همزمان با این جابهجایی، هوش مصنوعی وارد فضای کار همه شد. اول فکر میکردم فقط ابزاری برای تولید سریع متن و تصویر است. بعد فهمیدم مساله اصلی من تولید متن نبود؛ مساله من این بود که دانشی که در حوزههای مختلف، در طول بیش از یک دهه، جمع کرده بودم، هیچجا به هم وصل نبود، حتی تلاشم در نگاشتن یک کتاب به انگلیسی برای معماران جهت اتصال دانش خلق تصویر به کمک ابزاری چون میدجرنی هم نتوانست یک پیوستگی معنایی ایجاد کند برای من.
اینجاست که نوشتههای دن کو، نویسنده و متفکر حوزه اقتصاد دیجیتال، برایم معنای دقیقی پیدا کرد. او در مقالهای با عنوان صد هزار دلار دانش که در مغزت حبس شده، استدلال میکند که بیشتر آدمهای باهوش و باتجربه، حجم زیادی دانش ترکیبی دارند؛ ترکیبی از چند حوزه که هیچکس دیگری دقیقاً همان ترکیب را ندارد. اما چون این دانش هرگز به یک سیستم قابل بازیابی و قابل انتقال تبدیل نشده، عملاً یک سرمایه مرده باقی میماند؛ چیزی که وجود دارد اما هیچ ارزشی تولید نمیکند، دقیقاً مثل پولی که زیر تشک مانده باشد.
https://thedankoe.com/letters/you-have-100000-of-knowledge-trapped-in-your-brain/
در مقاله دیگرش، سینتسایزر، دن کو مسیر شغلی متفاوتی را توصیف میکند. به گفته او، سینتسایزر کسی است که مسیر یکتایی را دنبال میکند، کنجکاوی را قطبنمای خودش قرار میدهد، ایدهها را از حوزههای ظاهرا نامرتبط به هم وصل میکند، و از دل همین اتصال، چیزی میسازد که هیچکدام از حوزههای اصلی بهتنهایی نمیساختند. او تاکید میکند که نوشتن، مهمترین مهارت این مسیر است، نه چون محصول نهایی نوشتن ارزشمند است، بلکه چون فرآیند نوشتن، خودش راهی برای فکر کردن و متصل کردن ایدههاست.
https://thedankoe.com/letters/the-synthesizer-a-digital-career-path-for-curious-people/
من دقیقاً در همین نقطه، تصمیم گرفتم سیستم فکریام را از نو معماری کنم. نه استعارهای، بلکه واقعا مثل یک پروژه معماری.
سیستم فعلی من ترکیبی از دو لایه است. لایه اول ابسیدین است. ابسیدین از نظر منطق داخلی، همان زتلکاستن لومان است، فقط دیجیتال. هر یادداشت یک گره است، و بین گرهها لینک دوطرفه وجود دارد. یک یادداشت درباره اصول سازه در معماری، میتواند به یک یادداشت درباره ساختار روایت در پادکست وصل شود، و آن هم به یک یادداشت درباره معماری محتوا برای مشتریهای اروپایی. این دقیقاً همان چیزی است که علوم شناختی به آن حافظه انجمنی میگوید؛ دانش وقتی قدرتمند میشود که گرههایش به هم وصل باشند، نه وقتی در فایلهای جدا و بیارتباط نگه داشته شود.
لایه دوم کلاود است. اینجا تفاوت بزرگ بین سیستم من و سیستم لومان شکل میگیرد. لومان مجبور بود خودش، با دست، الگوها را در میان نود هزار کارت پیدا کند. کلاود این کار را بهشکل خودکار انجام میدهد. وقتی یک یادداشت جدید از یک جلسه با مشتری، یا یک ایده از تجربه معماری قدیمیام وارد سیستم میشود، کلاود آن را با کل آرشیو مقایسه میکند، الگوهای پنهان و ارتباطهای غیرمنتظره را پیدا میکند، و پیشنویس اول محتوا یا استراتژی را از دل همان اتصالها میسازد. من نقش انسان در حلقه را نگه میدارم؛ تصمیم نهایی و تایید کیفیت با من است، ولی جستجو و اتصال اولیه دیگر روی دوش حافظه محدود من نیست.
از منظر علمی، این دقیقاً همان چیزی است که در پژوهشهای شناخت توزیعشده مطرح میشود؛ فرآیند فکر کردن، لزوما در مرزهای جمجمه اتفاق نمیافتد، بلکه در تعامل بین مغز و ابزارهای بیرونی قابل اتکا رخ میدهد. وقتی این ابزار بیرونی، مثل کلاود، خودش قابلیت پردازش و اتصال دارد، آنوقت با یک سیستم شناختی تقویتشده روبهرو هستیم، نه فقط یک آرشیو منفعل.
یک اثر علمی دیگر هم اینجا وارد بازی میشود؛ اثر فاصلهگذاری. هرمان ابینگهاوس در همان پژوهش قرن نوزدهمی نشان داد که مرور فاصلهدار یک اطلاعات، منحنی فراموشی را کند میکند و دانش را به حافظه بلندمدت منتقل میکند. مشکل عملی همیشه این بوده که هیچکس وقت ندارد بنشیند و بهطور دستی مشخص کند کدام یادداشت قدیمی الان دوباره مرتبط شده. این دقیقا کاری است که در سیستم من، کلاود بهجای من انجام میدهد؛ وقتی یک موضوع جدید مطرح میشود، آرشیو قدیمی معماری یا تدریس دانشگاهیام را دوباره روی میز میآورد، حتی اگر خودم آن ارتباط را فراموش کرده باشم. یعنی مرور فاصلهدار، که در حالت عادی نیاز به انضباط شخصی سختی دارد، در این سیستم بهشکل خودکار اتفاق میافتد.
در ۴۲ سالگی، وسط همین بازسازی، تصمیم گرفتم یک دوره تخصصی مدیریت کسبوکار بخوانم. نه اینکه یک مدرک مستر بگیرم از یک دانشگاه فرانسوی،بلکه برای اینکه یاد بگیرم این منطق معماری اطلاعات را چطور به یک سیستم قابل مقیاس، قابل تکرار، و قابل انتقال به دیگران تبدیل کنم.
