دانستن در مورد هوش مصنوعی کافی نیست در اینجا نحوه استفاده واقعی از آن آورده شده است.

In This Article

شاید چندین بار ChatGPT را باز کرده باشید، نتایجی کمتر از حد نصاب را کسب کرده باشید و ادامه دهید. شاید شما یک یا دو دوره آموزشی هوش مصنوعی را پشت سر گذاشته باشید و فکر کرده باشید، "عالی، اما این واقعاً چگونه در شغل من صدق می کند؟" یا شاید ده ها ابزار هوش مصنوعی را که در لینکدین توصیه شده دیدید نشانه گذاری کرده اید و حتی یک مورد را امتحان نکرده اید. شما تنها نیستید این شکاف بین دانستن هوش مصنوعی و استفاده از هوش مصنوعی همان جایی است که بسیاری از ما در حال حاضر در آن هستیم. و اینکه همه به شما می گویند از آن استفاده کنید کمکی نمی کند. من می دانم زیرا این تقریباً کار من است: من یک تیم نویسندگی را در وبلاگ HubSpot مدیریت می کنم و بخش بزرگی از کار من فعال کردن آنها با هوش مصنوعی است. نه به معنای انتزاعی و الهام‌بخش اصلی، بلکه در اینجا نحوه انجام کار واقعی خود را به معنای بهتر انجام دهید. چیزی که من یاد گرفتم این است که مشکل تقریباً هرگز انگیزه نیست. مردم می خواهند یاد بگیرند. این است که اطلاعات در مورد هوش مصنوعی همه جا وجود دارد، اما فعال سازی واقعی - آنچه در واقع نحوه کار شما را تغییر می دهد - به طور شگفت انگیزی نادر است. این چیزی است که این پست در مورد آن است. در این راهنما، من یک چارچوب عملی برای ادغام هوش مصنوعی در کار شما به روشی به اشتراک می‌گذارم که مهارت‌ها، تأثیرگذاری و حرفه شما را ارتقا دهد. فهرست مطالب چرا فعال بودن هوش مصنوعی به شغل شما کمک می کند؟ چرا پذیرش هوش مصنوعی اینقدر سخت است؟ فعال سازی هوش مصنوعی چگونه به نظر می رسد؟ چگونه تیم ها می توانند از آزمایش هوش مصنوعی به اجرا حرکت کنند جایی که Futurepedia با فعال سازی هوش مصنوعی مطابقت دارد چرا فعال بودن هوش مصنوعی به شغل شما کمک می کند؟ بیایید با کمی صداقت شروع کنیم. «هوش مصنوعی به کار شما کمک می‌کند» در سال 2026 تقریباً به چیزی نزدیک است. در اینجا بینش بهتری وجود دارد: بین افرادی که از هوش مصنوعی استفاده می کنند و افرادی که به خوبی از آن استفاده می کنند، شکاف بزرگی وجود دارد. این مزیت به افرادی تعلق می‌گیرد که فراتر رفته‌اند، هوش مصنوعی را در روال خود قرار داده‌اند، از آن برای تولید کار معنادار بهتر استفاده می‌کنند و می‌توانند این تاثیر را نشان دهند. بیایید دقیقاً دلیل این امر را دقیق تر بررسی کنیم: ترفیعات ناشی از خروجی است، نه تلاش. بحث "من تلاش زیادی کردم، بنابراین باید پاداش بگیرم" این روزها بسیار سخت تر است. این به این دلیل است که متخصصان دارای هوش مصنوعی نسبت به کسانی که این کار را نمی کنند، تمایل دارند خروجی و تأثیر بیشتری تولید کنند. منظور من از AI-enabled، کسی است که به طور منظم از هوش مصنوعی در کارهای روزانه خود برای افزایش خروجی و تأثیر خود استفاده می کند. در سال 2026، بسیاری از صنایع اکنون به "عصر عملیاتی" هوش مصنوعی تبدیل شده اند. مرحله آزمایشی (تشویق موقت، استفاده یکباره از ابزار) تا حد زیادی به پایان رسیده است. انتظار در حال حاضر استفاده یکپارچه و پایدار است. بازاریابی محتوا را به عنوان مثال در نظر بگیرید: تیم‌های کوچک و متمرکز بر استراتژی می‌توانند از هوش مصنوعی به‌عنوان یک ضرب‌کننده نیرو استفاده کنند و جنبه‌های معمول تولید را تخلیه کنند تا ویراستاران انسانی بتوانند بر جریان روایت، صدای برند و دقت تمرکز کنند. بر اساس گزارش وضعیت بازاریابی 2026 HubSpot، 67٪ از تیم های بازاریابی می گویند که هوش مصنوعی 10 ساعت یا بیشتر در هفته در آنها صرفه جویی می کند و 71٪ می گویند هوش مصنوعی به آنها کمک می کند تا محتوای بیشتری تولید کنند. از آنجایی که هوش مصنوعی می‌تواند بسیاری از کارهای روزمره و روزمره یک نقش را انجام دهد، زمان را برای کارهای درجه یک آزاد می‌کند: تفکر استراتژیک، حل خلاقانه مسئله، رهبری متقابل و برنامه‌ریزی بلندمدت. اجرای وظایف اساسی در حال کم ارزش شدن است. و زمانی که در تنگنا قرار نگیرید، مدیران کارهای چالش برانگیزتر و قابل مشاهده تر را