وبلاگ
بینشها، آموزشها و بهروزرسانیها از تیم فنپینو.
ورود یکپارچه تعیین میکند دستیار هوش مصنوعی نهادی پذیرفته میشود یا نه
۷۹٪ سازمانها ایجنت هوش مصنوعی را میپذیرند، فقط ۱۱٪ به تولید میرسند — شکاف اعتماد است، نه کیفیت مدل. فنمایند با ارائهدهنده هویت ملی موجود سازمان لاگین میشود، نه یک رمز عبور دیگر.
لاگین پیامکی، نه فقط اپ authenticator: امنیت بومیسازیشده فنمیل
وبمیل تجاری فرض میکند همه یک اپ authenticator تنظیم کردهاند. فنمیل از SMS OTP/2FA و اعلانهای ایمیل-به-پیامک بهعنوان ویژگی درجهیک پشتیبانی میکند — چون این چیزی است که واقعاً 2FA را در مقیاس ۱۰٬۰۰۰ کاربر جا میاندازد.
JMAP، نه IMAP: چرا وبمیل فنمیل حس وبمیل بودن نمیدهد
بیشتر وبمیلها هنوز روی IMAP اجرا میشوند، پروتکلی از ۱۹۸۶ که هیچوقت برای کلاینت وب طراحی نشده. فنمیل از ابتدا تا انتها JMAP را از طریق Stalwart Mail Server اجرا میکند — این چه تفاوتی در مقیاس ۱۰٬۰۰۰ صندوق پستی ایجاد میکند.
Docker-First و Self-Hosted: مالک زیرساخت محتوای خودت باش
فنپینو CMS بهصورت کانتینرهایی عرضه میشود که خودت اجرا میکنی، همراه با JWT + Google OAuth2 و کنترل دسترسی مبتنی بر نقش — تصمیمات زیرساختی دست تیم مالک محصول میماند.
سئو و بازاریابی برای سایتهای دوزبانه: چه چیزی در فنپینو CMS از پیش آماده است
سئو برای دو زبان یعنی «سئوی دوبار» نیست — یعنی متاتگ جداگانه برای هر زبان، اسلاگ تمیز، و قیمتی که با نیت جستوجو یکی باشد. اینها از پیش آمادهاند.
فنپینو CMS: پلتفرم محتوای دوزبانه که از روز اول برای RTL ساخته شده
بیشتر سایتهای چندزبانه فارسی را بهعنوان فکرِ بعدی به یک CMS انگلیسی میچسبانند. فنپینو CMS فیلدهای en/fa را از سطح schema در هر مدل محتوایی جا میدهد.
IT تیکتینگ داره، بقیه بخشها هنوز با تماس تلفنی کار میکنن
سازمان یک سیستم تیکتینگ خوب برای IT خریده، اما درخواست مرخصی از HR، سفارش لوازم از تدارکات یا رزرو سالن از تسهیلات هنوز با تماس و پیام شخصی حل میشه. چرا این اتفاق میافته و چرا کپی کردن همون ابزار برای بقیه بخشها کافی نیست.
کاغذبازیای که دانشگاهها نمیبینند: پیگیری خسارت بیمهی تکمیلی بعد از ثبت
دفتر رفاه دانشگاه کمتر وقتش را صرف ثبتنام میکند تا خسارت — جایی که هم کارمند و هم منابع انسانی، ردِ یک پرونده را از لحظهای که فرم ثبتنام را ترک میکند، گم میکنند.
چرا یک دستیار هوش مصنوعی عمومی نمیتواند فقط اسناد سازمان شما را بخواند
دستیارهای هوش مصنوعی عمومی که به کل یک درایو مشترک دسترسی دارند، به دو شکل مشخص و مستندشده در سال ۲۰۲۶ شکست میخورند: استناد مطمئن به سیاستهایی که وجود ندارند، و جوابدادن از اسنادی که قرار نبوده پرسنده ببیندشان.
آفلاین واقعی در برابر آفلاین دروغین: چیزی که اپهای بازرسی واقعاً به آن نیاز دارند
تعداد روبهرشدی از راهنماهای خرید نرمافزار بازرسی میدانی در ۲۰۲۶ روی یک مرز روشن تاکید دارن: آفلاین واقعی در برابر اپهایی که فقط یک فرم رو تا لحظهی ارسال کش میکنن. این یعنی چی وقتی توی سایت اصلاً آنتن نیست؟
فروشندههای MES دارن به سمت کلود میدوئن؛ روی کف کارگاه فولاد این پیشفرض اشتباهه
کلود الان ۴۴٪ از استقرارهای جدید MES رو تشکیل میده، در حالی که ۳۶٪ از تولیدکنندهها امنیت سایبری رو نگرانی اصلی میدونن و ۴۱٪ از هزینهی بالای یکپارچهسازی گله دارن. روی کف کارگاهی که شبکه وسط شیفت قطع میشه، کلود-اول یه راحتی نیست — یه نقطهی شکست تنهاست.
