هوش مصنوعی و اتوماسیون: راهنمای 2026

اتوماسیون یعنی قاعده‌ی «اگر این شد، آن کار را بکن»؛ مثلاً پر شدن فرم و افزوده شدن مخاطب به لیست. هوش مصنوعی بخشی را اضافه می‌کند که قاعده‌نویسی از پسش برنمی‌آید، یعنی فهمیدن متن آزاد مثل پیام مشتری یا نظر کاربر. هر دو را با یک SDK استاندارد OpenAI و بدون VPN و کارت بانکی خارجی از داخل ایران می‌توان راه انداخت. اما هزینه‌ی ماهانه به حجم توکن‌های مصرفی بستگی دارد، پس این مقاله به‌جای عدد ثابت، فرمول محاسبه‌اش را می‌دهد. ما در 1xAi این گیت‌وی را اداره می‌کنیم و قیمت‌ها و آمار این مقاله از داده‌های خودمان است.

هوش مصنوعی و اتوماسیون: چه تفاوتی دارند و کجا کنار هم کار می‌کنند؟

اتوماسیون یعنی اجرای خودکار یک گردش کار قاعده‌مند؛ هوش مصنوعی یعنی درک متن آزاد و مبهم، و این دو مکمل یکدیگرند. مجله نمابازار اتوماسیون را جایگزین کارهای تکراری می‌داند. نمونه‌اش: وقتی فرمی پر شد، مخاطب خودکار به یک لیست اضافه شود. هیچ فهمی لازم نیست، فقط یک قاعده «اگر این شد، آن کن» کافی است.

هوش مصنوعی از جایی لازم می‌شود که ورودی قاعده ندارد، مثلاً پیام آزاد مشتری یا متن یک نظر. در عمل، اتوماسیون مسیر را می‌سازد و مدل زبانی، که با یک API هوش مصنوعی صدا زده می‌شود، فقط در گام‌های مبهم وارد می‌شود.

نوع کار	راه‌حل مناسب
کار قاعده‌مند (فرم پر شد ← مخاطب به لیست اضافه شد)	اتوماسیون ساده، بدون مدل زبانی
کار مبتنی بر متن یا ابهام (دسته‌بندی پیام مشتری، خلاصه‌سازی نظرات)	مدل زبانی در دل اتوماسیون

بیشتر منابع فارسی این موضوع را صنعتی یا سازمانی توضیح می‌دهند، مثل اتوماسیون اداری یا کارخانه. ما به کسب‌وکارهای وب‌محور نگاه می‌کنیم که خروجی مدل را از طریق API وارد گردش کار می‌کنند.

این مقاله درباره اتوماسیون صنعتی و PLC نیست و فقط به کسب‌وکارهای نرم‌افزاری و خدماتی می‌پردازد.

چطور بدون VPN و کارت خارجی به API هوش مصنوعی وصل شویم؟

هر SDK سازگار با OpenAI فقط با تغییر base_url به https://1xai.ir/v1 به 1xAi وصل می‌شود؛ نه VPN لازم است و نه کارت خارجی. ما این گیت‌وی را اداره می‌کنیم. کلید را از داشبورد 1xai.ir می‌گیرید و حساب را به‌صورت پیش‌پرداخت و تومانی از طریق زرین‌پال شارژ می‌کنید. اگر قبل از نوشتن کد می‌خواهید مدل‌ها را امتحان کنید، پلی‌گراند وب همان‌جا در دسترس است.

نمونه Python

نام مدل‌ها را از فهرست مدل‌ها بردارید؛ در نمونه، gpt-4o-mini را گذاشته‌ایم. کلید را در متغیر محیطی ONEXAI_API_KEY نگه دارید و پس از pip install openai اجرا کنید:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ONEXAI_API_KEY"],
    base_url="https://1xai.ir/v1",
)

resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "یک جمله درباره اتوماسیون بنویس."}],
)
print(resp.choices[0].message.content)

خروجی مورد انتظار یک متن کوتاه فارسی است که در ترمینال چاپ می‌شود؛ متن دقیق از اجرایی به اجرای دیگر فرق می‌کند. معادل curl:

curl https://1xai.ir/v1/chat/completions \
  -H "Authorization: Bearer $ONEXAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-4o-mini","messages":[{"role":"user","content":"سلام"}]}'

SDKهای Anthropic و Google

لازم نیست همه‌چیز را به قالب OpenAI ببرید. طبق داده‌ی خودمان، SDKهای Anthropic و Google GenAI هم روی اندپوینت‌های اختصاصی بدون دستکاری کار می‌کنند و گیت‌وی هدرهای x-api-key و x-goog-api-key را می‌پذیرد.

