→ بازگشت به وبلاگ

نقشه راه یادگیری هوش مصنوعی ۶ مسیر، از کاربر عمومی تا مهندس AI

نقشه راه یادگیری هوش مصنوعی ۶ مسیر، از کاربر عمومی تا مهندس AI
نقشه راه یادگیری هوش مصنوعی ۲۰۲۶ | ۶ مسیر با زمان‌بندی
نقشه راه · هوش مصنوعی ۲۰۲۶

نقشه راه یادگیری هوش مصنوعی ۶ مسیر، از کاربر عمومی تا مهندس AI

همه از یک جا شروع می‌کنند ولی همه به یک جا نمی‌روند. در این راهنما، شش مسیر متفاوت یادگیری هوش مصنوعی را با زمان‌بندی واقعی، تایم‌لاین ماه‌به‌ماه، چک‌لیست عملی و ویدیوی آموزشی هر مرحله می‌بینی — و در سه دقیقه می‌فهمی مسیر خودت کدام است.

۲۵ دقیقه مطالعه ۶ مسیر تخصصی به‌روزرسانی: همراه ویدیوی آموزشی

پاسخ کوتاه: یادگیری هوش مصنوعی چقدر طول می‌کشد و از کجا شروع کنم؟

همه از یک پایه‌ی مشترک ۳۰ روزه شروع می‌کنند (مفاهیم پایه، پرامپت‌نویسی، انتخاب ابزار، یک پروژه‌ی کوچک واقعی). بعد از آن مسیر بر اساس هدف جدا می‌شود:

  • کاربر عمومی: ۳۰ تا ۹۰ روز — بدون کدنویسی
  • سازنده و کریتور: ۳ تا ۶ ماه — بدون کدنویسی
  • فریلنسر: ۳ تا ۶ ماه — کم‌کد
  • صاحب کسب‌وکار: ۲ تا ۴ ماه — کم‌کد
  • کسب‌وکار تک‌نفره: ۴ تا ۸ ماه — کم‌کد تا متوسط
  • مهندس هوش مصنوعی: ۶ تا ۱۸ ماه — نیازمند برنامه‌نویسی (پایتون)
فصل ۰۱

چرا نقشه راه لازم داری؟

مشکل امروز کمبود آموزش نیست؛ زیادیِ آموزش است. هر روز ده‌ها ابزار جدید معرفی می‌شود، هر هفته یک مدل جدید می‌آید، و آدم بعد از سه ماه دنبال‌کردن اخبار به این نتیجه می‌رسد که «کلی چیز می‌دانم ولی هیچ کاری نمی‌توانم انجام بدهم». این حالت اسم دارد: یادگیری بدون خروجی.

دلیلش هم ساده است. بدون مقصد مشخص، مغز هر ویدیوی جدید را به‌عنوان «چیز مهمی که باید بلد باشم» قبول می‌کند. اما وقتی مقصد داری، همان ویدیو یا در مسیرت هست یا نیست — و می‌توانی با خیال راحت ردش کنی. نقشه راه در واقع بیشتر از آنکه به تو بگوید چه چیزی یاد بگیری، به تو می‌گوید چه چیزی یاد نگیری.

بازار کار دقیقاً دنبال چیست؟

یک نکته‌ی مهم که خیلی‌ها اشتباه می‌فهمند: اکثر شرکت‌ها دنبال مهندس هوش مصنوعی نیستند. داده‌های بازار کار نشان می‌دهد آنچه بیشتر کارفرماها می‌خواهند، سواد هوش مصنوعی، پرامپت‌نویسی، تحلیل داده با AI، اتوماسیون گردش‌کار و قضاوت درست درباره‌ی خروجی مدل است — یعنی آدم‌هایی که بتوانند از ابزارها به‌درستی استفاده کنند و نتیجه‌ی کار را ارزیابی کنند، نه لزوماً کسانی که مدل می‌سازند.

در عین حال سمت فنی هم داغ است. گزارش‌های بازار استعداد نشان می‌دهد آگهی‌های شغلی هوش مصنوعی رشد چشمگیری داشته‌اند و شرکت‌ها به‌جای تأکید بر مدرک دکترا، به سمت استخدام بر پایه‌ی تجربه‌ی عملی و نمونه‌کار حرکت کرده‌اند. این خبر خیلی خوبی است: یعنی مسیر برای کسی که پروژه‌ی واقعی می‌سازد باز است، حتی بدون دانشگاه.

پس دو حقیقت را کنار هم بگذار: یک، سواد AI برای همه لازم است. دو، عمق فنی فقط برای بخشی از آدم‌ها لازم است. تمام این نقشه راه بر همین دو اصل ساخته شده.

یک تعریف که همه‌چیز را ساده می‌کند
«یاد گرفتن هوش مصنوعی» یعنی توانایی سپردن یک کار مشخص به یک سیستم و اطمینان از درستی نتیجه. اگر بعد از یک ماه آموزش هنوز یک کار واقعی را به AI نسپرده‌ای، هنوز شروع نکرده‌ای — فقط تماشا کرده‌ای.
خلاصه: نقشه راه یعنی مقصد مشخص. مقصد مشخص یعنی توانایی نادیده‌گرفتن ۹۰٪ محتوایی که به دردت نمی‌خورد.
فصل ۰۲

مسیر خودت را انتخاب کن

قبل از هر چیز، یک انتخاب. روی کارتی بزن که به هدفت نزدیک‌تر است؛ بقیه‌ی مقاله برای همان مسیر فیلتر می‌شود تا وقتت را روی چیزی که به دردت نمی‌خورد نگذاری. هر وقت خواستی می‌توانی همه را دوباره ببینی.

هدفت از یادگیری هوش مصنوعی چیست؟

یک گزینه را انتخاب کن — تایم‌لاین، چک‌لیست و ویدیوهای همان مسیر نمایش داده می‌شود.

