استراتژیست هوش مصنوعی
AI Strategist
استراتژیست هوش مصنوعی تشخیص می‌دهد AI کجای کار یک سازمان ارزش واقعی می‌سازد و بعد پیگیری می‌کند که این ارزش واقعاً به دست بیاید: پیدا کردن و اولویت‌بندی کاربردها، ساختن business case، طراحی نقشهٔ راه و سنجش پذیرش و نتیجه. در ۲۰۲۶ این عنوان در سه جا دیده می‌شود: بیشتر در شرکت‌های نرم‌افزار AI مثل Distyl و Hebbia که استراتژیست مسئول نتیجهٔ استقرار AI نزد مشتری است، در شرکت‌های مشاوره مثل PA Consulting و Deloitte، و در خود سازمان‌ها با عنوان‌هایی مثل Head of AI Strategy یا VP, AI Strategy & Transformation. لینکدین این گروه را همراه مشاوران AI در رتبهٔ دوم سریع‌ترین شغل‌های در حال رشد آمریکا در ۲۰۲۶ گذاشته است.
مقدمه و تعریف شغل
استراتژیست هوش مصنوعی (AI Strategist) بین هدف‌های کسب‌وکار و توان واقعی AI پل می‌زند: تشخیص می‌دهد AI کجا ارزش می‌سازد، کاربردها را اولویت‌بندی می‌کند، business case و نقشهٔ راه می‌سازد و پیگیری می‌کند که نتیجه واقعاً به دست بیاید. آگهی PA Consulting این نقش را «در محل تلاقی استراتژی کسب‌وکار و فناوری» توصیف می‌کند: شناسایی کاربردهای پراثر، ارزیابی بازگشت سرمایه و طراحی نقشهٔ راه کامل AI. در ۲۰۲۶ عنوان دقیق AI Strategist بیشتر در شرکت‌های نرم‌افزار AI دیده می‌شود؛ در Distyl، استراتژیست مسئول پروژه نزد مشتری است، همراه یک مسئول فنی تیمی از مهندسان و پژوهشگران را هدایت می‌کند و پاسخ‌گوی نتیجهٔ کسب‌وکار و پذیرش کاربران است. شرکت‌های مشاوره عنوان‌هایی مثل AI Strategist، AI Strategy Manager و Data & AI Strategy Consultant به کار می‌برند و خود سازمان‌ها عنوان‌های مدیریتی مثل Head of AI Strategy، Director of AI Strategy یا VP, AI Strategy & Transformation.
این نقش برای پر کردن فاصلهٔ استفاده از AI و نتیجهٔ مالی آن لازم شده است. در نظرسنجی McKinsey که اوت ۲۰۲۶ منتشر شد، نزدیک ۹ از ۱۰ پاسخ‌دهنده گفته‌اند دست‌کم در یک بخش سازمان به‌طور منظم از AI استفاده می‌کنند، اما فقط ۳۷٪ هر نوع اثری روی سود عملیاتی (EBIT) گزارش کرده‌اند و تنها حدود ۶٪ در گروه «پیشروها» قرار می‌گیرند. به نوشتهٔ McKinsey، این پیشروها دو برابر دیگران می‌گویند مدیران ارشدشان به طرح‌های AI متعهدند و برای سنجش اثر آن‌ها فرایند تعریف‌شده دارند. در مطالعهٔ IBM روی ۲٬۰۰۰ مدیرعامل و مدیر ارشد در ۲۰۲۶ هم ۸۳٪ گفته‌اند موفقیت AI بیشتر به پذیرش آدم‌ها بستگی دارد تا به فناوری. بازار این کار را با چند عنوان می‌شناسد و لینکدین آن را از مشاوره جدا نمی‌کند: در فهرست Jobs on the Rise ۲۰۲۶، گروه «AI consultants & strategists» دومین شغل پررشد آمریکا بوده است. طبق همین داده، میانهٔ سابقهٔ کاری قبلی این افراد ۸٫۲ سال است و بیشترشان پیش‌تر Founder، Software Engineer یا Product Manager بوده‌اند. یعنی این معمولاً قدم دوم یا سوم یک مسیر حرفه‌ای است، نه نقطهٔ شروع.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک استراتژیست هوش مصنوعی
سبد اولویت‌بندی‌شدهٔ کاربردها و نقشهٔ راه AI
PA Consulting از استراتژیست می‌خواهد فرایندهای کسب‌وکار را تحلیل کند، برای کاربردها برآورد ROI بسازد، پروژه‌ها را بر اساس امکان‌پذیری و ارزش راهبردی اولویت‌بندی کند و نقشهٔ راهی با مراحل، منابع و زمان‌بندی بنویسد. Capco نقشهٔ راهی می‌خواهد که فرصت، ریسک، حاکمیت و آمادگی سازمان را با هم بسنجد.
Business case و برنامهٔ سرمایه‌گذاری
Deloitte از AI Strategy Manager می‌خواهد تیمش business case، نقشهٔ راه و برنامهٔ سرمایه‌گذاری بسازد که جاه‌طلبی AI را به تصمیم هیئت‌مدیره تبدیل کند. Distyl برای سطح Lead سابقهٔ «تعیین ROI و value case برای تأیید بودجه» را می‌خواهد.
پروژهٔ تعریف‌شده نزد مشتری
در Distyl، استراتژیست اول مسئله و نتیجهٔ مطلوب مشتری را می‌فهمد، در workflowهای پیچیدهٔ او غرق می‌شود تا فرصت‌های AI را پیدا کند، پروژه‌ای معنادار تعریف می‌کند و همراه یک مسئول فنی تیم را تا تحویل سیستمی با کیفیت و دقت بالا هدایت می‌کند.
برنامهٔ پذیرش و سنجش نتیجه
Distyl می‌نویسد کار استراتژیست با تحویل سیستم تمام نمی‌شود و پذیرش کاربران هم با اوست. Raylu داشبورد فعالیت مشتری می‌خواهد و تماس وقتی استفاده افت می‌کند. Broccoli از AI Strategy Lead می‌خواهد ارزش را با عدد سخت گزارش کند: ROI، اثر بر EBITDA، درآمد، نرخ تبدیل و صرفه‌جویی نیروی کار.
تحلیل build/buy/partner و چارچوب حاکمیت
OKX از VP, AI Strategy & Transformation تحلیل ساختن، خریدن یا شراکت برای مدل‌های پایه، ابزارها، زیرساخت inference و پلتفرم داده را می‌خواهد، و چارچوب حاکمیتی که ریسک مدل، حریم داده، کاهش سوگیری و انطباق با مقررات چند کشور را پوشش دهد.
Playbook استقرار
StackAI از استراتژیست‌ها می‌خواهد در نوشتن playbook، مطالعهٔ موردی و best practice سهم داشته باشند و Valkai می‌خواهد آنچه جواب داده به playbookهای تکرارپذیر استقرار و آموزش استراتژیست‌های تازه تبدیل شود تا هر مشتری از تجربهٔ مشتری قبلی سود ببرد.
تخصص‌های مختلف استراتژیست هوش مصنوعی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
استراتژیست در شرکت نرم‌افزار AI
AI Strategist at an AI Software Company
رهبری استقرار محصول نزد مشتری، از کشف مسئله تا پذیرش و گسترش؛ بیشتر آگهی‌های باز با عنوان دقیق AI Strategist در اکتبر ۲۰۲۶ از همین نوع بودند (Distyl، Hebbia، StackAI، Raylu، Valkai). بخشی از کار تجاری است: StackAI کمیسیون هم می‌دهد و Valkai استراتژیست ارشد را پاسخ‌گوی تمدید قرارداد و گسترش حساب می‌داند.
مشاورهٔ استراتژی AI
AI Strategy Consulting
کار با مدیران ارشد مشتری روی جاه‌طلبی AI، business case، نقشهٔ راه و برنامهٔ سرمایه‌گذاری، به‌علاوهٔ رهبری تیم و فروش پروژه؛ نمونه‌ها: AI Strategist در PA Consulting، AI Strategy Manager در Deloitte و Data & AI Strategy Consultant در Capco.
استراتژی و تحول AI داخل سازمان
In-house AI Strategy & Transformation
مالکیت نقشهٔ راه AI سازمان، فرایند دریافت و اولویت‌بندی کاربردها از واحدها، مرکز تعالی AI و برنامهٔ سواد AI برای همهٔ کارکنان (آگهی OKX). این نقش‌ها ارشدند و در OKX عمق فنی واقعی و سابقهٔ ساخت سیستم‌های AI در پروداکشن هم شرط است.
استراتژیست متخصص یک صنعت
Industry AI Strategist
تخصص در workflowهای یک صنعت: Hebbia برای بانکداری، سرمایه‌گذاری و حقوق (از جمله AI Strategist, Corporate Law)، Valkai برای داروسازی و تجهیزات پزشکی، Raylu برای سرمایه‌گذاری خصوصی و Distyl برای سلامت (AI Strategist, Healthcare Solutions).
حاکمیت AI در صنایع تحت مقررات
AI Governance in Regulated Industries
همراهی مشتری در حاکمیت، اعتبارسنجی و انطباق (Valkai)، آشنایی با EU AI Act و مدیریت ریسک مدل (Capco) و چارچوب حاکمیت برای چند حوزهٔ قضایی (OKX). طبق کمیسیون اروپا، الزامات سخت سیستم‌های پرریسک از ۲ دسامبر ۲۰۲۷ اعمال می‌شود.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
لینکدین این دو را یک گروه حساب می‌کند (AI consultants & strategists) و در آگهی‌ها هم مرز روشنی نیست. تفاوت بیشتر در کارفرماست: عنوان دقیق AI Strategist بیشتر در شرکت‌های نرم‌افزار AI دیده می‌شود که کار استراتژیست به استقرار و گسترش محصول همان شرکت گره خورده است؛ Hebbia استراتژیست را «محرک اصلی» استراتژی تجاری land-and-expand خود می‌داند. در شرکت‌های مشاوره، عنوان‌های strategy، مثل AI Strategist در PA Consulting یا AI Strategy Manager در Deloitte، به سمت تعریف استراتژی، business case و نقشهٔ راه برای مدیران ارشد می‌روند. مرز این دو را بیشتر کارفرما و شرح وظایف تعیین می‌کند تا عنوان.
مدیر محصول AI مالک یک محصول و نتیجهٔ آن است. استراتژیست AI در شرکت نرم‌افزاری مالک نتیجهٔ یک مشتری یا یک پروژه است و صدای مشتری را به تیم محصول می‌برد؛ Distyl و StackAI «بازخورد محصول» را جزو وظایف استراتژیست آورده‌اند. Supernal این نقش را روی مثلثی از مدیریت محصول، استراتژی و چشم‌انداز فنی می‌بیند و می‌نویسد برخی استراتژیست‌ها به سمت PM متمایل‌اند و برخی به سمت مشاور یا سازنده. لینکدین هم Product Manager را از نقش‌هایی می‌داند که افراد بیشتر از آن به این شغل آمده‌اند.
مدیر ارشد AI (CAIO) عضو تیم مدیریت ارشد و پاسخ‌گوی کل برنامهٔ AI سازمان است. طبق مطالعهٔ IBM، ۷۶٪ سازمان‌های بررسی‌شده در ۲۰۲۶ چنین نقشی داشته‌اند، در برابر ۲۶٪ در ۲۰۲۵. یک نمونه از نقش استراتژی AI داخل سازمان: OKX از VP, AI Strategy & Transformation می‌خواهد نقشهٔ راه ۶، ۱۲ و ۲۴ ماهه را بسازد و «مشاور اصلی AI برای مدیرعامل و تیم مدیریت» باشد. استراتژیست در شرکت نرم‌افزاری یا مشاوره طرف گفت‌وگوی مدیران ارشد مشتری است؛ Distyl از Lead AI Strategist می‌خواهد کنار CIO و COO مشتری بنشیند.
هر دو نزد مشتری کار می‌کنند، اما مهندس می‌سازد و استراتژیست مسئله، دامنهٔ کار و نتیجه را مدیریت می‌کند. در Distyl استراتژیست همراه یک مسئول فنی تیم را رهبری می‌کند و در Broccoli، AI Strategy Lead تیم اجرایی شامل مهندسان forward deployed را هدایت می‌کند و خودش پاسخ‌گوی نتیجه می‌ماند. مرز همیشه روشن نیست: Valkai از استراتژیست‌هایش می‌خواهد دستیارها و ایجنت‌ها را خودشان پیکربندی کنند و Distyl تسلط به برنامه‌نویسی یا SQL را شرط گذاشته است.
تأثیر در صنایع مختلف
استراتژیست هوش مصنوعی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
مالی و سرمایه‌گذاری
Hebbia پلتفرم AI برای سرمایه‌گذاران و بانکداران می‌سازد و طبق آگهی، BlackRock، KKR و Carlyle از مشتریانش‌اند؛ Raylu به تیم‌های معامله در سرمایه‌گذاری خصوصی کمک می‌کند روش پیدا کردن شرکت‌ها را با AI بازطراحی کنند
بانکداری و بیمه
Capco برای مؤسسات مالی بزرگ استراتژی داده و AI تعریف می‌کند و تجربه در بانکداری، بیمه یا مدیریت دارایی را امتیاز می‌داند
داروسازی و تجهیزات پزشکی
Valkai استقرار AI را در شرکت‌های بزرگ داروسازی و بیوتک از پایلوت تا پروداکشن رهبری می‌کند و استراتژیست باید حاکمیت و انطباق در محیط تحت مقررات را بشناسد
سلامت، بیمه، مخابرات و تولید
طبق آگهی Distyl، مشتریان این شرکت بزرگ‌ترین شرکت‌های مخابرات، سلامت، بیمه، تولید و کالاهای مصرفی‌اند
خدمات فنی ساختمان
Broccoli برای پیمانکاران لوله‌کشی، تهویه و برق دستیار AI می‌سازد و AI Strategy Lead را برای ایجاد ارزش در حساب‌های تحت مالکیت private equity استخدام می‌کند
فین‌تک و ارز دیجیتال
OKX نقش داخلی VP, AI Strategy & Transformation را برای بردن AI به همهٔ واحدهای کسب‌وکار تعریف کرده است
بخش دولتی و خصوصی (مشاوره)
PA Consulting برای مشتریان بخش خصوصی و عمومی در دفاع و امنیت، انرژی، خدمات مالی، دولت، سلامت و حمل‌ونقل استراتژیست AI استخدام می‌کند
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
استراتژیست AI فقط توصیه می‌دهد و اسلاید می‌سازد
آگهی Valkai صریح است: «مالک، نه مشاور» و پاسخ‌گوی نتیجه، نه توصیه. Broccoli اثر قابل اندازه‌گیری می‌خواهد «که با اجرا به دست آورده‌اید، نه فقط توصیه کرده‌اید» و Distyl پذیرش کاربران را جزو مسئولیت استراتژیست می‌داند. اسلاید هم بخشی از کار است، اما فقط بخشی.