مدل‌های نسل ۵ کلود (claude-sonnet-5، claude-fable-5 و claude-opus-5) پارامترهای temperature و top_p و همچنین prefill پیام دستیار را رد می‌کنند. اگر کد قدیمی شما این‌ها را می‌فرستد، پیش از سوئیچ به این مدل‌ها حذفشان کنید.

حریم خصوصی

طبق داده‌ی ما، IP و کوکی و user-agent مشتری به ارائه‌دهنده‌ی بالادستی نمی‌رسد و هر درخواست از زیرساخت 1xAi دوباره صادر می‌شود. قیمت هر مدل را در صفحه‌ی قیمت‌ها ببینید؛ ارقام تومانی با نرخ روز بازار هماهنگ می‌شوند.

پنج کاربرد عملی هوش مصنوعی برای کسب‌وکار ایرانی کدامند؟

پنج نمونه از کاربردهای عملی عبارتند از چت‌بات پشتیبانی، تحلیل نظرات، تولید محتوای بازبینی‌شده، جست‌وجوی هوشمند روی اسناد و خلاصه‌سازی نامه‌ها. در همه‌ی آن‌ها هزینه از یک فرمول می‌آید: (توکن ورودی × نرخ ورودی + توکن خروجی × نرخ خروجی) ÷ یک میلیون. نرخ‌های تومانی روزانه همراه بازار به‌روز می‌شوند و در صفحه‌ی قیمت‌ها هستند؛ نام مدل‌ها را هم از فهرست مدل‌ها بردارید.

۱. چت‌بات پشتیبانی

• کار: پاسخ به پرسش‌های تکراری مشتری با یک پرامپت سیستمی که FAQ و قوانین کسب‌وکار (مرجوعی، ارسال، ساعت کاری) را در خود دارد.
• مدل: مدل میان‌رده برای حجم بالا؛ مدل قوی‌تر فقط برای پرسش‌های پیچیده.
• هزینه: تعداد گفتگو × (پرامپت سیستمی + پرسش) ورودی + پاسخ خروجی. چون پرامپت سیستمی بلند است و در هر درخواست تکرار می‌شود، کش پرامپت بخش بزرگی از ورودی را ارزان می‌کند. قیمت ورودی کش‌شده برای هر مدل جدا است: gemini-2.5-pro طبق لیست ۱٫۲۵ دلار ورودی در برابر ۰٫۱۲۵ دلار ورودی کش‌شده، و o3 دو دلار در برابر ۰٫۵ دلار برای هر یک میلیون توکن. این نسبت‌ها را به مدل دیگری تعمیم ندهید؛ برای هر مدل ردیفش را در /models ببینید.

اگر چت‌بات سایت یا تلگرام را خودتان نمی‌سازید، می‌توانید درخواست سفارشی بدهید.

۲. تحلیل نظرات مشتری

• کار: دسته‌بندی هر نظر بر اساس احساس (مثبت، خنثی، منفی) و موضوع (قیمت، ارسال، کیفیت).
• مدل: مدل سبک و ارزان کافی است، چون ورودی هر نظر کوتاه است و کار دسته‌ای انجام می‌شود.
• هزینه: تعداد نظرها × میانگین توکن هر نظر (ورودی) + خروجی JSON کوتاه.

خروجی را حتماً در کد اعتبارسنجی کنید و به قالب درست مدل تکیه نکنید:

import json

ALLOWED = {"positive", "neutral", "negative"}

def parse_review(raw: str) -> dict:
    data = json.loads(raw)
    if data.get("sentiment") not in ALLOWED:
        raise ValueError("sentiment نامعتبر")
    if not isinstance(data.get("topics"), list):
        raise ValueError("topics باید لیست باشد")
    return data

print(parse_review('{"sentiment": "negative", "topics": ["ارسال"]}'))

۳. اتوماسیون تولید محتوا

• کار: پیش‌نویس توضیح محصول، پاسخ به نظرات و متن خبرنامه.
• مدل: مدل میان‌رده با لحن و قالب ثابت در پرامپت سیستمی.
• هزینه: تعداد متن‌ها × (راهنمای قالب + ورودی محصول) ورودی + طول متن خروجی. خروجی گران‌تر از ورودی حساب می‌شود، پس طول متن را در پرامپت محدود کنید.

هیچ متنی بدون بازبینی انسانی منتشر نشود. مدل ممکن است مشخصات نادرست بنویسد؛ ما از این روش وعده‌ی رتبه یا فروش نمی‌دهیم.