اینجاست که نوشتههای دن کو، نویسنده و متفکر حوزه اقتصاد دیجیتال، برایم معنای دقیقی پیدا کرد. او در مقالهای با عنوان صد هزار دلار دانش که در مغزت حبس شده، استدلال میکند که بیشتر آدمهای باهوش و باتجربه، حجم زیادی دانش ترکیبی دارند؛ ترکیبی از چند حوزه که هیچکس دیگری دقیقاً همان ترکیب را ندارد. اما چون این دانش هرگز به یک سیستم قابل بازیابی و قابل انتقال تبدیل نشده، عملاً یک سرمایه مرده باقی میماند؛ چیزی که وجود دارد اما هیچ ارزشی تولید نمیکند، دقیقاً مثل پولی که زیر تشک مانده باشد.
https://thedankoe.com/letters/you-have-100000-of-knowledge-trapped-in-your-brain/
در مقاله دیگرش، سینتسایزر، دن کو مسیر شغلی متفاوتی را توصیف میکند. به گفته او، سینتسایزر کسی است که مسیر یکتایی را دنبال میکند، کنجکاوی را قطبنمای خودش قرار میدهد، ایدهها را از حوزههای ظاهرا نامرتبط به هم وصل میکند، و از دل همین اتصال، چیزی میسازد که هیچکدام از حوزههای اصلی بهتنهایی نمیساختند. او تاکید میکند که نوشتن، مهمترین مهارت این مسیر است، نه چون محصول نهایی نوشتن ارزشمند است، بلکه چون فرآیند نوشتن، خودش راهی برای فکر کردن و متصل کردن ایدههاست.
https://thedankoe.com/letters/the-synthesizer-a-digital-career-path-for-curious-people/
من دقیقاً در همین نقطه، تصمیم گرفتم سیستم فکریام را از نو معماری کنم. نه استعارهای، بلکه واقعا مثل یک پروژه معماری.
سیستم فعلی من ترکیبی از دو لایه است. لایه اول ابسیدین است. ابسیدین از نظر منطق داخلی، همان زتلکاستن لومان است، فقط دیجیتال. هر یادداشت یک گره است، و بین گرهها لینک دوطرفه وجود دارد. یک یادداشت درباره اصول سازه در معماری، میتواند به یک یادداشت درباره ساختار روایت در پادکست وصل شود، و آن هم به یک یادداشت درباره معماری محتوا برای مشتریهای اروپایی. این دقیقاً همان چیزی است که علوم شناختی به آن حافظه انجمنی میگوید؛ دانش وقتی قدرتمند میشود که گرههایش به هم وصل باشند، نه وقتی در فایلهای جدا و بیارتباط نگه داشته شود.
لایه دوم کلاود است. اینجا تفاوت بزرگ بین سیستم من و سیستم لومان شکل میگیرد. لومان مجبور بود خودش، با دست، الگوها را در میان نود هزار کارت پیدا کند. کلاود این کار را بهشکل خودکار انجام میدهد. وقتی یک یادداشت جدید از یک جلسه با مشتری، یا یک ایده از تجربه معماری قدیمیام وارد سیستم میشود، کلاود آن را با کل آرشیو مقایسه میکند، الگوهای پنهان و ارتباطهای غیرمنتظره را پیدا میکند، و پیشنویس اول محتوا یا استراتژی را از دل همان اتصالها میسازد. من نقش انسان در حلقه را نگه میدارم؛ تصمیم نهایی و تایید کیفیت با من است، ولی جستجو و اتصال اولیه دیگر روی دوش حافظه محدود من نیست.
از منظر علمی، این دقیقاً همان چیزی است که در پژوهشهای شناخت توزیعشده مطرح میشود؛ فرآیند فکر کردن، لزوما در مرزهای جمجمه اتفاق نمیافتد، بلکه در تعامل بین مغز و ابزارهای بیرونی قابل اتکا رخ میدهد. وقتی این ابزار بیرونی، مثل کلاود، خودش قابلیت پردازش و اتصال دارد، آنوقت با یک سیستم شناختی تقویتشده روبهرو هستیم، نه فقط یک آرشیو منفعل.
یک اثر علمی دیگر هم اینجا وارد بازی میشود؛ اثر فاصلهگذاری. هرمان ابینگهاوس در همان پژوهش قرن نوزدهمی نشان داد که مرور فاصلهدار یک اطلاعات، منحنی فراموشی را کند میکند و دانش را به حافظه بلندمدت منتقل میکند. مشکل عملی همیشه این بوده که هیچکس وقت ندارد بنشیند و بهطور دستی مشخص کند کدام یادداشت قدیمی الان دوباره مرتبط شده. این دقیقا کاری است که در سیستم من، کلاود بهجای من انجام میدهد؛ وقتی یک موضوع جدید مطرح میشود، آرشیو قدیمی معماری یا تدریس دانشگاهیام را دوباره روی میز میآورد، حتی اگر خودم آن ارتباط را فراموش کرده باشم. یعنی مرور فاصلهدار، که در حالت عادی نیاز به انضباط شخصی سختی دارد، در این سیستم بهشکل خودکار اتفاق میافتد.
در ۴۲ سالگی، وسط همین بازسازی، تصمیم گرفتم یک دوره تخصصی مدیریت کسبوکار بخوانم. نه اینکه یک مدرک مستر بگیرم از یک دانشگاه فرانسوی،بلکه برای اینکه یاد بگیرم این منطق معماری اطلاعات را چطور به یک سیستم قابل مقیاس، قابل تکرار، و قابل انتقال به دیگران تبدیل کنم.
Dan Koe
You Have $100,000 Of Knowledge Trapped In Your Brain - Dan Koe
Information leads to awareness of opportunity. Awareness of opportunity leads to profitable ideas. Profitable ideas lead to positive behavior change.
😘1
حالا ۴۳ سالمه، و چیزی که در حال ساختنش هستم دیگر یک عادت روزانه یا انگیزه لحظهای نیست؛ یک زیرساخت شناختی است که مستقل از حال روحی من کار میکند.
نکتهای که این تجربه به من نشان داد، کاملا علمی است و ربطی به انگیزه ندارد. تفاوت بین کسی که دانشش با هر تغییر زمینه از دست میرود، و کسی که هر تجربه جدید را دقیقا روی تجربههای قبلی میسازد، تقریبا هیچ ارتباطی به هوش یا استعداد ذاتی ندارد. تفاوت اصلی در این است که آیا فرد یک سیستم قابل بازیابی برای ذخیره، اتصال، و بازآفرینی دانش ساخته یا نه. لومان با کاغذ و شمارهگذاری دستی این کار را کرد. من با ابسیدین و کلاود همان کار را در مقیاسی بزرگتر و با سرعتی بیشتر انجام میدهم.