به شما ارائه می دهند. استفاده از هوش مصنوعی در حال تبدیل شدن به خط پایه جدید است. یک نسل پیش، دانستن نحوه استفاده از اکسل یک تمایز بود. سپس، تبدیل به کف شد. همین تغییر در حال حاضر با هوش مصنوعی اتفاق می افتد، به این معنی که پنجره پیشرفت در حال بسته شدن است. در حال حاضر، مهارت هوش مصنوعی همچنان چشمگیر است. اگر به مدیر خود بگویید که از هوش مصنوعی برای کاهش یک فرآیند به نصف استفاده کرده‌اید، یا درخواستی ایجاد کرده‌اید که سه ساعت در هفته در تیم شما صرفه‌جویی می‌کند، این مورد توجه قرار می‌گیرد (در ادامه در این مورد بیشتر توضیح خواهیم داد). با این حال، چیزی که امروز شما را از مدیرتان به رسمیت می‌شناسد، یک یا دو سال بعد بسیار شبیه «من یک ماکرو جدید در اکسل ساختم» به نظر می‌رسد. مفید است، اما قابل توجه نیست. وقتی مهارت هوش مصنوعی به پایه تبدیل می‌شود، این مزیت به افرادی می‌رسد که زودتر به آنجا رسیده‌اند و در حالی که بقیه هنوز در حال تشخیص این هستند که از کجا شروع کنند، آن را ساخته‌اند. حتی می‌توانید استدلال کنید که این پایه است: تحقیقات HubSpot نشان می‌دهد که 83 درصد از بازاریابان می‌گویند که انتظار می‌رود بیشتر از همیشه به دلیل هوش مصنوعی تولید کنند. و این چیزی است که برای حرفه شما مهم است: هوش مصنوعی جایگزین شما نخواهد شد. اما ممکن است کسی بهتر از آن استفاده کند. نه یک ربات فرضی یا یک موج بدون چهره از اتوماسیون. شخصی در صنعت شما، در سطح شما، که تصمیم گرفته قبل از شما آن را جدی بگیرد. مدیران متوجه می شوند چه کسی از هوش مصنوعی استفاده می کند (و چه کسی نیست). داده های گالوپ 2026 نشان می دهد69 درصد از رهبران و 55 درصد از مدیران حداقل چند بار در سال از هوش مصنوعی استفاده می کنند، در حالی که فقط 40 درصد از IC ها استفاده می کنند. مدیر شما احتمالاً بیشتر از شما از هوش مصنوعی استفاده می کند، بنابراین آنها درک بسیار خوبی از آنچه ممکن است و اینکه آیا شما به آن ادامه می دهید، دارند. من نمی گویم که رئیس شما یک کارت امتیازی مخفی نگه می دارد که نشان می دهد چه کسی بیشتر از همه از کلود خواسته است. اما وقتی دو نفر در یک تیم کار مشابهی را ارائه می دهند و یکی از آنها به طور مداوم این کار را سریعتر و دقیق تر انجام می دهد زیرا هوش مصنوعی را در فرآیند خود ادغام کرده اند، به این نکته اشاره می شود. این تأثیر می گذارد که چه کسی تکلیف کششی بعدی را دریافت کند، چه کسی وارد گفتگوی استراتژی شود و چه کسی ارتقا یابد. چرا پذیرش هوش مصنوعی اینقدر سخت است؟ دلیلی وجود دارد که بسیاری از مردم بین "من می دانم که باید بیشتر از هوش مصنوعی استفاده کنم" و واقعاً آن را انجام می دهم گیر می کنند. در واقع، چندین دلیل مستند وجود دارد: شکاف دانستن انجام همه ما می‌خواستیم چیز جدیدی یاد بگیریم یا امتحان کنیم، فقط متوجه شدیم که ماه‌ها یا سال‌ها بدون انجام کاری در مورد آن گذشته است. فقط از گیتار بیس من بپرسید که در اتاق خوابم گرد و غبار جمع می کند. محققین جفری فافر و رابرت ساتون این پدیده را "شکاف دانستن انجام دادن" نامیده اند. اساساً دانستن اینکه چه کاری باید انجام دهید و در واقع انجام آن تقریباً مشکلاتی کاملاً جداگانه هستند. هنگام اعمال شکاف دانستن انجام در هوش مصنوعی، این تحقیق به این صورت است: BCG دریافت که با وجود اجرای گسترده هوش مصنوعی، 74 درصد از شرکت‌ها هنوز ارزش تجاری ملموسی را از استفاده از هوش مصنوعی نشان نداده‌اند. همچنین مشخص شد که 70 درصد از چالش‌هایی که شرکت‌ها هنگام پیاده‌سازی هوش مصنوعی با آن مواجه می‌شوند، ناشی از مسائل مربوط به افراد و فرآیند است، در مقایسه با 30 درصد مشکلات فناوری و 10 درصد برای الگوریتم‌های هوش مصنوعی. بخشی از دلیل تاخیر فقط عملی است. شما در حال حاضر یک کار برای انجام دادن دارید. تقویم شما پر است، لیست وظایف شما طولانی است، و هدف انتزاعی "پیدا کردن نحوه استفاده بهتر از هوش مصنوعی" رقابت با هر چیز دیگری در بشقاب شما است. وقتی از تیموتی بیوندولو، مهندس سریع رسانه HubSpot و متخصص هوش مصنوعی پرسیدم که چرا بسیاری از مردم بین آگاهی و پذیرش