برای این کار باید مهندس یادگیری ماشین باشید
به آگهی بستگی دارد. StackAI تجربه با Python و SQL را امتیاز می‌داند نه شرط، و Capco فهم فناوری «از منظر راهبردی نه فنی» را کافی می‌داند. در مقابل، Distyl تسلط به برنامه‌نویسی را شرط گذاشته و آگهی لندنش می‌نویسد لازم نیست مهندس باشید اما باید بتوانید شانه‌به‌شانهٔ یک مهندس کار کنید. نقش ارشد داخلی OKX بیش از ۱۰ سال سابقه در AI و ساخت سیستم در پروداکشن می‌خواهد.
عنوان AI Strategist همه‌جا یک معنی دارد
سه شغل متفاوت زیر این عنوان‌ها هست. در Raylu کار به موفقیت مشتری نزدیک است: آموزش، پذیرش، داشبورد استفاده و گفت‌وگو دربارهٔ گسترش قرارداد. در PA Consulting به مشاورهٔ استراتژی نزدیک است: کاربرد، ROI، نقشهٔ راه و due diligence. در OKX یک نقش مدیریت ارشد داخلی است. پیش از درخواست، شرح وظایف را بخوانید نه فقط عنوان را.
این شغل نقطهٔ شروع خوبی برای تازه‌کارهاست
طبق لینکدین، میانهٔ سابقهٔ کاری قبلی این گروه ۸٫۲ سال است. نقش‌های ورودی وجود دارند اما سابقهٔ مرتبط می‌خواهند: Hebbia ۱ تا ۵ سال کار با مشتری در مالی، حقوق یا مشاوره و Raylu ۲ تا ۵ سال در موفقیت مشتری یا مالی. در سطح بالاتر، PA Consulting بیش از ۸ سال و Distyl برای Lead ۱۰ تا ۱۵+ سال سابقه می‌خواهند.
استراتژی AI یعنی انتخاب بهترین مدل یا ابزار
در مطالعهٔ IBM در ۲۰۲۶، ۸۳٪ مدیرعامل‌ها گفته‌اند موفقیت AI بیشتر به پذیرش آدم‌ها بستگی دارد تا فناوری و فقط ۲۵٪ کارکنان را کاربر منظم AI دانسته‌اند. McKinsey هم می‌نویسد سازمان‌های پیشرو workflowها را از پایه بازطراحی می‌کنند، به جای اینکه AI را روی روش‌های قبلی بگذارند. انتخاب ابزار بخش کوچکی از کار است.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
ورودی (۱ تا ۳ سال)
بیشتر وقت صرف یادگیری کار مشتری، آموزش کاربران و پیگیری استفاده می‌شود. آگهی‌های Hebbia و Raylu تصویر این سطح را می‌دهند: تسلط بر محصول، فهم workflowهای مشتری و جلسه‌های کاری با تیم‌ها.
- ◆جلسهٔ کاری با یک تیم تحلیل یا معامله برای تنظیم ابزار روی workflow واقعی‌شان
- ◆مرور داشبورد استفاده و تماس با تیمی که استفاده‌اش افت کرده است
- ◆آزمودن یک مدل یا قابلیت تازه روی سندهای واقعی مشتری، مثل قرارداد وام
- ◆نوشتن خلاصهٔ بازخورد کاربران برای تیم محصول
میانی (۳ تا ۶ سال)
مسئول یک پروژه نزد مشتری هستید و همراه یک مسئول فنی تیم را هدایت می‌کنید. کار بین تعریف مسئله، کار با مهندسان، پیگیری پذیرش و گزارش به حامی پروژه تقسیم می‌شود.
- ◆کارگاه با مدیران یک واحد برای تعریف مسئله و متریک موفقیت
- ◆نشستن کنار کاربران برای فهم دقیق یک workflow و پیدا کردن جایی که AI کمک می‌کند
- ◆جلسه با مسئول فنی و مهندسان دربارهٔ کیفیت خروجی مدل روی دادهٔ واقعی و نامرتب
- ◆به‌روزرسانی business case با داده‌های استفاده و گزارش به حامی پروژه در سمت مشتری
ارشد (۸+ سال)
تمرکز روی رابطه با مدیران ارشد، سبد پروژه‌ها، رهبری تیم و پیدا کردن کار بعدی است. آگهی‌های PA Consulting، Deloitte و Lead AI Strategist در Distyl همین مسئولیت‌ها را آورده‌اند.