این تفاوت، وقتی آدم بین چند حوزه کاملا متفاوت جابهجا شده باشد، مثل من از معماری به دانشگاه، از دانشگاه به پادکست، از پادکست به مهاجرت، و از مهاجرت به هوش مصنوعی، حیاتی میشود. بدون یک سیستم خارجی قابل اتکا، هر جابهجایی یعنی از دست دادن بخشی از سرمایه فکری قبلی. با یک سیستم درست طراحیشده، هر جابهجایی یعنی افزودن یک لایه جدید به همان معماری، بدون از دست دادن لایههای قبلی.
این چیزی است که در آژانس کامپکیو، برای کسبوکارهای دیگر هم پیاده میکنیم. اکثر برندها محتوایشان پراکنده است؛ هر پست، هر مقاله، هر کمپین، جزیرهای جدا از بقیه. وقتی مدیر محتوا عوض میشود یا یک کمپین تمام میشود، همان اتفاقی که برای من در مهاجرت افتاد، برای برند هم میافتد؛ دانش انباشتهشده در ذهن یک نفر، بدون سیستم بیرونی قابل بازیابی، به سادگی گم میشود. کاری که ما انجام میدهیم این است که یک معماری دانش برای برند میسازیم؛ آرشیوی متصل از تحقیق بازار، تجربه مشتری، و محتوای تولیدشده، که با کمک هوش مصنوعی قابل بازیابی، اتصال، و بازآفرینی مداوم است. هر مصاحبه مشتری، هر گزارش عملکرد، هر تصمیم استراتژیک، به یک گره در همان شبکه تبدیل میشود، نه یک فایل فراموششده در یک پوشه. نتیجهاش سیستمی است که با هر پروژه جدید قویتر میشود، نه اینکه هر بار از صفر شروع شود، و مستقل از اینکه چه کسی آن روز پشت میز نشسته.
اگر میخواهی ببینی این معماری برای کسبوکار خودت چطور کار میکند، تیم کامپکیو همینجاست.
👉 compacio.navidaitoolbox.com
نکتهای که این تجربه به من نشان داد، کاملا علمی است و ربطی به انگیزه ندارد. تفاوت بین کسی که دانشش با هر تغییر زمینه از دست میرود، و کسی که هر تجربه جدید را دقیقا روی تجربههای قبلی میسازد، تقریبا هیچ ارتباطی به هوش یا استعداد ذاتی ندارد. تفاوت اصلی در این است که آیا فرد یک سیستم قابل بازیابی برای ذخیره، اتصال، و بازآفرینی دانش ساخته یا نه. لومان با کاغذ و شمارهگذاری دستی این کار را کرد. من با ابسیدین و کلاود همان کار را در مقیاسی بزرگتر و با سرعتی بیشتر انجام میدهم.
این تفاوت، وقتی آدم بین چند حوزه کاملا متفاوت جابهجا شده باشد، مثل من از معماری به دانشگاه، از دانشگاه به پادکست، از پادکست به مهاجرت، و از مهاجرت به هوش مصنوعی، حیاتی میشود. بدون یک سیستم خارجی قابل اتکا، هر جابهجایی یعنی از دست دادن بخشی از سرمایه فکری قبلی. با یک سیستم درست طراحیشده، هر جابهجایی یعنی افزودن یک لایه جدید به همان معماری، بدون از دست دادن لایههای قبلی.
این چیزی است که در آژانس کامپکیو، برای کسبوکارهای دیگر هم پیاده میکنیم. اکثر برندها محتوایشان پراکنده است؛ هر پست، هر مقاله، هر کمپین، جزیرهای جدا از بقیه. وقتی مدیر محتوا عوض میشود یا یک کمپین تمام میشود، همان اتفاقی که برای من در مهاجرت افتاد، برای برند هم میافتد؛ دانش انباشتهشده در ذهن یک نفر، بدون سیستم بیرونی قابل بازیابی، به سادگی گم میشود. کاری که ما انجام میدهیم این است که یک معماری دانش برای برند میسازیم؛ آرشیوی متصل از تحقیق بازار، تجربه مشتری، و محتوای تولیدشده، که با کمک هوش مصنوعی قابل بازیابی، اتصال، و بازآفرینی مداوم است. هر مصاحبه مشتری، هر گزارش عملکرد، هر تصمیم استراتژیک، به یک گره در همان شبکه تبدیل میشود، نه یک فایل فراموششده در یک پوشه. نتیجهاش سیستمی است که با هر پروژه جدید قویتر میشود، نه اینکه هر بار از صفر شروع شود، و مستقل از اینکه چه کسی آن روز پشت میز نشسته.
اگر میخواهی ببینی این معماری برای کسبوکار خودت چطور کار میکند، تیم کامپکیو همینجاست.
👉 compacio.navidaitoolbox.com
Compacio
کامپکیو | سیستم رشد برای کسبوکارهای خدماتی
استراتژی، تجربه دیجیتال، محتوا و جذب مشتری در یک سیستم قابل اندازهگیری.
❤2
در سال ۱۹۹۸، دو فیلسوف ذهن به نامهای اندی کلارک و دیوید چالمرز، مقالهای منتشر کردند که امروز یکی از پرارجاعترین متون فلسفه شناخت است: نظریه ذهن گسترده. آنها یک آزمایش فکری ساده طرح کردند. دو نفر را تصور کن. اولی، اینگا، حافظه زیستی سالمی دارد و آدرس موزه را از داخل ذهنش به یاد میآورد. دومی، اوتو، آلزایمر دارد و همه آدرسها را در یک دفترچه یادداشت میکند که همیشه همراهش است. وقتی اوتو دفترچهاش را باز میکند و آدرس را پیدا میکند، از نظر کارکردی دقیقاً همان اتفاقی میافتد که در ذهن اینگا رخ داده. کلارک و چالمرز نتیجه گرفتند که دفترچه اوتو، به لحاظ شناختی، بخشی از ذهن اوست، نه یک ابزار بیرونی و جانبی.
این ایده، پایه علمی چیزی است که امروز به آن مغز دوم میگویند.
اما مغز دوم یک ترند اینستاگرامی نیست؛ یک اصل شناختی است که پیش از دیجیتال شدن هم وجود داشته.
یک لایه علمی دیگر هم به این ماجرا اضافه میشود، از حوزه علم شبکه.