وقفه دارند، او به این موضوع توجه نکرد: "آگاهی منفعل است، و پذیرش از شما می‌خواهد که نحوه کار واقعی خود را تغییر دهید، نه اینکه فقط یک برگه جدید به مرورگر خود اضافه کنید. شکاف این است که بیشتر افراد همچنان در حال انجام وظایف روزانه خود هستند، به ترتیب، خودشان کار را انجام می‌دهند. افراد فعال تغییر کاملاً متفاوتی انجام داده‌اند. آنها وقت خود را صرف جمع‌آوری زمینه، نوشتن دستورالعمل‌ها، و سپس اجرای ده جریان کاری موازی می‌کنند که در پس‌زمینه تمرکز می‌کنند. به طور کامل هیچ کس به شما نمی گوید که این انتقال واقعاً شبیه این است، بنابراین مردم چند بار هوش مصنوعی را امتحان می کنند، تغییر را احساس نمی کنند، و فرض می کنند که این تغییر برای آنها نیست یا هوش مصنوعی به اندازه کافی هوشمند نیست. یادگیری هوش مصنوعی در کنار اجرای مسئولیت های موجود، یک محدودیت واقعی است. مغز شما برای پردازش اطلاعات جدید محدودیتی دارد و زمانی که از آن فراتر رود (که با توجه به سرعت هوش مصنوعی در چند سال گذشته تقریباً به طور قطع چنین بوده است)، پذیرش به شدت کاهش می یابد، حتی زمانی که انگیزه بالا باشد. گزینه های بسیار زیاد، وضوح کافی نیست فرض کنید شما زمان را مشخص کرده اید. حالا چی؟ هزاران ابزار هوش مصنوعی در بازار وجود دارد. چشم انداز ماهانه تغییر می کند. مدل‌ها و ویژگی‌های جدید راه‌اندازی می‌شوند و فید لینکدین شما مملو از افرادی است که در مورد ابزاری که زندگی آن‌ها را تغییر داد به شما می‌گویند. شما نمی دانید از کجا شروع کنید، بنابراین اصلا شروع نمی کنید. حتی اگر در مورد پارادوکس انتخاب چیزی نشنیده باشید، مطمئناً آن را تجربه کرده اید. هرچه گزینه های بیشتری داشته باشیم، کمتر می خواهیم انتخاب کنیم. بنابراین ما یخ می زنیم، یا تصمیمی بدتر از آن می گیریم که اگر گزینه های کمتری به آنها داده شود. این دقیقاً همان چیزی است که در حال حاضر برای هر کسی که سعی در ایجاد عادت هوش مصنوعی دارد اتفاق می افتد. شانس اینکه ابزاری که انتخاب می‌کنید واقعاً ابزار مناسبی باشد چقدر است؟ ترساندن یک دست کم گرفتن است. تله بهره وری در اینجا یک کنایه بی رحمانه نیز وجود دارد که من نمی بینم آنقدر که باید به آن اشاره شود: اگر در مورد استفاده از هوش مصنوعی عمدی نیستید، کار بیشتری نسبت به کاهش آن ایجاد می کند. سناریویی را در نظر بگیرید که در آن می خواهید از هوش مصنوعی برای خلاصه کردن یک مجموعه داده به عنوان یک یادداشت استفاده کنید. شما برگه را صادر می کنید، آن را در ChatGPT قرار می دهید، و عالی است، یک یادداشت در 30 ثانیه برمی گردد. اما اکنون شما در حال بررسی خروجی‌ها هستید، اشتباهات را می‌بینید، دوباره درخواست می‌کنید زیرا چیزی غیرفعال است، ادعاهایی را که از آن مطمئن نیستید بررسی می‌کنید، و کل مطلب را دوباره قالب‌بندی می‌کنید تا به لحن مناسب برسد. تا زمانی که کارتان تمام شود، هوش مصنوعی مانند یک فعال کننده احساس نمی شود.مثل یک گلوگاه احساس می شود این دلیل بزرگی است که پذیرش هوش مصنوعی متوقف می شود. مردم آن را امتحان می کنند، یک پاسخ عمومی دریافت می کنند، و فکر می کنند که همین است؟ آنها نتیجه می گیرند که ارزش تلاش مداوم را ندارد و به روش قبلی باز می گردند. اما مشکل رویکرد است، نه ابزار. استفاده از هوش مصنوعی به خوبی به این معنی است که بدانید واقعاً کجا در وقت شما صرفه جویی می کند و کار را به کجا تغییر می دهد. این تمایز نیاز به تمرین دارد و فردی را که از هوش مصنوعی آگاه است از کسی که دارای هوش مصنوعی فعال است جدا می کند. فعال سازی هوش مصنوعی چگونه به نظر می رسد؟ ما می دانیم که چرا فعال سازی و پذیرش هوش مصنوعی اهمیت دارد. جهش از دانش به عمل همان جایی است که بسیاری از ما در آن ایستاده ایم و این به دلیل عدم تلاش نیست. در مرحله بعد، استراتژی هایی را که برای من و تیم محتوای من کارآمد بوده است را بیان می کنم. اینها مراحل عملی و افزایشی هستند که اضطراب هوش مصنوعی را به عمل تبدیل می کنند. متوجه باشید که (هنوز) عقب نیستید. جستجوی «آخرین فناوری هوش مصنوعی» یک راه عالی برای اینکه بخواهید فوراً لپ تاپ خود را ببندید و آن روز را امضا کنید. فشاری روی هوش مصنوعی وجود دارد که از جریان مداوم تأثیرگذاران، اعلان‌های محصول، ایده‌های فکری و حتی همکارانی که به شما می‌گویند چگونه پیشرفت می‌کنند، ناشی می‌شود. اما این نویز تا حد زیادی برای جلب توجه و بازاریابی شما طراحی شده است. این یکی از قدیمی ترین ترفندهای کتاب است: شما در حال عقب افتادن هستید. شما نمی توانید عقب بیفتید. در خبرنامه من مشترک شوید تا عقب نمانید. این پیام به میل اولیه ما برای بودن در این گروه جذاب است. این اساساً منطق غارنشین است. واقعیتی برای شما: بر اساس گزارش گالوپ، 49 درصد از کارگران ایالات متحده گزارش می دهند که هرگز از هوش مصنوعی در نقش خود استفاده نمی کنند و تنها 26 درصد از آن چند بار در هفته یا بیشتر استفاده می کنند. در کشوری که اکثر شرکت‌های بزرگ هوش مصنوعی در آن مستقر هستند، تنها حدود یک چهارم کارگران اغلب از هوش مصنوعی استفاده می‌کنند. من می خواهم مفهوم دیگری را برای در نظر گرفتن همه چیز معرفی کنم: تئوری انتشار نوآوری. نظریه اشاعه نوآوری که اولین بار توسط E.M. Rodgers در سال 1962 به اشتراک گذاشته شد (و هنوز هم مرتبط است)، تمام مخاطبان یک فناوری را به پنج گروه تقسیم کرد: مبتکران، پذیرندگان اولیه، اکثریت اولیه، اکثریت دیررس، و عقب مانده ها. این گروه ها هر فن آوری جدید را به ترتیب اتخاذ می کنند. پذیرش با مبتکران شروع می شود (به علاقه مندان به فناوری فکر کنید، تأثیرگذاران، افرادی که در صف اول جدیدترین تلفن قرار دارند) و با عقب مانده ها (که هنوز از تلفن ثابت استفاده می کنند) پایان می یابد. همانطور که از نمودار زیر می بینید، اکثر افراد در وسط قرار می گیرند: منبع بنابراین، ما در این جدول زمانی با هوش مصنوعی مولد کجا هستیم؟ این یک تماس ذهنی است، اما با توجه به داده‌هایی که تاکنون داریم، شرط می‌بندم که به تازگی وارد اکثریت اولیه شده‌ایم. به عبارت دیگر، در حالی که هوش مصنوعی به عنوان یک مفهوم مدتی است که در معرض دید عموم قرار گرفته است، مهارت هوش مصنوعی به تازگی شروع به ورود به جریان اصلی کرده است. تمام افرادی که درباره هوش مصنوعی و امکانات آن شنیده اید، 15٪ اول، مبتکران و اولین پذیرندگان هستند. و آنها بسیار صدادارتر از بقیه هستند. این برای شما چه معنایی دارد؟ اگر هنوز با استفاده از هوش مصنوعی راحت نیستید، هنوز در موقعیت خوبی هستید. اما عقب نمانید، زیرا اکثریت اولیه آخرین فرصت شما برای پیشرفت است. این بدان معنا نیست که مبتدی بودن در هر کاری آسان است - قطعاً نه. اما بیشتر این ناراحتی ناشی از این است که باور کنید همه از شما جلوتر هستند. هنوز اینطور نیست. از کوچک شروع کنید. مانند هر مهارت دیگری، مهارت هوش مصنوعی عضله ای است که در طول زمان با استفاده مکرر ساخته می شود. با خواندن در مورد وزنه برداری قوی تر نمی شوید. در برخی موارد، شما باید دمبل ها را بردارید. این به این معنی نیست که باید نماینده‌ای تهیه کنید که تمام ایمیل‌های شما را خلاصه می‌کند، صفحه‌گسترده‌های شما را تمیز می‌کند، برنامه‌های شما را مدیریت می‌کند و مالیات‌های شما را در همان ابتدا انجام می‌دهد. مبتدی بودن را در آغوش بگیرید، به دنبال پیروزی های کوچک باشید و درست مانند ورزش، زودتر از آنچه فکر می کنید فواید آن را خواهید دید. اولین کاری که با هوش مصنوعی انجام دادم استفاده از آن برای کمک به پیشنهاد بازنویسی پیام‌های داخلی Slack در صورتی بود که احساس می‌کردم لحنم خاموش است. چیزهای اساسی، اما بلافاصله برای من روشن شد که چگونه این کار کارآمدتر از روشی عالی برای بیان چیزی است. من سود را با سرمایه گذاری نسبتا کمی دیدم. در نهایت، استفاده از کلود برای کمک به کدنویسی ابزارهای داخلی تیمم، ایجاد یادداشت از مجموعه داده‌ها و برنامه‌ریزی مسئولیت‌های هفتگی‌ام راحت شد. اکنون، به سختی می توانم چیزی را پیدا کنم که از هوش مصنوعی در کارهای روزمره خود استفاده نکنم. استفاده از راه حل های هوش مصنوعی برای مشکلات خود و دیدن مزایای دنیای واقعی یک انگیزه قوی است. شما آن را روی چیزی بتن استفاده می کنید،و فقط کلیک می کند. شما