اگر به دنبال جایگاهی هستید که هم کدنویسی کند و هم استراتژی کسب‌وکار تعیین کند، پست‌های شغلی جدید در غول‌های هوش مصنوعی دقیقاً برای شما طراحی شده‌اند. طبق داده‌های منتشر شده در ژوئیه ۲۰۲۶، تقاضا برای نقش «مهندس استقرار» (Forward Deployed Engineer یا FDE) به شدت افزایش یافته و به یکی از رقابتی‌ترین و پردرآمدترین جایگاه‌های بخش هوش مصنوعی تبدیل شده است. این روند در واقع تکمیل‌کننده رشد ۴۰ درصدی تقاضا برای مهندسان هوش مصنوعی است که پیش‌تر فرصت‌های گسترده‌ای را برای توسعه‌دهندگان بک‌اند ایجاد کرد.
این تغییر مسیر زمانی رخ می‌دهد که آزمایشگاه‌های هوش مصنوعی از مرحله پژوهشی خارج شده و به دنبال استقرار ابزارها در محیط‌های سازمانی هستند. برای یک توسعه‌دهنده معمولی، نقش FDE شبیه به یک «آشپز خصوصی» است؛ کسی که نه تنها دستور پخت (کد) را می‌شناسد، بلکه در آشپزخانه مشتری می‌ماند تا مطمئن شود غذا دقیقاً همان‌طور که سفارش داده شده، روی میز می‌رسد. در واقع این نقش ترکیبی از مهندسی نرم‌افزار، مشاوره و مدیریت محصول است.
بر اساس بررسی منابع متعدد از تابلوهای استخدامی Greenhouse و Lever، سه شرکت اصلی ۲۵۰ مورد از ۲۹۲ موقعیت شغلی باز را به خود اختصاص داده‌اند:
- Palantir: ۹۵ نقش (غالباً با عنوان استراتژیست استقرار)
- Databricks: ۸۵ نقش
- OpenAI: ۷۰ نقش
شرکت‌های دیگری مانند Cohere، Scale AI و Baseten نیز در این لیست هستند. به نقل از داده‌های مربوط به ۴۰ نقش در آمریکا با حقوق اعلام‌شده، میانه حقوق سالانه بین ۱۹۷ هزار تا ۲۹۴ هزار دلار است. حتی در شرکت‌هایی مثل OpenAI و Sierra، مجموع بسته‌های دریافتی شامل سهام به ۳۹۰ هزار دلار رسیده است. این جذب گسترده نیروی متخصص در OpenAI همزمان با رشد خیره‌کننده تعداد کاربران ابزارهایی مانند Codex اتفاق می‌افتد که نیاز به استقرار سریع‌تر مدل‌ها در محیط‌های توسعه را دوچندان کرده است.
همان‌طور که در تحلیل‌های پیشین ما درباره چرخه تجاری مدل‌های زبانی اشاره کردیم، اکنون شاهد یک «شکاف فنی» در توصیف‌های شغلی هستیم. بررسی‌ها نشان می‌دهد ۹۸٪ این نقش‌ها مستقیماً با مشتری در ارتباط‌اند. در حالی که در شرح شغل روی پایتون و پلتفرم‌های ابری (AWS/GCP/Azure) تأکید شده، اما تنها در یک‌سوم آن‌ها به SQL یا الگوریتم‌ها اشاره شده است؛ در حالی که طبق گزارش‌ها، این موارد محور اصلی مصاحبه‌های فنی هستند.
این روند یعنی «استقرار» اکنون به اندازه «آموزش مدل» ارزش مالی دارد. صنعت در حال پاداش دادن به مهندسانی است که می‌توانند مدل‌های خام را به محصولات کاربردی تبدیل کنند. جالب این است که دیگر نیازی به ۱۵ سال سابقه کار نیست و ۶۲٪ این نقش‌ها برای متخصصان سطح متوسط (Mid-level) تعریف شده‌اند.
مسافت‌های سفر همچنان یک چالش است. طبق اعلام شرکت‌ها، نقش‌های میدانی OpenAI تا ۵۰٪ سفر می‌طلبند، در حالی که در Databricks این عدد بین ۱۵ تا ۲۵ درصد است.
گام بعدی شما
- اگر قصد اپلای برای این نقش‌ها را دارید، به جای تمرکز روی مفاهیم کلی، روی تمرینات Live Coding و SQL متمرکز شوید.
- تفاوت بین «توسعه محصول» و «استقرار محصول در سازمان» را در رزومه خود برجسته کنید.
- جزئیات کامل داده‌ها و نمودارها را در وب‌سایت rungcode.io بررسی کنید.
اما این حقوق‌های بالا تنها نیمی از داستان است؛ هزینه استنتاج در مقیاس سازمانی چه تاثیری بر سودآوری این شرکت‌ها دارد؟ تحلیل ما درباره بهینه‌سازی هزینه‌های GPU را بخوانید.
گفتگو