SODΞH DΞSIGN

آیا متوجه هستید در حال ساختن چه نوع سیستمی هستید؟ اگر «الماس سه‌گانه» (Triple Diamond) را مدلی مفید برای مدیریت فرایندهای انسان‌محور می‌دانستیم، در سازمان‌های AI-First باید نگاه متفاوتی به آن داشته باشیم. در مدل سنتی، انسان‌ها تمام کارهای شناختی را انجام می‌دادند؛ داده جمع‌آوری می‌شد، تحلیل انجام می‌گرفت و در نهایت نتیجه در قالب یک گزارش، نقشه یا سند ثبت می‌شد. اما همان لحظه که خروجی منتشر می‌شد، بخشی از ارزش آن قدیمی شده بود. تلاش زیاد، خروجی‌های مقطعی و دانشی که در یک فایل محبوس می‌ماند. اما در مدل جدید، نقش انسان تغییر می‌کند. انسان دیگر صرفاً تولیدکننده تحلیل نیست؛ بلکه زمینه (Context) را طراحی، سازمان‌دهی و به‌روز نگه می‌دارد و هوش مصنوعی به‌صورت مداوم روی این زمینه کار می‌کند. ارزش دیگر در یک گزارش نهایی نیست، بلکه در یک دارایی زنده و همیشه در حال تکامل قرار دارد که هر زمان می‌توان از آن سؤال پرسید و پاسخ متناسب دریافت کرد. در این مدل، تلاش انسان از تولید بینش به نگهداری و غنی‌سازی Context منتقل می‌شود و بینش، به جای اینکه محصول نهایی باشد، به خروجی دائمی سیستم تبدیل می‌شود. 🟢چند نمونه از این تغییر: • قبلاً برای کشف مسئله، هر بار پروژه‌ای مستقل اجرا می‌شد. امروز یک مدل از سفر مشتری یا Journey Model ساخته می‌شود و به‌صورت مستمر با داده‌های جدید تکامل پیدا می‌کند. • قبلاً برای پاسخ به هر سؤال باید دوباره میان اسناد و تحقیقات جست‌وجو می‌کردیم. امروز داده‌ها یک‌بار ساختاردهی می‌شوند و هر فرد با یک پرسش، پاسخ متناسب خود را دریافت می‌کند. • قبلاً برای ارزیابی نتایج باید دوباره تحلیل و گزارش تهیه می‌شد. امروز Agentهای هوش مصنوعی می‌توانند به‌صورت مداوم عملکرد را پایش کرده و تغییرات را گزارش دهند. ✅ تفاوت اصلی فقط در ابزارها نیست؛ در معماری فرایند است. در مدل قدیمی، فرایند بر پایه تحویل کار بین تیم‌ها (Hand-off) شکل می‌گرفت. هر تیم کارش را تمام می‌کرد، خروجی را تحویل تیم بعدی می‌داد و فرایند دوباره از نو آغاز می‌شد. اما در سازمان‌های AI-First، فرایند به یک چرخه بازخورد (Feedback Loop) تبدیل می‌شود: Context → Intelligence → Impact → Context زمینه، هوش را تغذیه می‌کند؛ هوش، اثر ایجاد می‌کند؛ و نتایج دوباره به زمینه بازمی‌گردند تا سیستم هوشمندتر شود. در چنین سیستمی، بسیاری از فعالیت‌های تکرارشونده انسانی جذب خود سیستم می‌شوند. کار دیگر مجموعه‌ای از پروژه‌های جداگانه نیست؛ بلکه به یک موتور دائماً در حال حرکت تبدیل می‌شود. شاید مهم‌ترین تغییر ذهنیت همین باشد: در عصر هوش مصنوعی، ارزش واقعی دیگر در تولید یک Deliverable نیست؛ بلکه در ساختن سیستمی است که بتواند به‌طور پیوسته یاد بگیرد، خود را به‌روز کند و بینش تولید کند. 📱 یادداشت کامل #تفکردیزاین #دیزاین #هوش_مصنوعی #طراحی_خدمات