فکر می کنید، "اوه، من می توانم از آن برای این استفاده کنم ... چه کار دیگری می تواند انجام دهد؟" کنجکاوی شما به موتوری تبدیل می شود که عادت را ایجاد می کند. به‌علاوه، استفاده از هوش مصنوعی در کار فعلی‌تان (به‌جای اینکه به‌عنوان یک آزمایش یا فعالیت جداگانه انجام شود) مانع از یک بار امتحان کردن آن، گرفتن نتایج بد و بازگشت به روشی که قبلاً کار می‌کردید را برطرف می‌کند. شما کاربرد آن را دست اول می بینید، بنابراین احتمال بیشتری وجود دارد که از اصطکاک اولیه عبور کنید. مزایای هوش مصنوعی بیشتر از ناراحتی موقت است. نویسنده بلاگ HubSpot، ایمی ریگبی، به طور مستقیم به این موضوع اشاره کرده است: «سخت‌ترین بخش در مورد ترکیب هوش مصنوعی در جریان‌های کاری، همچنین سخت‌ترین بخش هر تلاشی برای افزایش بهره‌وری است: در ابتدا، به شدت ناکارآمد خواهد بود. شما در مورد نحوه کارکرد آن، آزمایش می‌کنید، و شکست می‌خورید، زیرا این همه چیز برای باز کردن آن است. وقتی این کار را انجام می‌دهی، احساس خوبی است.» نحوه اعلان را بیاموزید. اعلان هوش مصنوعی مفیدترین مهارتی است که هنگام شروع کار می توانید یاد بگیرید. یک اعلان خوب به معنای تفاوت بین یک پاسخ عمومی و پاسخی است که واقعاً کمک می کند. وقتی از مگ پراتر، رئیس استراتژی و عملیات محتوا برای رسانه HubSpot، پرسیدم که چرا بین آگاهی هوش مصنوعی و پذیرش واقعی فاصله وجود دارد، او گفت: "آنها از دستورات درست استفاده نمی کنند. هنگامی که یاد می گیرید چگونه بهتر درخواست کنید، نتایج شما باعث می شود که از هوش مصنوعی برای بهبود کار خود استفاده نکنید و زمان بیشتری برای انجام کارهای مهم ایجاد کنید." بد نیست در ابتدا با اعلان های مختلف آزمایش کنید، اما در نهایت چارچوبی برای مکالمات با هدایت بهتر می خواهید. من نویسندگان تیمم را تشویق می‌کنم از چارچوب WRITE استفاده کنند - این پنج بخش اطلاعات مهم برای درخواست به هوش مصنوعی می‌دهد: چه کسی: هوش مصنوعی نقش کیست؟ به هوش مصنوعی شخصیتی مانند یک استراتژیست با تجربه، یک متخصص فنی، یک مدیر پروژه و غیره بدهید. منابع: هوش مصنوعی به چه پیشینه‌ای نیاز دارد تا این موضوع را درست انجام دهد؟ این موضوع زمینه شماست: جزئیات مرتبط در مورد پروژه، مشکلی که حل می کنید، مواد مرجع و هر چیز دیگری که هوش مصنوعی به تنهایی نمی داند. دستورالعمل: هوش مصنوعی دقیقاً چه کاری باید انجام دهد؟ خاص باشید. شرایط: چه قوانین، محدودیت ها یا مرزهایی اعمال می شود؟ به عنوان مثال، طول، قالب، لحن، مواردی که باید از آنها اجتناب کرد و مواردی که باید گنجانده شوند. نتیجه مورد انتظار: محصول نهایی را تا جایی که می توانید به طور خاص توصیف کنید: قالب، محصولات قابل تحویل، و در صورت امکان، یک مثال. در اینجا نمونه ای از دستور WRITE آمده است: W: شما یک مشاور بازاریابی کسب و کار کوچک هستید که در عرضه محصولات DTC تخصص دارید. مخاطبان من زنان 25 تا 40 ساله هستند که شمع های دست ساز را به عنوان هدیه و برای مراقبت از خود، بیشتر از طریق فروشگاه Etsy و اینستاگرام من می خرند. R: من یک مجموعه تابستانی شمع را در ماه ژوئن راه اندازی می کنم. بودجه من برای راه اندازی حدود 500 دلار است. بهترین کانال فروش من اینستاگرام است و حدود 3000 فالوور دارم. آخرین مجموعه من در عرض دو هفته فروخته شد، بیشتر از طریق استوری اینستاگرام و ایمیل. I: یک برنامه راه اندازی چهار هفته ای برای من بسازید که محتوای تیزر، استراتژی روز راه اندازی و پیگیری پس از راه اندازی را پوشش می دهد. شامل مواردی برای پست کردن، زمان ارسال آن و یک ایمیل برای هر مرحله باشد. T: برنامه را برای یک عملیات یک نفره واقع بینانه نگه دارید. بدون تبلیغات پولی فقط ارگانیک و ایمیل. لحن باید گرم و شخصی باشد، نه شرکتی. E: یک تقویم هفته به هفته که می توانم دنبال کنم، با ایده های محتوایی خاص برای هر روز، سه پیش نویس ایمیل کوتاه و یک چک لیست روز راه اندازی. این دستور را در کنار یکی بدون فریمورک اجرا کنید و تفاوت را خواهید دید. اگر واقعاً شمع‌ساز هستید، بوی آن را نیز حس خواهید کرد. یک برنامه اهداف هوش مصنوعی ایجاد کنید. هنگامی که کمی سرهم بندی کردید و متوجه شدید که هوش مصنوعی کجا می تواند به شما کمک کند، قدم بعدی حفظ شتاب است. گفتنش راحت تر از انجام دادن شکاف دانستن انجام دادن را به خاطر دارید؟ تحقیقات نشان می دهد که داشتن یک هدف قوی به تنهایی کافی نیست. اما، افرادی که برنامه‌هایی را طراحی می‌کنند که دقیقاً مشخص می‌کند چگونه برای رسیدن به یک هدف عمل می‌کنند، احتمالاً واقعاً آن را دنبال می‌کنند. فکر کردن به «من می‌خواهم در استفاده از هوش مصنوعی بهتر شوم» مؤثرتر از «هر سه‌شنبه صبح، 20 دقیقه را صرف اعمال هوش مصنوعی برای یک کار در بشقاب خود می‌کنم» است. بنابراین توصیه من این است: برنامه هفتگی برنده های هوش مصنوعی را برنامه ریزی کنید. اینها وظایفی هستند که می توانید به طور منطقی در یک هفته به آنها برسید. آنها نیازی به جهش بزرگ ندارند. در عوض، آنها را به عنوان پیشرفت تدریجی به سمت یک هدف بزرگتر در نظر بگیرید، به اندازه کافی کوچک که در واقع کامل شود اما به اندازه کافی معنادار برای حرکت دادن سوزن است. یک برنامه منظم دو کار را انجام می دهد. ابتدا قصد را تبدیل می کندعادت، فراهم کردن داربستی برای بازگرداندن شما به آن بدون یک اقدام قهرمانانه از اراده هر بار. دوم، امکانات بی‌پایان هوش مصنوعی را در مراحل عملی مختص کار شما جمع می‌کند. این یک پادزهر برای فلج گزینه است. فرض کنید می خواهید از هوش مصنوعی برای بهبود کارایی و پیگیری جلسات خود استفاده کنید. در اینجا یک برنامه زمانی ممکن است در عمل به نظر برسد: هدف اصلی: از هوش مصنوعی برای کاهش زمان صرف شده برای به‌روزرسانی وضعیت و آمادگی جلسه در ماه آینده استفاده کنید. هفته 1: تکراری ترین جلسه خود را انتخاب کنید. از هوش مصنوعی برای ایجاد یک دستور کار الگو از یادداشت های خود استفاده کنید. هفته 2: پس از جلسه، از هوش مصنوعی برای پیش نویس خلاصه بعدی استفاده کنید. بررسی کنید که آیا این زمان کمتر از حد معمول طول کشید. هفته 3: با استفاده از نقاط گلوله ای که قبلاً نگه داشته اید، یک درخواست برای به روز رسانی وضعیت هفتگی ایجاد کنید. هفته 4: هر سه را در یک گردش کار ساده و قابل تکرار ترکیب کنید. آن را به مدت یک هفته در جلسات متعدد اجرا کنید. هفته پنجم: سیستم خود را بررسی کنید. چه کار می کند؟ چه چیزی نیست؟ بعد چی؟ اهدافی را برای ماه بعد تعیین کنید. هیچ چیز اینجا یک جهش نیست. هر هفته بر اساس آخرین هفته است و در هفته پنجم شما یک سیستم مستند دارید. شما می‌توانید پیشرفت خود را پیگیری کنید، هر چند که برای شما کارآمد باشد: یک برنامه یادداشت مانند Notion، یک ابزار مدیریت کار مانند Asana، یک سند در حال اجرا، یا یادداشت‌های چسبنده، اگر اینطور است. سازگاری بیش از قالب اهمیت دارد. و (ممکن است این اتفاق را دیده باشید)، هوش مصنوعی حتی می تواند به شما در ساختن خود برنامه کمک کند. نقش و مسئولیت‌های خود را در قبال آن توضیح دهید و از آن بخواهید که به شما کمک کند تا جایی که می‌توانید به طور واقع بینانه از هوش مصنوعی در گردش کار خود استفاده کنید، فکر کنید. روی یک هدف اصلی SMART که باید طی چهار تا شش هفته آینده روی آن کار کنید، تصمیم بگیرید، سپس از هوش مصنوعی برای پیش نویس مراحل فرعی برای رسیدن به آن استفاده کنید. پیشرفت خود را قابل مشاهده کنید. اگر شرکت شما دارای هوش مصنوعی است، به احتمال زیاد مدیر شما می خواهد بداند که شما در حال انجام چه کاری هستید. اینکه پیشرفت هوش مصنوعی شما چقدر برای آنها قابل مشاهده است، به همان اندازه برای شغل شما اهمیت دارد. این امر به ویژه در صورتی صادق است که عملکرد شما بر روی پذیرش هوش مصنوعی باشد. به طور مرتب به مدیر خود بگویید که چگونه هوش مصنوعی را به کار می گیرید، آنها را در مورد موارد استفاده جدید یا افزایش کارایی به روز می کنید، نشان دهنده این است که به آینده فکر می کنید. این می تواند مانند یک پیام Slack، یک آیتم در به روز رسانی هفتگی شما، یا یک اشاره در یک به یک شما به نظر برسد. حتی بردهای کوچک این ایده را ایجاد می کنند که شما ضروری هستید. گفتن دید آسان‌تر از انجام آن است: هنگامی که با