معمار راهکارهای هوش مصنوعی
AI Solutions Architect
معمار راهکارهای هوش مصنوعی نمایندهٔ فنی یک شرکت سازندهٔ مدل یا پلتفرم AI نزد مشتری است: نیاز کسب‌وکار را می‌فهمد، معماری راه‌حل را طراحی می‌کند، نمونهٔ اولیه و چارچوب ارزیابی می‌سازد و مشتری را تا استقرار در پروداکشن همراهی می‌کند. در آگهی‌های ۲۰۲۶ این نقش بیشتر با نام‌های دیگری می‌آید: Applied AI Architect در Anthropic، OpenAI و Perplexity، GenAI Specialist Solutions Architect در AWS و Solutions Architect در شرکت‌هایی مثل Databricks، Scale AI و Together AI. بیشتر این نقش‌ها در سازمان فروش شرکت قرار دارند و معمولاً دست‌کم پنج سال سابقهٔ کار فنی رو در رو با مشتری می‌خواهند.
مقدمه و تعریف شغل
معمار راهکارهای هوش مصنوعی (AI Solutions Architect) کسی است که بین مشتری و محصول AI یک شرکت می‌ایستد و مسئول فنی موفقیت آن محصول نزد مشتری است. Anthropic این نقش را «معمار پیش از فروش» می‌نامد که مشاور فنی مورد اعتماد سازمان‌های بزرگ است و آن‌ها را از discovery اولیه تا ارزیابی و استقرار همراهی می‌کند. OpenAI از معمارش می‌خواهد «CTO مجموعهٔ مشتریانش» باشد: Account Director مالک راهبرد تجاری است و معمار مالک راهبرد فنی و مسیر رسیدن به ارزش در پروداکشن. کار روزمره ترکیبی از جلسه با مدیران و مهندسان مشتری، طراحی معماری، ساختن دمو و PoC، طراحی ارزیابی و رساندن بازخورد به تیم محصول است. بیشتر کارفرماها شرکت‌های سازندهٔ مدل و پلتفرم‌اند (Anthropic، OpenAI، Cohere، AWS، Databricks)، اما شرکت‌های مشاوره مثل Booz Allen و سازمان‌هایی مثل Isio هم با عنوان دقیق AI Solutions Architect استخدام می‌کنند.
عنوان دقیق AI Solutions Architect در بازار هست، اما کمتر از نام‌های دیگر. در ۲۲ اکتبر ۲۰۲۶، صفحهٔ فرصت‌های شغلی Anthropic ۲۶ آگهی Applied AI Architect (بدون نقش‌های مدیریتی) در ۱۳ شهر داشت و OpenAI ۱۹ آگهی Applied AI Architect و ۲۷ آگهی Forward Deployed Engineer. AWS همین کار را GenAI Specialist Solutions Architect می‌نامد و شرکت‌هایی مثل Databricks، Scale AI، Together AI، Cohere و Harvey آن را Solutions Architect. levels.fyi هم AI Solutions Architect را یکی از نام‌های دیگر عنوان AI Architect می‌داند. این نقش در بیشتر شرکت‌ها جزو سازمان فروش است و پرداخت آن را هم شکل می‌دهد: Anthropic بازهٔ ۲۴۰ تا ۳۸۰ هزار دلاری خود را OTE، یعنی حقوق پایه به‌اضافهٔ کمیسیون هدف، اعلام کرده و OpenAI علاوه بر حقوق پایهٔ ۱۷۴ تا ۲۷۶ هزار دلار، کمیسیون و سهام می‌دهد. گروه رسمی جداگانه‌ای برای این شغل وجود ندارد؛ O*NET، پایگاه مشاغل وزارت کار آمریکا، Solutions Architect را از عنوان‌های گروه Computer Systems Engineers/Architects می‌داند و برای این گروه رشد اشتغال ۵ تا ۶ درصدی از ۲۰۲۵ تا ۲۰۳۵ پیش‌بینی می‌کند. سابقه مانع اصلی ورود است: بیشتر آگهی‌ها پنج سال کار فنی رو در رو با مشتری می‌خواهند و مسیرهای ورود کم‌سابقه‌تر بیشتر با عنوان Deployed یا Forward Deployed Engineer آگهی می‌شوند.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک معمار راهکارهای هوش مصنوعی
معماری راه‌حل AI برای یک سازمان
OpenAI از معمارش می‌خواهد معماری‌هایی طراحی کند که مدل، برنامه، داده، یکپارچه‌سازی، امنیت، حریم خصوصی، حاکمیت، ارزیابی و استقرار را با هم پوشش دهند. در Isio همین کار برای محصولات داخلی انجام می‌شود: طراحی سطح پایین شامل داده، انتخاب مدل، یکپارچه‌سازی، امنیت و مقیاس، و ارائهٔ گزینه‌ها با تلاش، ریسک و هزینهٔ هر کدام.
نمونهٔ اولیه، دمو و proof of value
Cohere از Solutions Architect می‌خواهد خودش PoC هایی بسازد که ارزش پلتفرم را نشان دهند، Scale AI ساختن نمونهٔ کارکردی یا دموی زنده برای اعتبارسنجی معماری پیشنهادی، و Together AI اجرای دمو و PoC روی کل مجموعهٔ سخت‌افزار و نرم‌افزار شرکت.
چارچوب ارزیابی
Anthropic کمک به مشتری برای ساختن چارچوبی که عملکرد Claude را در کاربرد خاص او بسنجد جزو وظایف آورده است. Scale AI معیارهای کیفیت، خط پایه، مجموعه‌دادهٔ ارزیابی و دسترسی به متخصص حوزه را پیش از پیشنهاد قیمت تعریف می‌کند و Databricks از روش‌های ارزیابی مبتنی بر مدل داور (judge) نام می‌برد.
سیستم‌های agentic
AWS در آگهی معمار GenAI صنعت خودرو و تولید در مونیخ، طراحی معماری‌هایی را می‌خواهد که سیستم AI پرسش‌های پیچیده را پردازش کند، با منابع دادهٔ سازمان تعامل داشته باشد و کارهای چندمرحله‌ای را انجام دهد. SambaNova از طراحی سیستم‌های تک‌عاملی و چندعاملی با برنامه‌ریزی، tool calling، MCP و حافظه نام می‌برد.
reference architecture و آموزش تیم فروش
Specialist Solutions Architect های AWS whitepaper، بلاگ، reference implementation و ارائه می‌نویسند و برای بقیهٔ معماران مطالب آموزشی می‌سازند. معمار ارشد GenAI در Databricks هم با workshop و reference architecture دانش GenAI را در تیم حدوداً ۷۰ نفرهٔ SA/SE منطقه‌اش گسترش می‌دهد.
ارزیابی فنی فرصت فروش و ورودی قرارداد
در Scale AI معمار چک‌لیست ارزیابی فنی را کامل می‌کند (امکان‌پذیری، آمادگی داده، یکپارچه‌سازی، امنیت و انطباق، آمادگی ارزیابی و هم‌سویی ذی‌نفعان)، برای هر فرصت توصیهٔ روشن «برو / نرو» می‌دهد و بستهٔ ورودی فنی SOW را با رویکرد معماری، یافته‌های نمونهٔ اولیه، ریسک‌ها و پیش‌فرض‌ها آماده می‌کند.
