اگر امروز بخشی از درآمد شما به تخصصهای ابری وابسته است، باید بدانید که مدل تعریف موفقیت شغلی در سال ۲۰۲۶ تغییر کرده است. طبق راهنمایی که در ۸ ژوئن ۲۰۲۶ منتشر شد، تسلط بر هوش مصنوعی عاملمحور (Agentic AI) — شبیه تفاوت بین کسی که فقط دستور دادن به یک دستیار را بلد است با کسی که یک سازمان کامل از کارکنان دیجیتال را مدیریت میکند — اکنون ارزشمندترین مسیر یادگیری است.
این تحول در حالی رخ میدهد که کسبوکارها از چتباتهای ساده به سمت ارکستراسیون پیچیده هوش مصنوعی میروند. همانطور که در تحلیل قبلی ما دربارهی استفادهی مایکروسافت از دادههای وب برای آموزش مدلهای MAI اشاره کردیم، این شرکت اکنون تمرکز نیروی کار را روی اجرای این مدلها در مقیاس واقعی گذاشته است. برای یک برنامهنویس، این تغییر مثل عبور از مهارت استفاده از چکش به طراحی یک کارخانهی تمامخودکار است.
به نقل از مستندات جدید مایکروسافت، مسیرهای شغلی به چهار دستهی تخصصی تقسیم شدهاند:
- حرفه هوش مصنوعی: شروع با AI-900 و پیشرفت تا رسیدن به معمار راهکارهای تجاری هوش مصنوعی عاملمحور (AB-720).
- مهندسی ابر: مسیر سنتی AZ-900 $\rightarrow$ AZ-104 $\rightarrow$ AZ-305 برای متخصصان معماری.
- تحلیل داده: اولویت با مایکروسافت فابریک (Microsoft Fabric) از طریق گواهینامههای DP-600 و DP-700.
- امنیت سایبری: مسیر تخصصی منتهی به SC-100 برای معماران امنیت.
تحلیل ما نشان میدهد که هوش مصنوعی زاینده (Generative AI) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — دیگر صرفاً یک «ابزار» نیست، بلکه به «معماری کسبوکار» تبدیل شده است. با معرفی گواهینامهی AB-720، مایکروسافت بهجای برنامهنویس ساده، به دنبال «رهبران تحول» است. بنابراین، بیشترین premiums حقوقی از مدیریتهای عمومی به سمت کسانی میرود که اکوسیستمهای چندعاملی را طراحی میکنند.
گام بعدی شما
- شکاف مهارت خود را با پیشنیازهای گواهینامهی AB-720 تطبیق دهید.
- بررسی کنید آیا تجربهی شما در AI صرفاً در سطح مهندسی پرامپت (Prompt Engineering) — هنر سؤال درست پرسیدن — است یا به سطح معماری رسیدهاید.
- مسیر یادگیری Microsoft Fabric را برای یکپارچهسازی دادهها در اولویت قرار دهید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ برای درک زیرساختهای پشتیبان این مدارک، به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو