رقابت AWS و آنتروپیک برای جذب ارتشی از مهندسان متخصص؛ تلاشی برای اثبات بازدهی سرمایه‌گذاری‌های هوش مصنوعی
غول‌های فناوری پس از صرف میلیاردها دلار برای توسعه هوش مصنوعی، اکنون سرمایه‌گذاری‌های سنگینی را برای تأمین نیروی انسانی موردنیاز آغاز کرده‌اند؛ نیروهایی که باید نشان دهند این هزینه‌های هنگفت واقعاً به نتیجه می‌رسند.
شرکت‌ها با سرعت در تلاش‌اند مهندسان متخصص هوش مصنوعی را جذب کنند؛ افرادی که بتوانند این فناوری را در محیط واقعی کسب‌وکارها به کار بگیرند. این متخصصان که «مهندسان استقرار در محل مشتری» یا Forward Deployed Engineers با نام اختصاری FDE شناخته می‌شوند، دانش پیشرفته هوش مصنوعی و مهندسی نرم‌افزار را با شناختی عمیق از نحوه فعالیت شرکت‌ها ترکیب می‌کنند. آن‌ها ممکن است همان حلقه انسانی ضروری باشند که می‌تواند مدل‌های زبانی بزرگ و قدرتمند را به سامانه‌های سازمانی با نتایج تجاری قابل اندازه‌گیری تبدیل کند.
نگرانی بازار درباره پایداری اقتصادی رونق هوش مصنوعی در هفته جاری شدت گرفته است. سهام بسیاری از شرکت‌های مطرح مرتبط با هوش مصنوعی و صنعت حافظه، از دل و کورویو گرفته تا AMD و مایکرون، در کوتاه‌مدت افت قابل توجهی را تجربه کرده‌اند.
واحد خدمات ابری آمازون، AWS، یک میلیارد دلار به طرح توسعه مهندسان استقرار در محل مشتری اختصاص داده است. OpenAI نیز کسب‌وکاری برای استقرار هوش مصنوعی در شرکت‌ها راه‌اندازی کرده که بیش از چهار میلیارد دلار سرمایه‌گذاری اولیه پشتوانه آن است. آنتروپیک هم ۱۰۰ میلیون دلار برای آموزش ۱۰ هزار مهندس متخصص استقرار هوش مصنوعی تا پایان سال ۲۰۲۷ اختصاص می‌دهد. در همین حال، اکسنچر و گوگل کلاد در حال تشکیل تیمی هزارنفره از این مهندسان هستند.
جف کریستین، بنیان‌گذار شرکت کاریابی مدیران ارشد Christian & Timbers، می‌گوید: «سرمایه‌گذاران وال‌استریت کم‌کم صبرشان را در برابر این همه شرکتی که میلیاردها دلار برای هوش مصنوعی هزینه می‌کنند، اما هیچ نتیجه تجاری به دست نمی‌آورند، از دست می‌دهند.»
مهندسان استقرار در محل مشتری مستقیماً با مشتریان کار می‌کنند و با شناخت سامانه‌های فناوری موجود، الزامات امنیتی و موانع سازمانی، آزمایش‌های امیدوارکننده هوش مصنوعی را به برنامه‌هایی تبدیل می‌کنند که شرکت‌ها واقعاً بتوانند از آن‌ها استفاده کنند.
در شرکت Caylent، یکی از شرکای مشاوره‌ای AWS که مهندسان استقرار را در کنار تیم‌های مشتریان قرار می‌دهد، وال هندرسون، مدیرعامل شرکت، معتقد است موفقیت در این شغل به چیزی فراتر از تخصص فنی نیاز دارد.
او می‌گوید: «بدون تردید، سخت‌ترین چیزی که می‌توان آموزش داد، هوش هیجانی لازم برای تعامل با مشتری است.» هندرسون توضیح می‌دهد که این مهندسان باید مشتری و کسب‌وکار او را بشناسند، بتوانند روابط و پیچیدگی‌های درون سازمان را مدیریت کنند و هنگام مواجهه پروژه‌ها با مشکلات پیش‌بینی‌نشده، قدرت تصمیم‌گیری و قضاوت مناسبی داشته باشند.
جهش فرصت‌های شغلی و حقوق‌ها در بازاری با کمبود نیروی متخصص
نیروهای باتجربه در این حوزه کمیاب‌اند و پرورش چنین تخصصی یک‌شبه امکان‌پذیر نیست. آمارهای تازه استخدام نیز نشان می‌دهد رقابت برای جذب این افراد در بازار کار با سرعت بیشتری در حال شدت گرفتن است.