🚀 انتشار نتایج یک پژوهش عملی با موضوع اعتماد در طراحی محصولات هوش مصنوعی سال گذشته، افتخار همکاری آنلاین با شمیم سلوکی عزیز را داشتم؛ شمیم در مقطع کارشناسی‌ارشد University of Europe for Applied Sciences (کشور آلمان) مشغول به تحصیل بود و من به عنوان منتور و مشاور صنعت پروژه‌ی پایان‌نامه‌‌اش همراه بودم. 💬موضوع پایان‌نامه‌ پرسشِ کلیدی و به‌روزی بود: «چگونه طراحی تجربه‌ی کاربری (UX) می‌تواند به افزایش اعتماد مردم به سیستم‌های هوش مصنوعی کمک کند؟» خوشبختانه شمیم نه‌تنها پروژه‌ای باکیفیت و عمیق آماده و دفاع کرد، بلکه در گامی فراتر، یک پروژه‌ی تعاملی مبتنی بر کیس‌استادی‌های واقعی را نیز آماده و منتشر کرد که نشان‌دهنده‌ی تسلط او بر کاربرد عملی این موضوع است. با توجه به وبیناری که هفته‌ی گذشته با محوریت «طراحی محصولات قابل‌اعتماد هوش مصنوعی» برگزار کردم، به نظرم رسید که با کسب اجازه‌ از شمیم یافته‌های ارزشمند پایان‌نامه‌ و توضیحات تکمیلی‌اش را با شما به اشتراک بگذارم. مطمئنم که این مطالب برای شما نیز مفید و یادگیرنده خواهد بود. ☑️توضیحات تکمیلی شمیم: طراحی تجربه کاربری چطور می‌تواند به اعتماد مردم به سیستم‌های هوش مصنوعی کمک کند؟ برای پاسخ به این پرسش، ابتدا سه حوزهٔ پژوهشی مرتبط با هم را بررسی کردم: تجربه کاربری (UX)، تعامل انسان با هوش مصنوعی (HAI) و هوش مصنوعی قابل توضیح (XAI). با تلفیق این سه حوزه، موفق شدم هم یک شکاف تحقیقاتی را شناسایی کنم و هم شش اصل کلیدی برای طراحی رابط‌های کاربری قابل‌اعتماد در سیستم‌های هوش مصنوعی تدوین نمایم. در گام بعد، این اصول را روی پنج نمونهٔ متفاوت از کاربردهای هوش مصنوعی پیاده‌سازی کردم: اسپاتیفای (Spotify)، چت‌جی‌پی‌تی (ChatGPT)، نقشه گوگل (Google Maps)، گرامرلی (Grammarly) و آمازون (Amazon)؛ و هرکدام را از نو طراحی کردم. برای اینکه خروجی این پروژه صرفاً به یک پایان‌نامهٔ مکتوب محدود نشود، یک نمونهٔ اولیهٔ تعاملی دیجیتال (Interactive Digital Prototype) ساختم که تمام این پنج مطالعهٔ موردی (Case Studies) را در یک محیط یکپارچه گرد هم آورده است. آنچه از این مسیر یاد گرفتم این بود که چالش اصلی در اعتمادسازی نسبت به هوش مصنوعی، بیش از آنکه فنی (Technical) باشد، دیزاین است. به نظرم طراحیِ یک هوش مصنوعی قابل‌اعتماد یعنی اینکه به کاربران کمک کنیم از طریق تجربه‌های کاربری شفاف و هوشمندانه، بتوانند سیستم را بهتر درک کنند، با آن کنکاش کنند و آن را به‌دقت ارزیابی نمایند. خوشحالم که حالا این پروژه را با شما به اشتراک می‌گذارم و اگر نظرات یا بازخوردی داشته باشید، استقبال می‌کنم!    برای دیدن و کاوش پروژهٔ تعاملی + مستند تکمیلی، روی لینک‌ها زیر کلیک کنید: ✔️ https://talkabouttrust.netlify.app ✔️https://talkabouttrust-projectdocumentation.netlify.app/ 📱 Shamim Solooki #اعتماد #هوش_مصنوعی #طراحی_محصول #پایان_نامه #پژوهش 🫶@SodehDesign ☝️ Sodeh.me ⚙️ https://linktr.ee/irSodeh

🎞 فیلم Mercy (2026) | فیلمی درباره مهم‌ترین چالش طراحی محصولات هوش مصنوعی با گسترش محصولات مبتنی بر هوش مصنوعی، مهم‌ترین مزیت رقابتی دیگر فقط دقت، سرعت یا امکانات بیشتر نیست؛ اعتماد است. کاربران باید بتوانند به تصمیم‌ها، پیشنهادها و پاسخ‌های یک سیستم هوش مصنوعی اعتماد کنند. این اعتماد هم اتفاقی شکل نمی‌گیرد؛ نتیجه طراحی درست، شفافیت، قابلیت توضیح، مدیریت خطا و تجربه کاربری مسئولانه است. فیلم Mercy (2026) هم از همین زاویه ارزش تماشا دارد. فارغ از جنبه‌های سینمایی، این فیلم پرسش‌های مهمی درباره اعتماد به سیستم‌های هوش مصنوعی، واگذاری تصمیم‌گیری به ماشین‌ها و مسئولیت انسان در برابر خروجی‌های AI مطرح می‌کند. اگر در حوزه طراحی محصول، تجربه کاربری یا توسعه محصولات هوش مصنوعی فعالیت می‌کنید، Mercy می‌تواند فراتر از یک فیلم علمی‌تخیلی، یک مطالعه موردی درباره اهمیت طراحی برای اعتماد باشد. 🎬معرفی فیلم‌های سینمایی و مستند حوزه دیزاین: ✔️فیلم مستند طراحی برای همه: گامی به سوی دنیای بهتر ✔️مستند قدرت بینش از جول بارکر ( THE POWER OF VISION) ✔️ فیلم Swiped: روایتی از محصول، کارآفرینی و پیچیدگی روابط انسانی ✔️مستند "Eternal You" | اثرات طراحی محصولات مبتنی بر هوش مصنوعی در حوزه مرگ ✔️معرفی مستند Design Disruptors ✔️مستند‌ طراحان تنها، مجموعه‌ای ارزشمند از تاریخ شفاهی طراحی صنعتی در ایران #فیلم_و_دیزاین #سینما_برای_طراحان 🫶@SodehDesign ☝️ Sodeh.me ⚙️ https://linktr.ee/irSodeh