در حال حاضر همه‌ی مسیرها نمایش داده می‌شود.
اگر بین دو مسیر مانده‌ای
آن مسیری را انتخاب کن که زودتر برایت خروجی قابل‌نمایش می‌سازد. مسیرها ضد هم نیستند؛ کسی که مسیر فریلنسر را تمام می‌کند، ۷۰٪ مسیر کسب‌وکار تک‌نفره را هم رفته است. اول یک مسیر را تا خروجی ببر، بعد شاخه بزن.
فصل ۰۳

شش مسیر در یک نگاه

قبل از ورود به جزئیات، ساختار کلی را ببین. همه از یک تنه‌ی مشترک شروع می‌کنند و بعد از ۳۰ روز به شش شاخه تقسیم می‌شوند. این تنه‌ی مشترک قابل حذف نیست؛ هر کسی که آن را رد کرده، بعداً مجبور شده برگردد.

پایه‌ی مشترک — ۳۰ روز اول مفاهیم · پرامپت‌نویسی · انتخاب ابزار · اولین پروژه کاربر عمومی ۳۰ تا ۹۰ روز صرفه‌جویی در زمان سازنده و کریتور ۳ تا ۶ ماه پایپ‌لاین تولید محتوا فریلنسر ۳ تا ۶ ماه فروش خدمت تخصصی صاحب کسب‌وکار ۲ تا ۴ ماه بهینه‌سازی فرآیند کسب‌وکار تک‌نفره ۴ تا ۸ ماه ساخت و فروش محصول مهندس AI ۶ تا ۱۸ ماه ساخت سیستم و ایجنت سه مهارتی که در هر شش مسیر تکرار می‌شود پرامپت‌نویسی دقیق گفتن کار، نه گفتن کلمه ارزیابی خروجی تشخیص جواب غلطِ قانع‌کننده اتوماسیون تبدیل کار تکراری به فرآیند
ساختار کلی نقشه راه: یک پایه‌ی مشترک ۳۰ روزه، شش شاخه‌ی تخصصی، و سه مهارتی که در همه‌ی شاخه‌ها مشترک است.

تفاوت واقعی مسیرها در چیست؟

خیلی‌ها فکر می‌کنند تفاوت مسیرها در «ابزارها» است. نه. تفاوت اصلی در خروجی نهایی است؛ ابزار فقط دنبال خروجی می‌آید. جدول زیر همین را نشان می‌دهد.

مسیرخروجی نهاییسطح فنیاولین نتیجه‌ی محسوسکل مسیر
کاربر عمومیصرفه‌جویی چند ساعت در هفتهبدون کدهفته‌ی ۱۳۰ تا ۹۰ روز
سازنده و کریتورپایپ‌لاین تولید محتوابدون کدهفته‌ی ۳۳ تا ۶ ماه
فریلنسریک خدمت قابل فروشکم‌کدماه ۲۳ تا ۶ ماه
صاحب کسب‌وکارسه فرآیند خودکارکم‌کدماه ۱۲ تا ۴ ماه
کسب‌وکار تک‌نفرهمحصول منتشرشدهکم‌کد تا متوسطماه ۲۴ تا ۸ ماه
مهندس هوش مصنوعیسیستم پایدار در محیط واقعیبرنامه‌نویسیماه ۳۶ تا ۱۸ ماه
خلاصه: مسیرها را با خروجی نهایی از هم جدا کن، نه با ابزار. اول تصمیم بگیر چه چیزی می‌خواهی بسازی؛ ابزار خودش انتخاب می‌شود.
فصل ۰۴

پایه‌ی مشترک: ۳۰ روز اول همه

این بخش را هیچ‌کس رد نمی‌کند — نه کاربر عمومی، نه مهندس. اینجا جایی است که تصویر ذهنی درست ساخته می‌شود. روزی ۳۰ تا ۴۵ دقیقه کافی است.

  1. هفته‌ی ۱ · روز ۱ تا ۷
    مفاهیم پایه: بدانی داری با چه چیزی کار می‌کنی

    مدل زبانی چیست، توکن یعنی چه، context window چه محدودیتی می‌سازد، و مهم‌تر از همه: چرا مدل گاهی با اعتمادبه‌نفس کامل دروغ می‌گوید. اگر این یکی را نفهمی، بقیه‌ی مسیر روی شن ساخته می‌شود. لازم نیست ریاضیاتش را بدانی؛ لازم است رفتارش را بشناسی.

    خروجی هفته: بتوانی در سه جمله توضیح بدهی مدل زبانی چطور جواب می‌سازد و کجا خطا می‌کند.
  2. هفته‌ی ۲ · روز ۸ تا ۱۴
    پرامپت‌نویسی: از «سوال پرسیدن» به «کار سپردن»

    تفاوت آدمی که از AI نتیجه می‌گیرد با کسی که نمی‌گیرد، در یک چیز است: اولی نقش، هدف، محدودیت و فرمت خروجی را مشخص می‌کند؛ دومی فقط یک جمله می‌نویسد و امیدوار است. این هفته یاد می‌گیری پرامپت را مثل بریف دادن به یک همکار تازه‌وارد بنویسی.

    خروجی هفته: پنج پرامپت آماده برای پنج کار تکراری خودت که هر بار جواب قابل‌اتکا بدهند.
  3. هفته‌ی ۳ · روز ۱۵ تا ۲۱
    انتخاب ابزار: به‌جای ۵۰ ابزار، ۴ ابزار

    یک دستیار اصلی برای فکر کردن و نوشتن، یک ابزار برای کار با فایل‌ها و منابع خودت، یک ابزار جست‌وجو و تحقیق، و یک ابزار برای کار تخصصی مسیر خودت. همین. بقیه را فعلاً کنار بگذار؛ هر ابزار جدید هزینه‌ی یادگیری دارد و بازدهی‌اش را باید ثابت کند.

    خروجی هفته: جعبه‌ابزار چهارتایی خودت، نوشته‌شده روی کاغذ، با یک جمله دلیل برای هرکدام.
  4. هفته‌ی ۴ · روز ۲۲ تا ۳۰
    اولین پروژه‌ی واقعی و کوچک

    یک کار واقعی که همین الان در زندگی یا شغلت وجود دارد را انتخاب کن و کامل با AI انجام بده. نه تمرین، نه شبیه‌سازی — یک کار واقعی با ددلاین واقعی. اینجاست که فرق «می‌دانم» و «می‌توانم» مشخص می‌شود، و اینجاست که اکثر آدم‌ها می‌فهمند در هفته‌های قبل کجا را سطحی رد کرده‌اند.