بر اساس داده‌های شرکت تحلیل بازار کار Lightcast، تعداد آگهی‌های استخدام مهندسان استقرار در محل مشتری در آمریکا از کمتر از ۲۰۰ مورد در سال ۲۰۲۳ به حدود ۱۲۰۰ مورد در سال ۲۰۲۵ رسید. این رقم تنها در ۹ ماه نخست سال ۲۰۲۶ از ۷۳۰۰ آگهی فراتر رفت.
در همین دوره، میانه حقوق پیشنهادی در آگهی‌های استخدام این متخصصان به ۱۹۵ هزار و ۴۵۶ دلار رسید؛ رقمی که نسبت به سال ۲۰۲۳ حدود ۴۰ درصد افزایش یافته و بیش از سه برابر میانه حقوق پیشنهادی در مجموع آگهی‌های شغلی آمریکا است.
این رقابت به شرکت‌های توسعه‌دهنده مدل‌های هوش مصنوعی محدود نمی‌شود. شرکت‌های مشاوره‌ای نیز از بزرگ‌ترین جذب‌کنندگان این نیروها هستند؛ موضوعی که نشان‌دهنده تقاضای شرکت‌های بزرگ برای مهندسانی است که بتوانند به مشتریان سازمانی در پیاده‌سازی این فناوری کمک کنند.
طبق آمار Lightcast، در ۹ ماه نخست سال ۲۰۲۶ شرکت دیلویت ۸۷۲ آگهی استخدام مجزا برای این موقعیت شغلی منتشر کرده و اکسنچر با ۶۸۸ آگهی در جایگاه بعدی قرار گرفته است. گوگل با ۴۹۹ آگهی و KPMG با ۴۴۷ آگهی در رتبه‌های بعدی بوده‌اند. البته این ارقام تعداد فرصت‌های شغلی آگهی‌شده را نشان می‌دهند، نه تعداد افرادی که واقعاً استخدام شده‌اند.
النا ماگرینی، مدیر تحقیقات جهانی Lightcast، می‌گوید: «تقاضا برای مهندسان استقرار در محل مشتری به‌سرعت در حال افزایش است و رشد دستمزدها نشان می‌دهد کارفرمایان برای جذب تعداد محدودی از نیروهای متخصص با یکدیگر رقابت می‌کنند.»
با این حال، داده‌ها از وجود راهکاری احتمالی برای رفع این کمبود نیز حکایت دارند.
ماگرینی توضیح می‌دهد: «مهندسی استقرار در محل مشتری شغلی کاملاً جدید نیست. حدود نیمی از مهارت‌های موردنیاز آن با مهندسی نرم‌افزار مشترک است و همین موضوع فرصتی فراهم می‌کند تا شرکت‌ها از مجموعه بسیار بزرگ‌تری از نیروهای متخصص استفاده کنند.»
شرکت‌های فناوری و مشتریان سازمانی آن‌ها اکنون از مسیرهای مختلفی برای توسعه تخصص موردنیاز در استقرار هوش مصنوعی سرمایه‌گذاری می‌کنند.
AWS در حال ایجاد ساختار اختصاصی مهندسی استقرار در محل مشتری است. این شرکت علاوه بر جذب نیرو از بیرون، از مهندسان باتجربه آمازون و AWS نیز برای تشکیل تیم‌های خود استفاده می‌کند. به گفته آسا کالاواد، معاون مهندسی استقرار در محل مشتری AWS، این برنامه در مرحله نخست با صدها مهندس آغاز می‌شود.
کالاواد می‌گوید: «ما اکنون یک میلیارد دلار سرمایه‌گذاری می‌کنیم، چون مشتریان برای تبدیل سریع سرمایه‌گذاری‌هایشان در هوش مصنوعی به نتایج واقعی، به چنین کمک عملی و مستقیمی نیاز دارند.»
OpenAI راهبرد گسترده‌تری را برای استقرار هوش مصنوعی در شرکت‌ها دنبال می‌کند. این برنامه با چهار میلیارد دلار سرمایه‌گذاری اولیه پشتیبانی می‌شود و شامل توافقی است که این شرکت اوایل سال جاری برای خرید Tomoro انجام داد. Tomoro یک شرکت مشاوره و مهندسی در حوزه کاربردهای عملی هوش مصنوعی است و انتظار می‌رود با این خرید، حدود ۱۵۰ مهندس باتجربه استقرار در محل مشتری و متخصص پیاده‌سازی به مجموعه OpenAI اضافه شوند.
شکاف مهارت‌های هوش مصنوعی؛ مشکلی در سطح کل بازار
آنتروپیک مسیر متفاوتی را انتخاب کرده و به‌جای تمرکز صرف بر جذب نیروهای جدید، به آموزش مهندسانی روی آورده است که هم‌اکنون در شرکت‌های مشتری و شرکای تجاری آن مشغول کار هستند. این شرکت قصد دارد از طریق برنامه آموزشی Claude Frontier Academy تا پایان سال ۲۰۲۷، تعداد ۱۰ هزار مهندس استقرار در محل مشتری تربیت کند. در نخستین دوره‌های آموزش عملی این برنامه، مهندسانی از شرکت‌های اکسنچر، Bain، کپ‌جمینی، بانک کامن‌ولث استرالیا، دیلویت، مک‌کینزی، مورگان استنلی و نوو نوردیسک حضور دارند.