- ◆جلسه با CIO یا COO مشتری دربارهٔ اینکه AI کجای کسب‌وکارشان را عوض می‌کند و چه چیزی را نباید خرید
- ◆بازبینی نقشهٔ راه و برنامهٔ سرمایه‌گذاری پیش از ارائه به هیئت‌مدیره
- ◆هدایت تیمی از مشاوران، متخصصان GenAI و مهندسان داده و بازخورد به اعضای جوان‌تر
- ◆ارزیابی تجاری و فنی یک شرکت AI برای خرید یا سرمایه‌گذاری (due diligence)
- ◆همراهی تیم فروش در تعریف پروژهٔ تازه و نوشتن proposal
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈شناسایی و اولویت‌بندی کاربردهای AI بر اساس ارزش، امکان‌پذیری و ریسک
- ◈ساختن business case، مدل ROI و برنامهٔ سرمایه‌گذاری برای تصمیم مدیران و هیئت‌مدیره
- ◈تحلیل ساختن، خریدن یا شراکت برای مدل‌ها، ابزارها و زیرساخت
- ◈طراحی چارچوب حاکمیت AI و همراهی انطباق با مقررات در صنایع حساس
- ◈شناخت کسب‌وکار و workflowهای مشتری یا واحدهای سازمان و پیدا کردن جایی که AI ارزش واقعی می‌سازد
- ◈مشاوره به مدیران ارشد و ارائهٔ توصیه‌ها و ریسک‌ها به زبان کسب‌وکار
- ◈انتقال نیازهای تکرارشوندهٔ مشتری‌ها به تیم محصول و نوشتن playbook استقرار
- ◈طراحی نقشهٔ راه AI با مراحل، منابع، زمان‌بندی و نقاط تصمیم ادامه یا توقف
- ◈تعریف scope پروژه و رهبری تیم مهندسان همراه با یک مسئول فنی تا تحویل سیستم
- ◈پیگیری پذیرش کاربران و سنجش نتیجه با عدد: ROI، صرفه‌جویی، درآمد یا نرخ تبدیل
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک استراتژیست هوش مصنوعی موفق به آن‌ها نیاز دارد
استراتژی و کسب‌وکار
تحلیل فرایندها و رتبه‌بندی کاربردها بر اساس امکان‌پذیری و ارزش راهبردی (PA Consulting)؛ Capco شناسایی کاربردهای پرارزش را جزو هستهٔ نقش می‌داند
Deloitte سابقهٔ قوی در ساخت business case، مدل ROI و روایت سرمایه‌گذاری می‌خواهد
نقشهٔ راه غلتان با آستانهٔ سرمایه‌گذاری و تصمیم ادامه یا توقف (OKX) و مراحل، منابع و زمان‌بندی (PA Consulting)
چارچوب سنجش عملکرد ابتکارهای AI (PA Consulting) و گزارش نتیجه با عدد سخت مثل ROI و اثر بر EBITDA (Broccoli)
Distyl از استراتژیست ارشد می‌خواهد هم دربارهٔ معماری و هم دربارهٔ P&L حرف بزند و این دو را به هم ترجمه کند
تحلیل ساختن، خریدن یا شراکت برای مدل‌های پایه، ابزارها و زیرساخت (OKX)
ارزیابی تجاری و فنی شرکت‌های AI هدف خرید؛ از وظایف آگهی PA Consulting
AI و داده
Hebbia تجربه و راحتی با مدل‌ها و ابزارهای پیشروی LLM می‌خواهد و Broccoli استفادهٔ روزانه از ابزارهای AI
Capco فهم Generative AI، Agentic AI و AI operating model را می‌خواهد تا بتوانید دربارهٔ پذیرش مسئولانهٔ آن‌ها مشاوره بدهید
Distyl تسلط به برنامه‌نویسی، اسکریپت یا بستهٔ آماری را شرط گذاشته؛ Broccoli می‌خواهد خودتان عددها را بیرون بکشید و مدل بسازید
Raylu از استراتژیست می‌خواهد در prompt engineering متخصص محصول شود
Supernal می‌نویسد بهترین استراتژیست‌ها پیشنهادشان را نمونه‌سازی می‌کنند؛ Valkai پیکربندی دستیار و ایجنت را از استراتژیست می‌خواهد
EU AI Act و مدیریت ریسک مدل (Capco)، حاکمیت و انطباق در محیط تحت مقررات (Valkai) و چارچوب حاکمیت چندکشوری (OKX)
ارتباط، رهبری و تغییر
Deloitte مهارت عالی ارائه در سطح C-suite می‌خواهد و Distyl برای Lead سابقهٔ مشاور مورد اعتماد CIO و COO
StackAI پیش بردن onboarding و پذیرش را جزو وظایف آورده و Distyl آموزش کاربران تا رسیدن به ارزش را
طراحی و اجرای کارگاه‌های اجرایی و هم‌سو کردن ذی‌نفعان از بخش‌های مختلف (Capco)
Supernal ۶ تا ۱۰+ سال مدیریت برنامه‌های پیچیده و تجربهٔ عمیق در تعریف scope، برنامه‌ریزی، ریسک و مدیریت تغییر می‌خواهد
PA Consulting هدایت تیم‌های ۳ تا ۱۰ نفره و Valkai استخدام و پرورش استراتژیست‌ها را در سطح Lead می‌خواهد
Hebbia شناخت workflowهای بانکی، مالی و حقوقی، Valkai تجربه در علوم زیستی و Broccoli شناخت کسب‌وکارهای خدمات فنی را امتیاز می‌دانند
Distyl برای Lead قضاوتی می‌خواهد که حقیقت سخت را به مشتری بگوید، حتی وقتی نباید بخرد: «خدمت کن، نفروش»
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به استراتژیست هوش مصنوعی
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
سواد AI و کار روزانه با مدل‌ها
آگهی‌ها از استراتژیست می‌خواهند خودش با ابزارهای AI کار کند، نه فقط دربارهٔ آن حرف بزند. Hebbia «تجربه و راحتی با مدل‌ها و ابزارهای پیشروی LLM» می‌خواهد و می‌پرسد چه چیزی ساخته یا آزموده‌اید، و Broccoli کسی را می‌خواهد که هر روز از ابزارهای AI استفاده کند. دورهٔ AI For Everyone بدون کدنویسی است و بخشی دربارهٔ استراتژی AI در شرکت دارد.
مبانی استراتژی و اقتصاد AI
هستهٔ این شغل استراتژی است، نه فناوری. PA Consulting نقش را «در محل تلاقی استراتژی کسب‌وکار و فناوری» توصیف می‌کند و Distyl از استراتژیست ارشدش می‌خواهد هم دربارهٔ معماری سیستم و هم دربارهٔ صورت سود و زیان (P&L) حرف بزند و این دو را به هم ترجمه کند. کتاب‌های Ajay Agrawal و همکارانش AI را کاهش هزینهٔ پیش‌بینی می‌بینند و با ابزارهای سادهٔ اقتصاد نشان می‌دهند کدام تصمیم‌ها از آن سود می‌برند.
کشف کاربرد، business case و نقشهٔ راه
PA Consulting از استراتژیست می‌خواهد فرایندها را تحلیل کند، برای هر کاربرد برآورد ROI بسازد و پروژه‌ها را بر اساس امکان‌پذیری و ارزش راهبردی اولویت‌بندی کند. OKX نقشهٔ راه غلتان ۶، ۱۲ و ۲۴ ماهه با آستانهٔ سرمایه‌گذاری و نقاط تصمیم ادامه یا توقف (go/no-go) می‌خواهد و تحلیل ساختن، خریدن یا شراکت (build vs buy vs partner) را. چارچوب Microsoft هم می‌گوید استراتژی AI باید اولویت‌ها، حق تصمیم‌گیری و روش سنجش ارزش سرمایه‌گذاری را مکتوب کند.
پذیرش، مدیریت تغییر و حاکمیت
در مطالعهٔ IBM در ۲۰۲۶، ۸۳٪ مدیرعامل‌ها گفته‌اند موفقیت AI بیشتر به پذیرش آدم‌ها بستگی دارد تا به فناوری. آگهی‌ها هم همین را می‌خواهند: Distyl پذیرش کاربران را جزو مسئولیت استراتژیست می‌داند، StackAI مدیریت تغییر را جزو وظایف آورده و Valkai از استراتژیست می‌خواهد مشتری را در حاکمیت، اعتبارسنجی و انطباق در محیط‌های تحت مقررات راهنمایی کند. Capco آشنایی با EU AI Act و مدیریت ریسک مدل را امتیاز می‌داند.
تخصص صنعتی و کار عملی روی استقرار
بیشتر آگهی‌های این عنوان به یک صنعت گره خورده‌اند: Hebbia برای بانکداری، مالی و حقوق، Valkai برای داروسازی و تجهیزات پزشکی، Raylu برای سرمایه‌گذاری خصوصی و Broccoli برای کسب‌وکارهای خدمات فنی ساختمان. هم‌زمان باید بتوانید ایده را نمونه‌سازی کنید؛ آگهی Supernal می‌نویسد «بهترین استراتژیست‌ها آنچه را پیشنهاد می‌کنند می‌توانند نمونه‌سازی کنند».
