تحلیلگر ریسک هوش مصنوعی
AI Risk Analyst
تحلیلگر ریسک هوش مصنوعی پیش از به کار گرفتن یک سیستم AI در سازمان، و در تمام مدتی که از آن استفاده می‌شود، می‌سنجد چه چیزی ممکن است خراب شود: خروجی نادرست، نشت داده، سوگیری، حمله‌هایی مثل prompt injection، وابستگی به فروشنده و تخلف از مقررات. کاربردهای AI را ثبت و رده‌بندی می‌کند، ریسک ذاتی و باقی‌مانده را ارزیابی می‌کند، کنترل لازم را می‌خواهد و شاهد اجرای آن را بررسی می‌کند و وضعیت ریسک را به کمیته‌ها گزارش می‌دهد. این نقش بیشتر در بانک‌ها و بیمه‌ها دیده می‌شود، در واحدهای ریسک فناوری، ریسک عملیاتی یا مدیریت ریسک مدل. در آگهی‌ها عنوان‌های AI Risk Manager، VP, AI Risk و AI Technology Risk Manager هم برای همین کار به کار می‌رود.
مقدمه و تعریف شغل
تحلیلگر ریسک هوش مصنوعی (AI Risk Analyst) کسی است که ریسک‌های استفاده از AI را در یک سازمان شناسایی، ارزیابی، پایش و گزارش می‌کند. BNY در آگهی خود از AI به‌عنوان «ریسکی فراگیر» (transversal risk) نام می‌برد که نظارت بر آن باید در همهٔ واحدهای ریسک و انطباق بی‌شکاف باشد؛ در آگهی‌ها هم ریسک مدل، فناوری، سایبری، داده، فروشنده و انطباق کنار هم آمده‌اند. کار روزمره بیشتر این‌هاست: ثبت هر کاربرد تازه در فهرست AI سازمان، رده‌بندی آن بر اساس ریسک، ارزیابی ریسک ذاتی و باقی‌مانده، درخواست کنترل و بررسی شاهد اجرای آن، و گزارش به کمیته‌ها. این نقش معمولاً سیستم را نمی‌سازد؛ آن را می‌سنجد و به چالش می‌کشد. UOB صریحاً نوشته تیمش «مالک راه‌حل یا تیم توسعهٔ پروداکشن» نیست.
این نقش در بیشتر شرکت‌ها تازه است. BNY در سپتامبر ۲۰۲۶ برای «تیم تازه‌تأسیس ریسک AI» در خط دوم دفاع، داخل واحد مدیریت ریسک فناوری، آگهی داد و Victaulic، یک شرکت صنعتی، از نامزد می‌خواهد در دوره‌ای که برنامهٔ حاکمیت AI «در حال ساخته شدن» است با ابهام راحت باشد. طبق گزارش AI Index ۲۰۲۶ استنفورد، نقش‌های مخصوص حاکمیت AI در ۲۰۲۵، ۱۷٪ بیشتر شدند. در گزارش ۲۰۲۵ AI Workforce Consortium به رهبری Cisco هم، نقش AI Risk & Governance Specialist جزو ۱۰ نقش پررشد از ۵۰ نقش ICT بررسی‌شده در کشورهای G7 بود. در بانک‌های آمریکا هم راهنمای تازهٔ ریسک مدل، SR 26-2، که در آوریل ۲۰۲۶ جای SR 11-7 را گرفت، مدل‌های GenAI و ایجنتی را بیرون از دامنهٔ خود گذاشته و تعیین کنترل برای آن‌ها را به رویه‌های مدیریت ریسک و حاکمیت خود بانک سپرده است.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک تحلیلگر ریسک هوش مصنوعی
ارزیابی ریسک کاربردهای AI
در Victaulic هر کاربرد AI با یک چک‌لیست رسمی ۴۱ بندی در شش مرحله ارزیابی می‌شود و خروجی آن رتبهٔ ریسک و توصیه‌های کاهش ریسک است.
فهرست AI و رده‌بندی ریسک
در Goldman Sachs تحلیلگر ریسک AI فهرست AI کل شرکت را نگه می‌دارد تا مدیران وضعیت ریسک و تمرکزها را ببینند. Victaulic مدل رده‌بندی سه‌سطحی را روی ایجنت‌ها، ابزارهای GenAI و اتصال‌های MCP اعمال می‌کند.
چارچوب کنترل و مخزن شاهد
Northern Trust از مسئول ریسک و کنترل AI می‌خواهد کنترل‌ها را در کل چرخهٔ عمر (طراحی، ساخت، استقرار، پایش) جا بیندازد و مخزن شاهد آمادهٔ حسابرسی نگه دارد؛ یکی از معیارهای موفقیتش زمان لازم برای ارائهٔ شاهد به حسابرس است.
گزارش ریسک برای کمیته‌ها
Citi از افسر ریسک AI می‌خواهد شاخص‌های کلیدی ریسک (KRI)، از جمله دربارهٔ عملکرد ایجنت‌ها، را پایش و به چالش بکشد. Goldman Sachs اداره و تهیهٔ مواد کمیتهٔ نظارت بر AI را به همین نقش سپرده است.
بررسی ریسک فروشندگان AI
Victaulic بررسی قراردادهای فروشندگان AI را با همکاری واحد حقوقی و خرید می‌خواهد: حق استفاده از داده، مالکیت فکری، حق حسابرسی و اطلاع‌رسانی تغییر مدل.
آزمون فنی مستقل GenAI
UOB از متخصص ریسک AI می‌خواهد نمونهٔ اولیه و محیط ارزیابی بسازد تا سیستم‌های GenAI و ایجنتی تیم‌های دیگر را مستقل بیازماید؛ از جمله در برابر prompt injection، jailbreak و استفادهٔ ناامن از ابزار.
تخصص‌های مختلف تحلیلگر ریسک هوش مصنوعی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
ریسک فناوری و سایبری AI
AI Technology & Cyber Risk
ارزیابی AI در کنار ریسک امنیت، دسترسی، ابر و تاب‌آوری؛ مثل نقش Citi در دفتر ریسک عملیاتی و انطباق فناوری و سایبری، و تیم AI Technology Risk در Fidelity.
نظارت بر ریسک مدل‌های AI
AI Model Risk Oversight
کار داخل واحد مدیریت ریسک مدل، با تمرکز بر حاکمیت و چالش مستقل مدل‌های AI؛ مثل Goldman Sachs، Manulife و Nationwide.
ریسک و کنترل AI در خط اول
First-Line AI Risk & Controls
طراحی و اجرای کنترل‌ها داخل خود کسب‌وکار، پیش از نظارت خط دوم؛ مثل AI Risk & Controls Lead در Northern Trust و نقش WCIB در U.S. Bank.