    خروجی هفته: یک کار تمام‌شده‌ی واقعی + یادداشت کوتاه از سه جایی که AI اشتباه کرد و تو تصحیحش کردی.

چک‌لیست پایه‌ی مشترک

۰ از ۶ مورد انجام شده
خلاصه: ۳۰ روز، چهار هفته، چهار خروجی مشخص. بدون این پایه، هر مسیر تخصصی دوبرابر طول می‌کشد.
مسیر ۰۱

مسیر ۱ — نقشه راه هوش مصنوعی برای کاربر عمومی: زندگی و شغل روزمره

برای کسی که نمی‌خواهد شغلش را عوض کند؛ می‌خواهد همان شغل را دوبرابر سریع‌تر انجام دهد.

مدت: ۳۰ تا ۹۰ روز روزانه: ۳۰ دقیقه نیاز به کد: ندارد خروجی: ۵ کار خودکار در هفته

هدف این مسیر ساده و قابل‌اندازه‌گیری است: تا پایان ماه سوم، حداقل پنج کار تکراری هفتگی‌ات را به AI سپرده باشی. نه بیشتر، نه پیچیده‌تر. هرکس این را جدی انجام دهد، معمولاً بین ۴ تا ۱۰ ساعت در هفته آزاد می‌کند.

  1. ماه ۱ · پایه
    همان پایه‌ی مشترک ۳۰ روزه

    فصل قبل را کامل انجام بده. برای این مسیر، پایه‌ی مشترک تقریباً یک‌سوم کل راه است.

  2. ماه ۲ · هفته ۵ تا ۶
    کار با اسناد و منابع خودت

    مهم‌ترین جهش این مسیر اینجاست: وقتی AI به‌جای دانش عمومی، روی فایل‌ها و اسناد خودت کار می‌کند. قرارداد، جزوه، گزارش، صورت‌جلسه، کتاب. یاد می‌گیری از یک پوشه‌ی شلوغ، جواب دقیق با ارجاع بگیری. این تفاوت بین «چت کردن» و «کار کردن» است.

    خروجی: یک پایگاه دانش شخصی از اسناد کاری‌ات که هر سوالی از آن می‌پرسی جواب مستند می‌دهد.
  3. ماه ۲ · هفته ۷ تا ۸
    تحقیق، تصمیم و خروجی حرفه‌ای

    تحقیق سریع و قابل‌اعتماد، مقایسه‌ی گزینه‌ها، تبدیل یافته‌ها به گزارش و ارائه. اینجا دو مهارت اضافه می‌شود: جست‌وجوی هوشمند با ارجاع، و ساخت خروجی نهایی (سند، اسلاید، خلاصه‌ی مدیریتی) بدون اینکه ساعت‌ها روی قالب‌بندی وقت بگذاری.

    خروجی: یک گزارش یا ارائه‌ی کامل که از تحقیق تا اسلاید نهایی زیر یک ساعت آماده شده.
  4. ماه ۳ · هفته ۹ تا ۱۲
    اتوماسیون شخصی سبک

    آخرین گام: کارهایی که هر هفته تکرار می‌شوند را از حالت «هر بار دستی انجام می‌دهم» به «یک بار ساختم، خودش انجام می‌شود» ببر. خلاصه‌ی ایمیل‌ها، مرتب‌کردن فایل‌ها، تهیه‌ی گزارش هفتگی. لازم نیست پیچیده باشد؛ سه اتوماسیون ساده بیشتر از ده اتوماسیون نیمه‌کاره ارزش دارد.

    خروجی: سه اتوماسیون فعال + اندازه‌گیری واقعی زمان صرفه‌جویی‌شده.

چک‌لیست مسیر کاربر عمومی

۰ از ۵ مورد انجام شده

ویدیوهای این مسیر را به‌ترتیب و کامل در کانال یوتیوب می‌بینی.

رفتن به کانال
مسیر ۰۲

مسیر ۲ — یادگیری هوش مصنوعی برای تولیدکننده محتوا و کریتور

برای یوتیوبر، اینستاگرامر، پادکستر، بلاگر و هر کسی که کارش تولید منظم محتواست.

مدت: ۳ تا ۶ ماه روزانه: ۴۵ تا ۹۰ دقیقه نیاز به کد: ندارد خروجی: پایپ‌لاین تولید محتوا

اشتباه بزرگ کریتورها این است که AI را ابزار «ساخت» می‌بینند، در حالی که بیشترین بردش در «فرآیند» است. یک کریتور تنها، با پایپ‌لاین درست، می‌تواند خروجی یک تیم سه‌نفره را بدهد — نه چون AI بهتر از او می‌سازد، بلکه چون گلوگاه‌های بین مراحل حذف می‌شوند.

  1. ماه ۱
    پایه + ایده‌پردازی و اسکریپت

    پایه‌ی مشترک، به‌علاوه‌ی دو مهارت اختصاصی: تولید ایده بر اساس داده‌های واقعی مخاطب (نه حدس)، و نوشتن اسکریپتی که ساختار نگه‌دارنده داشته باشد. اینجا یاد می‌گیری AI را با لحن و سبک خودت تنظیم کنی تا خروجی «مصنوعی» نباشد.

    خروجی: یک بانک ۳۰ ایده‌ای + قالب اسکریپت اختصاصی با لحن خودت.
  2. ماه ۲
    تصویر، تامبنیل و هویت بصری

    تامبنیل مهم‌ترین دارایی بصری یک کریتور است؛ نرخ کلیک مستقیماً به آن وابسته است. این ماه روی پرامپت‌نویسی تصویری، ساخت کاراکتر و سبک ثابت، و تولید سریع نسخه‌های مختلف برای تست کار می‌کنی. هدف: هویت بصری یکدست، نه تصاویر پراکنده‌ی قشنگ.

    خروجی: سیستم تامبنیل با سبک ثابت + توانایی ساخت سه نسخه در کمتر از ۱۵ دقیقه.
  3. ماه ۳
    ویدیو، موشن و صدا

    تولید ویدیوی کوتاه، موشن‌گرافیک، انیمیشن و صداگذاری. نکته‌ی مهم: هدف جایگزینی تدوین نیست، حذف کارهای کم‌ارزش تدوین است — زیرنویس، بریدن سکوت‌ها، ساخت نسخه‌ی عمودی، تولید بی‌راهه‌های تصویری.