تخصص‌های مختلف معمار راهکارهای هوش مصنوعی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
معمار Applied AI در شرکت‌های سازندهٔ مدل
Applied AI Architect (model labs)
نقش پیش از فروش در Anthropic، OpenAI و Perplexity برای کمک به سازمان‌ها در استقرار مدل‌ها و محصولات همان شرکت. هر دو شرکت تیم‌ها را بر اساس بخش بازار جدا کرده‌اند؛ مثلاً Enterprise، Startups، Digital Natives، Public Sector و Partnerships در Anthropic و Retail، Healthcare & Life Sciences، Education و Government در OpenAI.
معمار متخصص GenAI در پلتفرم‌های ابر و داده
GenAI / AI-ML Specialist Solutions Architect
مرجع فنی عمیق در یک حوزه که به معماران عمومی و مشتریان با مسئله‌های پیچیده کمک می‌کند. AWS این نقش‌ها را «تکنولوژیست‌هایی با تخصص عمیق حوزه‌ای» در سازمان فروش تعریف می‌کند و Databricks نقش Lead Solutions Architect - Generative AI و Specialist Solutions Architect (AI/ML) دارد.
معمار AI یک صنعت
Industry AI Architect
تخصص در مسئله‌ها و الزامات یک صنعت. Scale AI تخصص در خدمات مالی، سلامت یا مصرف‌کننده را شرط کرده و AWS تیم جداگانهٔ GenAI برای خودرو و تولید در مونیخ دارد که دانش SAP را امتیاز می‌داند. Anthropic هم آگهی‌های Industries، Life Sciences و Cyber Specialist دارد.
معمار راهکار مدل‌های متن‌باز و inference
Open Models & Inference Solutions Architect
کار با شرکت‌هایی که مدل‌های متن‌باز را روی زیرساخت خودشان اجرا یا fine-tune می‌کنند. Together AI دانش GPU، HPC و Kubernetes و SLURM را می‌خواهد و SambaNova انتخاب و ترکیب مدل‌های متن‌باز، fine-tuning با LoRA/PEFT، distillation و model routing را.
معمار راهکار AI داخل سازمان یا شرکت مشاوره
In-house / Consulting AI Solutions Architect
طراحی راه‌حل AI برای خود سازمان یا مشتریان یک شرکت مشاوره، نه برای فروش یک محصول. نقش Isio برای این است که «دارایی AI» شرکت یکدست بماند و همهٔ واحدها از الگوها، اجزا و کنترل‌های یکسان استفاده کنند؛ Booz Allen همین عنوان را برای پروژه‌های مشتریان دولتی به کار می‌برد.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
معمار ابری زیرساخت را طراحی می‌کند: شبکه، هویت و دسترسی، Infrastructure as Code و Kubernetes، و اغلب داخل خود سازمان است. معمار راهکار AI روی لایهٔ کاربرد AI کار می‌کند: انتخاب مدل، داده و بازیابی، ادغام با سیستم‌های سازمان، امنیت و ارزیابی، و معمولاً در شرکت فروشنده است و برای مشتری طراحی می‌کند. پایه مشترک است: Anthropic از Applied AI Architect «تجربهٔ طراحی معماری‌های ابری مقیاس‌پذیر» می‌خواهد و AWS نقش‌های GenAI را جزو تیم Solutions Architect خود تعریف کرده است.
مشاور AI بیشتر به این می‌پردازد که سازمان کجا از AI استفاده کند و روش کارش چطور تغییر کند، و معمولاً در شرکت مشاوره یا داخل سازمان است. معمار راهکار AI معمولاً در شرکت سازندهٔ مدل یا پلتفرم کار می‌کند و مسئول فنی استقرار همان محصول نزد مشتری است؛ Anthropic نقشش را «معمار پیش از فروش» می‌نامد. مرز در شرکت‌های مشاوره کم‌رنگ می‌شود: Booz Allen عنوان AI Solution Architect را برای طراحی راه‌حل AI برای مسئله‌های کسب‌وکار مشتریانش به کار می‌برد.
OpenAI هر دو نقش را جدا آگهی می‌کند. Forward Deployed Engineer مالک discovery، طراحی، ساخت و راه‌اندازی در پروداکشن است، کد پروداکشن فرانت‌اند و بک‌اند می‌نویسد و تا ۵۰٪ سفر دارد. Applied AI Architect مالک راهبرد فنی و برنامهٔ حساب مشتری است و برای اجرای عمیق، Deployment Engineering و متخصصان دیگر را وارد کار می‌کند. نقش FDE را Shyam Sankar در Palantir طراحی کرد و امروز OpenAI، Anthropic، Cohere و Databricks هم آن را آگهی می‌کنند.
مرز این عنوان‌ها در هر شرکت متفاوت است و اغلب مسیر ورود به همین نقش‌اند: Anthropic برای Applied AI Architect پنج سال سابقه در نقش‌هایی «مثل Solutions Architect، Sales Engineer یا Technical Account Manager» می‌خواهد و Scale AI سابقه در sales engineering را هم می‌پذیرد. در آگهی‌های Solutions Architect کار معمولاً بعد از فروش هم ادامه دارد: Scale AI می‌گوید معمار از discovery تا بستن قرارداد رهبری فنی را دارد و بعد از فروش هم برای رشد حساب درگیر می‌ماند.
تأثیر در صنایع مختلف
معمار راهکارهای هوش مصنوعی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
شرکت‌های سازندهٔ مدل
در Anthropic، OpenAI، Cohere و Perplexity این نقش عنوان و تیم‌های جداگانه دارد؛ در اکتبر ۲۰۲۶ آگهی‌های Applied AI Architect در Anthropic در ۱۳ شهر از سان‌فرانسیسکو تا توکیو و بنگلور پخش بود.
ارائه‌دهندگان ابر
AWS برای GenAI تیم‌های Specialist Solutions Architect جداگانه دارد، از جمله برای agentic AI، دولت، خدمات مالی جهانی (GFS)، مخابرات و خودرو و تولید.
پلتفرم‌های داده
Databricks کنار نقش‌های Solutions Architect صنعتی (مثلاً بانکداری و خدمات مالی)، نقش‌های تخصصی Lead Solutions Architect - Generative AI و Senior Specialist Solutions Architect (AI/ML) آگهی کرده است.
زیرساخت AI و inference
Together AI از معمار راهکار می‌خواهد کنار مشتری برنامه‌هایی روی مدل‌های متن‌باز بسازد و SambaNova انتخاب، fine-tuning و ترکیب مدل‌های متن‌باز را؛ Baseten و Modal هم آگهی Solutions Architect دارند.
دولت و دفاع
AWS برای معمار GenAI دولت جهانی تابعیت آمریکا و مجوز Top Secret می‌خواهد، Booz Allen برای سطح میانی مجوز TS/SCI با پلی‌گراف و Cohere برای بخش عمومی مجوز امنیتی.
خدمات مالی و سلامت
Scale AI از معمار سازمانی‌اش تخصص در خدمات مالی یا سلامت و آشنایی با مدیریت ریسک مدل، وام‌دهی منصفانه و HIPAA را می‌خواهد؛ OpenAI هم برای خدمات مالی، سلامت و حقوقی Forward Deployed Engineer جداگانه آگهی کرده است.
خودرو و تولید
تیم GenAI صنعت خودرو و تولید AWS در مونیخ با بزرگ‌ترین شرکت‌های این صنعت کار می‌کند و آشنایی با سیستم‌های SAP را امتیاز می‌داند.