آلبرت-لازلو باراباشی و همکارانش نشان دادند که سیستمهایی با ساختار شبکهای متصل، در برابر آسیب و فراموشی مقاومترند از سیستمهایی که دانششان در یک نقطه واحد متمرکز است. مغز انسان، بهتنهایی، یک نقطه واحد شکستپذیر است؛ یک ضربه، یک بیماری، یا حتی فقط گذر زمان و جابهجایی زمینه زندگی، میتواند دسترسی به آن دانش را قطع کند. اما وقتی همان دانش در یک شبکه از گرههای متصل بیرون از سر ذخیره شود، از بین رفتن یک گره، کل سیستم را از کار نمیاندازد. این دقیقا همان منطقی است که در طراحی سازه هم صادق است؛ یک سازه با تعداد زیاد اتصالات موازی، در برابر فروریزش موضعی مقاومتر از سازهای است که همه بار روی یک ستون واحد متمرکز شده.
نمونه تاریخی و کاملاً مستندش نیکلاس لومان است، جامعهشناس آلمانی قرن بیستم. لومان در طول حرفهاش سیستمی به نام زتلکاستن ساخت؛ یک قوطی کارت با نزدیک به نود هزار یادداشت به هم متصل. هر کارت یک ایده اتمی داشت، یک شماره منحصربهفرد، و ارجاع به کارتهای مرتبط دیگر. لومان همیشه تاکید میکرد که خروجی علمیاش، هفتاد کتاب و بیش از چهارصد مقاله، محصول نبوغ فردیاش نبود؛ محصول گفتوگویی بود که او هر روز با آن سیستم داشت. به قول خودش، او با قوطی کارتهایش فکر میکرد، نه فقط با مغزش.
اینجا یک نکته علمی دیگر هم وارد بازی میشود. حافظه کاری انسان محدود است. جورج میلر در سال ۱۹۵۶ نشان داد که ذهن انسان معمولاً حدود هفت واحد اطلاعات را همزمان نگه میدارد، و پژوهشهای بعدی، از جمله کار نلسون کوان، این عدد را برای اکثر افراد به چیزی نزدیک به چهار واحد کاهش دادند. یعنی مغز انسان اساساً برای نگهداشتن حجم زیاد اطلاعات در حافظه کوتاهمدت طراحی نشده، و اگر دانش در حافظه بلندمدت هم مرور و بازیابی نشود، طبق منحنی فراموشی ابینگهاوس که در قرن نوزدهم ثبت شد، به سرعت افت میکند. این یعنی دانشی که فقط در سر میماند، یک دارایی در حال فرسایش است، نه یک سرمایه پایدار.
حالا این چهارچوب علمی را کنار داستان واقعی خودم بگذارم.
من تا سال ۲۰۲۱ ایران بودم. هفت سال عضو هیات علمی دانشگاه بودم، و همزمان کار معماری حرفهای میکردم، در شرکت خودم. کار معماری از نظر شناختی شبیه هیچکدام از تصورات رایج نیست. معمار باید همزمان هزاران تصمیم جزئی را در ذهن نگه دارد؛ بستر زمین، جغرافیا، فرهنگ و خرده فرهنگهای محلی بستر بنا، بار سازهای و اثرش بر طراحی، جنس و مقاومت مصالح، مقررات شهرسازی، بودجه کارفرما، و زیباییشناسی فضا. اگر این تصمیمها در یک سیستم منسجم نمانند، بنا از نظر فیزیکی فرو میریزد. من سالها بدون آنکه اسمش را بگذارم، در حال مدیریت یک سیستم دانش پیچیده بودم، فقط این سیستم روی کاغذ نقشه و در جلسات دانشگاه زندگی میکرد، نه در یک آرشیو قابل بازیابی.
سال ۲۰۲۰ یک لایه دیگر به این سیستم اضافه شد، تصمیم گرفتم یک پادکست بسازم. بدون برنامه بزرگ، فقط یک تلاش برای گفتن حرفهایی که جای دیگری نمیگفتم، شاید بعضی از همراهان قدیمی ام به خاطر داشته باشند، پادکست آرک-گپ که سی و پنج گفتگوی زنده با معماران برجسته معاصر ایرانی بود، آن پادکست رشد کرد، به بیش از پانزده هزار مخاطب ثابت و صدها هزار بار شنیده شدن رسید. هر قسمت، یک آرشیو کوچک از تجربه و تحلیل بود، ولی باز هم پراکنده؛ در ذهن من، در فایلهای صوتی، و در حافظه شنوندهها.
بعد مهاجرت به فرانسه پیش آمد. اینجا دقیقاً همان چیزی اتفاق افتاد که کلارک و چالمرز پیشبینی کرده بودند، بدون اینکه من آن موقع اسمش را بدانم. وقتی زمینه زندگی عوض شد، هر دانشی که فقط در سرم بود و در هیچ سیستم خارجی قابل بازیابی مستند نشده بود، عملاً دسترسیاش را از دست دادم. زبان جدید، بازار جدید، شبکه حرفهای جدید. تجربه هفتساله دانشگاهی و تجربه ساخت پادکست، در یک لحظه، به دو جزیره جدا از هم تبدیل شدند که هیچ پلی بینشان نبود.
این ایده، پایه علمی چیزی است که امروز به آن مغز دوم میگویند.
اما مغز دوم یک ترند اینستاگرامی نیست؛ یک اصل شناختی است که پیش از دیجیتال شدن هم وجود داشته.
یک لایه علمی دیگر هم به این ماجرا اضافه میشود، از حوزه علم شبکه.
آلبرت-لازلو باراباشی و همکارانش نشان دادند که سیستمهایی با ساختار شبکهای متصل، در برابر آسیب و فراموشی مقاومترند از سیستمهایی که دانششان در یک نقطه واحد متمرکز است. مغز انسان، بهتنهایی، یک نقطه واحد شکستپذیر است؛ یک ضربه، یک بیماری، یا حتی فقط گذر زمان و جابهجایی زمینه زندگی، میتواند دسترسی به آن دانش را قطع کند. اما وقتی همان دانش در یک شبکه از گرههای متصل بیرون از سر ذخیره شود، از بین رفتن یک گره، کل سیستم را از کار نمیاندازد. این دقیقا همان منطقی است که در طراحی سازه هم صادق است؛ یک سازه با تعداد زیاد اتصالات موازی، در برابر فروریزش موضعی مقاومتر از سازهای است که همه بار روی یک ستون واحد متمرکز شده.
