میزگرد؛ اگر امروز از صفر وارد IT می‌شدیم، چه چیزی می‌خواندیم؟

دربارهٔ این میزگرد

محورهای گفت‌وگو: از کجا شروع کنیم، کدام پایه‌ها هنوز ضروری‌اند، آیا Networking و CCNA هنوز ارزش دارند، Python و Automation چقدر مهم‌اند، AI را به‌عنوان تخصص یاد بگیریم یا به‌عنوان ابزار، Cybersecurity در آینده چه جایگاهی دارد، Cloud را کجای مسیر بگذاریم و مهم‌تر از همه، بین این همه مسیر چطور مسیر خودمان را پیدا کنیم. یکی از نکات مهم این است که Network Engineer امروز فقط با Routing و Switching تعریف نمی‌شود؛ در کنار پایه‌هایی مثل TCP/IP و Subnetting، آشنایی با Automation و Python هم مهم شده است. مجید شیرزاده بر یک IT Foundation عمومی تأکید می‌کند: Linux، IP، Switch، Router، DNS و DHCP را بفهمیم و بعد بر اساس علاقه به سمت Networking، Cloud، Automation یا AI برویم.

با Agentic AI و MCP بعضی از کارهایی که ساعت‌ها طول می‌کشید امروز خیلی سریع‌تر انجام می‌شود و این سؤال تازه‌ای پیش می‌آورد: چه چیزی را باید عمیق یاد بگیریم و چه چیزی را باید یاد بگیریم که با AI انجام دهیم؟ Cybersecurity هم جدی بحث می‌شود؛ به‌ویژه وقتی AI Agentها به سیستم‌ها و ابزارهای واقعی دسترسی پیدا می‌کنند، امنیت خودش به یکی از مهم‌ترین لایه‌های آیندهٔ IT تبدیل می‌شود. و حتی اگر بخش بزرگی از کدنویسی را AI انجام دهد، باز هم باید REST API، JSON و مبانی Python را بفهمیم تا بدانیم سیستم واقعاً چه می‌کند.

مسیر پیشنهادی این گفت‌وگو برای شروع از صفر: اول Foundation (Linux و سیستم‌عامل، TCP/IP، Subnetting، DNS و DHCP، Routing & Switching)، بعد انتخاب یک مسیر (Networking، Cybersecurity، Cloud، Automation یا AI) و روی همهٔ این‌ها، یادگیری AI به‌عنوان ابزار روزمره؛ نه لزوماً برای Machine Learning Engineer شدن، بلکه برای اینکه بدانیم چطور AI، Agentها، MCP و ابزارهای جدید را وارد کار واقعی‌مان کنیم.

این قسمت برای چه کسانی مفید است

• کسانی که می‌خواهند وارد IT شوند و بین Networking، Cybersecurity، Cloud، Automation و AI سردرگم‌اند
• دانشجویان و تازه‌کارهایی که می‌پرسند CCNA و پایه‌های شبکه هنوز ارزش دارند یا باید مستقیم سراغ AI رفت
• مهندسان شاغلی که می‌خواهند بدانند کدام مهارت را عمیق یاد بگیرند و کدام را به AI بسپارند

نکات کلیدی این قسمت

• پایه‌ها هنوز حذف‌نشدنی‌اند: Linux، TCP/IP، Subnetting، DNS/DHCP و Routing & Switching
• Network Engineer امروز با Automation و Python هم تعریف می‌شود، نه فقط Routing و Switching
• AI را به‌عنوان ابزار روزمره یاد بگیرید؛ Agentic AI و MCP کارها را تغییر داده‌اند اما فهم REST API و JSON هنوز لازم است
• با دسترسی AI Agentها به سیستم‌های واقعی، Cybersecurity یکی از مهم‌ترین لایه‌های آیندهٔ IT می‌شود

در این میزگرد می‌شنوید

1. اگر امروز وارد IT شویم، از کجا شروع کنیم؟
2. چطور مسیر مناسب IT را انتخاب کنیم؟
3. اگر Networking را انتخاب کنیم چه چیزهایی باید بلد باشیم؟ TCP/IP، Subnetting، Automation و Python
4. اگر امروز دوباره شروع می‌کردیم، چه چیزی می‌خواندیم؟ چرا AI یکی از اولین انتخاب‌هاست؟
5. Foundationهای ضروری IT: Linux، IP، Switch، Router، DNS و DHCP
6. Networking، Cloud، Automation یا AI؟
7. استفاده از AI برای ساخت پروژه و یادگیری؛ آیا هنوز Automation را باید عمیق یاد گرفت؟
8. MCP چطور کارها را تغییر داده؟
9. چرا Cybersecurity در عصر AI مهم‌تر می‌شود؟ Security برای AI Agentها
10. آیا AI خودش یک تخصص است؟ هنوز Python، REST API و JSON لازم‌اند؟
11. چقدر Programming باید بلد باشیم؟
12. Agentic AI و مسیر آیندهٔ Security
13. MCP و REST API؛ پل بین AI و دنیای واقعی
14. آیا مسیرهای غیرمستقیم IT هم ارزش دارند؟
15. چطور AI را وارد کار روزانه کنیم؟ از Network Automation قدیمی تا AI امروز
16. آیندهٔ Network Engineerها با AI؛ آیا AI دیگر اختیاری است؟
17. علاقه یا بازار کار؛ کدام مهم‌تر است؟
18. اگر ۱۸ ساله بودیم چه حوزه‌هایی را بررسی می‌کردیم؟
19. جمع‌بندی؛ چطور مسیر آینده‌دار انتخاب کنیم؟

واژه‌نامهٔ این قسمت

IT Foundation

مجموعهٔ پایه‌هایی که هر مسیر IT روی آن ساخته می‌شود: Linux و سیستم‌عامل، TCP/IP، Subnetting، DNS و DHCP، Switch و Router؛ همان چیزی که میزگرد پیش از انتخاب تخصص توصیه می‌کند.

Agentic AI

هوش مصنوعی‌ای که به‌جای فقط پاسخ‌دادن، با ابزارها و سیستم‌ها تعامل می‌کند و چندمرحله‌ای کار انجام می‌دهد؛ دلیل اینکه امنیت دسترسی Agentها به اولویت تبدیل شده است.

MCP (Model Context Protocol)

پروتکلی استاندارد برای اتصال مدل‌های هوش مصنوعی به ابزارها، داده‌ها و APIهای واقعی؛ پلی که به AI اجازه می‌دهد کارهای عملی (مثلاً روی شبکه) را اجرا کند.

REST API و JSON

رابط استاندارد برای صحبت با سیستم‌ها از طریق HTTP و قالب دادهٔ آن؛ حتی وقتی AI کد را می‌نویسد، فهم این دو برای دانستن اینکه سیستم واقعاً چه می‌کند ضروری است.

Network Automation

خودکارسازی پیکربندی و عملیات شبکه با Python، Ansible و APIها؛ مسیری که از اسکریپت‌های قدیمی شروع شد و امروز به AI و Agentها رسیده است.

Security for AI Agents

کنترل هویت، مجوز و دامنهٔ دسترسی Agentهای هوش مصنوعی به سیستم‌های واقعی؛ لایهٔ امنیتی تازه‌ای که با گسترش Agentic AI اهمیت پیدا کرده است.

پرسش‌های متداول