خدمات حرفه‌ای و مشاوره
Isio، یک شرکت مشاورهٔ بازنشستگی و مزایای کارکنان در لندن، و Booz Allen در آمریکا با عنوان دقیق AI Solutions Architect استخدام می‌کنند، یکی برای محصولات و ابزارهای داخلی و دیگری برای مشتریان.
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
این نقش فقط ارائه و جلسه است و کار فنی ندارد
آگهی‌ها کار عملی را صریحاً می‌خواهند. Scale AI توانایی ساختن سریع نمونهٔ اولیه را شرط کرده، Databricks ساختن PoC و reference implementation با کیفیت پروداکشن را، و SambaNova ساختن برنامه‌های وب قابل استفاده با React و Next.js را. Anthropic هم راحتی با Python و کمک به ساختن چارچوب ارزیابی را می‌خواهد.
برای این کار باید پژوهشگر یادگیری ماشین یا دکترا داشت
در بیشتر آگهی‌ها نه. Anthropic «آشنایی با فریم‌ورک‌ها و ابزارهای رایج LLM یا پیشینه در یادگیری ماشین یا علم داده» را کافی می‌داند و AWS در آگهی معمار GenAI دولت می‌نویسد تجربه با AWS مطلوب است اما لازم نیست، به شرطی که تجربهٔ ساختن راه‌حل‌های بزرگ داشته باشید. استثنا هم هست: Databricks برای Lead Solutions Architect پایهٔ قوی در یادگیری ماشین و یادگیری عمیق و آموزش توزیع‌شده می‌خواهد.
این شغل راه سریع ورود به AI برای تازه‌کارهاست
بیشتر آگهی‌ها سابقهٔ قابل توجه می‌خواهند: Anthropic، Perplexity، Together AI و Cohere پنج سال کار فنی رو در رو با مشتری، AWS هفت سال و SambaNova هشت تا ده سال. ورود کم‌سابقه‌تر بیشتر از نقش‌هایی مثل Deployed Engineer دورهٔ ابتدای کار در LangChain (یک تا سه سال) یا Forward Deployed Engineer فارغ‌التحصیل تازه در C3 AI ممکن است.
Applied AI Architect و Forward Deployed Engineer یک کار را با دو اسم انجام می‌دهند
در OpenAI این دو نقش جدا و مکمل‌اند. FDE مالک ساختن و راه‌اندازی در پروداکشن است و کد پروداکشن می‌نویسد؛ Applied AI Architect مالک راهبرد فنی و برنامهٔ حساب مشتری است و وقتی اجرای عمیق لازم است، تیم Deployment Engineering را وارد کار می‌کند و مسئول نتیجه می‌ماند.
عدد حقوق در آگهی همان حقوق ثابت است
نه همیشه. Anthropic می‌نویسد برای نقش‌های فروش، بازهٔ اعلام‌شده OTE است، یعنی حقوق پایه به‌اضافهٔ کمیسیون یا پاداش فروش هدف. OpenAI کنار حقوق پایه کمیسیون و سهام دارد و AWS سهام و پاداش ورود. برای مقایسهٔ دو پیشنهاد باید بدانید چه بخشی ثابت است و چه بخشی به فروش بستگی دارد.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور / Deployed Engineer (۰–۳ سال)
بیشتر وقت صرف ساختن می‌شود: دمو، PoC و کمک به مشتری در ارزیابی، کنار مهندسان و معماران ارشد. آگهی Deployed Engineer دورهٔ ابتدای کار در LangChain حدود ۴۰٪ سفر به محل مشتری دارد.
- ◆ساختن یا اصلاح یک PoC برای ارزیابی فنی یک مشتری
- ◆شرکت در جلسهٔ فنی مشتری و یادداشت برداشتن از نیازها و پرسش‌ها
- ◆نوشتن مستندات و راهنمای استفاده برای دمو یا نمونهٔ ساخته‌شده
- ◆اجرای یک workshop کوچک برای توسعه‌دهندگان مشتری
- ◆ثبت مشکلات تکراری و فرستادن بازخورد به تیم محصول
میانی (۳–۵ سال)
مسئول معماری چند پروژه یا چند حساب هستید و معمولاً کمی راهنمایی می‌گیرید. Booz Allen این سطح را این‌طور توصیف می‌کند: طراحی راه‌حل برای مسئله‌های با پیچیدگی متوسط، کار مستقل با کمی راهنمایی و گاهی بازبینی کار همکاران جوان‌تر.
- ◆جلسهٔ discovery با تیم فنی و کسب‌وکار مشتری و نوشتن خلاصهٔ نیازها
- ◆طراحی معماری یک کاربرد RAG یا agentic و مستند کردن گزینه‌ها و ریسک‌ها
- ◆ساختن مجموعه‌دادهٔ ارزیابی و اجرای مقایسهٔ اولیه
- ◆پاسخ به پرسش‌های بازبینی امنیتی مشتری
- ◆بازبینی طراحی یک همکار جوان‌تر
ارشد / Principal (۵+ سال)
مالک فنی مجموعه‌ای از مشتریان یا یک حوزهٔ تخصصی هستید. وقت بیشتری با مدیران ارشد مشتری، تیم فروش و تیم محصول می‌گذرد و بخشی از کار نوشتن و سخنرانی است.
- ◆جلسه با Account Director برای برنامهٔ فنی حساب و اولویت کاربردها
- ◆ارائهٔ معماری و نقشهٔ پذیرش به مدیر ارشد فناوری یا امنیت مشتری
- ◆پیگیری مصرف، پذیرش و آمادگی پروداکشن کاربردهای فعال و رفع موانع
- ◆هماهنگ کردن Deployment Engineering، امنیت و شرکا برای یک پروژهٔ بزرگ
- ◆نوشتن whitepaper یا reference architecture یا آماده شدن برای یک سخنرانی
- ◆رساندن الگوهای تکرارشونده و درخواست‌های مشتریان به تیم محصول
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈طراحی معماری راه‌حل در همهٔ لایه‌ها: مدل، برنامه، داده، یکپارچه‌سازی با سیستم‌های سازمان، امنیت، حریم خصوصی، حاکمیت، ارزیابی و استقرار
- ◈ساختن نمونهٔ اولیه، دمو و proof of value برای اثبات امکان‌پذیری فنی و ارزش راه‌حل
- ◈کمک به مشتری برای ساختن چارچوب ارزیابی و تعریف معیار موفقیت پیش از قرارداد
- ◈ثبت الگوهای تکرارشونده و رساندن بازخورد مشتری به تیم‌های محصول، مهندسی و پژوهش
- ◈رهبری discovery فنی با مدیران و تیم‌های فنی مشتری برای پیدا کردن، سنجیدن و اولویت‌بندی کاربردهای AI که به نتیجهٔ کسب‌وکار وصل‌اند
- ◈همکاری با Account Executive یا Account Director در راهبرد حساب و تهیهٔ ورودی فنی پیشنهاد و قرارداد (SOW)
- ◈ارائهٔ محتوای فنی برای مخاطبان مختلف، از جزئیات مهندسی برای توسعه‌دهندگان تا گفت‌وگوی ارزش با مدیران ارشد
- ◈هماهنگی تیم‌های داخلی (Deployment Engineering، محصول، امنیت، شرکا) و پیگیری پذیرش، مصرف و آمادگی پروداکشن پس از فروش