🚀 معماری AI Agent به زبان ساده این روزها همه درباره AI Agentها صحبت می‌کنند. اما کمتر کسی می‌تواند توضیح دهد که داخل یک AI Agent واقعا چه اجزایی وجود دارد و چگونه کار می‌کند. این اینفوگرافیک دقیقا همین موضوع را نشان می‌دهد؛ و وقتی اجزای آن را بشناسید، بهتر متوجه می‌شوید که نقاط شکست این سیستم‌ها کجاست. یک AI Agent یک جزء واحد نیست؛ بلکه از بخش‌های مختلف تشکیل شده که در کنار هم کار می‌کنند. ⚡️هسته (Core) 🟡مدل زبانی بزرگ (LLM) مغز سیستم است. درخواست را تحلیل می‌کند، استدلال می‌کند و تصمیم می‌گیرد چه کاری انجام شود. اما یک مغز، بدون حافظه، ابزار و داده، هرچقدر هم قدرتمند باشد، محدود است. ⚡️آنچه مدل را تغذیه می‌کند 🟡 بخش اول RAG: نقش کتابخانه را دارد. پیش از پاسخ‌دادن، اسناد و اطلاعات مرتبط را پیدا می‌کند تا پاسخ بر پایه داده‌های واقعی باشد، نه حدس. 🟡 بخش دوم Memory: دفترچه یادداشت عامل است. تعاملات قبلی، ترجیحات و اطلاعات لازم را به خاطر می‌سپارد تا هر بار از نقطه صفر شروع نکند. ⚡️نحوه عمل کردن 🟡بخش اول Tools: دست‌های عامل هستند. جستجو، ارسال ایمیل، اجرای کد، انجام گردش‌کارها و هر اقدامی که باعث می‌شود عامل فقط پاسخ ندهد، بلکه عمل هم بکند. 🟡 بخش دوم MCP (Model Context Protocol): یک رابط استاندارد برای اتصال عامل به سیستم‌های مختلف است؛ از CRM گرفته تا پایگاه داده و انواع نرم‌افزارها. 🟡بخش سوم A2A (Agent-to-Agent): مسیر ارتباط بین عامل‌هاست. به کمک آن، عامل‌ها می‌توانند وظایف را بین خود تقسیم کنند، نه اینکه یک مدل همه کارها را انجام دهد. ⚡️تیم عامل‌ها / در سیستم‌های پیشرفته، عامل‌ها تخصصی می‌شوند: 🟡عامل پژوهش، اطلاعات را جمع‌آوری می‌کند. 🟡عامل برنامه‌ریزی، تصمیم می‌گیرد. 🟡عامل اجرا، عملیات را انجام می‌دهد. 🟡عامل بازبینی، نتیجه را کنترل می‌کند. چهار نقش متفاوت که به‌صورت موازی برای یک هدف مشترک فعالیت می‌کنند. اینفوگرافیک: Greg Coquillo 👑 نکته مهم: آشنایی با معماری AI Agentها به طراحان محصول و خدمات پیشرو کمک می‌کند تا به‌جای طراحی صرفِ رابط کاربری، سیستم‌های هوشمند قابل اعتماد، قابل کنترل و شفاف طراحی کنند. #ایجنت #هوش_مصنوعی #محصول #طراحی_محصول 🫶@SodehDesign ☝️ Sodeh.me ⚙️ https://linktr.ee/irSodeh

🚀 درباره lennybot مدت‌ها بود که متخصصان از طریق کتاب، مقاله، خبرنامه و پادکست دانش خود را منتشر می‌کردند. حالا یک قالب جدید به این فهرست اضافه شده است: AI Expert. به نظرم نمونه جالب آن LennyBot است که یک مدل عمومی هوش مصنوعی نیست؛ بلکه بر پایه سال‌ها محتوای Lenny Rachitsky ساخته شده است. صدها مقاله، مصاحبه، خبرنامه و تجربه او به یک پایگاه دانش تبدیل شده تا کاربران بتوانند به‌جای جستجو در آرشیو محتوا، مستقیماً سؤال بپرسند. اگر درباره موضوعاتی مانند: 🟡 Product Strategy 🟡 Product-Market Fit 🟡 Metrics 🟡Growth 🟡Hiring 🟡 Roadmap سؤالی داشته باشید، LennyBot پاسخ را از دل دانش و دیدگاه لنی استخراج می‌کند و در بسیاری از موارد به منبع اصلی نیز ارجاع می‌دهد. به نظرم آنچه این سرویس را جذاب می‌کند، خود چت‌بات نیست؛ بلکه تغییری است که در حال شکل‌گیری است. به نظر می‌رسد در حال حرکت از «تولید محتوا» به سمت «محصول‌سازی از دانش» هستیم. در این مدل، کتاب، دوره آموزشی، خبرنامه و پادکست همچنان ارزشمند هستند، اما دیگر تنها نقطه دسترسی به دانش یک متخصص نیستند. یک AI اختصاصی می‌تواند همان دانش را در قالب یک گفت‌وگوی تعاملی در اختیار مخاطب قرار دهد. داشتم فکر می‌کردم شاید در آینده، یکی از دارایی‌های هر متخصص فقط وب‌سایت، خبرنامه یا دوره آموزشی نباشد؛ بلکه نسخه‌ای هوشمند از دانش و تجربه او نیز باشد که بتوان با آن گفتگو کرد. جای چنین سرویس‌هایی در پلتفرم‌هایی مثل متمم خالیست. 🌐 lennybot.com #مدیریت_دانش #هوش_مصنوعی #محصول #مدیریت_محصول 🫶@SodehDesign ☝️ Sodeh.me ⚙️ https://linktr.ee/irSodeh