    خروجی: یک ویدیوی کامل که ۶۰٪ مراحل تولیدش با AI انجام شده.
  4. ماه ۴
    ساخت پایپ‌لاین: از ایده تا انتشار

    مهم‌ترین ماه این مسیر. تا الان مهارت جدا یاد گرفتی؛ حالا آن‌ها را به یک زنجیره وصل می‌کنی: ایده → اسکریپت → تصویر → ویدیو → عنوان و توضیحات → انتشار در چند پلتفرم. جایی که بیشترین زمان آزاد می‌شود، همین اتصال‌هاست، نه خود مراحل.

    خروجی: یک فرآیند مکتوب که هر قدمش مشخص است و می‌توانی به یک دستیار بسپاری.
  5. ماه ۵ تا ۶
    سئو، توزیع و درآمد

    محتوای خوبی که دیده نشود، وجود ندارد. این دو ماه روی دیده‌شدن کار می‌کنی: سئوی محتوا، بهینه‌سازی برای موتورهای جست‌وجوی هوش مصنوعی، و تبدیل مخاطب به درآمد. یک نکته‌ی مهم: بازدید و سابسکرایبر فقط سیگنال هستند؛ عدد واقعی، تعداد آدم‌هایی است که از کانال به سمت محصول یا خدمت تو حرکت می‌کنند.

    خروجی: حداقل یک مسیر درآمدی فعال + یک سیستم اندازه‌گیری تبدیل.

چک‌لیست مسیر سازنده و کریتور

۰ از ۶ مورد انجام شده

ویدیوهای تصویر، ویدیو و پایپ‌لاین محتوا را در کانال دنبال کن.

رفتن به کانال
مسیر ۰۳

مسیر ۳ — کسب درآمد از هوش مصنوعی به‌عنوان فریلنسر

برای کسی که می‌خواهد از مهارت AI درآمد پروژه‌ای بسازد، بدون ساختن محصول خودش.

مدت: ۳ تا ۶ ماه روزانه: ۱ تا ۲ ساعت نیاز به کد: کم‌کد خروجی: یک خدمت قابل فروش

مهم‌ترین قانون این مسیر: تو مهارت نمی‌فروشی، نتیجه می‌فروشی. هیچ مشتری‌ای برای «بلد بودن n8n» پول نمی‌دهد؛ برای «کاهش زمان پاسخ به مشتری از ۴ ساعت به ۵ دقیقه» پول می‌دهد. کل این مسیر روی همین یک جمله ساخته شده.

  1. ماه ۱
    پایه + انتخاب یک تخصص عمودی

    بزرگ‌ترین اشتباه فریلنسرهای تازه‌کار: «هر کاری با AI انجام می‌دهم». این جمله یعنی هیچ کاری. یکی را انتخاب کن: اتوماسیون فرآیند، تولید محتوا، ساخت وب‌سایت، یا دستیار پشتیبانی. تخصص باریک، قیمت بالاتر و فروش آسان‌تر می‌آورد.

    خروجی: یک جمله‌ی مشخص: «من برای [این نوع کسب‌وکار] [این مشکل] را حل می‌کنم.»
  2. ماه ۲
    ساخت اتوماسیون‌های قابل تحویل

    اینجا وارد کار فنیِ سبک می‌شوی. اتوماسیون واقعی یعنی چیزی که بدون حضور تو کار کند، خطا را مدیریت کند و قابل تحویل به مشتری باشد. تفاوت یک فریلنسر ۵۰۰ هزار تومانی با ۵ میلیونی، دقیقاً در همین «قابل تحویل بودن» است.

    خروجی: سه اتوماسیون آماده که هرکدام یک مشکل مشخص کسب‌وکار را حل می‌کنند.
  3. ماه ۳
    ساخت وب‌سایت و اپلیکیشن بدون کد

    این مهارت، سبد خدماتت را دوبرابر می‌کند. با ابزارهای امروزی می‌توانی سایت شرکتی، لندینگ‌پیج و حتی اپلیکیشن ساده بسازی و منتشر کنی. برای مشتری کوچک، این پرتقاضاترین خدمت است — و ورودی خوبی برای فروش اتوماسیون در مرحله‌ی بعد.

    خروجی: دو سایت واقعی منتشرشده (حتی اگر پروژه‌ی شخصی باشند).
  4. ماه ۴
    نمونه‌کار، قیمت‌گذاری و پیشنهاد

    نمونه‌کار فریلنسر AI با نمونه‌کار گرافیست فرق دارد: باید قبل و بعد را نشان بدهد، با عدد. «این فرآیند ۳ ساعت طول می‌کشید، الان ۱۰ دقیقه». قیمت‌گذاری را هم بر اساس ارزش صرفه‌جویی‌شده انجام بده، نه ساعت کاری خودت.

    خروجی: صفحه‌ی نمونه‌کار با سه مطالعه‌ی موردی عددی + یک قالب پیشنهاد قیمت.
  5. ماه ۵ تا ۶
    مشتری اول تا قرارداد ماهانه

    آخرین مرحله، فروش است. با یک پروژه‌ی کوچک و کم‌ریسک شروع کن، خوب تحویل بده، و بعد پیشنهاد نگهداری ماهانه بده. درآمد پایدار فریلنسر AI از پروژه‌های یک‌باره نمی‌آید؛ از قراردادهای نگهداری و بهبود مستمر می‌آید.

    خروجی: اولین مشتری پولی + یک پیشنهاد قرارداد ماهانه‌ی ارائه‌شده.

چک‌لیست مسیر فریلنسر

۰ از ۶ مورد انجام شده

آموزش‌های n8n، اتوماسیون و ساخت سایت به‌صورت سری کامل در کانال هست.

رفتن به کانال
مسیر ۰۴

مسیر ۴ — هوش مصنوعی برای کسب‌وکار: خودکارسازی فرآیندها

برای کسی که کسب‌وکار فعال و تیم دارد و می‌خواهد فرآیندها را سبک‌تر و سریع‌تر کند.

