E7فهرست انتظار
هوش مصنوعی در پروژه‌ی بلاک‌چینی سازمان
هوش مصنوعی در پروژه‌ی بلاک‌چینی سازمان: سریع‌تر تصمیم بگیرید، بدون این‌که داده، مسئولیت یا کلید از دستتان برود.
در پایان دوره
در پایان دوره یک «سیاست استفاده از AI» برای پروژه‌ی بلاک‌چینی خود دارید (چه داده‌ای بیرون نرود، چه ابزاری مجاز است، هر استفاده چطور ثبت شود، چه کسی پاسخ‌گوست، عامل خودکار تا چه سقفی و با تأیید چه کسی تراکنش بزند) و یاد گرفته‌اید خلاصه و ارزیابی ساخته‌شده با AI را چطور بسنجید تا یک ادعای ساختگی فروشنده به تصمیم شما راه پیدا نکند.
مخاطب دوره
مخاطب: مدیر پروژه، مدیر محصول، مدیر خرید و مدیر فناوری اطلاعات که E1 را گذرانده (یا در آزمون تعیین سطح نشان داده که چارچوب «آیا بلاک‌چین لازم است؟»، کنسرسیوم، TCO و کارت امتیاز فروشنده را می‌شناسد)؛ عضو کمیته‌ی فنی یا کمیته‌ی خرید یک کنسرسیوم؛ مسئول ریسک، انطباق یا امنیت اطلاعات که باید درباره‌ی استفاده‌ی تیم پروژه از AI قاعده بنویسد؛ مشاور یا مدیری که فروشندگان به او «راهکار بلاک‌چین + هوش مصنوعی» پیشنهاد می‌دهند.
غیرمخاطب: برنامه‌نویسی که می‌خواهد با عامل AI قرارداد هوشمند بنویسد (X1 — توسعه‌ی قرارداد هوشمند با عامل AI)؛ کاربری که دنبال استفاده‌ی امن شخصی از AI با کیف‌پول خودش است (G9 — هوش مصنوعی برای امنیت دارایی و حساب شخصی)؛ کسی که می‌خواهد مدل یادگیری ماشین بسازد یا آموزش دهد (این دوره مدل نمی‌سازد)؛ کسی که هنوز نمی‌داند بلاک‌چین برای مسئله‌اش لازم است یا نه (اول E1).
آنچه می‌سازید
| ماژول | محصول |
|---|---|
| ۱ | جدول «ادعا و واقعیت» برای یک پیشنهاد «بلاک‌چین + AI» و نقشه‌ی کار هر فناوری در یک فرایند |
| ۲ | خلاصه‌ی راستی‌آزموده‌ی سه پیشنهاد فروشنده و «دفتر راستی‌آزمایی» (مجموعه‌ی خطای کاشته‌شده‌ی ۱) |
| ۳ | ماتریس طبقه‌بندی داده برای استفاده از AI و قاعده‌ی ابزار مجاز (ابری، سازمانی، محلی) |
| ۴ | «برگه‌ی ردپای تصمیم» و پیش‌نویس سیاست داخلی AI، اصلاح‌شده از یک پیش‌نویس معیوب (مجموعه‌ی ۲) |
| ۵ | جدول سقف و تأیید برای یک عامل پرداخت، با بازبینی یک طرح معیوب و یک فاکتور آلوده به دستور (مجموعه‌ی ۳) |
| ۶ | چک‌لیست بندهای AI در قرارداد فروشنده، با اصلاح بندهای پیش‌نویس AI (مجموعه‌ی ۴) |
| ۷ | ثبت ریسک AI و بازبینی یک توجیه اقتصادی ساخته‌شده با AI (مجموعه‌ی ۵) |
| ۸ | سیاست استفاده از AI در پروژه + ارزیابی یک پیشنهاد فروشنده + ویدیوی دفاع |
پیش‌نیازها
رسمی: E1 — بلاک‌چین برای تصمیم‌گیران. توصیه‌شده: E2 — از ایده تا پایلوت (این دوره بارها به دروازه‌های پایلوت، شاخص توقف و بندهای قرارداد E2 تکیه می‌کند). برنامه‌نویسی، ریاضی یا دانش یادگیری ماشین لازم نیست؛ هر اصطلاح فنی در نخستین کاربرد تعریف می‌شود.