استیو کورفیلد، مدیر جهانی توسعه کسب‌وکار و مشارکت‌های تجاری آنتروپیک، می‌گوید: «کمبود مهارت‌های هوش مصنوعی بر همه مشتریان و شرکای تجاری تأثیر می‌گذارد. بنابراین، این مسئله مشکلی در سطح کل بازار است و آنتروپیک متعهد شده به کاهش این شکاف کمک کند.»
در همین حال، اکسنچر و گوگل کلاد در حال تشکیل تیمی هزارنفره از مهندسان استقرار در محل مشتری هستند. بخشی از نیروهای این تیم از طریق بازآموزی مهندسان باتجربه نرم‌افزار تأمین می‌شود تا بتوانند در پروژه‌های استقرار هوش مصنوعی مستقیماً با مشتریان همکاری کنند.
رام رامالینگام، مسئول مهندسی استقرار در محل مشتری و مهندسی نرم‌افزار و پلتفرم در اکسنچر، می‌گوید: «واقعیت این است که نمی‌توان صرفاً از طریق استخدام، به تعداد مهندسان باتجربه استقرار در محل مشتری که شرکت‌ها نیاز دارند، دست پیدا کرد.» به گفته او، دوره آموزش و آماده‌سازی این مهندسان در اکسنچر، بسته به پیشینه حرفه‌ای افراد، بین ۳۰ تا ۹۰ روز طول می‌کشد. رامالینگام تأکید می‌کند که شرکت‌کنندگان از قبل تجربه قابل توجهی در مهندسی نرم‌افزار دارند و هدف برنامه، افزودن مهارت‌های تخصصی استقرار به توانایی‌های آن‌ها است، نه آموزش افراد مبتدی.
AWS نیز فرصت مهمی برای پرورش این تخصص در داخل سازمان مشتریان خود می‌بیند. کالاواد می‌گوید بسیاری از شرکت‌ها همین حالا مهندسان توانمندی در اختیار دارند، اما برای یادگیری چگونگی انتقال پروژه‌های هوش مصنوعی از مرحله آزمایش به محیط عملیاتی به کمک نیاز دارند. مهندسان استقرار AWS در کنار تیم‌های داخلی مشتریان کار می‌کنند تا آن‌ها در نهایت بتوانند سامانه‌های خود را به‌صورت مستقل نگهداری و توسعه دهند.
کورفیلد معتقد است این چالش صرفاً به دانش فنی محدود نمی‌شود. او می‌گوید: «مهارتی که با کمبود آن مواجه هستیم، توانایی مهندسی است که هم سازوکار یک کسب‌وکار را درک کند و هم بتواند سامانه‌ای بسازد که آن کسب‌وکار را متحول کند.»
آنتروپیک معتقد است بخشی از این تخصص را می‌توان از طریق آموزش مهندسی ساختارمند پرورش داد. برنامه Frontier Deployed Engineer Residency این شرکت از الگوی آموزش پزشکی الهام گرفته است. در این برنامه، مهندسان باتجربه در کنار متخصصان فعال در این حوزه قرار می‌گیرند و توانایی آن‌ها بر اساس پروژه‌های واقع‌گرایانه استقرار هوش مصنوعی در محیط سازمانی ارزیابی می‌شود.
کورفیلد می‌گوید: «ما این دوره آموزش عملی را بر اساس شیوه تربیت پزشکان در نظام آموزش پزشکی طراحی کرده‌ایم.» به گفته آنتروپیک، شرکت‌کنندگان زیر نظر مهندسانی که عملاً در این حوزه فعالیت دارند آموزش می‌بینند، روی نمونه‌های واقعی‌نما کار می‌کنند و پیش از آنکه در شرکت‌های خود به‌صورت مستقل فعالیت کنند، مورد ارزیابی قرار می‌گیرند. سپس هنگام کار روی پروژه‌های Claude، به مدت ۱۲ هفته از راهنمایی و حمایت مهندسان آنتروپیک بهره‌مند می‌شوند. انتظار می‌رود نخستین گواهی‌نامه‌های کامل این برنامه در اوایل سال ۲۰۲۷ صادر شود.