مدت: ۲ تا ۴ ماه هفتگی: ۴ تا ۶ ساعت نیاز به کد: کم‌کد خروجی: ۳ فرآیند خودکار

این مسیر با بقیه یک تفاوت اساسی دارد: تو لازم نیست همه‌ی این کارها را خودت انجام بدهی. کاری که باید خودت انجام بدهی، تشخیص درست گلوگاه‌هاست. اجرای فنی را می‌شود سپرد؛ تشخیص را نه.

  1. ماه ۱ · هفته ۱ تا ۲
    نقشه‌برداری از فرآیندها

    قبل از هر ابزاری، فهرست کن که در کسب‌وکارت چه کارهایی هر هفته تکرار می‌شوند، هرکدام چقدر وقت می‌گیرند و چقدر خطا دارند. سه مورد را انتخاب کن که بیشترین وقت را می‌گیرند و کمترین قضاوت انسانی را لازم دارند. این سه، نقطه‌ی شروع تو هستند.

    خروجی: جدول فرآیندها با ستون «ساعت در هفته» و انتخاب سه گلوگاه اصلی.
  2. ماه ۱ · هفته ۳ تا ۴
    خودکارسازی پشتیبانی و پاسخ‌گویی

    معمولاً بزرگ‌ترین برد سریع همین‌جاست. یک دستیار که سوالات تکراری مشتریان را جواب بدهد و فقط موارد پیچیده را به آدم برساند. نکته‌ی حیاتی: از روز اول یک مسیر ارجاع به انسان بگذار — دستیاری که نمی‌داند کِی باید کنار بکشد، به برندت آسیب می‌زند.

    خروجی: یک دستیار پاسخ‌گو با مسیر ارجاع به انسان، فعال روی یک کانال ارتباطی.
  3. ماه ۲
    داده، گزارش و تصمیم

    اکثر کسب‌وکارهای کوچک داده دارند ولی گزارش ندارند. این ماه، جریان داده‌ات را به گزارش‌های خودکار تبدیل می‌کنی: فروش هفتگی، عملکرد کانال‌ها، رفتار مشتری. هدف این نیست که نمودار قشنگ داشته باشی؛ این است که هر دوشنبه صبح سه عدد را ببینی و یک تصمیم بگیری.

    خروجی: یک گزارش خودکار هفتگی که بدون دخالت دستی ساخته و ارسال می‌شود.
  4. ماه ۳
    بازاریابی، محتوا و دیده‌شدن

    حالا که وقت آزاد شده، آن را صرف رشد کن. تولید محتوای منظم، سئوی سایت، و مهم‌تر از همه در ۲۰۲۶: بهینه‌سازی برای موتورهای جست‌وجوی هوش مصنوعی. مشتری‌های آینده‌ات به‌جای گوگل، از دستیارهای AI سوال می‌پرسند؛ باید در جواب آن‌ها حضور داشته باشی.

    خروجی: یک تقویم محتوایی فعال + سایت بهینه‌شده برای جست‌وجوی سنتی و AI.
  5. ماه ۴
    اندازه‌گیری بازگشت سرمایه و آموزش تیم

    آخرین قدم که اکثراً حذفش می‌کنند: ثابت کن که این کارها ارزش داشته. ساعت‌های آزادشده، خطاهای کم‌شده، فروش بیشتر. بعد همین را به تیمت آموزش بده — چون اتوماسیونی که فقط تو بلدی، یک نقطه‌ی شکست است نه یک دارایی.

    خروجی: گزارش ROI + مستند آموزشی برای تیم روی سه فرآیند خودکارشده.
هشدار مخصوص صاحبان کسب‌وکار
هرگز فرآیندی را که هنوز مکتوب نیست، خودکار نکن. اتوماسیونِ یک فرآیند آشفته، فقط آشفتگی را سریع‌تر می‌کند. اول روی کاغذ بنویسش، بعد ساده‌اش کن، بعد خودکارش کن.

چک‌لیست مسیر صاحب کسب‌وکار

۰ از ۵ مورد انجام شده

آموزش‌های اتوماسیون کسب‌وکار و دستیار پشتیبانی را در کانال ببین.

رفتن به کانال
مسیر ۰۵

مسیر ۵ — راه‌اندازی کسب‌وکار تک‌نفره با هوش مصنوعی

برای کسی که می‌خواهد به‌تنهایی یک محصول یا سرویس بسازد، منتشر کند و بفروشد.

مدت: ۴ تا ۸ ماه روزانه: ۱ تا ۲ ساعت نیاز به کد: کم‌کد تا متوسط خروجی: محصول منتشرشده + مشتری

چیزی که تا چند سال پیش یک تیم پنج‌نفره لازم داشت، امروز یک نفر با ابزار درست انجام می‌دهد. اما یک تله هست: توانایی ساختن، خیلی جلوتر از توانایی فروختن رفته است. برای همین این مسیر عمداً فروش را زودتر از تکمیل محصول می‌آورد.

  1. ماه ۱
    پایه + پیدا کردن یک مشکل واقعی

    ایده از آسمان نمی‌آید؛ از شکایت آدم‌ها می‌آید. جایی برو که مخاطبت غر می‌زند — گروه‌ها، کامنت‌ها، انجمن‌ها — و ده مشکل تکرارشونده را یادداشت کن. یکی را انتخاب کن که خودت هم بهش نزدیک باشی. نزدیکی به مسئله، مزیت رقابتی‌ات است.

    خروجی: یک مشکل مشخص + پنج نفر واقعی که آن مشکل را تایید کرده‌اند.
  2. ماه ۲
    ساخت نسخه‌ی اولیه با AI

    حالا با کمک ابزارهای کدنویسی هوشمند، نسخه‌ی اول را می‌سازی. قانون این ماه: کمترین چیزی که مشکل را حل کند. نه ورود کاربر پیچیده، نه پنل مدیریت، نه ده تا قابلیت. یک صفحه که یک کار را درست انجام می‌دهد.

    خروجی: یک نسخه‌ی کارکننده که می‌توانی به کسی نشانش بدهی.
  3. ماه ۳
    انتشار روی هاست و دامنه‌ی واقعی

    تفاوت پروژه و محصول در یک چیز است: آدرس اینترنتی. تا وقتی روی کامپیوتر خودت است، پروژه است. این ماه یاد می‌گیری هاست بگیری، دامنه وصل کنی، و منتشر کنی. این مرحله معمولاً کمتر از یک روز طول می‌کشد ولی ماه‌ها به تعویق می‌افتد.

