نوآوری

به کجا می‌روم

باور دارم دههٔ آیندهٔ نرم‌افزار از آنِ تیم‌هایی است که با هوش مصنوعی به‌مثابهٔ یک روشِ مهندسیِ درجه‌یک می‌سازند — و از آنِ محصولاتی که در آن‌ها هوش مصنوعی خودِ رابط است، نه افزوده‌ای جانبی. این‌ها مسیرهایی‌اند که در Clever Initiative به‌سویشان می‌سازم.

اثبات‌شده

یک اظهارنامهٔ ثبت اختراع

فقط پیشرفته‌ترین دانشِ روز را به کار نمی‌گیرم؛ در شکل دادن به آن هم سهیم‌ام.

ثبت اختراع · هلند · ۲۰۲۵

یک سامانهٔ سلامتِ هوش‌مصنوعی‌محور

اظهارنامهٔ ثبت اختراعی که در سال ۲۰۲۵ در هلند برای یک سامانهٔ سلامتِ هوش‌مصنوعی‌محور ارائه شده است. جزئیاتش محرمانه است؛ اما اصلش همانی است که پشتِ هر چیزی که می‌سازم قرار دارد: هوشمندی‌ای که در هسته طراحی می‌شود، نه آن‌که در حاشیه افزوده شود.

مسیرهای پژوهش و توسعه

چهار ایده‌ای که می‌پرورانم

چهار مسیری که پژوهش و توسعهٔ آن‌ها را در Clever Initiative رهبری می‌کنم — هرکدام با رسیدن به بلوغ به‌صورت یک ماژول CleverInit عرضه می‌شود. این‌جا با مسئله‌ای که حل می‌کنند و اصلی که پشتشان است توصیف شده‌اند. هر چهار مورد در دست توسعه‌اند و هنوز منتشر نشده‌اند.

  • پژوهش و توسعه ۰۱در دست توسعه

    دستیار هوش مصنوعی برای عملیات کسب‌وکار

    مسئله
    اپراتورها پلتفرم‌های SaaS را از طریق داشبوردهای پرتراکم و تیکت‌های پشتیبانی اداره می‌کنند — کند، دستی و مستعد خطا.
    رویکرد
    دستیاری هوش‌مصنوعی‌محور و ابزاربه‌دست که پلتفرم را با زبان ساده اداره می‌کند — «این فاکتور را بنویس»، «چه کسی در ۳۰ روز گذشته پرداخت نکرده؟» — از راه فراخوانی‌های ابزارِ قابل‌ممیزی و با بررسی مجوز، با انتخاب ارائه‌دهنده برای هر سازمان و سقف‌های سخت‌گیرانهٔ هزینه.
    مزیت
    هر اقدامِ مهم، عملیاتی ممیزی‌شده و با بررسی مجوز است — ساخته‌شده برای صنایعِ تحت نظارت، نه یک چت‌بات در یک iframe.
  • پژوهش و توسعه ۰۲در دست توسعه

    تحلیل دادهٔ توکار برای SaaS

    مسئله
    بیشتر پلتفرم‌ها روی گنجی از دادهٔ رویداد نشسته‌اند اما داشبوردهایی عرضه می‌کنند که کسی نمی‌خواندشان — و یک ابزار BI جداگانه هزینه‌ای هنگفت دارد.
    رویکرد
    یک لایهٔ تحلیلِ نظرمند و آشنا با منطقِ SaaS که جریانِ رویدادِ خودِ پلتفرم را به داشبوردهای مدیریتی (MRR،‏ churn،‏ DSO)، گزارش‌های زمان‌بندی‌شده، هشدارهای ناهنجاری و روایت‌هایی به زبانِ ساده تبدیل می‌کند.
    مزیت
    یک ابزار BI با هزینهٔ ۲۵٬۰۰۰ یورو در سال را به چیزی فرومی‌کاهد که اپراتور واقعاً می‌خواند — و SaaS را به‌صورت پیش‌فرض می‌فهمد.
  • پژوهش و توسعه ۰۳در دست توسعه

    اتوماسیون گردش‌کارِ بی‌کُد

    مسئله
    کسب‌وکارها برای جابه‌جاییِ داده میان ابزارهایی که هم‌اکنون دارند، هزینهٔ سه اشتراکِ اتوماسیونِ بیرونی را می‌پردازند.
    رویکرد
    یک موتور اتوماسیونِ بصری و بادوام که بومیِ داده‌ها و رویدادهای خودِ پلتفرم است — محرک‌ها، کنش‌ها، شاخه‌ها، حلقه‌ها، تأییدهای انسانی و گام‌های هوش مصنوعی، با اجرای بادوام و نسخه‌بندی.
    مزیت
    یک موتورِ توکار جای پراکندگیِ Zapier/n8n را می‌گیرد، با دسترسیِ درجه‌یک به داده‌ای که آن را خودکار می‌کند.
  • پژوهش و توسعه ۰۴در دست توسعه