- ◈نوشتن reference architecture، whitepaper و مطالب آموزشی و آموزش دادن به بقیهٔ تیم فنی فروش
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک معمار راهکارهای هوش مصنوعی موفق به آن‌ها نیاز دارد
مهارت‌های فنی
API، سیستم‌های توزیع‌شده، یکپارچه‌سازی داده، هویت و امنیت؛ OpenAI این پایه‌ها را شرط کرده و Anthropic یکپارچه‌سازی با سیستم‌های سازمانی را
Databricks توانایی مقایسهٔ مدل‌های اختصاصی و متن‌باز و ارائهٔ نظر روشن به مشتری دربارهٔ trade-off ها را می‌خواهد
Booz Allen RAG را جزو الگوهای اصلی معماری AI آورده و AWS پیاده‌سازی knowledge base های مبتنی بر RAG را
در آگهی‌های Booz Allen، Isio، SambaNova و AWS آمده است؛ AWS حتی نقش جداگانهٔ Specialist برای Agentic AI دارد
Anthropic کمک به ساختن چارچوب ارزیابی و Scale AI طراحی روش و معیار ارزیابی را شرط کرده‌اند
Anthropic راحتی با Python و OpenAI توانایی نمونه‌سازی با API، SDK و Python یا JavaScript را می‌خواهد
Anthropic تجربهٔ طراحی معماری ابری مقیاس‌پذیر و Booz Allen سه سال طراحی محیط ابری سازمانی را می‌خواهد
OpenAI این لایه‌ها را بخشی از معماری می‌داند و Booz Allen آشنایی با NIST AI RMF را امتیاز
Databricks رهبری fine-tuning روی مدل‌های متن‌باز و SambaNova LoRA/PEFT و distillation را می‌خواهد
SambaNova ساختن برنامهٔ وب قابل استفاده با React/Next.js و TypeScript را می‌خواهد تا کاربر غیرفنی هم بتواند از راه‌حل استفاده کند
مهارت‌های نرم
Perplexity توانایی تبدیل درخواست مبهم به مسئلهٔ روشن کسب‌وکار، رویکرد فنی و برنامهٔ تحویل را شرط کرده است
Anthropic توانایی توضیح مفاهیم فنی برای مدیران ارشد و تیم‌های مهندسی را می‌خواهد و Cohere جابه‌جا شدن راحت بین ارائه به مدیرعامل و تخته‌سفید با مهندسان را
Scale AI برگزاری workshop اجرایی و Together AI اجرای دموهای پیچیده را جزو کار آورده‌اند
OpenAI از معمار می‌خواهد تیم‌های Deployment Engineering، آموزش، محصول و شرکا را هماهنگ کند و مسئول نتیجه بماند
Anthropic «علاقه به آموزش و منتورینگ» را در شرایط آورده و Databricks گسترش دانش GenAI در تیم SA/SE را
AWS نوشتن whitepaper و سخنرانی در AWS Summit و re:Invent را جزو وظایف می‌داند و Databricks حضور فنی عمومی را امتیاز
دانش حوزه‌ای
Scale AI تخصص در خدمات مالی، سلامت یا مصرف‌کننده را شرط کرده و OpenAI «تخصص معنادار در یک صنعت مرتبط» را
Anthropic تجربهٔ کار با مشتریان سازمانی در چرخه‌های خرید پیچیده با چند ذی‌نفع را می‌خواهد و Scale AI تهیهٔ ورودی فنی SOW را
OpenAI پیگیری پذیرش، مصرف و اثر قابل اندازه‌گیری را از وظایف می‌داند و Perplexity بردن مشتری از اعتبارسنجی فنی به استفادهٔ پایدار در پروداکشن را
Scale AI آشنایی با مدیریت ریسک مدل و وام‌دهی منصفانه در خدمات مالی و HIPAA و ایمنی بالینی در سلامت را امتیاز می‌داند
Isio آشنایی با TOGAF یا Zachman را امتیاز می‌داند
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به معمار راهکارهای هوش مصنوعی
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
پایه: مهندسی نرم‌افزار و معماری ابری
معمار راهکار AI قبل از هر چیز معمار نرم‌افزار است. OpenAI از Applied AI Architect «پایه‌های قوی معماری نرم‌افزار و ابر» می‌خواهد: API، سیستم‌های توزیع‌شده، یکپارچه‌سازی داده، هویت، امنیت و حریم خصوصی. Anthropic تجربهٔ «طراحی معماری‌های ابری مقیاس‌پذیر و یکپارچه‌سازی با سیستم‌های سازمانی» را شرط کرده و Booz Allen برای سطح میانی سه سال تجربهٔ طراحی محیط ابری سازمانی با دسترس‌پذیری بالا. در این فاز یک ابر را عمیق یاد بگیرید و الگوهای طراحی سیستم را تمرین کنید.
مبانی LLM و ساختن با API مدل‌ها
لازم نیست پژوهشگر ML باشید، اما باید بفهمید مدل‌ها چه می‌کنند و کجا خطا می‌کنند. Anthropic «آشنایی با فریم‌ورک‌ها و ابزارهای رایج LLM یا پیشینه در یادگیری ماشین یا علم داده» و راحتی با Python را می‌خواهد. Together AI تسلط به Python و JavaScript و تجربهٔ ساختن نمونهٔ اولیه روی پلتفرم‌های API را شرط کرده و Databricks توانایی مقایسهٔ مدل‌های اختصاصی و متن‌باز و توضیح trade-off آن‌ها برای مشتری را.
الگوهای معماری AI: RAG، ایجنت، MCP و ارزیابی
این هستهٔ تخصصی کار است. OpenAI از معمار می‌خواهد «معماری‌های Applied AI» را در همهٔ لایه‌ها طراحی کند: مدل، برنامه، داده، یکپارچه‌سازی، امنیت، حریم خصوصی، حاکمیت، ارزیابی و استقرار. Booz Allen شناخت prompt design، RAG، tool calling و جریان‌های agentic را لازم می‌داند و MCP را امتیاز. ارزیابی هم جدا نیست: Anthropic کمک به مشتری برای ساختن چارچوب ارزیابی را جزو وظایف آورده و Scale AI تعریف معیارهای عملکرد را پیش از مرحلهٔ پیشنهاد قیمت. راهنمای Anthropic دربارهٔ ساختن ایجنت و مستندات ارزیابی Claude دو نقطهٔ شروع خوب‌اند.
مهارت‌های کار با مشتری: discovery، workshop، PoC و روایت ارزش
تفاوت اصلی این نقش با مهندس AI همین فاز است. Scale AI از معمارش می‌خواهد discovery فنی را رهبری کند، چک‌لیست ارزیابی فنی را کامل کند، برای هر فرصت فروش توصیهٔ روشن «برو / نرو» بدهد، workshop اجرایی برگزار کند و ورودی فنی قرارداد (SOW) را بنویسد. Perplexity توانایی تبدیل یک درخواست مبهم به مسئلهٔ روشن کسب‌وکار، رویکرد فنی و برنامهٔ تحویل را شرط کرده و Anthropic ارائهٔ محتوای فنی از جزئیات مهندسی تا گفت‌وگوی ارزش کسب‌وکار با مدیران ارشد را.