ریسک GenAI و ایجنت‌ها
GenAI & Agentic AI Risk
ارزیابی فنی LLM، RAG و ایجنت‌ها: prompt injection، jailbreak، استفادهٔ ناامن از ابزار، حدود خودمختاری و خاموش‌سازی؛ مثل UOB و Huntington.
مشاورهٔ ریسک AI
AI Risk Advisory
ارزیابی ریسک AI برای مشتریان شرکت‌های مشاوره و حسابرسی یا فروشندگان پلتفرم حاکمیت؛ مثل RSM و Credo AI. طبق Barclay Simpson، ۵۷٪ متخصصان حاکمیت AI که در نظرسنجی‌اش شرکت کردند در شرکت‌های مشاوره کار می‌کردند.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
انطباق از قانون شروع می‌کند: کدام تعهد قانونی شامل این سیستم می‌شود و چه شاهدی لازم است. ریسک از این پرسش شروع می‌کند که چه چیزی ممکن است خراب شود، چقدر محتمل و چقدر پرهزینه است و آیا در حد ریسک‌پذیری سازمان می‌ماند. فهرست ریسک‌ها هم گسترده‌تر است: Huntington از مدیر ریسک AI ارزیابی خروجی نادرست، prompt injection، نشت داده، وابستگی به فروشنده، تاب‌آوری عملیاتی و drift را می‌خواهد. در عمل دو کار هم‌پوشانی دارند و گاهی در یک عنوان جمع می‌شوند، مثل Manager, AI Risk & Compliance در Canadian Tire.
اعتبارسنج مدل خود مدل را به‌طور مستقل و کمّی می‌آزماید: دقت، طراحی، مقاومت، مدل محک (benchmark) و آزمون‌های آماری. تحلیلگر ریسک AI کل کاربرد را در سطح سازمان می‌سنجد و فرایند ثبت، رده‌بندی، تأیید و گزارش را اداره می‌کند. Goldman Sachs این دو را در یک گروه اما در دو آگهی جدا دارد: نقش AI Risk با ۳ سال تجربه و مهارت مدیریت پروژه، و نقش AI Model Validation که دکترا را ترجیح می‌دهد و ۵ سال سابقه در توسعهٔ مدل کمّی می‌خواهد. Mercury هم از مدیر ریسک مدل خود می‌خواهد مرز میان مدیریت ریسک مدل سنتی و حاکمیت GenAI و ایجنت‌ها را با تیم حاکمیت AI روشن کند.
مهندس Responsible AI ابزار، guardrail و pipeline ارزیابی را می‌سازد. تحلیلگر ریسک AI می‌سنجد آیا آن کنترل‌ها کافی‌اند، ریسک باقی‌مانده را مستند می‌کند و در صورت لزوم جلوی استقرار را می‌گیرد. مرز همیشه روشن نیست: UOB از متخصص ریسک AI می‌خواهد برای آزمون مستقل نمونهٔ اولیه بسازد، اما تأکید می‌کند که این تیم مالک راه‌حل یا توسعه‌دهندهٔ پروداکشن نیست. Nationwide هم ساختن ایجنت و ابزار را می‌خواهد، اما برای اینکه راهنمایی ریسک در مقیاس به تیم‌ها برسد و کنترل‌ها در جریان کارشان جا بیفتد.
افسر اخلاق تعیین می‌کند چه چیزی قابل قبول است و اصول و مرزها را می‌نویسد. تحلیلگر ریسک AI این اصول را در کنار مقررات و ریسک‌پذیری سازمان به معیار سنجش، کنترل و گزارش تبدیل می‌کند. تفاوت در ابزار کار است: افسر اخلاق با استدلال و سیاست‌گذاری کار می‌کند؛ تحلیلگر ریسک با رجیستر ریسک، رتبهٔ ریسک، KRI و یافته‌های قابل پیگیری. Canadian Tire هر دو را در یک جمله آورده: سیستم‌های AI باید با اصول اخلاقی، الزامات قانونی و استانداردهای حاکمیت سازمان هم‌راستا باشند.
تأثیر در صنایع مختلف
تحلیلگر ریسک هوش مصنوعی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
بانکداری و نگهداری دارایی
BNY تیم تازه‌ای برای ریسک AI در خط دوم ساخته و Northern Trust کنترل‌های خط اول AI را با معیارهایی مثل درصد کاربردهای واردشده به چارچوب حاکمیت می‌سنجد
بانکداری سرمایه‌گذاری
در Goldman Sachs گروه مدیریت ریسک مدل کمیتهٔ نظارت بر AI و فهرست AI کل شرکت را اداره می‌کند
بیمه
Nationwide تیم حاکمیت ریسک AI را در مدیریت ریسک سازمانی دارد، Manulife نظارت خط دوم بر ریسک مدل‌های AI را و Sun Life یک مدیر ارشد ریسک AI برای آسیا
صنعت و تولید
Victaulic، تولیدکنندهٔ اتصالات لوله، برای ارزیابی کاربردهای AI، ایجنت‌ها و فروشندگان آن تحلیلگر ارشد ریسک AI استخدام می‌کند
خرده‌فروشی
Canadian Tire مدیر ریسک و انطباق AI می‌خواهد که رجیستر ریسک AI را نگه دارد و ریسک‌ها را زودتر در چرخهٔ توسعه شناسایی کند
مخابرات
Rogers در مدیریت ریسک سازمانی نقشی برای AI و سایبری دارد که کفایت کنترل‌های چرخهٔ عمر را بررسی می‌کند: آزمون، اعتبارسنجی، نظارت انسانی، پایش و برنامهٔ بازنشستگی سیستم
مشاوره و حسابرسی
RSM در بخش مشاورهٔ ریسک فناوری، ارزیابی ریسک و انطباق سیستم‌های AI و GenAI را برای مشتریان انجام می‌دهد
بانک‌های آسیا
UOB در سنگاپور یک واحد مرکزی خط دوم برای حاکمیت و کنترل ریسک AI و داده دارد و Mizuho چارچوب جهانی حاکمیت AI خود را به بریتانیا، اتحادیهٔ اروپا، کانادا، استرالیا، سنگاپور، هنگ‌کنگ، مکزیک و برزیل گسترش می‌دهد
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
ریسک AI یعنی پژوهش دربارهٔ خطرهای وجودی هوش مصنوعی
در آگهی‌های این شغل کار روی ریسک‌های عملیاتی همین امروز است: خروجی نادرست به مشتری، نشت داده، تخلف از مقررات، وابستگی به فروشنده و خطای ایجنت‌ها. پژوهش دربارهٔ قابلیت‌های خطرناک و هم‌راستایی مدل‌های پیشرو کار دیگری است که در صفحهٔ محقق ایمنی هوش مصنوعی آمده است.