    پذیرشِ هوش‌مصنوعی‌محورِ پروژه — «Forge»

    مسئله
    قیفِ پیش‌از‌فروشِ نرم‌افزار سفارشی، کشاکشی ۸ تا ۲۰ ساعته از تماس‌ها، برآورد دامنه و پیشنهادهاست، پیش از آن‌که کسی چیزی بسازد.
    رویکرد
    درگاهی سلف‌سرویس که در آن بنیان‌گذار با یک عاملِ هوش مصنوعی گفت‌وگو می‌کند و با یک طرح کسب‌وکار، یک ارائهٔ جذب سرمایه و یک برنامهٔ پیاده‌سازیِ واقعی با دامنهٔ مشخص بیرون می‌آید.
    مزیت
    آن قیف را به یک بازبینیِ ۳۰ تا ۶۰ دقیقه‌ای فرومی‌کاهد — و هنگام تحویل، راهنماهای آموزشیِ انتقال را خودکار تولید می‌کند.

نخی که آن‌ها را به هم می‌پیوندد

هر یک از این‌ها هوش‌مصنوعی‌محور، قابل‌ممیزی و ساخته‌شده برای کسب‌وکارهای واقعی است — نه برای نمایش. در کنار هم، یک شیوهٔ ساختِ نرم‌افزار را توصیف می‌کنند: هوشمند به‌صورت پیش‌فرض، صادق دربارهٔ آنچه انجام می‌دهد و پاسخ‌گو در برابر هر اقدامی که می‌کند. این همان استانداردی است که در شیوهٔ کارم به‌کار می‌برم.

دیدگاه‌ها

نگاه من به هوش مصنوعی و حرفهٔ نرم‌افزار

یادداشت‌های کوتاهی که در LinkedIn دربارهٔ هوش مصنوعی، معماری و آنچه امروز برای مهندس نرم‌افزار بودن لازم است به اشتراک گذاشته‌ام.

  • پست LinkedIn

    «بستگی دارد.»

    معماری یعنی سبک‌سنگین کردن. ترجیح می‌دهم مسئله، محدودیت‌ها و تیم را بفهمم تا این‌که دنبال یک پاسخ قطعی بدوم.

    It’s the most grown-up answer a software engineer can give. … For what problem? Under what constraints? For which team? … Maybe that’s the shift that slowly turns an engineer into an architect. Chasing definitive answers less, and understanding the problem more.

    در LinkedIn ببینید
    • معماری
    • سبک‌سنگین کردن
    • مهندسی هوش مصنوعی
    • استخدام

    پست LinkedIn

    این را هوش مصنوعی نساخته!

    مصاحبهٔ استخدامی یک توسعه‌دهنده باید نشان دهد او چگونه با هوش مصنوعی کار می‌کند: نخستین پرامپت، شکستن هدف به مرحله‌هایی که در یک پنجرهٔ زمینه جا شوند، بازبینی و آزمودن کدِ تولیدشده با هوش مصنوعی، تشخیص ضدالگوها، ساختن یک چارچوب کنترلی (harness) پیرامون یک عامل، تفکر امنیتی در چارچوب OWASP و انضباط در مصرف توکن.

    • هوش مصنوعی
    • رهبری

    پست LinkedIn

    هوش مصنوعی می‌تواند کد بنویسد.

    هوش مصنوعی کد می‌نویسد، اما این مهارت‌های انسانیِ پیرامون آن‌اند — مشتری، قضاوت، رهبری — که یک مهندس را می‌سازند. آن‌ها را با هوش مصنوعی ترکیب کنید، و آیندهٔ این صنعت پیش روی شماست.

    • هوش مصنوعی
    • آیندهٔ نرم‌افزار

    پست LinkedIn

    ما آخرین نسل برنامه‌نویسان هستیم!

    برنامه‌نویسانِ آینده به‌جای برنامه‌نویسی، پرامپت خواهند نوشت — و شاید روزی به هستهٔ لینوکس همان‌طور نگاه کنند که ما به اهرام نگاه می‌کنیم.

بیایید بسازیم

در این حوزه چیزی می‌سازید، یا می‌خواهید بسازید؟

اگر مسیر شما هم همین است، خوشحال می‌شوم هم‌فکری کنیم — یا با هم بسازیمش.