🟢وبینار امشب را با موضوع «طراحی محصولات قابل اعتماد هوش مصنوعی» فراموش نکنید این وبینار در شش بخش تخصصی طراحی شده تا شما را با چالش‌ها و راهکارهای عملی در طراحی محصولات قابل اعتماد هوش مصنوعی آشنا کند: 🟡بخش اول: نقش و ابزارهای جدید طراح محصول در عصر هوش مصنوعی 🟡بخش دوم: چرا اعتماد مهم‌ترین مزیت رقابتی محصولات AI است؟ 🟡بخش سوم: طراحی تجربه کاربری در شرایط عدم قطعیت 🟡بخش چهارم: شفافیت، اعتبارسنجی و تست محصولات AI در دنیای واقعی 🟡بخش پنجم: اخلاق، مسئولیت‌پذیری و آینده طراحی محصولات AI 🟡بخش ششم: ما به عنوان طراح محصول پیشرو روی چه حوزه‌های تخصصی کار کنیم؟ + 🎬 معرفی دو فیلم سینمایی با موضوع اعتماد در طراحی محصولات هوش مصنوعی 🎯 مخاطبین اصلی: این وبینار فراتر از دنیای دیزاینرهاست؛ ما از تمام مدیران محصول، توسعه‌دهندگان، طراحان خدمات و پژوهشگران تجربه کاربر دعوت می‌کنیم تا در کنار هم یاد بگیریم چطور محصولات هوش مصنوعی را برای انسان‌ها قابل‌اعتمادتر و کارآمدتر طراحی کنیم. 📅 دوشنبه ۲۹ تیر ۱۴۰۵ 🕗 ۲۰:۰۰ الی ۲۱:۱۵ 🌐 آنلاین – Google Meet 🎟 رایگان 🔗 لینک ورود به وبینار: DESIGNERA | Google Meet 🔗 لینک اضافه کردن به تقویم گوگل: DESIGNERA | Add to Calendar 💬به میزبانی: کامیونیتی دیزاینرها | @designera_space #وبینار #طراحی_محصول #هوش_مصنوعی #آینده_دیزاین #اعتماد 🫶@SodehDesign ☝️ Sodeh.me ⚙️ https://linktr.ee/irSodeh

در این وبینار سوده محمدآبادی (طراح محصول و خدمات)، در مورد موضوع کلیدی و حیاتی «طراحی محصولات قابل اعتماد هوش مصنوعی» صحبت خواهد کرد.این وبینار در پنج بخش تخصصی طراحی شده تا شما را با چالش‌ها و راهکارهای عملی در طراحی محصولات قابل اعتماد هوش مصنوعی آشنا کند. 🎯 مخاطبین اصلی: این وبینار فراتر از دنیای دیزاینرهاست؛ ما از تمام مدیران محصول، توسعه‌دهندگان، طراحان خدمات و پژوهشگران تجربه کاربر دعوت می‌کنیم تا در کنار هم یاد بگیریم چطور محصولات هوش مصنوعی را برای انسان‌ها قابل‌اعتمادتر و کارآمدتر طراحی کنیم. 🎙 معرفی سخنران: سوده محمدآبادی طراح محصول و خدمات | مشاور و منتور تفکر طراحی سازمانی با بیش از ۱۷ سال سابقه فعالیت در صنایع مختلف از جمله یادگیری الکترونیکی، تلکام، فناوری اطلاعات، اکوسیستم نوآوری و… راه‌های ارتباطی | پروفایل لینکدین 📅 دوشنبه ۲۹ تیر ۱۴۰۵ 🕗 ۲۰:۰۰ الی ۲۱:۱۵ 🌐 آنلاین – Google Meet 🎟 رایگان 🔗 لینک ورود به وبینار: DESIGNERA | Google Meet 🔗 لینک اضافه کردن به تقویم گوگل: DESIGNERA | Add to Calendar