تخصص: صنعت، حاکمیت AI و گواهینامهٔ پیشرفته
معماران باتجربه معمولاً در یک صنعت یا یک لایهٔ فنی عمیق می‌شوند. Scale AI تخصص در خدمات مالی، سلامت یا مصرف‌کننده را شرط کرده و انطباق‌هایی مثل مدیریت ریسک مدل و HIPAA را امتیاز می‌داند. Booz Allen آشنایی با چارچوب مدیریت ریسک AI مؤسسهٔ NIST را امتیاز می‌داند و SambaNova تجربه با امنیت ایجنت و guardrail ها را. در گواهینامه‌ها دقت کنید: Microsoft گواهینامهٔ Azure AI Engineer Associate را بازنشسته کرده، اما AWS گواهینامهٔ حرفه‌ای Generative AI Developer را ارائه می‌دهد (۱۸۰ دقیقه، ۷۵ سؤال، ۳۰۰ دلار).
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
پلتفرم‌ها و API مدل‌ها
Anthropic از معمارش می‌خواهد به مشتریانی که هم با Claude API و هم با Claude for Work می‌سازند کمک کند؛ Isio هم سه سال تجربه با مدل‌های OpenAI، Claude و Gemini می‌خواهد
AWS در آگهی GenAI Solutions Architect از Bedrock، SageMaker و Kiro نام می‌برد و Booz Allen دو سال تجربه با Bedrock و SageMaker را شرط کرده است
Isio پنج سال تجربه با Azure از جمله AI Foundry می‌خواهد و Booz Allen تجربه با Azure AI Foundry را امتیاز می‌داند؛ صفحهٔ رسمی محصول حالا با نام Microsoft Foundry باز می‌شود
فریم‌ورک‌ها و پروتکل‌های agent
استاندارد متن‌باز برای وصل کردن برنامه‌های AI به سیستم‌های بیرونی مثل منابع داده و ابزارها؛ Isio طراحی یکپارچه‌سازی با API و MCP را شرط کرده و Booz Allen و SambaNova هم از آن نام برده‌اند
Booz Allen تجربه با LangChain را امتیاز می‌داند؛ LangChain خودش Deployed Engineer هایی دارد که ایجنت‌های پروداکشن را همراه مشتری طراحی و می‌سازند
SDK متن‌باز Microsoft برای ساختن ایجنت؛ Booz Allen آن را کنار MCP، LangChain و AutoGen در فهرست امتیازها آورده است
ارزیابی و observability
پلتفرم متن‌باز برای tracing، ارزیابی و پایش ایجنت‌ها و برنامه‌های LLM و مدیریت چرخهٔ عمر مدل‌ها؛ Databricks تسلط به MLflow را کنار PyTorch و Spark خواسته است
ابزار متن‌باز trace و ارزیابی برای برنامه‌های LLM؛ Isio آن را به‌عنوان نمونهٔ راه‌حل پایش در شرایط اصلی آورده است
کد، زیرساخت و تحویل
Anthropic راحتی با Python را شرط کرده و Cohere کار با Python و Jupyter Notebook را؛ بیشتر PoC ها و دموها با همین ساخته می‌شوند
Isio تجربهٔ ساختن CI/CD با LLMOps را می‌خواهد و GitHub Actions را «به‌شدت ترجیح» می‌دهد؛ Booz Allen هم آن را خواسته است
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
Deployed / Forward Deployed Engineer یا Solutions Engineer ورودی
۰ تا ۳ سال
ساختن دمو و PoC، کمک در ارزیابی فنی مشتری و یادگیری کنار مهندسان ارشد. ورود مستقیم به عنوان «معمار» کم است، اما مسیرهای ورودی وجود دارد: LangChain برای Deployed Engineer دورهٔ ابتدای کار یک تا سه سال سابقه می‌خواهد (OTE ۱۶۰ تا ۱۸۵ هزار دلار، ۴۰٪ سفر) و C3 AI فارغ‌التحصیلان تازه را برای Forward Deployed Engineer استخدام می‌کند (حقوق پایهٔ ۱۲۰ تا ۱۵۰ هزار دلار در کالیفرنیا).
AI Solutions Architect میانی
۳ تا ۵ سال
طراحی معماری راه‌حل AI برای مسئله‌های با پیچیدگی متوسط، با کمی راهنمایی، و راهنمایی همکاران جوان‌تر. Booz Allen برای Artificial Intelligence Solutions Architect, Mid سه سال تجربهٔ پیاده‌سازی سیستم‌های IT و دو سال تجربه با LLM و چارچوب‌های agentic می‌خواهد؛ بازهٔ حقوق اعلام‌شده ۷۷٫۶ تا ۱۷۶ هزار دلار است و این نقش مجوز امنیتی TS/SCI می‌خواهد.
Applied AI Architect / Solutions Architect در شرکت سازندهٔ مدل
۵+ سال
مشاور فنی اصلی مشتریان سازمانی از discovery تا استقرار، همراه با تیم فروش. Anthropic، Perplexity و Together AI پنج سال سابقهٔ کار فنی رو در رو با مشتری می‌خواهند. بازه‌های اعلام‌شده در آمریکا: Anthropic ۲۴۰ تا ۳۸۰ هزار دلار OTE، OpenAI حقوق پایهٔ ۱۷۴ تا ۲۷۶ هزار دلار در سان‌فرانسیسکو و نیویورک به‌اضافهٔ کمیسیون و سهام، Scale AI حقوق پایهٔ ۲۱۲ تا ۲۶۵ هزار دلار و Perplexity ۲۰۰ تا ۲۵۰ هزار دلار.
Senior / Principal / Specialist Architect یا مدیر تیم
۷ تا ۱۰+ سال
مرجع فنی یک حوزه یا صنعت، نوشتن whitepaper و reference architecture، آموزش دادن به بقیهٔ تیم فروش و رساندن بازخورد مشتری به تیم محصول. AWS برای Sr. GenAI Specialist Solutions Architect هفت سال سابقه می‌خواهد (حقوق پایهٔ ۱۵۳٫۶ تا ۲۰۷٫۸ هزار دلار در سیاتل، به‌اضافهٔ سهام و پاداش ورود) و SambaNova برای Senior Principal AI Solutions Engineer هشت تا ده سال، شامل سه سال ساختن برنامه‌های LLM که به پروداکشن رسیده‌اند (حقوق پایهٔ ۲۳۴ تا ۲۸۶ هزار دلار).
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
سابقهٔ زیاد و نقش ورودی کم
عمومیبیشتر آگهی‌ها پنج سال کار فنی رو در رو با مشتری می‌خواهند (Anthropic، Perplexity، Together AI، Cohere) و نقش‌های ارشد هفت تا ده سال (AWS، SambaNova). برای تازه‌کار، مسیر معمول از نقش‌هایی مثل Solutions Engineer، Technical Account Manager یا Deployed Engineer دورهٔ ابتدای کار می‌گذرد.
فشار فروش و درآمد وابسته به کمیسیون
شرکت بزرگاین نقش در بیشتر شرکت‌ها جزو سازمان فروش است؛ AWS آن را صریحاً بخشی از سازمان فروش می‌داند و Anthropic بازهٔ درآمد را OTE شامل کمیسیون هدف اعلام می‌کند. معمار باید بین توصیهٔ فنی صادقانه و هدف فروش تعادل نگه دارد؛ Scale AI حتی دادن توصیهٔ «نرو» برای یک فرصت را جزو وظایف معمار آورده است.
سفر و تغییر مداوم زمینه
عمومیAnthropic سفر گاه‌به‌گاه به محل مشتری را جزو کار می‌داند، LangChain برای Deployed Engineer ۴۰٪ سفر و OpenAI برای Forward Deployed Engineer تا ۵۰٪. Together AI هم راحتی با تغییر مداوم زمینه و مدیریت چند پروژه را شرط کرده است.