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
دستیارها و مدل‌های AI
Broccoli از استراتژیست می‌خواهد هر روز از ابزارهای AI استفاده کند؛ کار با چند دستیار کمک می‌کند توصیه‌هایتان بر تجربهٔ خودتان تکیه کند
Hebbia تجربه با مدل‌ها و ابزارهای پیشروی LLM را شرط گذاشته و می‌خواهد بداند با آن‌ها چه ساخته یا آزموده‌اید
ساخت workflow و ایجنت (برای نمونه‌سازی و تصمیم build یا buy)
پلتفرم بدون کد برای ساخت workflow و ایجنت AI در سازمان‌ها؛ استراتژیست‌های StackAI به تیم مشتری یاد می‌دهند خودشان روی آن workflow بسازند
ساخت ایجنت روی ابزارهای Microsoft؛ برای نمونه‌سازی سریع یک کاربرد در سازمانی که روی Microsoft کار می‌کند
اتوماسیون workflow با AI؛ Supernal فناوری کارش را لایه‌های داده، pipelineهای ایجنتی، webhook، MCP و API می‌داند و تسلط فنی را امتیاز بزرگ می‌شمارد
داده و business case
مدل ROI و business case؛ Broccoli می‌نویسد «خودتان عددها را بیرون بکشید و مدل را بسازید»
Distyl تسلط به برنامه‌نویسی یا SQL را شرط گذاشته و StackAI آن را امتیاز می‌داند؛ برای بررسی مستقیم دادهٔ استفاده و نتیجه
ارائه، کارگاه و چارچوب‌ها
Broccoli اسلایدهای آمادهٔ ارائه به مدیران ارشد می‌خواهد و Capco روایت و پروندهٔ سرمایه‌گذاری در سطح هیئت‌مدیره
چارچوبی برای مکتوب کردن اولویت‌ها، حق تصمیم‌گیری، روش سنجش ارزش و حاکمیت مرکزی AI
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
AI Strategist (ورودی)
۱ تا ۵ سال
یادگیری محصول و کار مشتری، آموزش کاربران، جلسه‌های کاری با تیم‌ها و پیگیری استفاده. Hebbia برای این نقش ۱ تا ۵ سال تجربهٔ کار با مشتری در بانکداری سرمایه‌گذاری، سرمایه‌گذاری نهادی یا خدمات حرفه‌ای می‌خواهد و Raylu برای ۲ تا ۵ سال تجربه حقوق ۱۲۰ تا ۱۷۰ هزار دلار اعلام کرده است
AI Strategist
۳ سال به بالا
مسئول یک پروژه نزد مشتری همراه با یک مسئول فنی، از کشف مسئله تا تحویل و پذیرش. Valkai برای این نقش ۳+ سال تجربه در مشاوره، استراتژی یا عملیات را امتیاز می‌داند؛ بازهٔ حقوق اعلام‌شده در Distyl ۱۵۰ تا ۲۵۰ هزار دلار پایه، در StackAI ۱۳۴ تا ۲۲۷ هزار دلار و در Valkai ۱۲۰ تا ۲۴۰ هزار دلار است
Senior AI Strategist / AI Strategy Manager / AI Strategy Lead
۵ تا ۱۰ سال
رهبری تیم و چند پروژه، ارائه به مدیران ارشد، کمک به فروش و ساختن business case و برنامهٔ سرمایه‌گذاری. PA Consulting بیش از ۸ سال سابقه و ۲ سال مدیریت در مشاورهٔ استراتژی می‌خواهد و هدایت تیم‌های ۳ تا ۱۰ نفره را جزو کار می‌داند؛ Broccoli برای AI Strategy Lead ۵ تا ۸+ سال سابقه و حقوق ۱۸۰ تا ۲۳۰ هزار دلار و Valkai برای AI Strategy, Lead بازهٔ ۲۰۰ تا ۲۸۰ هزار دلار اعلام کرده‌اند
Head / VP / Senior Director of AI Strategy
۱۰+ سال
مالکیت استراتژی AI کل سازمان یا بزرگ‌ترین مشتری‌ها. OKX برای VP, AI Strategy & Transformation بیش از ۱۰ سال سابقه در AI و یادگیری عمیق و دست‌کم ۵ سال رهبری ارشد می‌خواهد؛ Distyl برای Lead AI Strategist ۱۰ تا ۱۵+ سال سابقه و Broccoli برای AI Strategy Senior Director ۱۰+ سال سابقه و حقوق ۲۷۰ تا ۳۵۰ هزار دلار اعلام کرده‌اند
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
فاصلهٔ استفاده تا اثر مالی
عمومیدر نظرسنجی McKinsey در ۲۰۲۶ فقط ۳۷٪ پاسخ‌دهندگان هر نوع اثری روی EBIT گزارش کرده‌اند، و در مطالعهٔ IBM در ۲۰۲۵ مدیرعامل‌ها گفته‌اند فقط ۲۵٪ طرح‌های AI بازگشت سرمایهٔ مورد انتظار را داشته‌اند و ۱۶٪ در کل سازمان گسترش یافته‌اند. کار استراتژیست پر کردن همین فاصله است و اگر نتیجه دیده نشود، خود استراتژی زیر سؤال می‌رود.
پذیرش، سخت‌ترین بخش
عمومیدر مطالعهٔ IBM در ۲۰۲۶، مدیرعامل‌ها گفته‌اند فقط ۲۵٪ کارکنان به‌طور منظم در کارشان از AI استفاده می‌کنند، با اینکه ۸۶٪ آن‌ها کارکنان را دارای مهارت کافی می‌دانند. یعنی مشکل اغلب در عادت و فرایند است، نه در مهارت یا ابزار، و استراتژیست باید بتواند رفتار آدم‌ها را تغییر دهد.
فشار تجاری در شرکت‌های فروشنده
استارتاپدر شرکت‌های نرم‌افزار AI بخشی از کار به فروش گره خورده است: Hebbia استراتژیست را محرک استراتژی land-and-expand می‌داند، Valkai استراتژیست ارشد را پاسخ‌گوی تمدید و گسترش قرارداد، و Raylu کسی را می‌خواهد که دربارهٔ گسترش قرارداد راحت حرف بزند. آگهی Lead در Distyl روی دیگر این فشار را نشان می‌دهد: باید بتوانید به مشتری بگویید کی نخرد.
هیاهو و برچسب ایجنت
عمومیGartner پیش‌بینی کرده بیش از ۴۰٪ پروژه‌های agentic AI تا پایان ۲۰۲۷ به دلیل هزینهٔ رو به افزایش، ارزش نامشخص یا کنترل ریسک ناکافی لغو شوند و از پدیدهٔ «agent washing»، یعنی برچسب ایجنت زدن روی محصولات قدیمی، می‌نویسد. استراتژیست باید ادعای فروشنده را از توان واقعی جدا کند.
سفر زیاد
عمومیآگهی Distyl در سان‌فرانسیسکو ۵۰٪ سفر و آگهی لندنش ۲۵ تا ۷۵٪ سفر بسته به پروژه ذکر کرده‌اند؛ StackAI حدود ۱۰ تا ۴۰٪ و PA Consulting آمادگی برای سفر را شرط گذاشته‌اند. این را پیش از درخواست با شرایط زندگی‌تان بسنجید.