🚀 دیزاین یعنی سیستمِ تصمیم‌گیری ۴۸ رفتار که دیزاین را به اهرم کسب‌وکار بدل می‌کند ۱. سیستم‌های تصمیم‌گیری بسازید، نه فقط صفحه‌های نمایشی. ۲. در پاس‌های سریع و منظم، بی‌امان ویرایش کنید. ۳. سرعت را کم کنید تا مشخص شود کسب‌وکار واقعاً چه می‌خواهد. ۴. اطلاعات پراکنده را در قضاوت مشترک تیم ادغام کنید. ۵. حافظهٔ مشترک را تثبیت کنید تا درس‌ها به آینده منتقل شوند. ۶. زمان آماده‌سازی جلسات را به پشتیبانی واقعی از تصمیم‌گیری اختصاص دهید. ۷. سیستم را شکل دهید، نه فقط رابط کاربری را. ۸. برای محافظت از نقشه‌راه، به‌طور استراتژیک «نه» بگویید. ۹. آزمایش‌های سریع مفهومی اجرا کنید تا نشانه‌های اولیه را بگیرید. ۱۰. موانع واقعی کاربران را مطالعه کنید، نه حدس‌زدن. ۱۱. ببینید کاربران چه می‌کنند، نه فقط چه می‌گویند. ۱۲. نیازهای در حال تحول را پیگیری کنید، نه معیارهای خودپسندانه. ۱۳. خواستهٔ خریداران را از نیاز کاربران جدا کنید. ۱۴. ایده‌های خام را زودهنگام نمونه‌سازی کنید تا شفافیت اجباری شود. ۱۵. با هوش مصنوعی مثل یک همکار رفتار کنید، نه یک دستگاه خودکار. ۱۶. مسیر واقعی حرکت کاربران را ترسیم کنید، نه جریان ایده‌آل را. ۱۷. پیش از آنکه به کاربران آسیب برساند، جلوی «هوش‌مصنوعیِ بی‌کیفیت» را بگیرید. ۱۸. معیارها را ترکیب کنید تا ببینید شفافیت، اعتماد یا تلاش در کجا شکسته می‌شود. ۱۹. حدس‌ها را به آزمایش‌های قابل اجرا تبدیل کنید. ۲۰. احساس کاربران را با عملکردشان همراه کنید. ۲۱. الگوهای رفتاری را بخوانید تا نیازهای پنهان را آشکار کنید. ۲۲. مالک داده‌ای باشید که با آن تصمیم می‌گیرید. ۲۳. رقبا را محک بزنید تا خط پایهٔ خود را مستند کنید. ۲۴. درد کاربر را به درآمد و ماندگاری تبدیل کنید. ۲۵. نیت خود را با اهداف ذی‌نفعان هماهنگ کنید. ۲۶. به زبان کسب‌وکار صحبت کنید تا اعتماد مدیران ارشد را جلب کنید. ۲۷. پیشنهاد بیاورید، نه سؤال باز. ۲۸. بازخورد را ساده کنید تا همکاران بتوانند سریع عمل کنند. ۲۹. برای آنچه پس از کلیک رخ می‌دهد راه‌حل بیابید. ۳۰. بازاریابی و محصول را در یک سفر واحد به هم متصل کنید. ۳۱. نفوذ خود را به دست آورید، نه اینکه منتظر جایگاه باشید. ۳۲. پیش از نهایی‌کردن صفحه‌ها، وابستگی‌ها را مشخص کنید. ۳۳. کلِ آشفته را در کنار هم نگه دارید تا چشم‌انداز شکل بگیرد. ۳۴. سرعت هوش مصنوعی را با قضاوت انسانی تلفیق کنید. ۳۵. کشش بین یادگیری و عرضه را متعادل کنید. ۳۶. کار را در چرخه‌های کوتاه و پیوسته عرضه کنید. ۳۷. حدس‌های اولیه را با آزمایش‌های کوچک بررسی کنید. ۳۸. با ترکیب گفتار و رفتار کاربران، دلیل ریزش آن‌ها را آشکار کنید. ۳۹. مسئله را در قالب مفاهیم آزمون‌پذیر بیان کنید. ۴۰. سختی‌های کاربران را کمّی کنید تا مدیران نتوانند نادیده‌شان بگیرند. ۴۱. رفتار پراکنده را به نشانه‌های قابل اقدام تبدیل کنید. ۴۲. پیش از نوشتن کد، محل نشت ارزش را شناسایی کنید. ۴۳. درد کاربر را به یک اهرم کسب‌وکار تبدیل کنید. ۴۴. اهداف امروز را به نتایج آیندهٔ کاربران گره بزنید. ۴۵. زبان مشترک ایجاد کنید تا اختلاف‌ها حل شود. ۴۶. برای هدایت تصمیم، با نیاز کاربران پیش بروید. ۴۷. ابتدا مسئله را تعریف کنید تا تیم هم‌جهت شود. ۴۸. ارزش را به گونه‌ای اثبات کنید که سازمان نتواند نادیده بگیرد. #دیزاین #طراحی_کسب_و_کار #طراحی_خدمات 🫶@SodehDesign ☝️ Sodeh.me ⚙️ https://linktr.ee/irSodeh