۴. جست‌وجوی هوشمند روی اسناد داخلی

• کار: پاسخ به پرسش کارکنان یا مشتریان از روی دستورالعمل‌ها، قراردادها و مستندات؛ اسناد را تکه‌تکه می‌کنید و فقط تکه‌های مرتبط را همراه پرسش به مدل می‌دهید.
• مدل: مدل زبانی برای نوشتن پاسخ نهایی؛ بخش بازیابی تکه‌ها جدا از آن است.
• هزینه: تعداد پرسش‌ها × (پرسش + تکه‌های بازیابی‌شده) ورودی + پاسخ خروجی. هرچه تکه‌ها کوتاه‌تر و دقیق‌تر باشند، ورودی کمتری می‌پردازید.

۵. خلاصه‌سازی و مسیردهی نامه‌ها و تیکت‌ها

• کار: خلاصه‌ی متن‌های بلند و تعیین بخش مسئول برای هر نامه یا تیکت.
• مدل: مدل ارزان برای مسیردهی؛ مدل قوی‌تر برای اسناد بلند یا حساس.
• هزینه: تعداد اسناد × طول سند (ورودی) + خلاصه‌ی کوتاه (خروجی).

چطور چت‌بات و تحلیل نظرات را به یک سیستم واحد تبدیل کنیم؟

چت‌بات را فقط پاسخ‌گو نگذارید: هر شب گفتگوهایش را با یک فراخوانی دوم دسته‌بندی کنید و سؤال‌های بی‌پاسخ را به فهرست به‌روزرسانی FAQ بدهید. این چرخه با یک base_url و دو فراخوانی به‌ازای هر سؤال ساخته می‌شود.

اسکریپت زیر فقط همین دو فراخوانی را هنگام اجرای دستی نشان می‌دهد. ذخیرهٔ گفتگوها و اجرای شبانه (مثلاً با cron) را باید خودتان اضافه کنید.

پیام مشتری ──► چت‌بات (فراخوانی ۱: پاسخ) ──► ذخیرهٔ گفتگو
                                                │ (هر شب)
                                                ▼
                               دسته‌بندی (فراخوانی ۲: موضوع، احساس، بی‌پاسخ)
                                                │
                                                ▼
                    فهرست سؤال‌های بی‌پاسخ ──► بازبینی انسانی ──► FAQ جدید ──► پرامپت چت‌بات

اسکریپت کامل

پیش‌نیاز: Python 3.9 به بالا، pip install openai و کلید API در متغیر محیطی ONEXAI_API_KEY. در این اسکریپت پارامتر temperature عمداً ارسال نمی‌شود، چون مدل‌های نسل ۵ Claude (از جمله claude-opus-5) آن را رد می‌کنند.

import json
import os
import re
from collections import Counter

from openai import OpenAI

client = OpenAI(base_url="https://1xai.ir/v1", api_key=os.environ["ONEXAI_API_KEY"])

BULK_MODEL = "gemini-2.5-pro"    # دسته‌بندی انبوه شبانه
STRONG_MODEL = "claude-opus-5"   # فقط پاسخ‌های حساس

FAQ = "ارسال: ۲ تا ۵ روز کاری. مرجوعی: تا ۷ روز با فاکتور."


def reply(question: str, sensitive: bool = False) -> str:
    """فراخوانی ۱: پاسخ به مشتری."""
    resp = client.chat.completions.create(
        model=STRONG_MODEL if sensitive else BULK_MODEL,
        messages=[
            {"role": "system",
             "content": "پشتیبان فروشگاه هستی. فقط بر اساس این FAQ پاسخ بده؛ "
                        "اگر جواب در آن نیست صریح بگو نمی‌دانی.\n" + FAQ},
            {"role": "user", "content": question},
        ],
    )
    return resp.choices[0].message.content


def classify(question: str, answer: str) -> dict:
    """فراخوانی ۲: دسته‌بندی گفتگو."""
    resp = client.chat.completions.create(
        model=BULK_MODEL,
        messages=[
            {"role": "system",
             "content": "فقط یک شیء JSON برگردان با کلیدهای topic (رشته)، "
                        "sentiment (positive|neutral|negative)، "
                        "unanswered (true|false) و unanswered_question (رشته یا null)."},
            {"role": "user", "content": f"سؤال: {question}\nپاسخ ربات: {answer}"},
        ],
    )
    text = resp.choices[0].message.content
    match = re.search(r"\{.*\}", text, re.S)
    return json.loads(match.group(0))


if __name__ == "__main__":
    questions = ["ارسال به شیراز چند روزه است؟",
                 "می‌توانم کالا را قسطی بخرم؟"]
    results = []
    for q in questions:
        a = reply(q)
        results.append(classify(q, a))
    print(json.dumps(results, ensure_ascii=False, indent=2))
    gaps = Counter(r["unanswered_question"] for r in results if r["unanswered"])
    print("کاندیدای FAQ:", dict(gaps))