مقررات در صنایع حساس
شرکت بزرگدر داروسازی، مالی و بیمه هر کاربرد باید با الزامات انطباق جور باشد؛ Valkai از استراتژیست می‌خواهد مشتری را در حاکمیت و اعتبارسنجی راهنمایی کند. طبق کمیسیون اروپا، قواعد شفافیت قانون AI از اوت ۲۰۲۶ و الزامات سیستم‌های پرریسک از ۲ دسامبر ۲۰۲۷ اعمال می‌شود.
هزینهٔ اجرای AI
عمومیدر نظرسنجی McKinsey در ۲۰۲۶، حدود ۲۰٪ پاسخ‌دهندگان گفته‌اند هزینه‌های عملیاتی AI، از جمله هزینهٔ توکن، استفاده‌شان را محدود کرده است. business case بدون برآورد هزینهٔ اجرا در مقیاس، ناقص است.
حقوق و بازار کار جهانی
حقوق جهانی استراتژیست 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, estimate updated Apr 2025, AI Strategist base pay: 25th–75th pct, median (21 salaries)
- Glassdoor Canada, estimate updated Oct 2026, AI Strategist base pay: 25th–75th pct, median (1,664 salaries per Glassdoor)
- Glassdoor UK, estimate updated Oct 2026, AI Strategist base pay: 25th–75th pct, median (2,463 salaries per Glassdoor)
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: مبانی AI برای غیرمهندسان
بفهمید مدل‌ها چه می‌کنند، کجا خطا می‌کنند و سازمان‌ها چطور استراتژی AI می‌سازند.
ماه ۲: کار روزانه با دستیارهای AI
کارهای واقعی خودتان را با دو سه دستیار انجام دهید و یادداشت کنید هر کدام کجا کمک می‌کند و کجا اشتباه می‌کند. این یادداشت‌ها بعداً پاسخ شما به پرسش «چه چیزی ساخته یا آزموده‌اید» است.
ماه ۳: اقتصاد و چارچوب استراتژی AI
یاد بگیرید AI را از دید تصمیم و هزینه ببینید و یک استراتژی AI را با اولویت‌ها، حق تصمیم‌گیری و روش سنجش ارزش مکتوب کنید.
ماه ۴: یک سبد کاربرد و business case واقعی
برای یک کسب‌وکار کوچک یا واحدی از شرکت خودتان کاربردها را رتبه‌بندی کنید و برای بهترینشان business case بنویسید. یافته‌ها را با پیام اصلی شروع کنید.
ماه ۵: پذیرش و حاکمیت
برای همان کاربرد برنامهٔ پذیرش با مدل ADKAR و یک فهرست ریسک بر پایهٔ NIST AI RMF بنویسید.
ماه ۶: درخواست شغل
علاوه بر AI Strategist، عنوان‌های AI Strategy Manager، AI Strategy Lead و Data & AI Strategy Consultant را هم جستجو کنید. شرکت‌های نرم‌افزار AI در صنعت خودتان را از قلم نیندازید؛ Hebbia و Raylu برای ۱ تا ۵ سال سابقهٔ کار با مشتری در مالی یا مشاوره آگهی داده‌اند.
پروژه‌های پیشنهادی برای رزومه
سبد کاربردهای AI و نقشهٔ راه برای یک کسب‌وکار واقعی
مبتدیبا چند نفر از یک کسب‌وکار کوچک یا یک واحد از شرکت خودتان مصاحبه کنید، فرایندهایشان را ترسیم کنید و ۵ تا ۸ کاربرد AI را بر اساس ارزش، امکان‌پذیری و ریسک رتبه‌بندی کنید؛ همان کاری که PA Consulting از استراتژیست می‌خواهد. خروجی: نقشهٔ راه با مراحل، منابع، زمان‌بندی و یک نقطهٔ تصمیم برای ادامه یا توقف.
Business case و طرح سنجش ارزش برای یک کاربرد
متوسطیکی از کاربردهای پروژهٔ قبل را بردارید، وضعیت فعلی را اندازه بگیرید و هزینه و فایده را مدل کنید. نتیجه را مثل آگهی Broccoli با عدد سخت بنویسید: صرفه‌جویی در زمان یا نیروی کار، درآمد یا نرخ تبدیل. فرض‌ها را صریح بنویسید تا یک مدیر بتواند آن‌ها را به چالش بکشد.
استقرار یک workflow و سنجش پذیرش
متوسطیک workflow واقعی، مثل خلاصه‌سازی سندها یا پاسخ اولیه به درخواست‌ها، را با یک ابزار بدون کد برای یک تیم واقعی بسازید، کاربران را آموزش دهید و دو تا چهار هفته استفاده را دنبال کنید. Distyl و StackAI پذیرش کاربران را جزو کار استراتژیست می‌دانند؛ این پروژه نشان می‌دهد کار را تا آن مرحله برده‌اید.
تحلیل ساختن، خریدن یا شراکت برای یک قابلیت AI
پیشرفتهبرای یک نیاز مشخص، مثلاً دستیار پاسخ به مشتری، سه مسیر را مقایسه کنید: خرید یک محصول آماده، ساختن روی یک پلتفرم مدل و شراکت با یک شرکت تخصصی. هزینه، زمان، ریسک داده و نیاز به نیروی داخلی را بسنجید؛ OKX دقیقاً این تحلیل را از استراتژیست AI می‌خواهد.
ارزیابی تجاری و فنی یک استارتاپ AI
پیشرفتهیک استارتاپ AI در صنعت مورد علاقه‌تان را انتخاب کنید و از روی اطلاعات عمومی ارزیابی کنید: چه مسئله‌ای را حل می‌کند، رقبا کیستند، ادعاهای فنی‌اش چقدر قابل آزمون است و ریسک‌های داده و مقررات کدام‌اند. PA Consulting رهبری این نوع ارزیابی (due diligence) را جزو وظایف استراتژیست آورده است.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق ویکی‌پدیا، دانشمند داده و آمارشناس اهل آفریقای جنوبی است. از ۱۵ سالگی در دانشگاه Nelson Mandela اقتصاد و آمار ریاضی خواند، دورهٔ کارشناسی را در دانشگاه شیکاگو تمام کرد و در Duke در روان‌شناسی و علوم اعصاب شناختی با تمرکز بر اقتصاد عصبی تحصیلات تکمیلی داشت.
در ۲۰۱۴ به‌عنوان آمارشناس به بخش Research and Machine Intelligence گوگل رفت و در ۲۰۱۶ به دفتر CTO گوگل پیوست؛ حوزهٔ کارش AI کاربردی و معماری فرایند علم داده بود. طبق ویکی‌پدیا، Chief Decision Scientist گوگل بود و Decision Intelligence را بنیان گذاشت. در کنفرانس‌های بزرگی مثل Web Summit سخنران اصلی بوده و نوشته‌هایش در Harvard Business Review و Forbes منتشر شده است.
کار او روی پرسشی متمرکز بود که هستهٔ استراتژی AI است: داده و مدل قرار است به کدام تصمیم کمک کنند. به نظر می‌رسد استراتژیستی که از تصمیم شروع می‌کند، نه از فناوری، کمتر سراغ پروژه‌های بی‌نتیجه می‌رود.