سرعت تغییر محصولات و مدرک‌ها
عمومیAnthropic از معمار می‌خواهد همیشه از تازه‌ترین توانایی‌های LLM و الگوهای پیاده‌سازی باخبر باشد. نمونهٔ این سرعت: Microsoft گواهینامهٔ Azure AI Engineer Associate (AI-102) را بازنشسته کرده، در حالی که Booz Allen هنوز آن را در آگهی‌اش امتیاز می‌داند، و صفحهٔ محصول Azure AI Foundry حالا با نام Microsoft Foundry باز می‌شود.
مجوز امنیتی و تابعیت در بخش عمومی
عمومیبخشی از آگهی‌های آمریکا برای مشتریان دولتی است و شرط‌های سخت دارد: AWS برای معمار GenAI دولت جهانی تابعیت آمریکا و مجوز Top Secret، Booz Allen برای سطح میانی مجوز TS/SCI با پلی‌گراف و Cohere برای بخش عمومی مجوز امنیتی. برای متقاضی خارجی، نقش‌های بخش خصوصی در دسترس‌ترند؛ Anthropic می‌نویسد اسپانسر ویزا می‌کند، اما نه برای همهٔ نقش‌ها و همهٔ متقاضیان.
فاصلهٔ PoC تا پروداکشن
عمومیساختن دمو آسان‌تر از رساندن آن به استفادهٔ واقعی است. OpenAI از معمار می‌خواهد پذیرش، مصرف و آمادگی پروداکشن را پیگیری کند و وقتی ریسکی ارزش را تهدید می‌کند زود دخالت کند؛ Perplexity بردن مشتری از اعتبارسنجی فنی به استفادهٔ پایدار در پروداکشن را می‌خواهد. Scale AI برای همین معیارهای ارزیابی را پیش از پیشنهاد قیمت تعریف می‌کند.
حقوق و بازار کار جهانی
حقوق جهانی معمار راهکارهای 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:
- Glassdoor US, AI Solution Architect, estimate updated Apr 2025, total pay (base + additional): 25th–75th pct, average (30 salaries)
- Glassdoor Canada, AI Solution Architect, estimate updated Oct 2026, total pay: 25th–75th pct, average
- Glassdoor UK, AI Solution Architect, estimate updated Oct 2026, total pay: 25th–75th pct, average
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: مبانی LLM و کار با API
یک دورهٔ پایهٔ LLM را تمام کنید و با API یکی از مدل‌های پیشرو چند برنامهٔ کوچک بسازید.
ماه ۲: RAG، ایجنت و MCP
الگوهای اصلی را یاد بگیرید و یک دستیار RAG و یک ایجنت ساده با MCP بسازید.
ماه ۳: ارزیابی
برای پروژهٔ قبلی معیار موفقیت تعریف کنید، مجموعه‌دادهٔ ارزیابی بسازید و دو گزینه را مقایسه کنید.
ماه ۴: معماری مرجع و PoC
معماری مرجع یک دستیار سازمانی را با امنیت، دسترسی، ارزیابی و هزینه بنویسید و نمونهٔ کارکردی‌اش را بسازید.
ماه ۵: گواهینامه (اختیاری)
اگر روی اکوسیستم AWS کار می‌کنید، گواهینامهٔ حرفه‌ای Generative AI Developer آن را در نظر بگیرید.
ماه ۶: درخواست
پروژه‌ها را به شکل یک داستان مشتری (مسئله، معماری، ارزیابی، نتیجه) آماده کنید و به نقش‌های Applied AI Architect، GenAI Solutions Architect و Solutions Architect در شرکت‌های AI درخواست بدهید.
پروژه‌های پیشنهادی برای رزومه
معماری مرجع یک دستیار سازمانی RAG
متوسطبرای یک سازمان فرضی، مثلاً بیمه یا بانک، معماری کامل یک دستیار پاسخ‌گو روی اسناد داخلی بنویسید: انتخاب مدل و دلیلش، بازیابی، کنترل دسترسی بر اساس نقش کاربر، ادغام با SSO، حریم خصوصی، ارزیابی، پایش و برآورد هزینه. همان لایه‌هایی را پوشش دهید که OpenAI برای «Applied AI Architecture» برشمرده است و تصمیم‌ها را در ADR ثبت کنید. یک نمونهٔ کارکردی کوچک هم کنارش بسازید.
چارچوب ارزیابی برای یک کاربرد مشخص
متوسطبرای یک کاربرد واقعی، مثلاً خلاصه‌سازی قرارداد یا دسته‌بندی تیکت پشتیبانی، معیار موفقیت را تعریف کنید، یک مجموعهٔ داده با پاسخ مرجع بسازید، خط پایه بگذارید و دو مدل یا دو prompt را با معیارهای کمّی و LLM-as-judge مقایسه کنید. Anthropic کمک به مشتری برای ساختن چارچوب ارزیابی را جزو وظایف آورده و Scale AI تعریف خط پایه، مجموعهٔ دادهٔ ارزیابی و معیارها را پیش از پیشنهاد قیمت.
ایجنت چندمرحله‌ای با MCP و انسان در حلقه
پیشرفتهایجنتی بسازید که از طریق MCP به دو ابزار سازمانی (مثلاً سیستم تیکت و پایگاه‌داده) وصل شود، یک فرایند چندمرحله‌ای را انجام دهد و پیش از هر کار پرریسک تأیید انسان بگیرد. مشخص کنید کدام ابزار چه دسترسی دارد و خطاها چطور مدیریت می‌شوند. Isio تعیین «جای انسان در حلقه» و کنترل‌های لازم برای کار ایجنت با دادهٔ مشتری را از وظایف معمار می‌داند و SambaNova طراحی ایجنت‌های قابل اتکا برای پروداکشن را.
بستهٔ کامل یک فرصت فروش فنی
متوسطیک موقعیت فرضی فروش را از ابتدا تا انتها مستند کنید: یادداشت جلسهٔ discovery، چک‌لیست ارزیابی فنی (آمادگی داده، یکپارچه‌سازی، امنیت، معیار ارزیابی، ذی‌نفعان)، توصیهٔ «برو / نرو»، یک دموی کارکردی و ورودی فنی قرارداد شامل رویکرد معماری، ریسک‌ها و پیش‌فرض‌ها. این ساختار مستقیماً از شرح وظایف Solutions Architect در Scale AI گرفته شده است.
مقایسهٔ مدل متن‌باز fine-tune شده با API یک مدل پیشرو
پیشرفتهیک مدل متن‌باز را با LoRA برای یک کار مشخص fine-tune کنید و آن را با یک مدل پیشرو از طریق API روی کیفیت، تأخیر و هزینه مقایسه کنید. نتیجه را مثل یک توصیهٔ مکتوب برای مشتری بنویسید: در چه شرایطی کدام گزینه بهتر است. Databricks رهبری پروژه‌های fine-tuning روی مدل‌های متن‌باز را از معمار GenAI می‌خواهد و Together AI فهم آموزش، fine-tuning و inference مدل‌های متن‌باز را.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق معرفی‌اش در Coursera، Principal Solutions Architect برای Generative AI در AWS است، ۲۳ سال در فناوری و در صنایع، فناوری‌ها و نقش‌های مختلف کار کرده و ۶ گواهینامهٔ AWS دارد. به گفتهٔ همان معرفی، تمرکز فعلی‌اش ترکیب پیشینهٔ DevOps و یادگیری ماشین برای اجرا و مدیریت بارهای MLOps، FMOps و LLMOps در مقیاس است.