نمونه تاریخی و کاملاً مستندش نیکلاس لومان است، جامعهشناس آلمانی قرن بیستم. لومان در طول حرفهاش سیستمی به نام زتلکاستن ساخت؛ یک قوطی کارت با نزدیک به نود هزار یادداشت به هم متصل. هر کارت یک ایده اتمی داشت، یک شماره منحصربهفرد، و ارجاع به کارتهای مرتبط دیگر. لومان همیشه تاکید میکرد که خروجی علمیاش، هفتاد کتاب و بیش از چهارصد مقاله، محصول نبوغ فردیاش نبود؛ محصول گفتوگویی بود که او هر روز با آن سیستم داشت. به قول خودش، او با قوطی کارتهایش فکر میکرد، نه فقط با مغزش.
اینجا یک نکته علمی دیگر هم وارد بازی میشود. حافظه کاری انسان محدود است. جورج میلر در سال ۱۹۵۶ نشان داد که ذهن انسان معمولاً حدود هفت واحد اطلاعات را همزمان نگه میدارد، و پژوهشهای بعدی، از جمله کار نلسون کوان، این عدد را برای اکثر افراد به چیزی نزدیک به چهار واحد کاهش دادند. یعنی مغز انسان اساساً برای نگهداشتن حجم زیاد اطلاعات در حافظه کوتاهمدت طراحی نشده، و اگر دانش در حافظه بلندمدت هم مرور و بازیابی نشود، طبق منحنی فراموشی ابینگهاوس که در قرن نوزدهم ثبت شد، به سرعت افت میکند. این یعنی دانشی که فقط در سر میماند، یک دارایی در حال فرسایش است، نه یک سرمایه پایدار.
حالا این چهارچوب علمی را کنار داستان واقعی خودم بگذارم.
من تا سال ۲۰۲۱ ایران بودم. هفت سال عضو هیات علمی دانشگاه بودم، و همزمان کار معماری حرفهای میکردم، در شرکت خودم. کار معماری از نظر شناختی شبیه هیچکدام از تصورات رایج نیست. معمار باید همزمان هزاران تصمیم جزئی را در ذهن نگه دارد؛ بستر زمین، جغرافیا، فرهنگ و خرده فرهنگهای محلی بستر بنا، بار سازهای و اثرش بر طراحی، جنس و مقاومت مصالح، مقررات شهرسازی، بودجه کارفرما، و زیباییشناسی فضا. اگر این تصمیمها در یک سیستم منسجم نمانند، بنا از نظر فیزیکی فرو میریزد. من سالها بدون آنکه اسمش را بگذارم، در حال مدیریت یک سیستم دانش پیچیده بودم، فقط این سیستم روی کاغذ نقشه و در جلسات دانشگاه زندگی میکرد، نه در یک آرشیو قابل بازیابی.
سال ۲۰۲۰ یک لایه دیگر به این سیستم اضافه شد، تصمیم گرفتم یک پادکست بسازم. بدون برنامه بزرگ، فقط یک تلاش برای گفتن حرفهایی که جای دیگری نمیگفتم، شاید بعضی از همراهان قدیمی ام به خاطر داشته باشند، پادکست آرک-گپ که سی و پنج گفتگوی زنده با معماران برجسته معاصر ایرانی بود، آن پادکست رشد کرد، به بیش از پانزده هزار مخاطب ثابت و صدها هزار بار شنیده شدن رسید. هر قسمت، یک آرشیو کوچک از تجربه و تحلیل بود، ولی باز هم پراکنده؛ در ذهن من، در فایلهای صوتی، و در حافظه شنوندهها.
بعد مهاجرت به فرانسه پیش آمد. اینجا دقیقاً همان چیزی اتفاق افتاد که کلارک و چالمرز پیشبینی کرده بودند، بدون اینکه من آن موقع اسمش را بدانم. وقتی زمینه زندگی عوض شد، هر دانشی که فقط در سرم بود و در هیچ سیستم خارجی قابل بازیابی مستند نشده بود، عملاً دسترسیاش را از دست دادم. زبان جدید، بازار جدید، شبکه حرفهای جدید. تجربه هفتساله دانشگاهی و تجربه ساخت پادکست، در یک لحظه، به دو جزیره جدا از هم تبدیل شدند که هیچ پلی بینشان نبود.
Dan Koe
You Have $100,000 Of Knowledge Trapped In Your Brain - Dan Koe
Information leads to awareness of opportunity. Awareness of opportunity leads to profitable ideas. Profitable ideas lead to positive behavior change.
❤1👍1
This media is not supported in your browser
VIEW IN TELEGRAM
🎬 انتشار نسخه اوپنسورس Agentic Video OS: پایان رندرهای گرانقیمت ابری!
یکی از بزرگترین چالشهای تولید محتوای ویدیویی (مخصوصاً ویدیوهای معرفی محصول و کینتیک تایپوگرافی)، وابستگی به نرمافزارهای سنگین گرافیکی یا پرداخت هزینههای گزاف به سرویسهای رندر ابری است. برای حل این مشکل، موتور تولید ویدیویی که در پروژههای خودم استفاده میکردم را به صورت ۱۰۰٪ متنباز (Open-Source) منتشر کردم.
⚖️ تفاوت تدوین دستی با رندر برنامهنویسیشده (Programmatic)
🔴 روش فرسایشی: درگیری با تایملاینهای نرمافزاری و پرداخت اشتراک ماهانه برای رندر گرفتن در فضای ابری. 🟢 روش معمار سیستم: کدنویسی ظاهر با HTML/CSS و تبدیل خودکار آن به ویدیوی فریمبهفریم تنها با اجرای یک اسکریپت.
━━━━━━━━━━━━━━━━━━━━━━━━━━
⚙️ این موتور دقیقاً چهکار میکند؟ یک صفحه HTML/CSS ساده را از شما میگیرد، آن را فریمبهفریم با یک مرورگر هدلس (Headless) رندر میکند، و در نهایت با کمک FFmpeg آن را به یک ویدیوی تمیزِ ۱۰۸۰x۱۹۲۰ یا ۱۹۲۰x۱۰۸۰ (یا هر رزولوشن دلخواهی) تبدیل میکند.