زمان و ریتم
۱۱ ساعت درس + حدود ۵ ساعت تمرین و پروژه؛ ۷ هفته، هفته‌ای ۳ ساعت. هفته‌ی ۱: ماژول ۱؛ هفته‌ی ۲: ماژول ۲؛ هفته‌ی ۳: ماژول ۳؛ هفته‌ی ۴: ماژول ۴ و پروژه‌ی میانی؛ هفته‌ی ۵: ماژول ۵؛ هفته‌ی ۶: ماژول ۶ و ۷؛ هفته‌ی ۷: پروژه‌ی نهایی و آزمون. ترکیب محتوا: ویدیو ۲۵٪، متن ۴۰٪، دیاگرام ۲۵٪، کار عملی ۱۰٪. ویدیو برای دموهای مقایسه‌ی پاسخ‌های AI با سند اصلی و برای جمع‌بندی هر ماژول است؛ قاعده‌ها، قالب‌ها و چک‌لیست‌ها متن‌اند تا با تغییر ابزارها به‌روز شوند.
ابزارها و نسخه‌ها
یک صفحه‌گسترده (LibreOffice Calc، Excel یا هر برنامه‌ی مشابه)، نمایشگر PDF، و در صورت دسترسی یک دستیار گفت‌وگوی هوش مصنوعی (ابری، سازمانی یا مدل باز محلی؛ نمونه‌ها در §۷.۲، «نمونه، نه توصیه»). هیچ ابزار پولی یا حساب ویژه‌ای لازم نیست. همه‌ی مواد تمرین (سناریوی کنسرسیوم ساختگی «ردیاب»، RFP، سه پیشنهاد فروشنده‌ی ساختگی، پاسخ‌های ضبط‌شده‌ی AI، پنج مجموعه‌ی خطای کاشته‌شده) در بسته‌ی دوره است (§۷.۳).
ارزیابی و سیاست AI
- تمرین: استفاده از AI آزاد است؛ تست خودکار نتیجه را می‌سنجد.
- آزمون: بدون AI.
- پروژه: AI مجاز است، اما در ویدیوی دفاع باید هر خط را توضیح بدهید.
| بخش | وزن |
|---|---|
| آزمون‌های کوتاه ماژول‌ها | ۱۵٪ |
| تمرین‌های اجباری (پنج مجموعه‌ی خطای کاشته‌شده و برگه‌ها) | ۲۰٪ |
| پروژه‌ی میانی (بسته‌ی حاکمیت AI) | ۲۰٪ |
| پروژه‌ی نهایی (با ویدیوی دفاع) | ۳۵٪ |
| آزمون پایانی | ۱۰٪ |
حد قبولی: ۷۰٪ کل، با دست‌کم ۶۰٪ در پروژه‌ی نهایی و تحویل ویدیوی دفاع.
گواهی
گواهی «E7 — هوش مصنوعی در پروژه‌ی بلاک‌چینی سازمان» با ذکر خروجی نهایی («سیاست استفاده از AI در پروژه‌ی بلاک‌چینی + ارزیابی یک پیشنهاد فروشنده») و سطح «متوسط (مدیریتی)». گواهی نشان‌دهنده‌ی گذراندن دوره‌ی آموزشی است، نه مجوز حرفه‌ای، گواهی انطباق یا صلاحیت مشاوره‌ی حقوقی. با نمره‌ی ۹۰٪ و بالاتر، عبارت «با درجه‌ی ممتاز» افزوده می‌شود. متن گواهی: «گواهی می‌شود [نام] دوره‌ی «هوش مصنوعی در پروژه‌ی بلاک‌چینی سازمان» (ساعت درس: ۱۱ ساعت (+ ۵ ساعت تمرین و پروژه)) را گذرانده و توانایی نوشتن سیاست استفاده از AI در پروژه‌ی بلاک‌چینی، راستی‌آزمایی ارزیابی ساخته‌شده با AI و طراحی سقف و تأیید انسانی برای عامل‌های تراکنش را در پروژه‌ی نهایی و دفاع ویدیویی نشان داده است.»
نمونه‌ی درس
درس نمونه‌ی رایگان این دوره به‌زودی منتشر می‌شود. برای خبر شدن، وارد فهرست انتظار شوید.
