قوی بدون سابقهٔ AI هم شانس دارد؛ یک پایلوت AI در کار فعلی‌تان این فاصله را کم می‌کند.
مفیدExperience with responsible AI, model governance, security, privacy, compliance, or AI risk-management frameworks
آشنایی با چارچوب‌هایی مثل NIST AI RMF اینجا مستقیم به کار می‌آید. ابزار AI داخلی به داده‌های شرکت دسترسی دارد و مدیر برنامه باید ریسک‌های آن را از ابتدا وارد برنامه کند.
مفیدExperience with change management, enablement, enterprise adoption, Product Operations, or establishing a new program-management practice in an emerging organization
ساختن ابزار کافی نیست؛ کارکنان باید از آن استفاده کنند. تجربهٔ آموزش و پذیرش، یا ساختن یک واحد مدیریت برنامه از صفر، در این نقش ارزشمند است.
مفیدتحلیل مسئولیت‌ها
Translate the Product Manager's roadmap and prioritized outcomes into integrated program plans, milestones, release schedules, decision points, and clear ownership
کار اصلی: از «چه می‌خواهیم» مدیر محصول به «چه کسی، چه چیزی را، تا کی» برسید، با نقطه‌هایی که در آن‌ها باید تصمیم گرفته شود.
Operationalize a transparent intake and routing process so requests have a defined problem, expected business outcome, delivery path, risk profile, and accountable owner before work begins
در شرکت‌ها درخواست ابزار AI زیاد است. این فرایند جلوی شروع پروژه‌هایی را می‌گیرد که مسئلهٔ روشن، نتیجهٔ مورد انتظار یا مالک ندارند.
Establish and facilitate lightweight planning and execution cadences, including program reviews, dependency reviews, decision forums, release-readiness reviews, and stakeholder updates
ریتم اجرایی برنامه را شما می‌سازید: چه جلسه‌ای، با چه هدفی، هر چند وقت یک بار. کلمهٔ «سبک» دوباره آمده است؛ جلسه‌ای که تصمیمی نمی‌سازد جایی ندارد.
Maintain an integrated view of dependencies, risks, issues, assumptions, and decisions, driving timely resolution or escalation when work is blocked
این همان RAID log است. ارزشش در به‌روز بودن و در escalation به موقع است، نه در خود جدول.
Coordinate security reviews, legal and procurement milestones, data dependencies, vendor commitments, and business-system integrations so these workstreams are engaged at the appropriate stage of delivery
در پروژه‌های AI، بررسی امنیتی و حقوقی و قرارداد با پیمانکار اگر دیر شروع شوند انتشار را متوقف می‌کنند. مدیر برنامه آن‌ها را از قبل در زمان‌بندی می‌گذارد.
Ensure releases have appropriate acceptance criteria, operational ownership, support processes, runbooks, escalation paths, and feedback loops before handoff
انتشار یعنی کسی بعد از آن مسئول نگهداری است. این فهرست کمک می‌کند ابزار بعد از تحویل بی‌صاحب نماند.
Partner with Product and stakeholders to define measurable outcomes and provide clear reporting on delivery health, adoption readiness, operational performance, and realized impact
گزارش فقط «تحویل شد یا نه» نیست؛ پذیرش و اثر واقعی هم سنجیده می‌شود. برای همین کار با داده و داشبورد بخشی از این نقش است.
نتیجه‌گیری کلی
این آگهی تصویر روشنی از مدیر برنامهٔ AI در یک شرکت نرم‌افزاری می‌دهد. او مدل نمی‌سازد و تصمیم محصول نمی‌گیرد؛ «سیستم عامل» اجرای یک سبد ابزار AI را می‌سازد: فرایند دریافت درخواست، ریتم جلسه‌ها، فهرست ریسک و وابستگی، هماهنگی امنیت و حقوقی و آمادگی انتشار. آگهی صریحاً می‌گوید لازم نیست مهندس باشید و تجربهٔ مستقیم AI را امتیاز می‌داند، نه شرط. بازهٔ حقوق پایهٔ اعلام‌شده ۱۶۹ تا ۲۴۵ هزار دلار در سال است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
طبق BLS، اشتغال متخصصان مدیریت پروژه در آمریکا از ۲۰۲۵ تا ۲۰۳۵، ۷٪ رشد می‌کند که «بسیار سریع‌تر از میانگین» همهٔ مشاغل است، با حدود ۷۶٬۵۰۰ فرصت شغلی در سال. این آمار برای کل مدیران پروژه است؛ آمار رسمی جداگانه‌ای برای مدیران برنامهٔ AI وجود ندارد.
منبع: BLS Occupational Outlook Handbook (2025–35)
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 هزینهٔ رو به افزایش، ارزش تجاری نامشخص یا کنترل ناکافی ریسک لغو شوند.
به پیش‌بینی Gartner، تا ۲۰۲۸ دست‌کم ۱۵٪ تصمیم‌های روزمرهٔ کاری به‌طور خودکار با agentic AI گرفته می‌شود و ۳۳٪ نرم‌افزارهای سازمانی agentic AI خواهند داشت.