💎 چرا این ابزار یک نقطه عطف برای توسعهدهندگان است؟ ▪️ صفر هزینه رندر ابری: همهچیز روی سیستم شخصی خودت اجرا میشود. ▪️ رندر کاملاً قطعی: ورودی یکسان = دقیقاً فریمهای خروجی یکسان. ▪️ انعطافپذیری مدلها: میتوانی با کلید API خودت (OpenAI/Anthropic/Gemini) یا مدلهای لوکال مثل Ollama کار کنی. ▪️ طراحیشده برای ایجنتها: معماری ایدهآل برای ایجنتهای کدنویس مثل Claude Code و Codex.
📦 دریافت سورسکد و ریپازیتوری: 🔗 https://github.com/Navidaitoolbox1/agentic-video-engine
🛠 نصب و راهاندازی سریع: 1️⃣
📄 لایسنس: AGPL-3.0 — کاملاً آزاد برای استفاده و یادگیری، اما اجازه بستن کدها و فروش آن به عنوان یک محصول بسته (Closed-source) را ندارید.
اگر این موتور را روی سیستم خود راهاندازی کردید، خیلی خوشحال میشوم نتیجه و ویدیوهایی که ساختید را ببینم. 🙌
یکی از بزرگترین چالشهای تولید محتوای ویدیویی (مخصوصاً ویدیوهای معرفی محصول و کینتیک تایپوگرافی)، وابستگی به نرمافزارهای سنگین گرافیکی یا پرداخت هزینههای گزاف به سرویسهای رندر ابری است. برای حل این مشکل، موتور تولید ویدیویی که در پروژههای خودم استفاده میکردم را به صورت ۱۰۰٪ متنباز (Open-Source) منتشر کردم.
⚖️ تفاوت تدوین دستی با رندر برنامهنویسیشده (Programmatic)
🔴 روش فرسایشی: درگیری با تایملاینهای نرمافزاری و پرداخت اشتراک ماهانه برای رندر گرفتن در فضای ابری. 🟢 روش معمار سیستم: کدنویسی ظاهر با HTML/CSS و تبدیل خودکار آن به ویدیوی فریمبهفریم تنها با اجرای یک اسکریپت.
━━━━━━━━━━━━━━━━━━━━━━━━━━
⚙️ این موتور دقیقاً چهکار میکند؟ یک صفحه HTML/CSS ساده را از شما میگیرد، آن را فریمبهفریم با یک مرورگر هدلس (Headless) رندر میکند، و در نهایت با کمک FFmpeg آن را به یک ویدیوی تمیزِ ۱۰۸۰x۱۹۲۰ یا ۱۹۲۰x۱۰۸۰ (یا هر رزولوشن دلخواهی) تبدیل میکند.
💎 چرا این ابزار یک نقطه عطف برای توسعهدهندگان است؟ ▪️ صفر هزینه رندر ابری: همهچیز روی سیستم شخصی خودت اجرا میشود. ▪️ رندر کاملاً قطعی: ورودی یکسان = دقیقاً فریمهای خروجی یکسان. ▪️ انعطافپذیری مدلها: میتوانی با کلید API خودت (OpenAI/Anthropic/Gemini) یا مدلهای لوکال مثل Ollama کار کنی. ▪️ طراحیشده برای ایجنتها: معماری ایدهآل برای ایجنتهای کدنویس مثل Claude Code و Codex.
📦 دریافت سورسکد و ریپازیتوری: 🔗 https://github.com/Navidaitoolbox1/agentic-video-engine
🛠 نصب و راهاندازی سریع: 1️⃣
git clone 2️⃣ pip install -r requirements.txt 3️⃣ python -m playwright install chromium (جزئیات کامل و دستورات رندر در فایل README قرار دارد).📄 لایسنس: AGPL-3.0 — کاملاً آزاد برای استفاده و یادگیری، اما اجازه بستن کدها و فروش آن به عنوان یک محصول بسته (Closed-source) را ندارید.
اگر این موتور را روی سیستم خود راهاندازی کردید، خیلی خوشحال میشوم نتیجه و ویدیوهایی که ساختید را ببینم. 🙌
❤7🤔2
اگر احتمالا تجربه توسعه نرم افزار و یا به شکل جدید "وایب کدر " بودن دارید و الان دارید پروژه ای را خلق میکنید این مقاله دیدگاهتون رو تغییر میده ضمن اینکه تعداد زیادی از ایده ها و نقاط خالی که میشه بهش فکر کرد رو داخلش نوشتم: https://x.com/naviidtaheri/status/2083875655893078180?s=20
👍8❤1
Navid AI Toolbox
اگر احتمالا تجربه توسعه نرم افزار و یا به شکل جدید "وایب کدر " بودن دارید و الان دارید پروژه ای را خلق میکنید این مقاله دیدگاهتون رو تغییر میده ضمن اینکه تعداد زیادی از ایده ها و نقاط خالی که میشه بهش فکر کرد رو داخلش نوشتم: https://x.com/naviidtaheri/sta…
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍2
Audio
🔥 آپدیت بزرگ و رایگان: ضمیمه سوم به کتاب «راهنمای جامع کلاود ۲۰۲۶» اضافه شد!
خوشحالم به اطلاع همه خریداران و همراهان عزیز برسانم که ضمیمه سوم رسماً به کتاب اضافه شد و شما هر سه ضمیمه را به همراه نسخه اصلی کتاب در یک نسخه واحد در دست دارید. یک نسخه صوتی هم برای عزیزانی که میخوان یک دید نسبی از این کتاب پیدا کنند براتون اینجا گذاشتم پیشاپیش اگر کلماتی رو دقیق تلفظ نمی کنند مجریان پوزش میطلبم.
⚙️ در این آپدیت جدید چه چیزهایی اضافه شده است؟
🔹 کالبدشکافی مدلهای جدید: بررسی کامل و کاربردی آخرین تحولات آنتروپیک از جمله مدلهای Claude Fable 5 و Claude Opus 5. 🔹 دسترسی یکجا به تمام ضمیمهها: دریافت نسخه کامل کتاب شامل هر ۳ ضمیمه (مسیر اجرا، آپدیتهای می، و آپدیتهای جدید). برای خرید کتاب از همیار هوشمند ما Dex سوالی داشتید بپرسید رفقا. ارادت نوید طاهری.
خوشحالم به اطلاع همه خریداران و همراهان عزیز برسانم که ضمیمه سوم رسماً به کتاب اضافه شد و شما هر سه ضمیمه را به همراه نسخه اصلی کتاب در یک نسخه واحد در دست دارید. یک نسخه صوتی هم برای عزیزانی که میخوان یک دید نسبی از این کتاب پیدا کنند براتون اینجا گذاشتم پیشاپیش اگر کلماتی رو دقیق تلفظ نمی کنند مجریان پوزش میطلبم.