    خروجی: محصول زنده روی یک دامنه‌ی واقعی که هر کسی می‌تواند بازش کند.
  4. ماه ۴
    اولین فروش و بازخورد واقعی

    اینجا حقیقت مشخص می‌شود. اولین فروش — حتی یک فروش کوچک — بیشتر از صد نظرسنجی به تو اطلاعات می‌دهد. بازخورد کاربر واقعی را جمع کن، ولی مراقب باش: به حرف کسی که پول نداده، وزن زیاد نده.

    خروجی: اولین فروش + فهرست سه بهبود که مشتری واقعاً خواسته.
  5. ماه ۵ تا ۸
    تکرار، اتوماسیون و رشد

    حالا وارد چرخه می‌شوی: بهبود محصول، خودکارسازی کارهای پشتیبانی و بازاریابی، و جذب مشتری بیشتر. مهم‌ترین کاری که یک نفره باید انجام دهد این است که هر کار تکراری را قبل از اینکه ده بار انجامش بدهد، خودکار کند — وگرنه محصول رشد می‌کند و او خفه می‌شود.

    خروجی: درآمد تکرارشونده + حداقل سه فرآیند پشتیبانی و بازاریابی خودکار.

چک‌لیست مسیر کسب‌وکار تک‌نفره

۰ از ۶ مورد انجام شده

مسیر ساخت محصول با Claude Code و انتشار روی هاست، قدم‌به‌قدم در کانال هست.

رفتن به کانال
مسیر ۰۶

مسیر ۶ — نقشه راه مهندس هوش مصنوعی شدن در ۲۰۲۶

عمیق‌ترین مسیر این نقشه راه. برای کسی که می‌خواهد شغل فنی بگیرد یا سیستم‌های جدی بسازد.

مدت: ۶ تا ۱۸ ماه روزانه: ۱.۵ تا ۳ ساعت نیاز به کد: پایتون، جدی خروجی: سیستم پایدار در محیط واقعی

این مسیر طولانی‌ترین است، اما به‌اندازه‌ای که فکر می‌کنی ترسناک نیست. تفاوت اصلی مهندس AI با بقیه در «دانستن مدل‌ها» نیست؛ در توانایی ساختن سیستمی است که وقتی چیزی خراب شد، از پا نیفتد. بیشتر کار، مهندسی است نه هوش مصنوعی.

  1. ماه ۱ تا ۲
    پایتون و مبانی برنامه‌نویسی

    لازم نیست استاد پایتون شوی، لازم است روان باشی: ساختار داده، تابع، کلاس، کار با فایل و JSON، مدیریت خطا، و کار با API. اگر تازه شروع می‌کنی، این دو ماه را جدی بگیر — همه‌ی مراحل بعدی روی همین بنا می‌شود.

    خروجی: سه اسکریپت کاربردی که یک کار واقعی را انجام می‌دهند.
  2. ماه ۳ تا ۴
    کار با API مدل‌ها، RAG و جست‌وجوی معنایی

    اولین گام واقعاً تخصصی. کار مستقیم با API مدل‌ها، مدیریت context، و مهم‌تر از همه RAG: اینکه چطور به مدل اجازه بدهی روی داده‌های اختصاصی تو جواب بدهد بدون اینکه از خودش چیزی بسازد. embedding، پایگاه داده‌ی برداری، و chunking درست — این‌ها ابزارهای پایه‌ی هر سیستم جدی هستند.

    خروجی: یک سیستم پرسش‌وپاسخ روی مجموعه اسناد اختصاصی، با ارجاع به منبع.
  3. ماه ۵ تا ۶
    ایجنت، صدازدن ابزار و MCP

    اینجا از «مدلی که جواب می‌دهد» به «سیستمی که کار انجام می‌دهد» می‌رسی. ایجنت یعنی مدلی که می‌تواند ابزار صدا بزند، نتیجه را ببیند و تصمیم بعدی را بگیرد. مفاهیم کلیدی: tool calling، الگوی ReAct، و MCP به‌عنوان استاندارد اتصال ابزارها.

    خروجی: یک ایجنت که حداقل سه ابزار واقعی را صدا می‌زند و کار چندمرحله‌ای انجام می‌دهد.
  4. ماه ۷ تا ۹
    مهندسی حلقه، ارزیابی و پایداری

    اینجا مرز بین «یک نمونه‌ی جذاب» و «یک سیستم واقعی» است. طراحی حلقه‌ی ایجنت، شرط توقف، مدیریت شلوغی context، لایه‌ی محافظ برای خطاها، و از همه مهم‌تر: ارزیابی. بدون سیستم ارزیابی، نمی‌فهمی تغییری که دادی بهتر کرده یا بدتر — فقط حدس می‌زنی.

    خروجی: یک ایجنت با شرط توقف مشخص، مدیریت خطا و مجموعه‌ی تست ارزیابی.
  5. ماه ۱۰ تا ۱۲
    استقرار، مانیتورینگ و کنترل هزینه

    سیستمی که فقط روی لپ‌تاپ تو کار می‌کند، هنوز محصول نیست. این سه ماه روی راه‌اندازی در سرور، لاگ‌گیری، رصد خطاها، و مدیریت هزینه‌ی توکن کار می‌کنی. هزینه در سیستم‌های ایجنتی خیلی سریع از کنترل خارج می‌شود؛ کنترل آن یک مهارت مستقل است.

    خروجی: یک سرویس فعال با لاگ، مانیتورینگ و گزارش هزینه‌ی روزانه.
  6. ماه ۱۳ به بعد
    تخصص: مدل لوکال، چندایجنتی یا حوزه‌ی خاص

    حالا وقت عمیق‌شدن است. سه شاخه‌ی رایج: اجرای مدل‌های متن‌باز روی سخت‌افزار خودت (مهم برای حریم خصوصی و شرایط تحریم)، سیستم‌های چندایجنتی، یا تخصص در یک صنعت خاص. شاخه‌ی سوم معمولاً درآمد بیشتری می‌آورد چون رقابت کمتری دارد.