این یک کار حقوقی و کاغذی است و دانش فنی لازم ندارد
Mizuho از رهبر ریسک AI خود «تسلط کافی بر GenAI و AI ایجنتی برای چالش معتبر یک ارزیابی ریسک» را می‌خواهد. Manulife ارزیابی ریسک RAG، مدل‌های پایه و ایجنت‌ها را جزو وظایف آورده و RSM آشنایی کاری با Python، embedding و مفهوم RAG را. بدون فهم فنی، نمی‌شود پرسید کنترل‌ها واقعاً کار می‌کنند یا نه.
باید دانشمند داده یا دارای دکترا باشید
Northern Trust فهم مفاهیم AI/ML را «نه لزوماً در سطح دانشمند داده» می‌خواهد و Victaulic مدرک کارشناسی یا «تجربهٔ عملی معادل» را می‌پذیرد. دکترا بیشتر در نقش‌های اعتبارسنجی مدل خواسته می‌شود، مثل AI Model Validation در Goldman Sachs.
ریسک AI همان اعتبارسنجی مدل است
راهنمای SR 26-2 بانک‌های آمریکا (آوریل ۲۰۲۶) مدل‌های GenAI و ایجنتی را بیرون از دامنهٔ مدیریت ریسک مدل گذاشته است. Goldman Sachs برای ریسک AI و اعتبارسنجی مدل AI آگهی‌های جدا دارد و BNY تیم ریسک AI را در مدیریت ریسک فناوری گذاشته، جدا از تیم ریسک مدل. اعتبارسنجی بخشی از تصویر است، نه همهٔ آن.
کار تحلیلگر ریسک گفتن «نه» به AI است
آگهی‌ها هدف را سرعت امن می‌دانند. Victaulic می‌نویسد هدف این است که پذیرش AI سریع پیش برود بدون اینکه ریسک مدیریت‌نشده وارد شود، و BNY و Fidelity هر دو بر توان بخشیدن به نوآوری امن تأکید دارند. البته BNY از مدیر این تیم هم می‌خواهد در صورت لزوم تصمیم‌های پذیرش AI را به چالش بکشد، حتی وقتی روی اولویت‌های کسب‌وکار اثر بگذارد.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (۰–۲ سال)
در این پژوهش آگهی ریسک AI برای کمتر از دو سال تجربه پیدا نشد. کمترین سابقهٔ خواسته‌شده ۲ تا ۵ سال در RSM و ۳ سال در Goldman Sachs است. RSM می‌نویسد فارغ‌التحصیلان تازه با ۱ تا ۲ سال سابقهٔ مرتبط ممکن است به‌عنوان experienced associate استخدام شوند. کار در این سطح بخش‌های مشخص یک ارزیابی است، زیر نظر دیگران.
- ◆جمع‌آوری مستندات و شاهد کنترل‌ها برای یک ارزیابی ریسک
- ◆مستند کردن جریان داده و معماری یک سیستم AI برای تیم ارزیابی
- ◆به‌روز کردن رکوردهای فهرست AI و پیگیری یافته‌های باز
- ◆آماده کردن پیش‌نویس گزارش و مواد جلسه
میانی (۲–۵ سال)
ارزیابی ریسک یک کاربرد را از ابتدا تا انتها پیش می‌برید: از گفت‌وگو با تیم سازنده تا رتبهٔ ریسک و توصیه‌ها. بخش زیادی از وقت صرف ترجمهٔ جزئیات فنی به زبان ریسک و کنترل می‌شود.
- ◆جلسه با تیم محصول برای فهم کاربرد، داده، فروشنده و میزان خودمختاری سیستم
- ◆اجرای چک‌لیست ارزیابی و تعیین رتبهٔ ریسک و کنترل‌های لازم
- ◆بررسی شرایط قرارداد یک فروشندهٔ AI از نظر حق داده و اطلاع‌رسانی تغییر مدل
- ◆به‌روز کردن workflow ارزیابی در پلتفرم حاکمیت یا GRC
ارشد (۵+ سال)
مالک فرایند و چارچوب هستید، تصمیم‌های تیم‌های دیگر را به چالش می‌کشید و برای کمیته‌ها و ناظران گزارش می‌نویسید. بخشی از کار متقاعد کردن کسانی است که زیر نظر شما نیستند.
- ◆تعریف الزامات تازه برای ایجنت‌ها: حدود دسترسی به ابزار، نظارت انسانی و خاموش‌سازی
- ◆چالش مستقل نتیجهٔ ارزیابی‌ها و تصمیم‌های پذیرش ریسک خط اول
- ◆تهیهٔ گزارش وضعیت ریسک AI و KRI ها برای کمیتهٔ ریسک
- ◆پاسخ به پرسش‌های حسابرس داخلی یا ناظر و پیگیری برنامه‌های اصلاحی
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈ثبت کاربردهای تازهٔ AI در فهرست سازمان (inventory) و رده‌بندی آن‌ها بر اساس سطح ریسک
- ◈اجرای ارزیابی ریسک از ابتدا تا انتها: ریسک ذاتی، اثربخشی کنترل‌ها، ریسک باقی‌مانده و آمادگی برای استقرار
- ◈ارزیابی ریسک‌های GenAI و ایجنت‌ها: خروجی نادرست، prompt injection، نشت داده، سوگیری، drift و دسترسی ایجنت به ابزار و API
- ◈بررسی ریسک فروشندگان و قراردادهای AI: حق استفاده از داده، مالکیت فکری، حق حسابرسی و اطلاع‌رسانی تغییر مدل
- ◈تعریف یا بررسی کنترل‌ها و شاهد اجرای آن‌ها در طول چرخهٔ عمر AI و آماده نگه داشتن مستندات برای حسابرسی
- ◈چالش مستقل و سازندهٔ تصمیم‌های تیم‌های فنی و کسب‌وکار، بدون اختیار مستقیم بر آن‌ها
- ◈دنبال کردن مقررات و استانداردهای تازه و تبدیل آن‌ها به الزام عملی برای سازمان
- ◈تعریف و پایش شاخص‌های کلیدی ریسک (KRI) و تهیهٔ گزارش وضعیت ریسک AI برای کمیته‌ها و مدیران ارشد