⚙️ در این آپدیت جدید چه چیزهایی اضافه شده است؟
🔹 کالبدشکافی مدلهای جدید: بررسی کامل و کاربردی آخرین تحولات آنتروپیک از جمله مدلهای Claude Fable 5 و Claude Opus 5. 🔹 دسترسی یکجا به تمام ضمیمهها: دریافت نسخه کامل کتاب شامل هر ۳ ضمیمه (مسیر اجرا، آپدیتهای می، و آپدیتهای جدید). برای خرید کتاب از همیار هوشمند ما Dex سوالی داشتید بپرسید رفقا. ارادت نوید طاهری.
❤2👏1
بزرگترین چالش شما برای شروع کار حرفهای با هوش مصنوعی (مثل کلاود ۲۰۲۶) چیست؟
Final Results
43%
نداشتن دانش کافی و نقشه راه مشخص (نمیدانم از کجا شروع کنم و چطور پرامپت بنویسم)
53%
هزینههای بالای اشتراک ارزی (مثل پرداخت ماهانه ۲۰ دلار برای پلن پرو)
35%
مشکلات دسترسی و محدودیتها (چالشهای مربوط به ورود، شماره مجازی و پلتفرمهای دسترسی)
3%
هیچ کدام، نیازی به استفاده از این ابزارها نمی بینم در کسب و کار و زندگی روزمره
❤1👍1
دیشب با خودم مرور کردم...
در یک ماه گذشته حدود ۴۰ مقاله و دهها ویدیو درباره کسبوکار و هوش مصنوعی دیدم.
بعد از خودم پرسیدم: کدومشون رو الان میتونم برای یه نفر کاملاً عمیق توضیح بدم؟
شاید فقط ده تاش رو.
و بدتر از همه:
همین الگو، دقیقاً همون چیزیه که آدم رو در برابر هوش مصنوعی بیدفاع میکنه.
مهندس شعبانعلی عزیز سالها پیش اسم دقیقش رو گذاشت:
«یادگیری قطعهقطعه»
از هر موضوعی یه تکه کوچیک برمیداری، ذخیره میکنی، میری سراغ بعدی.
این یادگیری نیست، حفظ کردنه.
هزار تکه پازل که ندونی کجا میشینن، ارزشش صفره.
جایگزینش چیه؟
منطقش از شیمی میاد.
نبات یادته؟ یه نخ میندازن توی محلول اشباعشده. دونههای بلور یکییکی میچسبن و کریستال شکل میگیره.
بدون اون نخ، همون شکر توی همون آب میمونه.
دو تا پیشنیاز داره: نطفه (Seed) و محیط اشباع.
حالا این رو وصل کنیم به چیزی که ماههاست دارم دربارهاش مینویسم:
هوش مصنوعی داره لایه اجرا رو ارزون میکنه.
کد، پیشنویس، تصویر، تحلیل بازار... همه.
چیزی که گرونتر میشه، لایه قضاوته:
انتخاب اینکه چه کاری انجام بشه، برای کی، و کی متوقف بشه.
و نکتهای که کمتر گفته میشه:
قضاوت، خروجی یادگیری کریستالیه.
انتخاب کردن نیاز به یه ساختار متصل داره تا بشه گزینهها رو باهاش سنجید.
یادگیری قطعهقطعه هیچوقت این ساختار رو نمیسازه. فقط تکه تولید میکنه.
یعنی چی؟
کسی که صد تا ترد درباره پرامپت خونده، تکههای پراکنده داره.
اولین باری که باید تصمیم بگیره کدوم مسئله اصلاً ارزش حل شدن داره، دستش خالیه.
چون هیچوقت نطفهای نداشته که این تکهها دورش بلور بشن.
از تجربه معماری این رو خوب میدونم.
وقتی نقشهکشی رایانهای اومد، کسایی که فکر میکردن حرفهشون کشیدن خط تمیزه حذف شدن.
این سیر ابزارها چند بار تکرار شد: تریدیمکس، موتورهای رندر، کرونا، آنریل انجین و حالا رندر با هوش مصنوعی.
ولی اونی که از معماری، تعریف شکل زندگی انسانها رو میفهمید، هنوز داره حرفهای کار میکنه.
تفاوتشون توی تعداد تکنیکهایی که بلد بودن نبود.
توی داشتن یه ساختار متصل بود.
و یه ریسک تازه هم اضافه شده:
هوش مصنوعی الان میتونه بینهایت تکه پازل تولید کنه.
هر سوالی بپرسی، جواب صیقلخورده میگیری.
حس یادگیری میده... بدون خود یادگیری.
چون قطعاتی که اینها رو به هم وصل کنه، این وسط نیست.
پس استفاده کریستالی از هوش مصنوعی این شکلیه:
✖️ قطعهقطعه (زبالهگردی): هر روز یه سوال جدید از یه حوزه جدید.
✔️ کریستالی: یک نطفه انتخاب میکنی و ماشین رو ماهها دور همون یک هسته میچرخونی تا بلور بش
ه.
همون ابزار.
دو تا نتیجه کاملاً متفاوت. برای درک عمیق و کریستالی مفاهیم هوش مصنوعی با کتاب اول راهنمای جامع کلاود شروع کن همین الان چون با همین دیدگاه من نوشتمش:
https://navidaitoolbox.com/claude-guide
Navid AI Toolbox
راهنمای جامع کلاود ۲۰۲۶
از چت پراکنده تا یک سیستم کاری واقعی با کلاود
👍9❤7
This media is not supported in your browser
VIEW IN TELEGRAM
حالا سشنهای مختلف کلاود میتونن با هم حرف بزنن و پیام رد و بدل کنن.
یعنی اگه تو یه سشن داری روی یه قسمت از کد کار میکنی و یه تغییر مهم دادی (مثلاً اسم یه فیلد دیتابیس رو عوض کردی)، دیگه لازم نیست بری تو سشن دیگه و از اول توضیح بدی. فقط میگی:
«به فلان سشن بگو که این کارو کردم»
اون سشن یه خلاصه کوتاه میگیره و خودش وسط کارش آپدیت میشه و کدش رو اصلاح میکنه.
حتی خود کلاود هم میتونه خودش تشخیص بده و به سشن دیگه پیام بده.