Gartner در ۲۰۱۹ پیش‌بینی کرد تا ۲۰۳۰، ۸۰٪ کار امروز مدیریت پروژه، به‌خصوص جمع‌آوری داده، پیگیری و گزارش، با AI حذف شود.
BLS پیش‌بینی می‌کند اشتغال متخصصان مدیریت پروژه در آمریکا تا ۲۰۳۵، ۷٪ بیشتر از ۲۰۲۵ باشد.
Gartner در ۲۰۱۹ پیش‌بینی کرد تا ۲۰۳۰، ۸۰٪ کار امروز مدیریت پروژه حذف شود، چون AI کارهایی مثل جمع‌آوری داده، پیگیری و گزارش را بر عهده می‌گیرد. این برای کسی که کارش بیشتر تهیهٔ گزارش وضعیت است ریسک جدی است. آگهی‌های امروز همین جهت را نشان می‌دهند: Anthropic می‌نویسد نقش TPM «پیگیری وضعیت نیست» و از TPM ها می‌خواهد خودشان مدیریت برنامه با کمک AI را جلو ببرند. ریسک دوم سرنوشت پروژه‌هاست: Gartner پیش‌بینی کرده بیش از ۴۰٪ پروژه‌های agentic AI تا پایان ۲۰۲۷ لغو شوند، به دلیل هزینه، ارزش تجاری نامشخص یا کنترل ناکافی ریسک؛ مدیر برنامه‌ای که این سه را از ابتدا مدیریت کند ارزش بیشتری دارد. ریسک سوم برای تازه‌واردهاست: بیشتر آگهی‌ها پنج تا دوازده سال سابقه می‌خواهند.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۵۱ منبع بررسی شده است.
- Technical Program Manager - AI Tooling — Figma (job posting)
- AI Program Manager — IBM (job posting, LinkedIn)
- AI Project Manager — CGI (job posting, LinkedIn)
- Manager, AI Project Management - Global Marketing Services — Visa (job posting, LinkedIn)
- Manager, Project Manager - AI Transformation & Delivery — Capital One (job posting, LinkedIn)
- Manager, AI Project Management — ASAPP (job posting, LinkedIn)
- Technical Program Manager, Inference — Anthropic (job posting)
- Technical Program Manager, Research — Anthropic (job posting)
- Technical Program Manager, Agent Safety & Security — Anthropic (job posting)
- Technical Program Manager, Global Programs — Applied AI Engineering — OpenAI (job posting)
- Technical Program Manager, AI Safety & Safeguards — OpenAI (job posting)
- Technical Program Manager, Model Deployment & Capacity — OpenAI (job posting)
- Research Program Manager — OpenAI (job posting)
- Technical Program Manager, AI Delivery — Cohere (job posting)
- Technical Program Manager, AI Delivery for Public Sector & Defence, Canada — Cohere (job posting)
- Senior Technical Program Manager - ML/AI — Snowflake (job posting)
- Technical Program Manager - Onboard Systems, ML Modeling — Waymo (job posting)
- Technical Program Manager, Model Performance — Baseten (job posting)
- Lead Technical Program Manager, AI Platform — Nuro (job posting)
- Manager, Technical Program Management - Artificial Intelligence — Zoox (job posting)
- Senior Program Manager, Enterprise Technology and AI — GitLab (job posting)
- AI Solutions Program Manager, Finance — Stripe (job posting)
- AI Enablement Program Manager — Klaviyo (job posting)
- Technical Program Manager, CX Intelligence & AI — Coinbase (job posting)
- Sales Dev AI Program Manager — Databricks (job posting)
- ZipRecruiter — AI Program Manager salary, United States
- Levels.fyi — Technical Program Manager salary, United States
- Levels.fyi — Technical Program Manager salary, Canada
- Levels.fyi — Technical Program Manager salary, United Kingdom
- Levels.fyi — Technical Program Manager salary, Germany
- Levels.fyi — Technical Program Manager salary, Netherlands
- Levels.fyi — Technical Program Manager salary, Switzerland
- Levels.fyi — Technical Program Manager salary, Australia
- Levels.fyi — Technical Program Manager salary, Singapore
- Levels.fyi — Technical Program Manager salary, India
- Levels.fyi — Technical Program Manager salary, United Arab Emirates
- BLS Occupational Outlook Handbook — Project Management Specialists
- PMI — Program Management Professional (PgMP)
- PMI — Project Management Professional (PMP)
- PMI — PMI Certified Professional in Managing AI (PMI-CPMAI)
- PMI — PMI Leads Transformation of Profession (acquires Cognilytica, Sept 2024)
- PMI Blog — Preparing Project Managers for an AI-Driven Future
- PMI Infinity — AI assistant for project professionals
- Gartner — 80 Percent of Today's Project Management Tasks Will Be Eliminated by 2030 (2019)
- Gartner — 30% of Generative AI Projects Will Be Abandoned After Proof of Concept (2024)
- Gartner — Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (2025)
- DARPA — Andrew Carney, Program Manager
- DARPA — AIxCC program page
- DARPA — AI Cyber Challenge winners at DEF CON 33
- Ricardo Viana Vargas — Wikipedia
- HBR — How AI Will Transform Project Management (Nieto-Rodriguez & Vargas, 2023)