- ◈پیگیری یافته‌ها، پذیرش ریسک‌ها و برنامه‌های اصلاحی تا رفع کامل
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک تحلیلگر ریسک هوش مصنوعی موفق به آن‌ها نیاز دارد
مهارت‌های فنی
ریسک ذاتی، اثربخشی کنترل، ریسک باقی‌مانده و رتبه‌بندی؛ UOB هر سه مرحله را نام برده و KeyBank ارزیابی ریسک ذاتی و باقی‌مانده را
NIST AI RMF و ISO/IEC 42001 و تبدیل آن‌ها به کنترل عملیاتی (شرط آگهی Victaulic)
خواندن جریان داده، فرایند توسعهٔ مدل و محیط کنترل فنی؛ Fidelity همین توانایی را می‌خواهد
prompt injection، jailbreak، نشت داده، drift، دسترسی ایجنت به ابزار و API و خاموش‌سازی (آگهی‌های Huntington و UOB)
تعریف کنترل، نمونه‌گیری و بررسی شاهد؛ Citi آزمون نمونه‌محور و نوشتن کاغذکار (workpaper) را می‌خواهد
بررسی ابزارها و مدل‌های خریداری‌شده و قراردادهایشان؛ در آگهی‌های Victaulic، UOB و Manulife آمده است
مدیریت دسترسی، رمزنگاری، لاگ و پایش؛ RSM و N26 ارزیابی کنترل‌های ابر را در کنار AI می‌خواهند
برای بررسی مستقل داده و خروجی مدل؛ Manulife و Goldman Sachs آن را امتیاز می‌دانند
UOB تجربهٔ آزمون خصمانه، red teaming و سنجش اثربخشی کنترل در سیستم‌های GenAI و ایجنتی را می‌خواهد
مهارت‌های نرم
پرسیدن پرسش درست از تیم‌های فنی و ایستادن پای آن با شاهد؛ Manulife و Huntington صریحاً آن را می‌خواهند
BNY توانایی اثرگذاری بر تیم‌های فناوری، کسب‌وکار و ریسک «بدون اختیار مستقیم» را شرط گذاشته است
تبدیل معماری و رفتار مدل به پیامد ریسک و کنترل (RSM) و ساده کردن آن برای مدیران (Fidelity)
گزارش کوتاه و تصمیم‌محور برای کمیتهٔ حاکمیت AI و مدیران ارشد؛ در آگهی‌های Victaulic، Goldman Sachs و Canadian Tire آمده است
Victaulic راحتی در کار «در حالی که برنامهٔ حاکمیت هنوز ساخته می‌شود» و Goldman Sachs کار در حوزهٔ «کم‌سابقه» را می‌خواهند
کار هم‌زمان با حقوقی، امنیت، حریم خصوصی، خرید، ریسک مدل و حسابرسی
دانش حوزه‌ای
EU AI Act و تعیین نقش ارائه‌دهنده یا به‌کارگیرنده؛ Mizuho درک عمیق از آن را می‌خواهد
برای بانک‌ها: راهنمای ریسک مدل SR 26-2، DORA در اروپا و اسناد MAS در سنگاپور
تعریف شاخص کلیدی ریسک، ریسک‌پذیری و مدیریت یافته‌ها؛ پایهٔ مشترک بیشتر آگهی‌ها
آماده کردن شاهد و پاسخ به حسابرس و ناظر؛ در آگهی‌های Northern Trust، Huntington و Nationwide آمده است
AIGP، CRISC، CISA و مدرک‌های AAIA و AAIR از ISACA در آگهی‌های Victaulic، Citi و RSM امتیاز شمرده شده‌اند
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به تحلیلگر ریسک هوش مصنوعی
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
پایهٔ مدیریت ریسک و کنترل
این شغل پیش از آنکه دربارهٔ AI باشد، دربارهٔ مدیریت ریسک است. آگهی BNY تجربه در «کل چرخهٔ مدیریت ریسک» را می‌خواهد: شناسایی، ارزیابی، اندازه‌گیری، پایش و حاکمیت. باید بدانید سه خط دفاعی چیست، ریسک ذاتی با ریسک باقی‌مانده چه فرقی دارد، کنترل چطور طراحی و آزموده می‌شود و یافته‌ها چطور تا رفع پیگیری می‌شوند.
سواد فنی AI و یادگیری ماشین
لازم نیست مدل بسازید، اما باید بتوانید معماری یک سیستم AI را بخوانید و بفهمید کجا ممکن است خطا کند. Northern Trust فهم مفاهیم AI/ML را «نه لزوماً در سطح دانشمند داده» می‌خواهد، اما Fidelity توانایی تحلیل معماری AI، جریان داده و فرایند توسعهٔ مدل را می‌خواهد و RSM آشنایی کاری با Python، embedding و مفهوم RAG.
چارچوب‌ها و مقررات ریسک AI
NIST AI RMF و ISO/IEC 42001 در آگهی‌های Victaulic، Fidelity و Mizuho نام برده شده‌اند و EU AI Act در آگهی‌های Victaulic، Mizuho و N26. اگر هدفتان بانک‌های آمریکاست، SR 26-2 را هم بخوانید: راهنمای ریسک مدل که در آوریل ۲۰۲۶ جای SR 11-7 را گرفت و مدل‌های GenAI و ایجنتی را صریحاً بیرون از دامنهٔ خود گذاشت.
ریسک‌های GenAI و ایجنت‌ها و آزمون آن‌ها
آگهی‌های ۲۰۲۶ بیشترین توجه را به GenAI و ایجنت‌ها دارند. Huntington از ارزیابی خروجی نادرست، prompt injection، نشت داده و drift تا الزامات ایجنت‌ها مثل دسترسی به ابزار و API و پروتکل خاموش‌سازی (kill-switch) را می‌خواهد. UOB هم آشنایی با jailbreak، data poisoning و استفادهٔ ناامن از ابزار را. با کاتالوگ‌های ریسک کار کنید و دست‌کم یک ابزار آزمون را خودتان اجرا کنید.