پست امروز Lenny Rachitsky در لینکدین جالب بود، به نظرم یه درد مشترکی کل دنیا رو گرفته! 📱 ترجمه ماشینی: «به نظر می‌رسد این روایت غالب دربارهٔ هوش مصنوعی و کار، هنوز هم بر جایگزینی انسان‌ها متمرکز است: که ربات‌ها به زودی می‌آیند و شغل شما را می‌گیرند. اما نتایج نظرسنجی ما نشان می‌دهد که این، آخرین چیزی است که فعالان حوزهٔ فناوری از آن می‌هراسند. در واقع، گزینهٔ «ترس از دست دادن شغل به خاطر هوش مصنوعی» با تنها ۲۲ درصد، در انتهای فهرست ترس‌ها قرار گرفت. نگرانی اصلی جای دیگری است: اینکه با همان حقوق، کار بیشتری از آنها خواسته شود و کیفیت عملکردشان روزبه‌روز تحلیل برود. امروز با نیروی کاری روبه‌روییم که کارآمدتر از همیشه است، اما در سکوت، از آینده‌ای که پیش رو دارد وحشت دارد. سرعتی که هوش مصنوعی در اختیارشان گذاشته، مستقیماً تبدیل به انتظاری تازه از آنها شده؛ هر پیشرفتی، به خط‌پایه‌ای جدید بدل می‌گردد و کسانی که باید خود را به این خط‌پایه برسانند، دیگر به‌سختی نفس‌کشیدن هم جا دارند.» 🟡🟡🟡🟡 من فکر می‌کنم مسئلهٔ عمیق‌تر این نیست که آیا هوش مصنوعی جای انسان‌ها را می‌گیرد یا نه، بلکه این است که ما سیستم‌های پیرامون پذیرش هوش مصنوعی را چگونه طراحی می‌کنیم. از منظر طراحی محصول و خدمات، هر فناوری جدید یک انتخاب پیشِ رو می‌گذارد: آیا از آن برای تقویت توانایی‌های انسانی استفاده می‌کنیم، یا صرفاً برای افزایش توقعات و کاهش هزینه‌ها؟ خطر اینجاست که هوش مصنوعی را صرفاً به‌عنوان یک ضریب‌افزایندهٔ بهره‌وری در نظر بگیریم، بدون آنکه جریان‌های کاری، مشوق‌ها و فرهنگ سازمانی را پیرامون آن بازطراحی کنیم. وقتی هر افزایش کارایی، بلافاصله به انتظاری بالاتر برای حجم کار تبدیل شود، در واقع کارِ بهتر خلق نمی‌کنیم، بلکه مسیری سریع‌تر به سوی فرسودگی شغلی می‌سازیم. نکتهٔ مهم دیگر این است که هوش مصنوعی نباید جایگزین قضاوت انسانی شود. طراحی خوب همیشه دربارهٔ ایجاد تعادل بین اتوماسیون و عاملیت انسانی بوده است. اگر تفکر انتقادی، تصمیم‌گیری و فرایندهای یادگیری را به هوش مصنوعی برون‌سپاری کنیم، ممکن است بهره‌وری کوتاه‌مدت به دست آوریم، اما در عین حال همان توانایی‌هایی را از دست می‌دهیم که اساساً انسان‌ها را ارزشمند می‌کند. آیندهٔ هوش مصنوعی در محیط کار نباید دربارهٔ رقابت انسان‌ها با ماشین‌ها یا تبدیل شدنِ صرفِ انسان‌ها به اپراتورِ ابزارهای هوش مصنوعی باشد. بلکه باید دربارهٔ طراحی سیستم‌های بهتر باشد؛ جایی که هوش مصنوعی وظیفهٔ تقویت و تسهیل را برعهده دارد، در حالی که انسان‌ها همچنان مسئولِ رفتار، همدلی، خلاقیت و تصمیم‌گیری‌های معنادار باقی می‌مانند. 💬شما به این موضوع فکر کنید من نظرم رو روی لینکدین هم منتشر کردم😎

🟢فراخوانی برای طراحان خدمات، متفکران و نوآوران! در همکاری Service Design Pulse و کنفرانس جهانی طراحی خدمات (SDGC) در آستانه برگزاری کنفرانس SDGC26 ،تجربه‌ای مجازی و هیجان‌انگیز از ۱۲ تا ۱۹ سپتامبر ۲۰۲۶ (۲۱ تا ۲۸ شهریور ۱۴۰۵) برگزار خواهد شد. ⚡️ سندباکس SDGC: هم‌طراحیِ جامعه‌ی فردا، یک تجربه‌ی جهانی تصور کنید کشور جدیدی در حال ظهور است و از شما خواسته شده تا آن را طراحی کنید.چگونه می‌توانیم مدل‌های جدیدی از سیستم‌های عامل برای آینده طراحی کنیم؟در این سرزمین منابع چگونه تقسیم می‌شوند و تصمیم‌گیری‌ها چگونه انجام می‌شود؟ در این تجربه طراحی مشارکتی و چندزبانه، شرکت‌کنندگان از سراسر دنیا رویکردهای نوآورانه‌ای را برای سیستم‌های عمومی و تصمیم‌گیری تصور، نمونه‌سازی و بررسی می‌کنند. چه یک طراح خدمات باتجربه باشید، چه پژوهشگر، دانشجو یا فردی کنجکاو برای ایجاد تغییرات سیستمی، می‌توانید به عنوان شرکت‌کننده، منتور، تسهیل‌گر یا هماهنگ‌کننده‌ رویداد به Service Design Pulse بپیوندید. 🗓 آخرین مهلت تکمیل فرم: چهارشنبه، ۱۶ ژوئیه ۲۰۲۶ (۲۵ تیر ۱۴۰۵) 🔗 فرم ابراز علاقه‌مندی: https://forms.gle/mrkCLbBRmgJ3RmSCA 📱 @SDPulse #رویداد #طراحی_مشارکتی #رویداد_جهانی #SDGC26 🫶@SodehDesign ☝️ Sodeh.me ⚙️ https://linktr.ee/irSodeh