هنوز برای ارزیابی نتایج استقرار هوش مصنوعی زود است
به گفته کریستین، مهندسان باتجربه استقرار در محل مشتری می‌توانند با سرپرستی تیم‌هایی از مهندسان کم‌تجربه‌تر، به گسترش نیروی کار این حوزه کمک کنند. برای مثال، او معتقد است مهندسانی که ۱۰ تا ۱۵ پروژه استقرار موفق را پشت سر گذاشته‌اند، احتمالاً از تجربه و قدرت قضاوت لازم برای هدایت تیم‌های پنج یا شش‌نفره برخوردارند. آن‌ها می‌توانند دانشی را که از حل مشکلات پیچیده در پروژه‌های مشتریان به دست آورده‌اند، به اعضای کم‌تجربه‌تر منتقل کنند.
کریستین این الگوی مبتنی بر راهنمایی نیروهای کم‌تجربه‌تر را راهی برای گسترش تیم‌های استقرار می‌داند؛ بدون آنکه لازم باشد برای تک‌تک موقعیت‌های شغلی، مهندسانی در بالاترین سطح تخصص استخدام شوند.
اما هندرسون تأکید می‌کند که آموزش قدرت قضاوت و تصمیم‌گیری لازم برای تعامل با مشتریان در پروژه‌های پیچیده استقرار هوش مصنوعی، به‌ویژه دشوار است. به گفته او، هرچند مهارت‌های فنی را می‌توان از طریق دوره‌های آموزشی توسعه داد، مهندسان برای مواجهه با چالش‌های واقعی مشتریان به تجربه عملی نیز نیاز دارند.
هندرسون می‌گوید: «هیچ الگوریتم فشرده‌سازی‌ای برای تجربه وجود ندارد.»
از دید کریستین، ریشه این چالش به فشار سرمایه‌گذاران برای دستیابی به نتایج تجاری بازمی‌گردد. او معتقد است شرکت‌ها به مهندسانی نیاز دارند که بتوانند مستقیماً با مشتریان کار کنند و سامانه‌های هوش مصنوعی را که روزبه‌روز قدرتمندتر می‌شوند، به کاربردهای عملی تبدیل کنند. او می‌گوید: «تنها راهی که می‌توان هوش مصنوعی را واقعاً به کار گرفت، تعامل مستقیم انسان‌ها با یکدیگر است.»
آزمون نهایی این است که آیا افزایش تعداد این متخصصان می‌تواند به شرکت‌ها کمک کند از سرمایه‌گذاری در هوش مصنوعی چنان بازدهی‌ای به دست آورند که هزینه‌های اولیه سنگین آن توجیه شود یا خیر. تاکنون شواهد موجود از پروژه‌های مهندسان استقرار برای تأیید چنین نتیجه‌ای کافی نبوده است. بر اساس مطالعات موردی منتشرشده از سوی خود شرکت‌ها، برخی پروژه‌های اولیه به بهبود بهره‌وری منجر شده‌اند، اما هنوز بازده مالی سرمایه‌گذاری را نشان نداده‌اند.
در شرکت وام‌دهنده مسکن PennyMac، مهندسان استقرار Caylent در کنار مدیران محصول و مهندسان این شرکت روی پلتفرمی مبتنی بر هوش مصنوعی برای خدمات و مدیریت وام‌های مسکن کار کردند. بر اساس مطالعه موردی ارائه‌شده از سوی AWS، برخی وظایف مهندسی، بسته به نوع فعالیت، تا شش برابر سریع‌تر انجام شدند.
پروژه دیگری از Caylent مربوط به شرکت Smarsh، ارائه‌دهنده نرم‌افزارهای نظارت بر انطباق ارتباطات با مقررات، بود. در یک مطالعه موردی منتشرشده از سوی این شرکت برآورد شده است که پروژه توانسته معادل پنج تا ۱۰ میلیون دلار از ظرفیت تیم‌های مهندسی و محصول را آزاد کند تا این ظرفیت به فعالیت‌های دیگر اختصاص یابد. Caylent تأیید کرده است که مهندسان استقرار در این پروژه مشارکت داشته‌اند، اما رقم اعلام‌شده سهم مستقل این مهندسان را مشخص نمی‌کند و به معنای صرفه‌جویی نقدی به همان میزان نیز نیست.
بنابراین، بهبودهای گزارش‌شده در بهره‌وری مهندسی و ظرفیت کاری را نمی‌توان معادل بازدهی سرمایه‌گذاری در هوش مصنوعی دانست که به‌طور مستقل تأیید شده باشد.
طرح بلندپروازانه آنتروپیک برای آموزش مهندسان نیز هنوز نتایج قابل اندازه‌گیری خود را نشان نداده است. کورفیلد اذعان می‌کند که برای دستیابی به داده‌های مربوط به نتایج این برنامه هنوز زود است. او می‌گوید آنتروپیک قصد دارد مدت‌زمان لازم برای ورود پروژه‌های شرکت‌کنندگان به مرحله بهره‌برداری عملیاتی و همچنین میزان استفاده از سامانه‌های ایجادشده را بررسی و ثبت کند.