تمرین، پیگیری رخدادها و مدرک
ریسک AI از رخدادهای واقعی یاد گرفته می‌شود. AI Incident Database را مرتب بخوانید؛ طبق گزارش AI Index استنفورد، این پایگاه در ۲۰۲۵، ۳۶۲ رخداد ثبت کرده است، در برابر ۲۳۳ رخداد در ۲۰۲۴. برای مدرک، آگهی‌ها گزینه‌های مختلفی نام می‌برند: Victaulic مدرک AIGP، CISA یا CRISC و Citi مدرک‌های AAIA و AAIR از ISACA را امتیاز می‌دانند.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
چارچوب‌ها و استانداردها
چارچوب داوطلبانهٔ مدیریت ریسک AI که در ژانویهٔ ۲۰۲۳ منتشر شد؛ در آگهی‌های Victaulic، Fidelity، Mizuho و Huntington نام برده شده است
کاتالوگ ریسک و تهدید
دانشنامهٔ زندهٔ تاکتیک‌ها و تکنیک‌های مهاجمان علیه سیستم‌های AI، بر پایهٔ حمله‌ها و نمایش‌های واقعی
کاتالوگ متن‌باز ریسک‌ها و کنترل‌های GenAI برای مؤسسه‌های مالی، با نگاشت به EU AI Act، NIST، OWASP و ISO 42001
پلتفرم‌های حاکمیت و GRC
پلتفرم حاکمیت AI؛ آگهی Victaulic تجربهٔ عملی در پیکربندی workflow و ارزیابی ریسک در آن را شرط گذاشته است
ماژول حاکمیت AI در OneTrust؛ N26 تجربه با ابزارهایی مثل ServiceNow و OneTrust را امتیاز می‌داند
ابزارهای آزمون و تحلیل فنی
برای تحلیل داده و بررسی مستقل خروجی مدل؛ Manulife آشنایی با Python، SQL یا R و Goldman Sachs مهارت برنامه‌نویسی مثل Python را امتیاز می‌دانند
کتابخانهٔ متن‌باز برای بهبود عدالت (fairness) سیستم‌های AI؛ برای سنجش تفاوت عملکرد مدل میان گروه‌ها
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
ورود از نقش مجاور
۰ تا ۳ سال
تحلیلگر ریسک فناوری، حسابرس IT، تحلیلگر انطباق یا تحلیلگر داده در یک صنعت تحت مقررات؛ در این پژوهش آگهی AI Risk برای کمتر از دو سال تجربه پیدا نشد
تحلیلگر ریسک AI / Senior Associate
۲ تا ۵ سال
~$112K
میانگین سالانه (آمریکا)
اجرای ارزیابی ریسک کاربردهای AI، جمع‌آوری شاهد، ترجمهٔ معماری سیستم به ریسک و کنترل؛ مثل نقش RSM (۲ تا ۵ سال) و Goldman Sachs (۳ سال به بالا)
تحلیلگر ارشد / مدیر ریسک AI
۵+ سال
مالکیت فرایند ارزیابی و رده‌بندی، بررسی فروشندگان، چالش مستقل تیم‌های خط اول و گزارش به کمیته‌ها؛ آگهی‌های Victaulic، Fidelity، Citi، Huntington و Manulife در این سطح‌اند
مدیر ارشد / رئیس ریسک AI
۱۰+ سال
ساختن و رهبری تیم ریسک AI و چارچوب آن در سطح سازمان، تعامل با ناظران و هیئت‌مدیره؛ TD برای Director این حوزه ۱۰ سال و Mizuho ۱۵ سال تجربه می‌خواهد
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
قواعدی که هنوز شکل نگرفته‌اند
عمومیSR 26-2 مدل‌های GenAI و ایجنتی را بیرون از دامنهٔ راهنمای ریسک مدل گذاشته و از بانک‌ها خواسته با چارچوب‌های خودشان برای آن‌ها کنترل تعیین کنند. Barclay Simpson هم می‌نویسد پس از مخالفت‌ها در نوامبر ۲۰۲۵ قرار شد نسخهٔ ساده‌شده‌ای از EU AI Act جای چارچوب فعلی را بگیرد. تحلیلگر ریسک باید با قواعد در حال تغییر کار کند.
چالش کردن بدون اختیار
شرکت بزرگدر خط دوم دفاع، شما تصمیم نمی‌گیرید که سیستم ساخته شود یا نه؛ باید با شاهد و استدلال قانع کنید. Huntington از مدیر ریسک AI می‌خواهد «بدون مالکیت مستقیم اجرای خط اول» چالش سازنده کند و BNY از مدیر این تیم می‌خواهد حتی وقتی ریسک روی اولویت‌های کسب‌وکار اثر می‌گذارد، چالش کند.
AI پنهان و ثبت‌نشده
شرکت بزرگهمهٔ AI از درِ فرایند ثبت وارد نمی‌شود. U.S. Bank از مدیر ریسک AI می‌خواهد فعالیت‌های ثبت‌نشده یا غیرمجاز AI را پیدا کند و Mizuho فهمیدن AI را که «درون محصولات فروشندگان» یا بیرون از فرایند ثبت می‌رسد، بخش کلیدی نقش می‌داند.
ریسک‌های تازهٔ ایجنت‌ها
عمومیایجنتها کار انجام می‌دهند، نه فقط پاسخ. Huntington الزاماتی برای خودمختاری، تصمیم‌گیری واگذارشده، دسترسی به ابزار و API، حدود وظیفه، قابلیت حسابرسی و خاموش‌سازی می‌خواهد و تغییر در پرامپت، ابزار یا مجوزها را هم تغییر اساسی می‌داند که شاید ارزیابی دوباره لازم داشته باشد.
عمق فنی کافی
عمومیبرای چالش معتبر باید سیستم را بفهمید. UOB معماری‌هایی شامل RAG، ایجنت، MCP، پایگاه دادهٔ برداری و model gateway را جزو دانش لازم آورده است. فناوری هم سریع تغییر می‌کند: Nationwide از تیمش می‌خواهد کنترل‌ها را پیش از استقرار گستردهٔ فناوری‌های تازه، مثل AI ایجنتی، به‌روز کند.
ورود دشوار برای تازه‌کار
عمومیبیشتر آگهی‌ها دست‌کم ۵ سال تجربه می‌خواهند (Victaulic، Fidelity و Canadian Tire ۵ سال، Citi ۶ تا ۱۰ سال، Huntington ۷ سال، U.S. Bank بیش از ۱۰ سال). Barclay Simpson هم می‌نویسد تجربهٔ مستقیم با AI در حال حاضر اولویت اصلی کارفرمایان است. راه معمول ورود از نقش‌های مجاور مثل ریسک فناوری، حسابرسی IT یا ریسک مدل می‌گذرد.
حقوق و بازار کار جهانی
حقوق جهانی تحلیلگر ریسک 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:
- RSM US posting, Senior Associate, Technology Risk Advisory - AI Risk (Chicago, 2–5 years), posted Oct 2026: compensation range; median = midpoint
- U.S. Bank posting, AI Technology Risk Manager - WCIB (Minneapolis, 10+ years), posted Oct 21, 2026: pay range; median = midpoint
- Citi posting, VP - Tech/Cyber/AI Sr Risk Officer (Tampa, 6–10 years), posted Oct 6, 2026: salary range; median = midpoint
- Nationwide posting, Model Risk Associate - AI Risk Governance (Columbus/US remote, typically 8+ years), posted Oct 19, 2026: expected starting range; median = midpoint
- Northern Trust posting, AI Risk & Controls Lead (Chicago; years not stated), posted Jun 30, 2026: salary range; median = midpoint
- KeyBank posting, Manager, AI Risk Management (Charlotte/remote; years not stated), posted Oct 5, 2026: base salary range; median = midpoint
- Manulife posting, Manager/Senior Manager, AI Model Risk Oversight & Challenge (Toronto, 7+ years), posted Oct 16, 2026: salary range; median = midpoint
- Canadian Tire posting, Manager, AI Risk & Compliance (Toronto, 5+ years), posted Oct 21, 2026: broadband salary range; median = midpoint
- Barclay Simpson 2026 Data Privacy & AI Governance Salary Guide (page updated Apr 27, 2026), proxy: AI governance 'Manager', UK-wide base range; median = midpoint
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: سواد پایهٔ AI
مفاهیم یادگیری ماشین و LLM را در حدی یاد بگیرید که معماری یک سیستم را بخوانید و بدانید کجا ممکن است خطا کند.