    خروجی: یک پروژه‌ی تخصصی که در رزومه یا نمونه‌کارت متمایزت کند.
ساده‌ترین شکل یک ایجنت — چیزی که در ماه ۵ می‌سازی
while not done:
    action = model.decide(history)   # تصمیم: چه کاری کنم؟
    result = execute(action)         # اجرا: ابزار را صدا بزن
    history.append(result)         # مشاهده را ثبت کن
    done = check_stop(history)      # آیا باید متوقف شویم؟

این چند خط، هسته‌ی هر ایجنت واقعی است. تمام سختی کار در جزئیاتی است که دور همین حلقه ساخته می‌شود — شرط توقف، مدیریت خطا و تمیز نگه‌داشتن اطلاعات.

چک‌لیست مسیر مهندس هوش مصنوعی

۰ از ۷ مورد انجام شده

آموزش‌های Claude Code، MCP، ایجنت و مدل‌های لوکال به‌صورت کامل در کانال هست.

رفتن به کانال
فصل ۱۱

مقایسه‌ی زمان و عمق مسیرها

یک نگاه به این نمودار، انتخاب را ساده می‌کند. محور، ماه است؛ بخش پررنگ‌تر ابتدای هر نوار، همان پایه‌ی مشترک ۳۰ روزه است که در همه مشترک است.

۰ ۴ ماه ۸ ماه ۱۲ ماه ۱۶ ماه . کاربر عمومی تا ۳ ماه · بدون کد سازنده و کریتور تا ۶ ماه · بدون کد فریلنسر تا ۶ ماه · کم‌کد صاحب کسب‌وکار تا ۴ ماه · کم‌کد کسب‌وکار تک‌نفره تا ۸ ماه · کم‌کد تا متوسط مهندس هوش مصنوعی — تا ۱۸ ماه · برنامه‌نویسی پایه‌ی مشترک ۳۰ روزه (در همه‌ی مسیرها یکسان)
مدت تقریبی هر مسیر تا رسیدن به خروجی نهایی. بخش سبز ابتدای هر نوار، همان ۳۰ روز پایه‌ی مشترک است.
این اعداد قانون نیستند
زمان‌بندی‌ها بر اساس تمرین مستمر روزانه تخمین زده شده‌اند. اگر روزی دو برابر وقت بگذاری، مسیر نصف نمی‌شود — چون بخشی از یادگیری به تکرار در طول زمان نیاز دارد، نه به فشردن ساعت‌ها. اما اگر هفته‌ای یک بار سراغش بروی، مسیر سه برابر می‌شود.
خلاصه: پنج مسیر از شش مسیر زیر ۸ ماه به خروجی می‌رسند و به برنامه‌نویسی جدی نیاز ندارند.
فصل ۱۲

چرخه‌ی یادگیری که واقعاً جواب می‌دهد

مهم نیست کدام مسیر را انتخاب کرده‌ای؛ روش پیشروی در همه یکی است. یادگیری خطی («اول همه‌چیز را یاد بگیرم، بعد استفاده کنم») تقریباً همیشه شکست می‌خورد. چیزی که جواب می‌دهد یک چرخه‌ی کوتاه است.

چرخه‌ی ۷ روزه ۱ یک مهارت را انتخاب کن فقط یکی. نه سه تا، نه «کل این سری». حداکثر یک هفته زمان بگذار. ۲ همان هفته بسازش چیز کوچک ولی واقعی و تمام‌شده. تمرین خیالی حساب نمی‌شود. ۳ بگذار خراب شود جایی که گیر می‌کنی، همان جایی است که یادگیری واقعی اتفاق می‌افتد. ۴ اصلاح و ثبت کن یک خط بنویس چه چیزی نمی‌دانستی. این یادداشت‌ها نقشه‌ی واقعی تو هستند. هر چرخه: ۷ روز · هر مسیر: ۱۲ تا ۷۸ چرخه
چرخه‌ی هفت‌روزه‌ی یادگیری: انتخاب یک مهارت، ساخت یک چیز واقعی، مواجهه با شکست، و ثبت آنچه یاد گرفته‌ای.

چرا این چرخه کار می‌کند؟

چون بازخورد را نزدیک می‌کند. وقتی بین یادگیری و استفاده سه ماه فاصله بیفتد، مغز چیزی را که یاد گرفته دور می‌ریزد چون سیگنالی نگرفته که به دردی خورده. اما وقتی همان هفته چیزی می‌سازی و می‌بینی کجا کم آورده‌ای، آن شکاف دقیقاً همان چیزی است که باید بعدش یاد بگیری — و دیگر لازم نیست حدس بزنی.

تمرین: اولین چرخه‌ی خودت را همین امروز شروع کن
  1. از مسیری که انتخاب کردی، اولین قدم را بردار.
  2. یک خروجی کوچک برای این هفته تعریف کن که بشود نشانش داد.
  3. یک ددلاین واقعی بگذار — تاریخ مشخص، نه «تا آخر هفته».
  4. بعد از تمام‌شدن، در سه خط بنویس چه چیزی را نمی‌دانستی.
خلاصه: یک مهارت، یک هفته، یک خروجی واقعی. تکرار همین چرخه، کل نقشه راه را طی می‌کند.
فصل ۱۳

۷ اشتباه رایج که مسیر را دو برابر می‌کند

این‌ها اشتباهاتی هستند که تقریباً همه مرتکب می‌شوند. اگر فقط همین بخش را جدی بگیری، ماه‌ها صرفه‌جویی کرده‌ای.

۱. دنبال کردن هر ابزار جدید

هر هفته یک ابزار جدید می‌آید و هر بار حس می‌کنی داری عقب می‌مانی. واقعیت این است که ۹۰٪ آن‌ها ظرف شش ماه فراموش می‌شوند. قاعده‌ی ساده: ابزار جدید را فقط وقتی امتحان کن که ابزار فعلی‌ات در یک کار مشخص کم آورده باشد.

۲. یادگیری بدون پروژه

تماشای ویدیو حس پیشرفت می‌دهد بدون اینکه پیشرفتی باشد. اگر بعد از هر جلسه‌ی آموزشی چیزی نساخته‌ای، آن جلسه هنوز تمام نشده.