نمونه‌ی توضیحی (خروجی واقعی به پاسخ مدل بستگی دارد):

[
  {"topic": "ارسال", "sentiment": "neutral", "unanswered": false, "unanswered_question": null},
  {"topic": "پرداخت", "sentiment": "neutral", "unanswered": true, "unanswered_question": "خرید قسطی"}
]
کاندیدای FAQ: {'خرید قسطی': 1}

منطق اقتصادی

دسته‌بندی شبانه حجم زیادی دارد ولی حساس نیست؛ پاسخ به شکایت یا موضوع مالی کم‌تعداد است ولی اشتباهش گران تمام می‌شود. بنابراین مدل ارزان‌تر را برای دسته‌بندی بگذارید و مدل قوی‌تر را فقط وقتی sensitive=True است صدا بزنید.

از جدول قیمت زندهٔ خودمان، gemini-2.5-pro ورودی‌اش ۴۰۲٬۰۰۰ تومان به‌ازای هر ۱ میلیون توکن است و claude-opus-5 ۱٬۶۰۸٬۰۰۰ تومان. هر دو قیمت همراه نرخ روزانهٔ دلار تغییر می‌کنند؛ عدد جاری را در /models ببینید. در ۳۰ روز گذشته gemini-2.5-pro روی گیت‌وی ما ۶۵۲ درخواست و claude-opus-5 ۱۳۷ درخواست داشته‌اند، هر دو با نرخ موفقیت ۱۰۰٪. این اعداد پایداری را نشان می‌دهند، نه برتری کیفیت یک مدل.

اگر مدل ارزان‌تری در همان فهرست می‌خواهید، قبل از جایگزینی آن را روی چند صد گفتگوی واقعی خودتان بسنجید.

اگر تیم فنی ندارید، می‌توانید ساخت چت‌بات و اتصال آن به وب‌سایت یا تلگرام را از فرم سفارش ما درخواست کنید.

هزینه ماهانه واقعاً چطور محاسبه می‌شود؟

قیمت نهایی هر مدل = قیمت لیست ارائه‌دهنده + مارک‌آپ ثابت ۲۰٪؛ شارژ کیف پول هم ۱۰٪ ارزش افزوده‌ی تسویه دارد. ما در 1xAi این گیت‌وی را اداره می‌کنیم و اعداد تومانی و آمار ۳۰ روزه‌ی زیر داده‌ی عملیاتی خودمان است.

بخش ثابت فقط مارک‌آپ است. نرخ دلار هر روز ساعت ۹ صبح به وقت تهران با بازار هماهنگ می‌شود، پس قیمت تومانی یک مدل از روزی به روز دیگر تغییر می‌کند و ما عمداً عدد تومانی را در متن ثابت نمی‌نویسیم. نرخ مالیات (vat_pct=10) را هم می‌توانید از اندپوینت حدود شارژ بررسی کنید.

فرمول

هزینه ماه = (درخواست‌ها × توکن_ورودی × قیمت_ورودی
           + درخواست‌ها × توکن_خروجی × قیمت_خروجی) ÷ 1,000,000

قیمت‌های ورودی و خروجی را از ستون «توکن تومانی» جدول زیر بردارید؛ هر دو برحسب تومان به‌ازای یک میلیون توکن‌اند. ورودی و خروجی جدا حساب می‌شوند و قیمت خروجی چند برابر ورودی است، پس طول پاسخ‌ها در فاکتور بیشتر از طول پرامپت اثر می‌گذارد.

def monthly_cost(requests, in_tokens, out_tokens, price_in_1m, price_out_1m):
    """قیمت‌ها: تومان به‌ازای هر ۱ میلیون توکن، از صفحه‌ی /pricing"""
    return (requests * in_tokens * price_in_1m
            + requests * out_tokens * price_out_1m) / 1_000_000

قیمت لیست و نرخ امروز

مدل	لیست دلاری (ورودی / خروجی، هر ۱M توکن)	توکن تومانی امروز (ورودی / خروجی)	آمار ۳۰ روزه‌ی گیت‌وی ما
gemini-2.5-pro	۱٫۲۵ / ۱۰	۴۰۲٬۰۰۰ / ۳٬۲۱۶٬۰۰۰	۶۵۲ درخواست، ۱۰۰٪ موفق
gemini-3.1-pro-preview	۲ / ۱۲	۶۴۳٬۲۰۰ / ۳٬۸۵۹٬۲۰۰	۲٬۵۷۱ درخواست، ۱۰۰٪ موفق
o3	۲ / ۸	۶۴۳٬۲۰۰ / ۲٬۵۷۲٬۸۰۰	—
claude-opus-5	۵ / ۲۵	۱٬۶۰۸٬۰۰۰ / ۸٬۰۴۰٬۰۰۰	۱۳۷ درخواست، ۱۰۰٪ موفق