ماه ۲: چارچوب NIST
AI RMF و پروفایل GenAI را بخوانید و با برداشتن پیشنهادهای مرتبط از Playbook، روش ارزیابی سازمان خودتان را پیش‌نویس کنید.
ماه ۳: ریسک‌های GenAI
کاتالوگ‌های ریسک را مرور کنید و آن‌ها را به کنترل‌هایی که از قبل می‌شناسید وصل کنید.
ماه ۴: پروژهٔ ارزیابی
یک کاربرد AI واقعی یا فرضی را کامل ارزیابی کنید: رده‌بندی، ریسک ذاتی، کنترل‌ها، ریسک باقی‌مانده و گزارش برای کمیته.
ماه ۵: مقررات حوزهٔ خودتان
اگر در بانک هستید SR 26-2 را بخوانید، اگر با اروپا کار دارید EU AI Act را؛ ببینید کدام الزام به کاربرد شما می‌خورد.
ماه ۶: مدرک و درخواست
یکی از مدرک‌هایی را که آگهی‌ها نام برده‌اند هدف بگیرید و برای نقش‌های ریسک AI در سازمان خودتان یا بیرون اقدام کنید؛ تجربهٔ ریسک قبلی‌تان بزرگ‌ترین امتیاز شماست.
پروژه‌های پیشنهادی برای رزومه
ارزیابی ریسک یک چت‌بات پشتیبانی مشتری
مبتدییک کاربرد فرضی (مثلاً چت‌بات پاسخ‌گو به مشتریان یک بانک) را با توابع Map، Measure و Manage در NIST AI RMF ارزیابی کنید: ریسک‌ها، احتمال و شدت، ریسک ذاتی، کنترل‌ها و ریسک باقی‌مانده. خروجی را یک گزارش چهار تا شش صفحه‌ای بنویسید که برای یک کمیته قابل خواندن باشد.
فهرست AI و مدل رده‌بندی سه‌سطحی
مبتدیپانزده کاربرد AI را از گزارش‌های عمومی شرکت‌ها جمع کنید و برای هرکدام یک رکورد inventory بسازید: مالک، داده، فروشنده، کاربر نهایی و میزان خودمختاری. بعد با معیارهای مکتوب، هرکدام را در یکی از سه سطح ریسک بگذارید و دلیلش را بنویسید؛ همان کاری که آگهی Victaulic برای ایجنت‌ها، ابزارهای GenAI و اتصال‌های MCP می‌خواهد.
چک‌لیست بررسی ریسک فروشندهٔ AI
متوسطپرسشنامه و چک‌لیست بررسی یک ابزار AI خریداری‌شده را بنویسید: حق استفاده از داده، مالکیت فکری، حق حسابرسی و اطلاع‌رسانی تغییر مدل (موارد آگهی Victaulic)، به‌علاوهٔ محل نگهداری داده و وابستگی به مدل پایه. شرایط استفادهٔ عمومی یک سرویس واقعی را با آن بسنجید.
آزمون فنی یک برنامهٔ LLM و یادداشت ریسک
متوسطیک برنامهٔ RAG ساده با مدل متن‌باز بسازید یا یک نمونهٔ آماده را بردارید و با promptfoo یا garak در برابر prompt injection و نشت داده بیازمایید. یافته‌ها را به OWASP Top 10 for LLM نگاشت کنید و یک یادداشت ریسک بنویسید: یافته، شدت، کنترل پیشنهادی و ریسک باقی‌مانده.
بررسی مستقل سوگیری و توضیح‌پذیری یک مدل اعتباری
پیشرفتهروی یک مجموعه‌دادهٔ عمومی اعتبار یک مدل طبقه‌بندی آموزش دهید، با Fairlearn تفاوت عملکرد بین گروه‌ها و با SHAP عوامل اصلی تصمیم را بسنجید و نتیجه را به زبان یک گزارش چالش مستقل بنویسید: محدودیت‌ها، کنترل‌های جبرانی و برنامهٔ پایش drift.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
پیش از بانکداری مدیر طراحی محصول در بخش Powertrain شرکت Ford بود. بعد در Bank of America رئیس ریسک کمّی شد، در Lloyds Banking Group بریتانیا مدیر مدل‌سازی و تحلیل و مدیر ارشد ریسک مدل (chief model risk officer) بود و در Wells Fargo معاون اجرایی، رئیس ریسک مدل و عضو کمیتهٔ مدیریت شد و مسئولیت مدیریت ریسک مدل کل سازمان را داشت. دکترای مهندسی از Wayne State و کارشناسی ارشد طراحی و مدیریت سیستم از MIT دارد.
امروز Executive in Residence دانشکدهٔ علم داده در UNC Charlotte و مشاور مرکز TAIMing AI است. چند پتنت آمریکایی در مالی و مهندسی دارد و از نویسندگان کتاب Design and Modeling for Computer Experiments است. حوزهٔ تخصصش ریسک کمّی، به‌ویژه مدل‌سازی ریسک اعتباری، یادگیری ماشین و آمار محاسباتی است.
مسیر او از مهندسی خودرو به ریاست ریسک مدل در سه بانک بزرگ نشان می‌دهد که تجربهٔ عمیق در یک حوزهٔ کمّی می‌تواند به مدیریت ریسک مدل و AI منتقل شود؛ ریسک AI در بانک‌ها هنوز بیشترین ریشه را در همین سنت دارد.
شیمی محاسباتی را در University of Illinois خواند و از Institute for Advanced Analytics در NC State فارغ‌التحصیل شد. کارش را در SAS Institute شروع کرد و بعد در H2O.ai تلاش‌های Responsible AI را رهبری کرد که به گفتهٔ زندگی‌نامه‌اش به یکی از اولین محصولات تجاری توضیح‌پذیری و کاهش سوگیری در یادگیری ماشین رسید. سپس شریک BNH.AI شد.