طبق همان معرفی، بیش از ۳۰ پتنت ثبت‌شده در حوزه‌های مختلف فناوری دارد، اثر منتشرشده دارد و شاخهٔ دنور Women in Big Data را هم‌بنیان گذاشته است. Coursera او را مدرس از طرف AWS و DeepLearning.AI معرفی می‌کند.
مسیر او نشان می‌دهد که پیشینهٔ عملیاتی مثل DevOps برای معمار AI مزیت است، چون مشتری بیش از خود مدل به اجرای قابل اتکای آن در پروداکشن نیاز دارد. نوشتن و تدریس هم ادامهٔ همان کار آموزش دادن به مشتری است، فقط برای مخاطب بیشتر.
طبق سایت کتاب Generative AI on AWS، Principal Solution Architect برای AI و یادگیری ماشین در AWS در سان‌فرانسیسکو است و پیش از این کتاب، Data Science on AWS را هم با هم‌نویسی منتشر کرده است.
به گفتهٔ همان سایت، مجموعهٔ جهانی میت‌آپ Data Science on AWS را بنیان گذاشت و مرتب در کنفرانس‌هایی مثل O'Reilly AI، ODSC، Big Data London و NVIDIA GTC سخنرانی می‌کند. کتاب Generative AI on AWS را هم با Antje Barth و Shelbee Eigenbrode نوشته است.
کاری که معمار راهکار در جلسهٔ مشتری می‌کند، یعنی توضیح دادن یک فناوری تازه به زبان قابل فهم، با میت‌آپ، کتاب و دوره به مخاطب بسیار بیشتری می‌رسد. به نظر می‌رسد همین آموزش دادن عمومی اعتبار حرفه‌ای را بیرون از یک شرکت هم می‌سازد.
طبق زندگی‌نامهٔ حرفه‌ای‌اش که در ۲۰۲۴ به کمیتهٔ نیروهای مسلح مجلس نمایندگان آمریکا ارائه شد، کارشناسی مهندسی برق و کامپیوتر از دانشگاه Cornell و کارشناسی ارشد Management Science and Engineering از Stanford دارد و در ۲۰۰۶ به‌عنوان کارمند شمارهٔ ۱۳ به Palantir پیوست.
همان سند می‌گوید او نقش Forward Deployed Engineer را طراحی کرد و مدل مهندسی شاخص Palantir را پایه گذاشت، و او را مدیر ارشد فناوری (CTO) و Executive Vice President این شرکت و رئیس هیئت‌مدیرهٔ Ginkgo Bioworks معرفی می‌کند.
نقشی که در یک شرکت شروع شد، امروز در OpenAI، Anthropic، Cohere و Databricks کنار Solutions Architect آگهی می‌شود. برای کسی که به این مسیر فکر می‌کند، فرق «طراحی برای مشتری» و «ساختن کنار مشتری» تعیین می‌کند کدام عنوان به او نزدیک‌تر است.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Applied AI Architect, Enterprise Tech
تحلیل نیازمندی‌ها
5+ years of experience in technical customer-facing roles such as Solutions Architect, Sales Engineer, or Technical Account Manager
مسیر ورود را صریح نشان می‌دهد: سابقهٔ «معمار AI» شرط نیست، سابقهٔ کار فنی رو در رو با مشتری هست. کسی که چند سال Sales Engineer یا Technical Account Manager بوده، کاندیدای طبیعی این نقش است.
ضروریExperience working with enterprise customers, navigating complex buying cycles involving multiple stakeholders
فروش به سازمان بزرگ ماه‌ها طول می‌کشد و تیم فنی، امنیت، خرید و مدیران هر کدام نظر دارند. باید بدانید در هر مرحله با چه کسی و دربارهٔ چه چیزی حرف بزنید.
ضروریExceptional ability to build relationships with and communicate technical concepts to diverse stakeholders to include C-suite executives, engineering & IT teams, and more
یک روز با مدیر ارشد دربارهٔ ارزش کسب‌وکار حرف می‌زنید و روز بعد با مهندسان دربارهٔ جزئیات API. توانایی تغییر سطح توضیح، مهارت اصلی است.
ضروریStrong technical communication skills with the ability to translate customer requirements between technical and business stakeholders
نیاز کسب‌وکار باید به الزام فنی تبدیل شود و محدودیت فنی به زبان کسب‌وکار؛ معمار مترجم این دو طرف است.
ضروریExperience designing scalable cloud architectures and integrating with enterprise systems
مدل به‌تنهایی کافی نیست؛ باید در کنار سیستم‌های هویت، داده و برنامه‌های موجود سازمان کار کند. پایهٔ معماری ابری و یکپارچه‌سازی لازم است.
ضروریComfortable with python
سطح خواسته‌شده «راحتی» است نه تخصص؛ برای ساختن دمو، نمونهٔ اولیه و اجرای ارزیابی کافی است.
مهمFamiliarity with common LLM frameworks and tools or a background in machine learning or data science
کلمهٔ «یا» مهم است: لازم نیست پیشینهٔ ML داشته باشید؛ آشنایی عملی با ابزارهای رایج LLM هم پذیرفته می‌شود.
مهمExcitement for engaging in cross-organizational collaboration, working through trade-offs, and balancing competing priorities
معمار بین فروش، محصول، مهندسی و مشتری کار می‌کند و اولویت‌های این گروه‌ها همیشه یکی نیست.
مهمA love of teaching, mentoring, and helping others succeed
بخش بزرگی از کار آموزش دادن به مشتری و همکاران است؛ کسی که از توضیح دادن خسته می‌شود، در این نقش اذیت می‌شود.
مفیدتحلیل مسئولیت‌ها
Partner with account executives to deeply understand customer requirements and translate them into technical solutions, ensuring alignment between business objectives and technical implementation
معمار جفت فنی فروشنده است: فروشنده رابطه و قرارداد را پیش می‌برد و معمار مطمئن می‌شود راه‌حل پیشنهادی واقعاً قابل اجراست.
Serve as the primary technical advisor to enterprise customers throughout their Claude adoption journey, from discovery to initial evaluation through deployment. You will need to coordinate internally across multiple teams & stakeholders to drive customer success
کار با امضای قرارداد تمام نمی‌شود؛ معمار تا استقرار همراه مشتری است و تیم‌های داخلی را برای رفع موانع هماهنگ می‌کند.
Support customers building with both the Claude API and Claude for Work
دو نوع مشتری دارید: تیم‌هایی که روی API برنامه می‌سازند و سازمان‌هایی که محصول آماده را بین کارکنان پخش می‌کنند. هر کدام پرسش‌ها و نگرانی‌های متفاوتی دارند.
Create and deliver compelling technical content tailored to different audiences. You will need to be able to spread the gamut from technical deep dives for engineering & development teams up to business value focused conversations with executives
ارائه و محتوای فنی بخش ثابت کار است؛ از بررسی عمیق برای مهندسان تا گفت‌وگوی ارزش با مدیران.
Guide technical architecture decisions and help customers integrate Claude effectively into their existing technology stack
مشتری معمولاً سیستم‌های موجود زیادی دارد؛ تصمیم‌های معماری دربارهٔ اینکه مدل کجا و چطور به این سیستم‌ها وصل شود، با معمار است.
Help customers develop evaluation frameworks to measure Claude's performance for their specific use cases
ارزیابی صریحاً جزو کار است. معمار باید بتواند معیار موفقیت را تعریف کند و نشان دهد مدل در کاربرد خاص مشتری چقدر خوب کار می‌کند.