۳. شروع از سخت‌ترین نقطه

خیلی‌ها روز اول می‌روند سراغ ساخت ایجنت پیچیده یا فاین‌تیون مدل. نتیجه: سه هفته گیر کردن و بعد رها کردن. از کمترین حالت ممکن شروع کن و فقط وقتی لایه اضافه کن که واقعاً به آن نیاز داری.

۴. اعتماد کامل به خروجی مدل

مدل‌ها با اطمینان کامل اشتباه می‌کنند. هرچه در حوزه‌ای متخصص‌تر باشی، بیشتر متوجه می‌شوی چقدر جزئیات غلط تولید می‌شود. عادت کن هر خروجی مهم را با یک منبع دیگر چک کنی.

۵. نداشتن مسیر مشخص

همان چیزی که کل این مقاله درباره‌اش بود. بدون مقصد، هر آموزشی جذاب به نظر می‌رسد و هیچ‌کدام به جایی نمی‌رسد.

۶. مقایسه‌ی خودت با کسی که دو سال جلوتر است

آدمی که در شبکه‌های اجتماعی نتیجه‌ی درخشان نشان می‌دهد، صد شکست پشت آن دارد که نشان نداده. مقایسه‌ی درست، مقایسه با خودت در ماه گذشته است.

۷. نساختن دارایی

مهارت در ذهنت می‌ماند و به کسی نشان داده نمی‌شود. اما پروژه‌ی منتشرشده، مقاله، ویدیو یا ابزار — این‌ها دارایی‌اند که در خواب هم برایت کار می‌کنند. از همان ماه اول، هرچه یاد گرفتی را جایی منتشر کن.

خلاصه: بیشترین زمان از دست رفته، نه به‌خاطر یاد نگرفتن، بلکه به‌خاطر یاد گرفتنِ چیز اشتباه در زمان اشتباه است.
فصل ۱۴

سوالات پرتکرار

یادگیری هوش مصنوعی چقدر طول می‌کشد؟
بستگی به مقصدت دارد. برای استفاده‌ی روزمره و شغلی، ۳۰ تا ۹۰ روز. برای تولید محتوا یا فریلنسری، ۳ تا ۶ ماه. برای راه‌اندازی کسب‌وکار تک‌نفره، ۴ تا ۸ ماه. برای مهندس هوش مصنوعی شدن، معمولاً ۶ تا ۱۸ ماه کار مستمر. اما نکته‌ی مهم این است که اولین نتیجه‌ی محسوس در همه‌ی مسیرها ظرف چند هفته می‌آید، نه در پایان مسیر.
باید برنامه‌نویسی بلد باشم؟
برای پنج مسیر از شش مسیر، نه. فقط مسیر مهندس هوش مصنوعی به برنامه‌نویسی جدی نیاز دارد. مسیرهای فریلنسر و کسب‌وکار تک‌نفره به سطح «کم‌کد» نیاز دارند — یعنی باید بتوانی کد را بخوانی و تغییر بدهی، ولی لازم نیست از صفر بنویسی.
از کجای این نقشه راه شروع کنم؟
همه از پایه‌ی مشترک ۳۰ روزه شروع می‌کنند: مفاهیم پایه، پرامپت‌نویسی، انتخاب ابزار و یک پروژه‌ی کوچک واقعی. بعد از آن، مسیر تخصصی خودت را انتخاب می‌کنی. حتی اگر مطمئنی می‌خواهی مهندس AI شوی، این ۳۰ روز را رد نکن.
می‌شود بدون دانشگاه مهندس هوش مصنوعی شد؟
بله. روند فعلی بازار به سمت ارزیابی بر پایه‌ی نمونه‌کار و تجربه‌ی عملی حرکت کرده است. آنچه در مصاحبه‌ها تعیین‌کننده است، پروژه‌هایی است که ساخته‌ای و می‌توانی درباره‌ی تصمیم‌های فنی‌شان توضیح بدهی — نه مدرک.
روزی چند ساعت وقت بگذارم؟
برای مسیرهای غیرفنی روزی ۳۰ تا ۴۵ دقیقه کافی است. برای مسیر مهندسی و کسب‌وکار تک‌نفره، روزی ۱ تا ۲ ساعت واقع‌بینانه‌تر است. اما تداوم از حجم مهم‌تر است: روزی ۳۰ دقیقه در هفت روز، بسیار مؤثرتر از سه ساعت در یک روز است.
ابزارها هر چند ماه عوض می‌شوند، پس یادگیری‌ام بی‌فایده نیست؟
آنچه سریع عوض می‌شود، اسم ابزار است؛ نه مفاهیم. پرامپت‌نویسی، ارزیابی خروجی، طراحی فرآیند، و مدیریت اطلاعاتی که به مدل می‌دهی — این‌ها ثابت‌اند. اگر مفاهیم را یاد بگیری، ابزار جدید را در یک عصر یاد می‌گیری.
می‌توانم همزمان دو مسیر را بروم؟
توصیه نمی‌شود، مخصوصاً در سه ماه اول. اما مسیرها همپوشانی زیادی دارند: کسی که مسیر فریلنسر را تمام کند، بخش بزرگی از مسیر کسب‌وکار تک‌نفره را هم رفته است. اول یکی را تا خروجی قابل‌نمایش ببر، بعد شاخه بزن.
در ایران با محدودیت دسترسی چه کار کنم؟
دو راه عملی وجود دارد: استفاده از سرویس‌های واسط که دسترسی به مدل‌های مختلف را ساده می‌کنند، و اجرای مدل‌های متن‌باز روی سخت‌افزار خودت. راه دوم مزیت اضافه‌ای هم دارد: داده‌هایت جایی نمی‌رود و هزینه‌ی مصرفی نداری. در کانال یوتیوب چند آموزش کامل برای هر دو حالت هست.

هر مرحله‌ی این نقشه راه، یک ویدیوی کامل دارد

آموزش‌های قدم‌به‌قدم هر شش مسیر — از پرامپت‌نویسی و ابزارهای رایگان تا ساخت ایجنت و انتشار محصول — به‌صورت رایگان در کانال یوتیوب منتشر می‌شود. مسیرت را انتخاب کن و از اولین ویدیو شروع کن.

دیدن ویدیوهای کانال