طبق ویکی‌پدیا، استاد و نویسندهٔ آمریکایی در حوزهٔ تحلیل کسب‌وکار، نوآوری در فرایند، مدیریت دانش و AI است؛ در ۲۰۲۵ استاد ممتاز فناوری اطلاعات و مدیریت در Babson College و پژوهشگر MIT Initiative on the Digital Economy بود و به برنامهٔ Chief Data and AI Officer در Deloitte مشاوره می‌دهد. در میانهٔ دههٔ ۱۹۸۰ مدیر پژوهش Index Group شد و بعد نخستین مقاله (۱۹۹۰) و نخستین کتاب (۱۹۹۳) دربارهٔ مهندسی مجدد فرایندهای کسب‌وکار (business process reengineering) را نوشت.
مقالهٔ «Competing on Analytics» او در Harvard Business Review (۲۰۰۶) و کتابی به همین نام (۲۰۰۷) تحلیل داده را منبع مزیت رقابتی معرفی کرد. در حوزهٔ AI کتاب The AI Advantage (۲۰۱۸) و همراه Nitin Mittal کتاب All-in On AI (انتشارات HBR، ۲۰۲۳) را نوشت و در ۲۰۲۵ کتابی دربارهٔ agentic AI منتشر کرد.
او از مهندسی مجدد فرایند به تحلیل داده و بعد به AI رسید و در هر مرحله یک پرسش ثابت داشت: فناوری تازه کار سازمان را چطور تغییر می‌دهد. این تداوم نشان می‌دهد پایهٔ کار استراتژیست AI بیشتر شناخت سازمان و فرایند است تا شناخت یک ابزار.
طبق ویکی‌پدیا، استاد مدیریت استراتژیک و دارندهٔ کرسی Geoffrey Taber در کارآفرینی و نوآوری در دانشکدهٔ مدیریت Rotman دانشگاه تورنتو است و از ۲۰۰۳ در این دانشکده کار می‌کند.
در ۲۰۱۲ Creative Destruction Lab را برای شرکت‌های نوپای علمی بنیان گذاشت که در ۲۰۱۵ شاخهٔ یادگیری ماشین و AI به آن اضافه شد. با Joshua Gans و Avi Goldfarb دو کتاب Prediction Machines (۲۰۱۸) و Power and Prediction (۲۰۲۲) را دربارهٔ اقتصاد AI نوشت که هر دو را انتشارات Harvard Business Review منتشر کرده است. هم‌بنیان‌گذار Kindred بود که در ۲۰۲۰ به Ocado فروخته شد و در ۲۰۲۲ به Order of Canada منصوب شد.
چارچوب این کتاب‌ها برای استراتژیست کاربردی است: به جای اینکه بپرسد AI چه کار جالبی می‌کند، می‌پرسد کدام تصمیم با پیش‌بینی ارزان‌تر بهتر می‌شود. به نظر می‌رسد همین نوع پرسش، اولویت‌بندی کاربردها را از هیاهو جدا می‌کند.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
AI Strategist
تحلیل نیازمندی‌ها
Operational Experience: A proven record in managing complex projects or strategic leadership roles, with demonstrable experience in client-facing positions within AI or technology integration
پیش‌شرط اصلی تجربهٔ مدیریت پروژه‌های پیچیده یا نقش رهبری راهبردی است، آن هم در نقشی که با مشتری سروکار داشته و به AI یا یکپارچه‌سازی فناوری مربوط بوده است. سابقهٔ مشاوره، مدیریت پروژه نزد مشتری یا راه‌اندازی نرم‌افزار سازمانی همین را نشان می‌دهد.
ضروریExceptional Communication Skills: Capable of earning customer trust and liaising effectively between clients and internal teams
شما رابط بین مشتری و تیم داخلی هستید. باید بتوانید نیاز مشتری را برای مهندسان دقیق کنید و محدودیت‌های فنی را برای مدیران مشتری روشن توضیح دهید، بدون اینکه اعتمادشان را از دست بدهید.
ضروریUser Empathy and Customer Focus: A deep sense of user empathy and a customer-obsessed approach, ensuring solutions are technically sound and aligned with customer needs
بخش بزرگی از کار نشستن کنار کاربران واقعی است. اگر workflow آن‌ها را عمیق نفهمید، سیستمی که تیم می‌سازد حتی اگر از نظر فنی درست باشد، استفاده نمی‌شود.
ضروریThrive in Ambiguity: Ability to identify critical problems in complex situations, define outcomes, and create structure among competing priorities
مشتری معمولاً مسئلهٔ تعریف‌شده ندارد. شما باید از میان خواسته‌های رقیب، مسئلهٔ اصلی و نتیجهٔ مطلوب را بیرون بکشید و به کار ساختار بدهید.
مهمAI Passion: A passion for AI and optimism about its potential to impact the world
این خط کلی است. بهترین راه نشان دادنش کار واقعی است: پروژه‌ها یا آزمایش‌هایی که خودتان با مدل‌ها انجام داده‌اید و نتیجه‌ای که گرفته‌اید.
مفیدCoding Experience: Proficiency in programming, scripting, or statistical packages (e.g., Python, R, Matlab, SQL)
برخلاف بسیاری از نقش‌های استراتژی، این آگهی تسلط به برنامه‌نویسی، اسکریپت‌نویسی یا یک بستهٔ آماری را شرط گذاشته است. لازم نیست مهندس باشید، اما باید بتوانید داده را خودتان بررسی کنید؛ آگهی لندنِ همین شرکت می‌نویسد باید بتوانید «شانه‌به‌شانهٔ» یک مهندس کار کنید.
ضروریTravel: Ability to travel 50%
نیمی از وقت نزد مشتری هستید. پیش از درخواست این را با شرایط زندگی‌تان بسنجید؛ آگهی لندن همین شرکت ۲۵ تا ۷۵٪ سفر را بسته به پروژه ذکر کرده است.
مهمتحلیل مسئولیت‌ها
Earn Customer Trust: Demonstrate customer empathy and be the face of Distyl, managing relationships from end-users to executive stakeholders
شما چهرهٔ شرکت نزد مشتری هستید، از کاربر نهایی تا مدیران ارشد. اعتماد با قول‌هایی ساخته می‌شود که عمل می‌شوند؛ پس در تعریف دامنهٔ کار واقع‌بین باشید.
End-to-end Workflow & Outcome Ownership: Identify the most valuable problems to solve. Embed yourself in the customer's workflow to understand it better than the users themselves. Ensure high accuracy and reliability to achieve the desired outcomes. Take ownership and accountability for the success of the customer engagement
تفاوت اصلی این نقش با مشاورهٔ سنتی همین‌جاست: مسئولیت به دست آمدن نتیجه با شماست، نه فقط دادن توصیهٔ درست. باید ارزشمندترین مسئله را انتخاب کنید و تا رسیدن به دقت و اطمینان لازم پای آن بمانید.
Leadership: You and a technical lead will be jointly responsible for leading a team to deliver results to the customer
تیم را با یک مسئول فنی مشترکاً رهبری می‌کنید. در عمل شما بیشتر به «چه» و «چرا» می‌پردازید و او به «چطور»؛ این تقسیم کار وقتی جواب می‌دهد که هر دو زبان هم را بفهمید.