آمار ۳۰ روزه‌ی o3 در داده‌های ارائه‌شده برای این مقاله درج نشده است، برای همین خانه‌اش خالی مانده. ستون دلاری قیمت لیست خود ارائه‌دهنده است و ستون تومانی همان قیمت با مارک‌آپ ۲۰٪ و نرخ روز. اگر مدلی خارج از این جدول می‌خواهید، فهرست کامل و قیمت زنده‌اش در صفحه‌ی قیمت‌ها است.

یک نکته‌ی عملی: ۱۰٪ ارزش افزوده روی مبلغ شارژ کیف پول اعمال می‌شود و ضریب جداگانه‌ای روی هر توکن نیست. در بودجه‌ی ماهانه آن را یک‌بار روی مبلغ شارژ حساب کنید.

سوالات متداول

اتوماسیون چیست؟

اتوماسیون یعنی اجرای خودکار یک گردش کار قاعده‌مند به شکل «اگر این شد، آن کار را بکن». نمونه‌ای که [مجله نمابازار](https://www.namabazaar.com/mag/%D8%AA%D9%81%D8%A7%D9%88%D8%AA-%D8%A7%D8%AA%D9%88%D9%85%D8%A7%D8%B3%DB%8C%D9%88%D9%86-%D9%88-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C/) می‌آورد: با پر شدن یک فرم، مخاطب خودکار به لیست اضافه می‌شود. این روش بدون نیاز به درک متن کار می‌کند.

اتوماسیون هوش مصنوعی چیست؟

یعنی یک مدل زبانی را در دل گردش کار خودکار می‌گذارید تا بخش «فهمیدن متن آزاد» را انجام دهد. مثلاً پیام مشتری را بخواند و دسته‌بندی کند، سپس قاعده‌های معمول اتوماسیون کار بعدی را اجرا کنند. قاعده‌ها اجرا می‌کنند و مدل متن را می‌فهمد.

هوش مصنوعی چیست به زبان ساده؟

در این مقاله، هوش مصنوعی یعنی مدل‌های زبانی مثل OpenAI، Claude و Gemini که متن را می‌خوانند و پاسخ می‌نویسند. نمونه‌هایی از کاربردهای عملی‌شان در کسب‌وکار وب‌محور: چت‌بات پشتیبانی، تولید محتوا، جست‌وجوی هوشمند و تحلیل نظرات. مدل‌ها از طریق API در وب‌سایت و اپ شما به کار می‌روند، و فهرست مدل‌های در دسترس در [صفحه مدل‌ها](https://1xai.ir/models) آمده است.

آیا بدون VPN و کارت بانکی خارجی می‌شود از ایران به API دسترسی داشت؟

بله. طبق داده‌ی 1xAi (تأییدشده در ۲۰۲۶-۱۰-۰۶)، با هر SDK استاندارد OpenAI می‌توان بدون VPN و کارت خارجی به گیت‌وی وصل شد. SDKهای Anthropic و Google GenAI هم بدون تغییر کار می‌کنند. کلید را از [داشبورد 1xAi](https://1xai.ir/models) می‌گیرید و مدل‌ها را پیش از کدنویسی در پلی‌گراند وب امتحان می‌کنید.

هزینه‌ی ماهانه‌ی API چقدر می‌شود؟

عدد ثابتی وجود ندارد و هزینه به حجم توکن بستگی دارد: (توکن ورودی ÷ ۱ میلیون × قیمت ورودی) + (توکن خروجی ÷ ۱ میلیون × قیمت خروجی). برای نمونه، o3 از طریق [1xAi](https://1xai.ir/models) امروز برای هر ۱ میلیون توکن ورودی ۶۴۳٬۲۰۰ تومان و برای هر ۱ میلیون توکن خروجی ۲٬۵۷۲٬۸۰۰ تومان است. این قیمت‌ها قیمت رسمی ارائه‌دهنده به‌علاوه‌ی مارک‌آپ ثابت ۲۰٪ هستند و با نرخ روزانه‌ی بازار هماهنگ می‌شوند؛ مبلغ جاری هر مدل را در [صفحه قیمت‌ها](https://1xai.ir/pricing) ببینید.