بهتر است زودتر جایگزین شویم.

نه توسط یک مدل.
توسط سیستمی که خودمان می‌سازیم.

از جلسه‌ی قبل، یک پله جلوتر

قبلاًHuman  →  AI  →  Output
امروزOrganization  →  AI  →  Action

از Chat به System

ما AI را استخدام نکرده‌ایم.

فقط اجازه داده‌ایم با ما Chat کند.

Chat Window
Jira
GitLab
Grafana
Docs
Tickets

اتصال‌هایی که هنوز ساخته نشده‌اند.

نیزه
ماشین
موتور
کامپیوتر
AI

جایگزینی = پیشرفت

اهرم بیشتر؛ تلاش فیزیکی کمتر.

اگر یک کار قابل جایگزینی است...

چرا باید از جایگزین شدنش ناراحت باشیم؟

«نمی‌خواهم از سربازی بیایم بیرون؛
اینجا بدنم مقاوم‌تر می‌شود.»

Busy ≠ Growth

چرخیدن دور خودمان، رشد نیست.

مشکل AI هوش نیست

Data.

Environment.

AI هم مثل نیروی جدید باید Onboard شود.

توانایی AICapability
انسان — تنها مسیر عبور
سیستم‌های سازمانSystems

Bottleneck = Us

ما Agent را منتظر خودمان نگه داشته‌ایم.

Undocumented Knowledge

= Organizational Debt

اگر انسان سخت Onboard می‌شود، Agent هم سخت Onboard می‌شود.

Documentation Testing Simulation Observability

دیگر کار جانبی نیستند.

این‌ها Interface بین Intelligence و System هستند.

اگر کل حرف امروز یک فرمول باشد

Data+دانش سیستم — Confluence، Jira، Incidentها، کد، Runbookها
Environment+محیط امن برای کار، بدون ترس از Production — Simulator، Staging
Skills+تجربه‌هایی که امروز در ذهن ماست — Encode شده و قابل استفاده‌ی مجدد
Tools+GitLab، Jira، Grafana، Telegram، Rocketchat، Confluence
Guardrails+مرزهای مجاز، Approval، Read-only، Rollback
Feedback+Test، CI، Metrics، Logs، Human Review

=  AI Worker

تقریباً همه قطعات همین الان وجود دارند

AIIntelligence
CI/CDFeedback Loop
JiraWork
GitLabAction
Telegram / RocketchatCommunication
GrafanaFeedback
ConfluenceKnowledge

قطعات هست؛ اتصال و ساختار نیست.

مثال اول — یک Ticket

تیکت می‌رسدTicket arrives
↓
دسته‌بندیClassify
↓
فهمِ سؤال و جست‌وجوی دانشUnderstand
↓
می‌دانمپاسخ مستند، همراه منبع
نمی‌دانمEscalate → انسان

هرجا سیستم می‌داند، انسان را صدا نکند؛ هرجا نمی‌داند، بداند که نمی‌داند.

مقیاس، بدون افزایش خطی انسان

مشتری‌ها Customers ↑
کار انسانی Human Work ≈

رشد مشتری → هزینه‌ی Compute، نه فرسودگی.

Intelligence دارد Commodity می‌شود

o1-pro Input $150 / 1M  ·  Output $600 / 1M
GPT-5.6 Luna Input $0.20 / 1M  ·  Output $1.20 / 1M

500×–750× ارزان‌تر

مقایسه قیمت توکن است؛ نه بنچمارک یک‌به‌یک توانایی. جهت حرکت مشخص است: توان بیشتر، هزینه کمتر.

منبع قیمت‌ها: OpenAI — Model Pricing

این آینده نیست — همین الان شروع شده

70%+Pull Requestها → Agentها
3,600+Agent Skill
30,000+اجرای Skill در روز

مهم فقط ۷۰٪ نیست؛ ۳,۶۰۰ Skill است — دانش سازمان، قابل مصرف برای Agent.

منبع: Uber Engineering — Efficient Software Factory, Aug 2026

کاری که ما در تیم CDN شروع می‌کنیم

Docs
Skills
Simulation
Observability
Agents

Voice → Investigate → Clarify → Simulate → Implement → Tests → MR → Approval

هدف: من باگ را توضیح می‌دهم؛ Agent تا Merge Request پیش می‌رود؛ کار من فقط Approve است.

چه کاری را AI نمی‌تواند انجام دهد؟

یک مثال واقعی از کار خودتان بگویید.

بعد از گفت‌وگو

چه چیزی کم است که AI نتواند این کار را بدون من انجام بدهد؟

اگر قرار است جایگزین شویم،
بهتر است کسی که ما را جایگزین می‌کند،
خودمان باشیم.

هدف ما نباید این باشد که با AI بیشتر کار کنیم.

هدف باید این باشد که کاری باقی نماند که لازم باشد خودمان انجام بدهیم.

۱ / ۲۱

→ بعدی  ·  ← قبلی  ·  N یادداشت  ·  F تمام‌صفحه