Identify common integration patterns and contribute insights back to our Product and Engineering teams
معمار چشم تیم محصول در میدان است؛ الگوهای تکرارشونده و مشکلات مشتریان را به تیم‌های داخلی می‌رساند.
Travel occasionally to customer sites for workshops, technical deep dives, and relationship building
سفر گاه‌به‌گاه است نه دائمی؛ برای workshop و ساختن رابطه با مشتری.
نتیجه‌گیری کلی
این آگهی تصویر روشنی از نقش در یک شرکت سازندهٔ مدل می‌دهد: معمار پیش از فروش که از discovery تا استقرار مشاور فنی سازمان‌های بزرگ است. شرط اصلی پنج سال سابقهٔ کار فنی رو در رو با مشتری است، نه پیشینهٔ پژوهشی؛ Python در حد «راحتی» و آشنایی با ابزارهای LLM یا پیشینهٔ ML کافی است. ارزیابی و طراحی یکپارچه‌سازی صریحاً جزو وظایف‌اند. بازهٔ اعلام‌شده ۲۴۰ تا ۳۸۰ هزار دلار در سال است و چون نقش فروش است، این عدد OTE است، یعنی شامل کمیسیون هدف. نقش سه روز در هفته حضوری است و Anthropic می‌نویسد اسپانسر ویزا می‌کند، هرچند نه برای همهٔ نقش‌ها و همهٔ متقاضیان. برای مقایسه، نقش مشابه Applied AI Architect, Industries در لندن با بازهٔ OTE ۱۶۵ تا ۱۹۰ هزار پوند آگهی شده است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
O*NET، پایگاه مشاغل وزارت کار آمریکا، برای گروه Computer Systems Engineers/Architects که Solutions Architect را از عنوان‌های رایج آن می‌داند، بر پایهٔ پیش‌بینی‌های BLS رشد اشتغال «سریع‌تر از میانگین» یعنی ۵ تا ۶٪ از ۲۰۲۵ تا ۲۰۳۵ اعلام کرده است. گروه رسمی جداگانه‌ای برای AI Solutions Architect وجود ندارد.
منبع: O*NET OnLine 15-1299.08 (BLS employment projections 2025–2035)
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
طبق صفحه‌های فرصت‌های شغلی Anthropic و OpenAI در ۲۲ اکتبر ۲۰۲۶، Anthropic ۲۶ آگهی Applied AI Architect (بدون نقش‌های مدیریتی) در ۱۳ شهر داشت و OpenAI ۱۹ آگهی Applied AI Architect و ۲۷ آگهی Forward Deployed Engineer.
طبق Microsoft Learn، گواهینامهٔ Azure AI Engineer Associate بازنشسته شده است، در حالی که Booz Allen هنوز آن را در آگهی AI Solution Architect امتیاز می‌داند؛ نشانه‌ای از اینکه مدرک‌های این حوزه سریع‌تر از آگهی‌ها تغییر می‌کنند.
O*NET بر پایهٔ پیش‌بینی‌های BLS برای گروه Computer Systems Engineers/Architects رشد اشتغال ۵ تا ۶ درصدی از ۲۰۲۵ تا ۲۰۳۵ را «سریع‌تر از میانگین» می‌داند.
تقاضا در آگهی‌ها دیده می‌شود: در ۲۲ اکتبر ۲۰۲۶ Anthropic ۲۶ آگهی Applied AI Architect در ۱۳ شهر داشت و OpenAI ۱۹ آگهی Applied AI Architect و ۲۷ آگهی Forward Deployed Engineer. اما این تقاضا در چند نوع کارفرما متمرکز است: شرکت‌های سازندهٔ مدل، ارائه‌دهندگان ابر و پلتفرم‌های داده. نقش به فروش گره خورده است؛ بخشی از درآمد کمیسیون است و موفقیت با پذیرش و مصرف مشتری سنجیده می‌شود. کار هم در حال تقسیم شدن است: OpenAI ساختن و راه‌اندازی در پروداکشن را به Forward Deployed Engineer سپرده و معمار را مالک راهبرد فنی و برنامهٔ حساب کرده است؛ معماری که نتواند خودش نمونهٔ کارکردی بسازد یا ارزیابی طراحی کند، در آگهی‌های فعلی جای کمی دارد. ابزارها و مدرک‌ها هم سریع عوض می‌شوند؛ Microsoft گواهینامهٔ Azure AI Engineer Associate را بازنشسته کرده است. مانع اصلی برای تازه‌واردها سابقه است: بیشتر آگهی‌ها پنج سال کار فنی با مشتری می‌خواهند و بخشی از بازار آمریکا به پروژه‌های دولتی با شرط تابعیت یا مجوز امنیتی گره خورده است.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۴۲ منبع بررسی شده است.
- Applied AI Architect, Enterprise Tech — Anthropic (job posting)
- Applied AI Architect, Industries (London) — Anthropic (job posting)
- Jobs at Anthropic (job board)
- Applied AI Architect — OpenAI (job posting)
- Forward Deployed Engineer (FDE) - SF — OpenAI (job posting)
- OpenAI Jobs (job board)
- Sr. GenAI Specialist Solutions Architect - Agentic AI — AWS (job posting)
- Sr Solutions Architect GenAI, Automotive & Manufacturing — AWS (job posting)
- Generative AI Solutions Architect, Global Government — AWS (job posting)
- Sr. AI/ML Specialist Solutions Architect, GFS — AWS (job posting)
- Principal Solutions Architect, Generative AI, Telco — AWS (job posting)
- Lead Solutions Architect - Generative AI — Databricks (job posting)
- Senior Specialist Solutions Architect (AI/ML) — Databricks (job posting)
- Current job openings at Databricks
- Solutions Architect — Baseten (job posting)
- Solutions Architect — Modal (job posting)
- Senior Solutions Architect — Harvey (job posting)
- Solutions Architect, Enterprise — Scale AI (job posting)
- Solutions Architect — Together AI (job posting)
- Senior Principal AI Solutions Engineer — SambaNova (job posting)
- AI Solutions Architect — Isio (job posting)
- Artificial Intelligence Solutions Architect, Mid — Booz Allen Hamilton (job posting)
- AI Solution Architect — Booz Allen Hamilton (job posting)
- Solutions Architect - Public Sector — Cohere (job posting)
- Applied AI Architect, Perplexity Computer — Perplexity (job posting)
- Deployed Engineer (Early Career-NYC) — LangChain (job posting)
- Forward Deployed Engineer, New Grad 2027 — C3 AI (job posting)
- Glassdoor — AI Solutions Architect salaries, United States
- Glassdoor — AI Solutions Architect salaries, Canada
- Glassdoor — AI Solutions Architect salaries, United Kingdom
- levels.fyi — AI Architect Salary
- O*NET OnLine — 15-1299.08 Computer Systems Engineers/Architects
- Coursera — Shelbee Eigenbrode, Instructor
- AWS Architecture Blog — Shelbee Eigenbrode (author page)
- Generative AI on AWS — book site and authors
- Coursera — Generative AI with Large Language Models
- Shyam Sankar — professional biography (House Armed Services Committee, 2024)
- Anthropic — Building effective agents
- Claude Platform Docs — Define success criteria and build evaluations
- Microsoft Learn — Azure AI Engineer Associate (retired)
- AWS Certified Generative AI Developer – Professional
- Microsoft Foundry — product page