این یعنی کاربردی تر شدن محیط کلاود کد
یعنی اگه تو یه سشن داری روی یه قسمت از کد کار میکنی و یه تغییر مهم دادی (مثلاً اسم یه فیلد دیتابیس رو عوض کردی)، دیگه لازم نیست بری تو سشن دیگه و از اول توضیح بدی. فقط میگی:
«به فلان سشن بگو که این کارو کردم»
اون سشن یه خلاصه کوتاه میگیره و خودش وسط کارش آپدیت میشه و کدش رو اصلاح میکنه.
حتی خود کلاود هم میتونه خودش تشخیص بده و به سشن دیگه پیام بده.
این یعنی کاربردی تر شدن محیط کلاود کد
👍8
وقتی خلبان خودکار قطع میشود
یکم ژوئن ۲۰۰۹، پرواز ۴۴۷ ایرفرانس.بلورهای یخ لولههای سنجش سرعت را بست و خلبان خودکار قطع شد. سه خلبان حرفهای در کابین بودند و کاری که باید میکردند، حفظ ارتفاع و سرعت بود. همان چیزی که برایش آموزش دیده بودند.
هواپیما در اقیانوس اطلس سقوط کرد. ۲۲۸ نفر.
گزارش نهایی ۲۰۱۲ به چیزی رسید مهمتر از خود سانحه: زوال مهارت. مهارتهایی که چون استفاده نمیشوند، تحلیل میروند.
آن گزارش ۲۵ توصیه صادر کرد و در هیچکدام پیشنهاد نشد اتوپایلوت برداشته شود. توصیه این بود که خلبانها به شکل منظم هدایت دستی را تمرین کنند.
نه حذف اتوپایلوت و نه اعتماد کامل به آن. تمرین منظم آن مهارتی که اتوماسیون از دست تو گرفته.
سال ۲۰۲۵ آزمایشگاه رسانه امآیتی همین را در آزمایشگاه اندازه گرفت. یافتهای که همه چیز را عوض کرد این بود: همان ابزار، اگر بعد از فکر کردن بیاید ذهن را فعالتر میکند و اگر جای فکر کردن بنشیند، تنبل.
ابزار عوض نشده بود. ترتیب عوض شده بود.
در مقاله کامل، پارادوکس اتوماسیون را با مثالی از طراحی پارکینگ در معماری باز کردهام، سه چیزی که در حال واگذاریشان هستیم را مشخص کردهام و پنج قاعده عملی نوشتهام:
🔗 https://x.com/naviidtaheri/status/2086394220936335433?s=20
یکم ژوئن ۲۰۰۹، پرواز ۴۴۷ ایرفرانس.بلورهای یخ لولههای سنجش سرعت را بست و خلبان خودکار قطع شد. سه خلبان حرفهای در کابین بودند و کاری که باید میکردند، حفظ ارتفاع و سرعت بود. همان چیزی که برایش آموزش دیده بودند.
هواپیما در اقیانوس اطلس سقوط کرد. ۲۲۸ نفر.
گزارش نهایی ۲۰۱۲ به چیزی رسید مهمتر از خود سانحه: زوال مهارت. مهارتهایی که چون استفاده نمیشوند، تحلیل میروند.
آن گزارش ۲۵ توصیه صادر کرد و در هیچکدام پیشنهاد نشد اتوپایلوت برداشته شود. توصیه این بود که خلبانها به شکل منظم هدایت دستی را تمرین کنند.
نه حذف اتوپایلوت و نه اعتماد کامل به آن. تمرین منظم آن مهارتی که اتوماسیون از دست تو گرفته.
سال ۲۰۲۵ آزمایشگاه رسانه امآیتی همین را در آزمایشگاه اندازه گرفت. یافتهای که همه چیز را عوض کرد این بود: همان ابزار، اگر بعد از فکر کردن بیاید ذهن را فعالتر میکند و اگر جای فکر کردن بنشیند، تنبل.
ابزار عوض نشده بود. ترتیب عوض شده بود.
در مقاله کامل، پارادوکس اتوماسیون را با مثالی از طراحی پارکینگ در معماری باز کردهام، سه چیزی که در حال واگذاریشان هستیم را مشخص کردهام و پنج قاعده عملی نوشتهام:
🔗 https://x.com/naviidtaheri/status/2086394220936335433?s=20
👌4🔥1
Navid AI Toolbox
بزرگترین چالش شما برای شروع کار حرفهای با هوش مصنوعی (مثل کلاود ۲۰۲۶) چیست؟
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
مردم واقعاً کتاب را از روی جلدش قضاوت میکنند.
این جمله را مایک مارکولا، یکی از بنیانگذاران اپل، سال ۱۹۷۷ نوشت و هنوز بعد از نزدیک به ۵۰ سال یکی از مهمترین درسهای مارکتینگ جهان است.
فلسفه بازاریابی اپل فقط سه اصل داشت:
۱. همدلی (Empathy)
نیازهای مشتری را بهتر از هر شرکت دیگری درک کن. واقعاً بفهم چه میخواهد.
۲. تمرکز (Focus)
هر چیزی که مهم نیست را حذف کن. فقط روی کارهایی تمرکز کن که تصمیم گرفتهای انجام بدهی و آنها را عالی انجام بده.
۳. القا (Impute)
حتی اگر بهترین محصول دنیا را داشته باشی، اگر آن را شلخته و بیکیفیت ارائه کنی، مردم آن را شلخته میبینند.
اما اگر آن را حرفهای، زیبا و با دقت ارائه کنی، کیفیت را به ذهن مخاطب القا میکنی.
این جمله را مایک مارکولا، یکی از بنیانگذاران اپل، سال ۱۹۷۷ نوشت و هنوز بعد از نزدیک به ۵۰ سال یکی از مهمترین درسهای مارکتینگ جهان است.
فلسفه بازاریابی اپل فقط سه اصل داشت:
۱. همدلی (Empathy)
نیازهای مشتری را بهتر از هر شرکت دیگری درک کن. واقعاً بفهم چه میخواهد.
۲. تمرکز (Focus)
هر چیزی که مهم نیست را حذف کن. فقط روی کارهایی تمرکز کن که تصمیم گرفتهای انجام بدهی و آنها را عالی انجام بده.
۳. القا (Impute)
حتی اگر بهترین محصول دنیا را داشته باشی، اگر آن را شلخته و بیکیفیت ارائه کنی، مردم آن را شلخته میبینند.
اما اگر آن را حرفهای، زیبا و با دقت ارائه کنی، کیفیت را به ذهن مخاطب القا میکنی.
❤9👏3