هوش مصنوعی وارد علف‌های هرز می‌شوید، آنقدر درگیر می‌شوید که فراموش می‌کنید پیشرفت خود را به اشتراک بگذارید. گاهی اوقات آنقدر روی پروژه‌ای سرمایه‌گذاری می‌کنم که فراموش می‌کنم رئیسم را در مورد اینکه چگونه استفاده از هوش مصنوعی من واقعاً خروجی‌ام را بهبود بخشیده است، به‌روزرسانی کنم. یک راه حل: یک یادآوری تکراری تقویم برای به روز رسانی هوش مصنوعی مدیر تنظیم کنید. سپس، برنامه پذیرش خود را کپی کنید (یا هر چیزی که برای ردیابی پیشرفت هوش مصنوعی خود استفاده می کنید)، آن را در ابزار هوش مصنوعی انتخابی خود قرار دهید و بخواهید پیشرفت هفتگی خود را خلاصه کنید. بام، چیزی برای به اشتراک گذاشتن با رئیس خود تقریباً بدون کار اضافی. به همین دلیل است که استفاده از ابزار مدیریت وظایف مانند Asana برای ردیابی کار شما می تواند مفید باشد. می توانید کارهای تکمیل شده خود را در یک صفحه گسترده صادر کنید، آن را به یک ابزار هوش مصنوعی تحویل دهید و از آن بخواهید که بردهای اخیر را بیرون بکشد. ردیابی پیشرفت ساخته شده است و بسیار ساده‌تر از نگه‌داشتن یک برگه Google جداگانه است که باید هر بار که کاری را انجام می‌دهید به‌روزرسانی آن را به خاطر بسپارید. همچنین شما را تشویق می‌کنم که استفاده از هوش مصنوعی خود را به نحوه پیشرفت کارتان متصل کنید. یک روایت بگویید: چگونه در آن بهتر شده اید، و در نتیجه، چگونه کار شما بهتر شده است، و چگونه این موضوع به KPIهای تیم مربوط می شود. بالاخره ما در مورد پیشرفت شغلی شما صحبت می کنیم. یک نکته دیگر: دیده شدن همتایان نیز اهمیت دارد. مدیران مهم هستند، اما این مهم است که هم تیمی‌هایتان وقتی سوالی درباره هوش مصنوعی دارند به او مراجعه می‌کنند. این وضعیت غیررسمی متخصص باعث ایجاد فشار صعودی بر پیشرفت شما می شود. تیموتی بینش مفیدی در اینجا داشت: "ترفند این است که چگونه چگونه را به اشتراک بگذارید، نه شگفت‌انگیز. نه "نگاه کنید چه ساخته‌ام" بلکه "اینجاست که چگونه آن را ساختم، شاید این به شما کمک کند." یک حلقه اطلاعات را ادامه دهید. شما دارید کار را انجام می دهید، کار را نشان می دهید، حالا مطمئن شوید که تیزبین هستید. آخرین توصیه من این است که خود را در حال یادگیری و به روز نگه داشتن خود با پیشرفت ها و در عین حال به کار بردن دانش خود در عمل نگه دارید. همانطور که مگ می گوید، "کسی که دارای هوش مصنوعی است، کسی است که هوش مصنوعی کنجکاو است. شما باید با آن آزمایش کنید، با آن تمرین کنید، و ابزارها/ساخت های جدید را امتحان کنید. اجرای همان سه مورد کافی نیست.درخواست‌ها (اگرچه این یک مکان عالی برای شروع است). امروزی بودن به هوش مصنوعی به این معنی است که شما از این ابزارها و مدل‌ها در حین انتشار استفاده می‌کنید و در حال تکامل آنها هستید.» نکته کلیدی این است که یک حلقه اطلاعاتی به اندازه کافی سبک داشته باشید تا تحت تأثیر قرار نگیرید. شما جریانی می خواهید که به اندازه کافی جامع باشد تا جریان داشته باشد، اما نه آنقدر که بخواهید در یک سوراخ خزیده شوید. خود را به چهار یا پنج کانال اطلاعاتی هوش مصنوعی در یک زمان محدود کنید. اینها می توانند یک خبرنامه یا وبلاگ، یک کانال یوتیوب، یک جامعه داخلی، یک مربی، یک پادکست، یک حساب کاربری لینکدین، یا حتی یک همتای هوش مصنوعی، شخصی در نقشی مشابه و در حال آزمایش باشند. و برای اینکه این همه پایدار باشد: هر بار که یک کانال جدید اضافه می کنید، یکی را حذف کنید. کانال های من در حال حاضر عبارتند از: Simple.ai: خبرنامه‌ای که اخبار و به‌روزرسانی‌های هوش مصنوعی را به روشی پایه‌ای و ساده ارائه می‌کند. اگر می خواهید یک خبرنامه در مورد هوش مصنوعی بدون غرق شدن داشته باشید، این همان است. Ben’s Bites: زیرپشته ای که از نظر گستردگی کمی جاه طلبانه تر است و در عین حال قابل هضم است. یک کانال داخلی AI Slack ما در HubSpot برای به اشتراک گذاشتن پیشرفت هوش مصنوعی مرتبط با بازاریابی داریم. یک مربی هوش مصنوعی تیم من، که من به طور منظم با آنها در مورد چگونگی به کارگیری بهترین هوش مصنوعی در وبلاگ خود صحبت می کنم. و این فقط فعلا ممکن است