طبق زندگی‌نامه‌اش، در BNH.AI حسابرسی و red teaming سیستم‌های GenAI را پایه گذاشت. امروز دانشمند ارشد HallResearch.ai است و در پشتیبانی از چارچوب AI RMF مؤسسهٔ NIST پژوهش می‌کند، عضو هیئت‌مدیرهٔ AI Incident Database است، در دانشکدهٔ کسب‌وکار George Washington University درس می‌دهد و نویسندهٔ اصلی کتاب Machine Learning for High-Risk Applications است.
کار او میان نرم‌افزار، حقوق، دانشگاه و دولت جابه‌جا شده است. به نظر می‌رسد در ریسک AI، توانایی حرف زدن هم با مهندس و هم با وکیل و ناظر، به اندازهٔ دانش فنی ارزش دارد.
پژوهشگر ایمنی یادگیری ماشین است. برای استارتاپ تراشهٔ عصبی Syntiant مدل‌های شبکهٔ عصبی برای دستگاه‌های لبه آموزش داد و مؤسسهٔ Digital Safety Research Institute را در UL Research Institutes راه انداخت.
AI Incident Database را راه‌اندازی کرد و امروز مدیر اجرایی آن است. رهبر ML Commons Agentic Workstream و از بنیان‌گذاران یک نهاد غیرانتفاعی ایمنی AI است که هنوز معرفی نشده است. صفحهٔ پایگاه علاقهٔ او را فهم «ریسک AI» از راه ساختن توان بیمه کردن آن توصیف می‌کند.
پایگاهی که او ساخت امروز یکی از منابع روزمرهٔ تحلیلگران ریسک است. ثبت منظم رخدادها، یعنی همان کاری که در هر واحد ریسک انجام می‌شود، می‌تواند به ابزاری برای کل یک حرفه تبدیل شود.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Senior AI Risk Analyst
تحلیل نیازمندی‌ها
5+ years of experience in AI or technology risk, compliance, information security, or IT governance, including at least 2 years focused specifically on AI or machine learning risk.
این نقش برای کسی است که از قبل در ریسک فناوری، انطباق، امنیت یا حاکمیت IT کار کرده است. دو سال از این سابقه باید مخصوص ریسک AI یا یادگیری ماشین باشد؛ یعنی معمولاً از یک نقش مجاور به این شغل می‌رسند.
ضروریA demonstrated track record of building AI governance processes from the ground up, such as intake and triage workflows, risk classification models, or assessment checklists.
شرکت برنامهٔ حاکمیت AI را تازه می‌سازد و کسی می‌خواهد که قبلاً فرایند ثبت، دسته‌بندی، مدل رده‌بندی ریسک یا چک‌لیست ارزیابی را از صفر طراحی کرده باشد، نه فقط از آن استفاده کرده باشد.
ضروریWorking knowledge of AI risk and governance frameworks, such as NIST AI RMF, ISO/IEC 42001, or an equivalent framework, and how they translate into operational controls.
دانستن متن چارچوب کافی نیست؛ باید بتوانید هر الزام را به یک کنترل مشخص با مالک و شاهد تبدیل کنید. پروژهٔ ارزیابی با NIST AI RMF بهترین راه نشان دادن این مهارت است.
ضروریDirect, hands-on experience configuring workflows, risk assessments, or governance reporting in Credo AI.
این شرط به یک ابزار مشخص بسته است و در همهٔ آگهی‌ها تکرار نمی‌شود. اما الگوی پشت آن رایج است: KeyBank هم از مدیر ریسک AI می‌خواهد workflow ریسک را در یک پلتفرم GRC بسازد. تجربه با هر پلتفرم حاکمیت یا GRC کمک می‌کند.
مهمExperience evaluating third-party AI or SaaS vendor contracts for data rights, intellectual property, and audit-rights risk.
بسیاری از AI های یک شرکت خریداری می‌شوند، نه ساخته. باید بتوانید قرارداد را بخوانید و بپرسید داده کجا می‌رود، مالکیت خروجی با کیست و آیا حق حسابرسی دارید.
مهمStrong written and verbal communication skills, including experience preparing materials for governance committees or senior stakeholders.
نتیجهٔ کار شما در کمیته دیده می‌شود. گزارش باید کوتاه، دقیق و تصمیم‌محور باشد تا مدیران بتوانند بر اساس آن تأیید یا رد کنند.
مهمBachelor's degree in Information Systems, Risk Management, Computer Science, a related field, or equivalent practical experience.
رشته‌های مدیریت ریسک و سیستم‌های اطلاعاتی کنار علوم کامپیوتر آمده‌اند و تجربهٔ عملی معادل هم پذیرفته می‌شود؛ مدرک تحصیلات تکمیلی خواسته نشده است.
مفیدFamiliarity with agentic AI and Model Context Protocol (MCP) integration risk.
در بخش «امتیاز» آمده، اما نشان می‌دهد ریسک ایجنت‌ها و اتصال آن‌ها به سیستم‌های دیگر به کار روزمره نزدیک شده است؛ در وظایف هم رده‌بندی اتصال‌های MCP آمده است.
مفیدتحلیل مسئولیت‌ها
Execute end-to-end AI use case risk assessments using Victaulic's formal 41-item risk assessment checklist across six phases, producing clear risk ratings and mitigation recommendations.
هستهٔ کار همین است: هر کاربرد AI با یک روش ثابت سنجیده می‌شود و خروجی، رتبهٔ ریسک و توصیهٔ مشخص است. ثبات روش اجازه می‌دهد کاربردها با هم مقایسه شوند.
Administer and continuously improve AI risk workflows in Credo AI, including intake forms, risk-scoring logic, evidence collection, and reporting dashboards.
بخشی از کار طراحی خود فرایند است: فرم ثبت، منطق امتیازدهی، جمع‌آوری شاهد و داشبورد. آگهی می‌خواهد این پلتفرم را «سیستمی برای پیکربندی و بهبود» ببینید، نه فقط فرمی برای پر کردن.
Apply Victaulic's three-tier risk classification model to new AI agents, generative AI tools, and MCP or connector integrations as they move through the registration process.
رده‌بندی تعیین می‌کند هر سیستم چقدر بررسی لازم دارد. کاربرد کم‌ریسک سریع رد می‌شود و ایجنتی که به سیستم‌های دیگر وصل است بررسی عمیق‌تری می‌گیرد.
Lead AI vendor and contract risk reviews, including data rights, intellectual property ownership, audit rights, and model change notification, in partnership with Legal and Procurement.
اطلاع‌رسانی تغییر مدل مهم است: اگر فروشنده مدل زیرین را عوض کند، رفتار سیستم ممکن است تغییر کند و ارزیابی قبلی دیگر معتبر نباشد.