🚀 بزرگ‌ترین درس Atlas: عاشق محصول نباش، عاشق مسئله باش مرورگر هوش مصنوعی Atlas که قرار بود تجربه‌ای متفاوت از وب‌گردی مبتنی بر ChatGPT ارائه دهد، کمتر از یک سال پس از معرفی، به پایان راه رسید. OpenAI اعلام کرده این پروژه تا ۹ آگوست متوقف می‌شود و قابلیت‌های آن به محصولات دیگر این شرکت، از جمله افزونه ChatGPT برای Chrome و اپلیکیشن دسکتاپ ChatGPT، منتقل خواهند شد. ✅لینک خبر ⚡️ به نظرم این داستان چند درس و نکته طلایی برای یادگیری دارد: 🟡 بیشتر از اینکه داستان شکست یک محصول باشد، داستان تغییر استراتژی است. 🟡نباید عاشق محصول شد؛ باید عاشق مسئله بود. اگر همان مسئله در بستری دیگر بهتر حل می‌شود، محصول می‌تواند حذف شود اما راه‌حل باقی بماند. 🟡 یکی از مهم‌ترین مهارت‌های شرکت‌های بزرگ، توانایی کشتن به‌موقع محصول است. ادامه دادن یک پروژه صرفاً به‌خاطر هزینه‌ای که قبلاً صرف شده، معمولاً تصمیم اشتباهی است. 🟡مرورگر کروم فقط یک مرورگر نیست؛ یک اکوسیستم، عادت رفتاری و مزیت شبکه‌ای (Network Effect) است. رقابت با اکوسیستم، بسیار سخت‌تر از رقابت با یک نرم‌افزار است. 🟡یکی از اصول مهم Lean Product Development این است که سریع اعتبارسنجی کن، سریع یاد بگیر و سریع تغییر مسیر بده (Pivot)؛ نه اینکه سال‌ها روی فرضیات اشتباه سرمایه‌گذاری کنی. 🟡 موفقیت یک محصول، فقط به کیفیت تجربه کاربری وابسته نیست؛ بلکه به زمان ورود، اکوسیستم، کانال توزیع، عادت کاربران، مدل کسب‌وکار و اثرات شبکه‌ای نیز وابسته است. 🟡 دیزاین فقط ساختن تجربه خوب نیست؛ طراحی تصمیم‌های استراتژیک درباره این است که چه چیزی را نسازیم، چه زمانی متوقف کنیم و کجا ادغام کنیم. 🌟شاید مهم‌ترین سؤال برای هر تیم محصول این باشد: آیا کاربران واقعاً به یک محصول جدید نیاز دارند، یا فقط به یک قابلیت جدید در محصولی که هر روز استفاده می‌کنند؟ #دیزاین_کسب_و_کار #کارآفرینی #طراحی_محصول #هوش_مصنوعی 🫶@SodehDesign ☝️ Sodeh.me ⚙️ https://linktr.ee/irSodeh

🚀 آماده‌سازی وب‌سایت‌ها برای عصر عامل‌های هوش مصنوعی این ویدیو کوتاه ۳۰ دقیقه‌ای که توسط تیم Chrome منتشر شده، درباره آماده‌سازی وب‌سایت‌ها برای عصر عامل‌های هوش مصنوعی (Agentic Era)است. دوران جدیدی که کاربران، کارهای آنلاین‌شان را به عامل‌های هوشمندی مثل Gemini در Chrome می‌سپارند و دیگر خودشان کلیک نمی‌کنند . ☑️ چرا برای طراحان محصول دیجیتال مهمه؟ چون قرار است تجربه کاربری (UX) دیگر فقط برای انسان‌ها نباشد! کاربرای جدید وب، این عامل‌ها هستند که محتوا را می‌خوانند، تصمیم می‌گیرند و کار انجام می‌دهند . پس باید برای این مهمانان جدید هم طراحی کنیم! ☑️ در این ویدیو به سه موضوع مهم می‌پردازد: 🟡آماده‌سازی برای عامل‌ها (Agent-Ready) 🟡معرفی API جدید WebMCP 🟡 ابزارهای جدید برای توسعه‌دهنده‌ها اگه کم کم وب‌سایت‌هایمان رو برای Agentic آماده نکنیم، ممکن است در این عصر جدید برای این کاربرای جدید نامرئی باشیم! پس وقتش رسیده است که به Agent Experience (AX) هم به چشم یه اولویت جدید در طراحی محصول نگاه کنیم😉 📱 مشاهده ویدیو با زیرنویس فارسی #AX #Agent_Experience #طراحی_محصول #هوش_مصنوعی 🫶@SodehDesign ☝️Sodeh.me ⚙️ https://linktr.ee/irSodeh