در آینده با تغییر سطح راحتی و مسئولیت‌های من تغییر کنند. چگونه تیم ها می توانند از آزمایش هوش مصنوعی به اجرا حرکت کنند همه چیز در بالا در مورد توانمندسازی خودتان است. و برای آی سی ها، می توانید در آنجا توقف کنید. اما اگر تیمی را مدیریت می‌کنید، حرکت از «ما در حال آزمایش این هستیم» به «این بخشی از نحوه کار همه ما در حال حاضر است» یک چالش متفاوت است. پذیرش رانندگی در یک تیم امری مسلم نیست. شما نمی توانید اطلاعاتی را به کسی ارائه کنید و انتظار داشته باشید که فوراً با آن کار کند. همه به اندازه شما مایل یا به راحتی برای یادگیری نخواهند بود. این یک ضربه به آنها نیست. افراد روابط متفاوتی با فناوری جدید دارند و ممکن است در کنار شما تعداد زیادی از پذیرندگان اولیه، اکثریت زودهنگام/متأخر و شاید حتی مبتکران یا عقب مانده ها را داشته باشید. مردم معمولاً وقتی با چیز جدیدی تطبیق می‌دهند به دیگران اعتماد می‌کنند. شرط می بندم این بخشی از این است که چرا از یک پست وبلاگ نوشته شده توسط من، یک شخص حقیقی تایید شده، در مورد اینکه صرفاً از ChatGPT یا کلود خواسته اید، راهنمایی بخواهید. چیزی در مورد شنیدن "این چیزی است که برای من کار کرد" از یک انسان دیگر وجود دارد که هیچ ربات چت نمی تواند به طور کامل آن را تکرار کند. پشتیبانی مدیریتی همچنین یکی از قوی‌ترین پیش‌بینی‌کننده‌ها برای استفاده از هوش مصنوعی در محل کار است – طبق تحقیقات Irrational Labs، استفاده از هوش مصنوعی کارمندان بدون تأیید مدیر از ۷۹٪ به ۳۴٪ کاهش می‌یابد. بنابراین، تیم خود را در جایی که هستند ملاقات کنید. از آنها بپرسید که چگونه از هوش مصنوعی استفاده می کنند. نه در یک مدیریت خرد، به نوعی "تاریخ انگیزه خود را به من نشان دهید"، بلکه از یک مکان کنجکاوی واقعی. چه چیزی آنها را عقب نگه می دارد؟ بر اساس آنچه که پیدا کردید، برخی از استراتژی هایی را که در اینجا معرفی کرده ام، پیشنهاد دهید. من از صحبت رو در رو با تیمم بیشتر از آنچه که هر مقاله کمکی یا عرشه آموزشی می توانست به من یاد دهد آموخته ام. سفر فعال سازی هوش مصنوعی هر فردی مربوط به خودش است و بهترین کاری که می توانید به عنوان یک مدیر انجام دهید این است که به آنها فضایی برای کاوش بدهید. جایی که Futurepedia با فعال سازی هوش مصنوعی مطابقت دارد کل این پست درباره یک ایده است: دانستن در مورد هوش مصنوعی با فعال کردن آن یکسان نیست. و بزرگترین موانع مشکلاتی نیستند که بتوانید با خواندن یک مقاله دیگر یا نشانک گذاری یک ابزار دیگر حل کنید. به همین دلیل HubSpot Futurepedia را خریداری کرد. Futurepedia بزرگترین پلتفرم آموزش و کشف هوش مصنوعی در جهان است. این اولین دایرکتوری ابزار هوش مصنوعی - هزاران ابزار انتخاب شده در هر دسته ای که فکرش را بکنید - در کنار یک پلت فرم آموزشی رو به رشد با بیش از 25 دوره و بیش از 1000 درس متمرکز بر مهارت های هوش مصنوعی در دنیای واقعی برای تجارت و بهره وری را اجرا می کند. در سراسر Futurepedia، کانال‌های یوتیوب و خبرنامه‌اش، به نقطه شروع پیش‌فرض حرفه‌ای‌هایی تبدیل شده است که می‌خواهند در واقع یاد بگیرند که چگونه از هوش مصنوعی استفاده کنند، نه فقط درباره آن بشنوند. HubSpot به میلیون ها شرکت کمک می کند تا بهتر رشد کنند. Futurepedia به متخصصان کمک می کند تا ابزارهای هوش مصنوعی را پیدا کنند و بر آنها مسلط شوند که کار آنها را بهتر می کند. اکنون آنها همان تیم هستند، که به معنای منابع بیشتر، دسترسی بیشتر، و همان وسواس در کارکردن هوش مصنوعی برای افراد واقعی است. حرفه ای هایی که در پنج سال آینده برنده خواهند شد، کسانی نیستند که بیشتر از هوش مصنوعی می دانند. آنها کسانی هستند که در واقع یاد گرفته اند با آن کار کنند. اگر این پست چارچوب را در اختیار شما قرار داده است، Futurepedia مکان شروع را به شما می دهد.

You May Also Like

13 Trending Songs on TikTok in March 2026 (+ How to Use Them)

Our Best AI PM Workflows for Prototyping, Strategy, and Personal OS (2026)

China’s Cybersecurity Agency Issues Security Warning About OpenClaw