Data Analysis: Navigate noisy enterprise data to identify how AI can create reliable outcomes despite real-world constraints
دادهٔ سازمان‌ها نامرتب و ناقص است. باید ببینید با همین داده چه نتیجهٔ قابل اتکایی ممکن است و کجا باید انتظار مشتری را واقع‌بینانه کرد.
User Adoption: Onboard users to our enterprise applications and platform, ensuring they realize value
سیستم تحویل‌شده اگر استفاده نشود ارزشی ندارد. آموزش کاربران، پیگیری استفاده و رفع موانع بخشی از شغل شماست، نه کار تیم دیگری.
Product Feedback: Represent the customer's voice, surfacing pain points that drive future product improvements
آنچه نزد مشتری می‌بینید ورودی تیم محصول است. مشکلات تکرارشونده را جمع‌بندی کنید تا به بهبود محصول تبدیل شود؛ این نقطهٔ تماس این نقش با مدیریت محصول است.
نتیجه‌گیری کلی
این آگهی نشان می‌دهد عنوان AI Strategist در شرکت‌های نرم‌افزار AI چه معنایی دارد: استراتژیست مسئول پروژه نزد مشتری است، همراه یک مسئول فنی تیمی از مهندسان و پژوهشگران را هدایت می‌کند و تا پذیرش کاربران پاسخ‌گوی نتیجه است. دو شرط آن را از نقش‌های مشاورهٔ سنتی جدا می‌کند: تسلط به برنامه‌نویسی یا SQL و آمادگی برای ۵۰٪ سفر. حقوق پایه ۱۵۰ تا ۲۵۰ هزار دلار به‌اضافهٔ سهام اعلام شده است. اگر سابقهٔ مشاوره یا مدیریت پروژه نزد مشتری دارید و با داده راحتید، شرایط این آگهی به شما نزدیک است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
در فهرست Jobs on the Rise ۲۰۲۶ لینکدین، گروه AI consultants & strategists رتبهٔ دوم سریع‌ترین رشد را در آمریکا داشت، بعد از AI Engineer. این رتبه‌بندی بر پایهٔ شغل‌هایی است که اعضای لینکدین از ۱ ژانویهٔ ۲۰۲۳ تا ۳۱ ژوئیهٔ ۲۰۲۵ شروع کرده‌اند.
منبع: LinkedIn Jobs on the Rise 2026 (US)
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 ریسک ناکافی لغو شوند، و تخمین زد از هزاران فروشندهٔ agentic AI فقط حدود ۱۳۰ مورد واقعی‌اند.
طبق کمیسیون اروپا، از ۲ دسامبر ۲۰۲۷ سیستم‌های AI پرریسک پیش از عرضه به بازار باید الزامات سختی مثل ارزیابی و کاهش ریسک، کیفیت داده، ثبت فعالیت و مستندسازی کامل را رعایت کنند.
Gartner پیش‌بینی می‌کند تا ۲۰۲۸ دست‌کم ۱۵٪ تصمیم‌های روزمرهٔ کاری به‌طور خودکار با agentic AI گرفته شود و ۳۳٪ نرم‌افزارهای سازمانی agentic AI داشته باشند؛ هر دو در ۲۰۲۴ نزدیک صفر بوده‌اند.
در مطالعهٔ IBM در ۲۰۲۶، مدیرعامل‌ها انتظار دارند تا ۲۰۳۰ حدود ۴۸٪ تصمیم‌های عملیاتی‌ای که قواعدشان قابل تدوین است با AI گرفته شود، در برابر ۲۵٪ امروز؛ همهٔ مدیرعامل‌های سازمان‌هایی که مدیر ارشد AI دارند هم انتظار دارند نفوذ این نقش تا ۲۰۳۰ بیشتر شود.
استراتژی AI به سطح مدیریت ارشد رفته است: طبق مطالعهٔ IBM، ۷۶٪ سازمان‌های بررسی‌شده در ۲۰۲۶ مدیر ارشد AI داشته‌اند، در برابر ۲۶٪ در ۲۰۲۵. پس استراتژیست داخل سازمان باید بتواند با این مدیران و برای آن‌ها کار کند. بیشتر آگهی‌هایی که عنوان دقیق AI Strategist دارند در شرکت‌های نرم‌افزار AI است و بخشی از کار آن‌ها به تمدید و گسترش قرارداد گره خورده است (Hebbia، Valkai). مشتری‌ها هم سخت‌گیرتر شده‌اند: در مطالعهٔ IBM در ۲۰۲۵، ۶۵٪ مدیرعامل‌ها گفته‌اند کاربردهای AI را بر اساس ROI انتخاب می‌کنند، و McKinsey در ۲۰۲۶ گزارش کرده ۳۲٪ پاسخ‌دهندگان خرید دست‌کم یک نرم‌افزار را کنار گذاشته‌اند چون می‌شد آن را با ابزارهای agentic coding در داخل ساخت. Gartner هم دربارهٔ «agent washing» فروشنده‌ها هشدار می‌دهد. استراتژیستی که فقط روندها را توضیح دهد و نتیجهٔ قابل اندازه‌گیری نیاورد، جای محکمی ندارد. رقابت هم با افراد باتجربه است: طبق لینکدین، میانهٔ سابقهٔ قبلی این گروه ۸٫۲ سال است.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۳۰ منبع بررسی شده است.
- AI Strategist — Distyl AI, San Francisco (job posting)
- AI Strategist — Distyl AI, London (job posting)
- Lead AI Strategist — Distyl AI (job posting)
- AI Strategist, Healthcare Solutions — Distyl AI (job posting)
- AI Strategist — PA Consulting, London (job posting)
- AI Strategist — StackAI (job posting)
- AI Strategist — Hebbia, London (job posting)
- AI Strategist — Raylu AI (job posting)
- AI Strategy, Lead — Valkai (job posting)
- AI Strategy — Valkai (job posting)
- AI Strategy Lead — Broccoli AI (job posting)
- AI Strategy Senior Director — Broccoli AI (job posting)
- AI Strategist - Supernal — Infinity Constellation (job posting)
- AI Strategy Manager — Deloitte Denmark (job posting)
- Data & AI Strategy Consultant - Manager/Senior Manager — Capco (job posting)
- Vice President, AI Strategy & Transformation — OKX (job posting)
- Glassdoor — AI Strategist salaries, United States
- Glassdoor — AI Strategist salaries, Canada
- Glassdoor — AI Strategist salaries, United Kingdom
- LinkedIn Jobs on the Rise 2026: The 25 fastest-growing roles in the U.S.
- IBM Newsroom — IBM Study: CEOs are Reshaping C-suite Roles for the AI Era (May 2026)
- IBM Newsroom — IBM Study: CEOs Double Down on AI While Navigating Enterprise Hurdles (May 2025)
- McKinsey — The state of AI in 2026: On the road to ROI (Wayback copy, 19 Oct 2026)
- Gartner — Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
- European Commission — AI Act (application timeline)
- Microsoft Cloud Adoption Framework — AI strategy
- Cassie Kozyrkov — Wikipedia
- Thomas H. Davenport — Wikipedia
- Ajay Agrawal — Wikipedia
- Power and Prediction / Prediction Machines — book site