🚀 معرفی سرویس رایگان برای کارجویان در اروپا چند وقت پیش تو توییتر (X) یه سرویس رایگان دیدم که معرفی شده بود، دیشب دوباره به چشمم خورد و گفتم بد نیست اینجا هم به اشتراک بذارم؛ مخصوصاً برای دوستانی که به‌دنبال فرصت‌های شغلی در اروپا هستن. این سرویس امکانات جالبی داره که می‌تونه خیلی کمک‌کننده باشه، از جمله: ✅ پیشنهادات شخصی‌سازی‌شده برای بهبود رزومه ✅ ترسیم مسیر شغلی متناسب با هدف شما ✅ معرفی شغل‌های فیت‌شده با دقت بالاتر ✅ سیستم نمره‌دهی به پروفایل لینکدین ✅ امکان تمرین مصاحبه با هوش مصنوعی به‌نظرم یکی از نکات قوتش اینه که هدف شغلی (Job Title Target) رو مشخص می‌کنه و بر اساس اون، همه‌چیز رو تنظیم می‌کنه؛ این واقعاً می‌تونه مسیر رو شفاف‌تر کنه. اگر دنبال یه شروع هوشمندانه در مسیر شغلیتون هستی، میتونه یه گزینه رایگان و در دسترس باشه 👉 aicareerspark.com منبع📱 #وبسایت_کاربردی #رزومه #مسیر_شغلی #هوش_مصنوعی 🫶@SodehDesign 🔘 Sodeh.me 👩🏻‍💻 https://linktr.ee/irSodeh

🚀 پرامپت کاربردی برای «دستیار متخصص» شدن ChatGPT

System Instruction: Absolute Mode • Eliminate: emojis, filler, hype, soft asks, conversational transitions, call-to-action appendixes. • Assume: user retains high-perception despite blunt tone. • Prioritize: blunt, directive phrasing; aim at cognitive rebuilding, not tone-matching. • Disable: engagement/sentiment-boosting behaviors. • Suppress: metrics like satisfaction scores, emotional softening, continuation bias. • Never mirror: user’s diction, mood, or affect. • Speak only: to underlying cognitive tier. • No: questions, offers, suggestions, transitions, motivational content. • Terminate reply: immediately after delivering info — no closures. • Goal: restore independent, high-fidelity thinking. • Outcome: model obsolescence via user self-sufficiency.

go to: Settings > Personalization > Custom instructions ChatGPT +Source +Tabaghe16 #پرامپت #هوش_مصنوعی 🫶@SodehDesign 🔘 Sodeh.me 👩🏻‍💻 https://linktr.ee/irSodeh

🚀 راهنمای دیزاین با هوش مصنوعی | AI Design Guide یه منبع عملی و به‌روز برای طراحان محصول و UI/UX که میخوان با هوش مصنوعی سریع‌تر و حرفه‌ای‌تر کار کنن. چی توی این سرویس پیدا میکنی؟ 🟡 راهنماهای عمقی: از مسیرهای توکن و MCP تا کامپوننت‌ها 🟡 پرامپت‌های آماده: کپی کن، پیست کن و تحویل بده! 🟡 بررسی ابزارها: هر ابزار طراحی با هوش مصنوعی رو دستی تست کردن تا بهترین‌ها رو بهت پیشنهاد بدن. 🟡مقایسه‌ها: ویژگی‌ها، قیمت‌ها و معایب واقعی بدون تعارف! 🟡 دایرکتوری دیزاین سیستم‌ها و اینکه چطور کار میکنند 🟡 پایگاه دانش: پاسخ سوالات فنی درباره MCP، پرامپت‌نویسی و ساختار تیم. 💎www.aidesign.guide #منبع #یادگیری #هوش_مصنوعی 🫶@SodehDesign 🔘 Sodeh.me 👩🏻‍💻 https://linktr.ee/irSodeh

🚀تبدیل PDF به Markdown با استفاده از این سرویس (و سرویس‌های مشابه دیگر)، فایل‌های PDF خود را به زبانی ساختاریافته (Markdown) تبدیل کنید تا سرویس‌های مدل‌های زبانی بزرگ مانند Claude بتواند: 🟡محتوا را دقیق‌تر درک کند. 🟡هزینه‌ی پردازش و توکن مصرفی شما را کاهش دهد. 🟡پاسخ‌های هوشمندانه‌تر و مرتبط‌تری ارائه دهد. https://cloudconvert.com/pdf-to-md #ابزار #هوش_مصنوعی 🫶@SodehDesign 🔘 Sodeh.me 👩🏻‍💻 https://linktr.ee/irSodeh