- ماژول ۱هوش مصنوعی و بلاک‌چین در سازمان: هرکدام چه می‌کند، چه چیزی را حل نمی‌کند؛ ادعا و واقعیت (۱٫۵ ساعت)
- ماژول ۲هوش مصنوعی برای تصمیمهای پروژه: تحلیل نیاز، RFP، ارزیابی پیشنهاد، خلاصه‌ی اسناد؛ خطاها و راستی‌آزمایی (۲ ساعت)
- ماژول ۳داده‌ی سازمانی و حریم خصوصی: چه داده‌ای بیرون نرود؛ مدل ابری یا محلی؛ ثبت استفاده (۱٫۵ ساعت)
- ماژول ۴حاکمیت و مسئولیت: ردپای تصمیمهای کمکگرفته از AI، سیاست درونی، ممیزی (۱٫۵ ساعت)
- ماژول ۵عامل‌های هوش مصنوعی و تراکنش: عاملی که پرداخت یا تراکنش میزند؛ سقف، تأیید انسانی، کنترل دسترسی و کلید (ارجاع به E6) (۱٫۵ ساعت)
- ماژول ۶قرارداد با فروشنده و پیمانکار در عصر AI: مالکیت خروجی، داده، SLA، خروج (۱ ساعت)
- ماژول ۷ریسک و توجیه اقتصادی استفاده از AI در پایلوت (۱ ساعت)
- ماژول ۸پروژه‌ی نهایی: «سیاست استفاده از AI در پروژه‌ی بلاک‌چینی + ارزیابی یک پیشنهاد فروشنده» (۱ ساعت + کار آزاد)
مدرس هر دوره متخصص همان حوزه است. معرفی مدرس این دوره همراه با باز شدن ثبت‌نام در صفحه‌ی مدرسان می‌آید.
- آیا این دوره یاد می‌دهد با AI راهکار بلاک‌چینی بسازیم؟ نه. دوره درباره‌ی تصمیم و حاکمیت است: کجا از AI کمک بگیرید، خروجی‌اش را چطور بسنجید، چه داده‌ای ندهید و چه کسی پاسخ‌گوست. ساختن با عامل AI موضوع X1 است.
- دسترسی به ChatGPT یا سرویس مشابه ندارم؛ می‌توانم دوره را بگذرانم؟ بله. همه‌ی پاسخ‌های AI مورد بررسی در بسته به‌صورت ثابت آمده و نمره فقط به آن‌ها وابسته است؛ هر تمرین نسخه‌ی کاغذی بدون AI دارد.
- آیا سیاست AI این دوره با قانون کشور ما سازگار است؟ دوره مشاوره‌ی حقوقی نمی‌دهد. قالب سیاست، پرسش‌هایی را که باید از مشاور حقوقی و مسئول حفاظت داده بپرسید فهرست می‌کند و تاریخ بررسی را ثبت می‌کند.
- آیا مدل محلی (روی سرور خود سازمان) همه‌ی مشکلات داده را حل می‌کند؟ نه. مدل محلی خطر خروج داده به فروشنده‌ی ابری را کم می‌کند، ولی ساختن واقعیت، کهنگی، دسترسی بیش از حد کارکنان، ثبت‌نشدن استفاده و تزریق دستور را حل نمی‌کند (ماژول ۳).
- آیا یاد می‌گیریم یک عامل AI را به کیف‌پول سازمان وصل کنیم؟ دوره پیکربندی فنی آموزش نمی‌دهد؛ یاد می‌گیرید چه سقف‌ها، تأییدها و جداسازی کلیدی را از تیم فنی و فروشنده مطالبه کنید و طرح آن‌ها را چطور بسنجید (ماژول ۵، با ارجاع به E6).
- چرا «خطای کاشته‌شده»؟ چون مهارت اصلی مدیر در کار با AI، پیدا کردن خطای روان و قانع‌کننده پیش از رسیدن به تصمیم است. پنج مجموعه‌ی آماده با خطاهای واقع‌نما (ادعای ساختگی، رقم بی‌منبع، بند ناامن، دستور پنهان) دارید.
- آیا این دوره درباره‌ی سرمایه‌گذاری روی پروژه‌های «AI + کریپتو» نظر می‌دهد؟ نه. هیچ توصیه‌ی سرمایه‌گذاری، پیش‌بینی قیمت یا رتبه‌بندی محصول در دوره نیست.
دوره‌ی بعدی
پس از E7، مهم‌ترین گام به‌کارگیری سیاست در پروژه‌ی واقعی خودتان است (با داده‌ی واقعی فقط درون سازمان و با تأیید مسئول امنیت اطلاعات). اگر می‌خواهید دید فنی پیدا کنید: E4 — اجرای نود و عملیات شبکه (برای فهم عملیات زیرساخت) یا S1 — تصمیم‌گیری معماری (برای معمار؛ پیش‌نیاز برنامه‌نویسی دارد). اگر در پروژه‌تان کلید و امضای سازمانی مطرح است، فصل سیاست تأیید E6 را با تیم زیرساخت مرور کنید. اگر E2 یا E3 را نگذرانده‌اید، آن‌ها گام منطقی بعدی‌اند.