Prepare risk findings, metrics, and talking points for the AI Governance Committee and executive updates.
شما کسی هستید که کمیته را برای تصمیم آماده می‌کند. یافته باید با شاهد و پیشنهاد روشن همراه باشد.
Monitor the regulatory and standards landscape, including NIST AI RMF, ISO/IEC 42001, and the EU AI Act, and translate relevant changes into updates to Victaulic's Acceptable Use Policy and governance artifacts.
مقررات مدام تغییر می‌کند و شما باید آن را دنبال کنید و به سیاست استفادهٔ مجاز و اسناد حاکمیت سازمان برگردانید.
Support insurance and cyber-risk assessments related to AI use and contribute to incident and near-miss reviews involving AI systems.
کار به پیش از استقرار محدود نیست. وقتی رخداد یا خطای نزدیک به رخداد پیش می‌آید، تحلیل آن و درس گرفتن برای کنترل‌ها هم با شماست.
نتیجه‌گیری کلی
این آگهی تصویر روشنی از تحلیلگر ریسک AI در ۲۰۲۶ می‌دهد: کسی با دست‌کم ۵ سال تجربه در ریسک فناوری، امنیت یا انطباق که هر کاربرد AI را با روشی ثابت ارزیابی و رده‌بندی می‌کند، قراردادهای فروشندگان را بررسی می‌کند و نتیجه را برای کمیتهٔ حاکمیت آماده می‌کند. شرکت یک تولیدکنندهٔ صنعتی است، نه بانک؛ یعنی این کار فقط مخصوص صنعت مالی نیست. بازهٔ حقوق در آگهی اعلام نشده است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
در گزارش ۲۰۲۵ AI Workforce Consortium به رهبری Cisco، که آگهی‌های شغلی Cornerstone و Indeed را از ژوئیهٔ ۲۰۲۴ تا ژوئن ۲۰۲۵ در کشورهای G7 بررسی کرد، AI Risk & Governance Specialist جزو ۱۰ نقش پررشد از ۵۰ نقش ICT بود؛ ۷ نقش از این ۱۰ نقش به AI مربوط بودند.
منبع: AI Workforce Consortium (Cisco), ICT in Motion 2025
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
طبق AI Index ۲۰۲۶ استنفورد، نقش‌های مخصوص حاکمیت AI در ۲۰۲۵، ۱۷٪ بیشتر شدند و AI Incident Database در همین سال ۳۶۲ رخداد ثبت کرد، در برابر ۲۳۳ رخداد در ۲۰۲۴.
Federal Reserve، OCC و FDIC در SR 26-2 (آوریل ۲۰۲۶) مدل‌های GenAI و ایجنتی را بیرون از دامنهٔ راهنمای ریسک مدل گذاشتند، چون به تعبیر خودشان «تازه و به‌سرعت در حال تحول»اند، و از بانک‌ها خواستند برای این سیستم‌ها با چارچوب‌های ریسک و حاکمیت خود کنترل مناسب تعیین کنند.
NIST در ۷ آوریل ۲۰۲۶ یادداشت مفهومی یک پروفایل تازهٔ AI RMF را برای AI قابل‌اعتماد در زیرساخت‌های حیاتی منتشر کرد؛ پروفایلی که قرار است بهره‌برداران زیرساخت‌های حیاتی را به سمت رویه‌های مشخص مدیریت ریسک هدایت کند.
بخشی از همین کار در حال خودکار شدن است: KeyBank از مدیر ریسک AI می‌خواهد جمع‌آوری شاهد، نگاشت کنترل و مستندسازی را با AI خودکار کند و Nationwide ساختن ایجنت برای رساندن راهنمایی ریسک به کاربران را جزو وظایف آورده است. پس ارزش تحلیلگر بیشتر در قضاوت، چالش و تصمیم است تا پر کردن فرم. ریسک دیگر وابستگی به مقررات است: SR 26-2 حاکمیت GenAI و ایجنت‌ها را به چارچوب‌های خود بانک‌ها سپرده و Barclay Simpson از ساده‌سازی EU AI Act خبر می‌دهد؛ تغییر قواعد می‌تواند اولویت‌ها و حجم کار را جابه‌جا کند.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۳۴ منبع بررسی شده است.
- Senior AI Risk Analyst — Victaulic (job posting, LinkedIn)
- Senior AI Risk Analyst — Victaulic (job posting, Workday)
- Model Risk Management, AI Risk, Dallas, Analyst/Associate — Goldman Sachs (job posting)
- Risk, AI Model Validation, Vice President, New York — Goldman Sachs (job posting)
- Senior AI Technology Risk Analyst - Center of Excellence — Fidelity Investments (job posting)
- Vice President, AI Risk — BNY (job posting)
- Director, Artificial Intelligence Risk Management — BNY (job posting)
- SVP - Model Risk Management AI, Wealth and Investments — BNY (job posting)
- Artificial Intelligence Technology Risk Manager — U.S. Bank (job posting)
- Vice President - Tech/Cyber/AI Sr Risk Officer — Citi (job posting)
- AI Risk & Controls Lead — Northern Trust (job posting)
- Manager, AI Risk Management — KeyBank (job posting)
- AI Risk and AI Risk Governance Manager — Huntington (job posting)
- Model Risk Associate - AI Risk Governance — Nationwide (job posting)
- Manager / Senior Manager, AI Model Risk Oversight & Challenge — Manulife (job posting)
- AI Risk & Governance Lead — Mizuho Americas (job posting)
- Manager, AI Risk & Compliance — Canadian Tire Corporation (job posting)
- Senior Associate, Technology Risk Advisory - AI Risk — RSM US (job posting)
- VP, Advanced AI Risk Specialist — UOB (job posting)
- Mgr. Enterprise Risk Mgmt (AI & Cyber) — Rogers Communications (job posting)
- AI Governance Advisor — Credo AI (job posting)
- Information Security Controls Manager - Cloud & AI Governance — N26 (job posting)
- Model Risk Manager — Mercury (job posting)
- Barclay Simpson — 2026 Data Privacy & AI Governance Salary Guide
- Cisco Newsroom — AI Workforce Consortium 2025 report (ICT in Motion)
- Stanford AI Index 2026 — Responsible AI chapter
- Federal Reserve — SR 26-2, Revised Guidance on Model Risk Management (letter)
- Federal Reserve — SR 26-2 attachment (PDF)
- NIST — AI Risk Management Framework
- Agus Sudjianto — UNC Charlotte Center for TAIMing AI
- Patrick Hall — UNC Charlotte Center for TAIMing AI
- AI Incident Database — About (Sean McGregor)
- FINOS AI Governance Framework
- ISACA — AAIR certification