هوش مصنوعی عاملمحور پیشفرض ۲۰۲۶ هلپدسک شده؛ خودمختاریِ کامل، فیچری نیست که باید کپیاش کرد
تحلیلگرها سال ۲۰۲۶ رو سال رفتن هوش مصنوعی عاملمحور از تجربه به تولید توی پشتیبانی IT مینامن — سیستمهایی که خودشون اقدام میکنن، بدون منتظر تأیید انسانی روی هر قدم. این قابلیت واقعیه؛ چیزی که باید مراقبش بود، اینه که کدوم تصمیمها رو میذاری تنها بگیره.
چرا اکثر سرویسهای ایمیل ایرانی امکان دامنه اختصاصی نمیدهند؟
بیشتر هاستهای ایمیل ایرانی یا دامنهی اختصاصی نمیدهند یا فقط در پلن سازمانی گران. دلیلش ریسک reputation است، نه فنی — و یک راهحل سوم هم هست.
جواب هوش مصنوعی با استناد، نه حدس
چتباتهای عمومی دربارهی اسنادتان جواب مطمئن میدهند، ولی راهی برای چککردن منبعش نیست. فایلانرژی هر جواب را با استناد در سطح صفحه به سند اصلی همراه میکند.
چرا دانشگاه شما پنج سیستم جدا دارد؟
سایت عمومی، فهرست اساتید، میز خدمات، بیمهی کارکنان — هرکدام زمان و تیم جدا، هرکدام یک ورود جدا. فنکمپاس همه را پشت یک SSO واحد میآورد.
فندسک در برابر هلپیکال، کندیهلپ و سپهر گستر: فرق کجاست؟
هلپیکال، کندیهلپ و سپهر گستر گزینههای شناختهشدهی بازار داخلیان. فرق فندسک: قیمتگذاری شفاف روی سایت، SLA بر مبنای ساعت کاری واقعی، و خودمیزبانی بهعنوان بخشی از محصول اصلی نه یه لایسنس جدا.
چرا سود تعمیرگاه با قیمتگذاری دستیِ قطعات از بین میرود
وقتی قیمت یک قطعه از حافظه یا یک ستون اکسل میآید، نه از تاریخچهی واقعی خرید، تعمیرگاه بدون آنکه بداند سود را از دست میدهد. FIFO این را با عدد واقعی جایگزین میکند.
چرا فهرست پپتید کافی نیست، جستوجوی شباهت لازم است
خیلی از پایگاهدادههای پپتید فقط یک اکسل با جستوجوی نام هستند. وقتی توالی جدیدی دارید، جستوجوی شباهت بهسبک BLAST سؤال را از گشتن دستی به یک کوئری چندثانیهای تبدیل میکند.
پیدا کردن بند درست استاندارد وسط کار، نه بعد از آن
مهندسان معمولاً فایل استاندارد را دارند؛ مشکل وقتی است که وسط کار به یک بند خاص نیاز پیدا میکنند و چند دقیقه در یک PDF چندصدصفحهای میگردند — و گاهی بند اشتباه یا قدیمی را برمیدارند.
۷ نشانه که تیم پشتیبانی شما از صندوق ایمیل مشترک عبور کرده است
صندوق ایمیل مشترک تا مدتی جواب میدهد — تا وقتی تیکتها گم شوند، کسی مسئولیت پیگیری را برعهده نگیرد و مشتریها چون مطمئن نیستند جوابی میآید، شکایت را بالاتر ببرند. اینطور میفهمید وقت مهاجرت رسیده.
چطور هزینهی ایمیل یک دانشگاه را ۹۰ درصد کاهش دادیم — با اعداد واقعی
۱۰هزار صندوق ایمیل، حدود ۷۰هزار دلار در سال هزینهی لایسنس، جایگزین شد با یک راهاندازی خودمیزبان با کمتر از ۴هزار دلار در سال. اینجا دقیقاً چه چیزی عوض شد، چه کاری را جور دیگری انجام میدادیم، و ایمیل خودمیزبان واقعاً کِی بهصرفه است.
تولیدکنندگانی که بازرسی واکنشی دارند، ۳.۴ برابر بیشتر در معرض فراخوان محصولاند
تولیدکنندگانی که فقط در انتهای خط تولید بازرسی میکنند، طی پنج سال ۳.۴ برابر بیشتر در معرض یک فراخوان جدی محصول قرار میگیرند؛ و ردیابی ضعیف نیز ۷۰ درصد به هزینهی آن فراخوان اضافه میکند. راهحل، بازرس بیشتر نیست؛ ثبت درست داده در همان ایستگاه کار است، نه پس از وقوع مشکل.
نرخ ۹۰ درصدیِ دفلکشن هوش مصنوعی میتواند نرخ حل واقعیِ ۴۰ درصد را پنهان کند
بر اساس گزارش Gartner، هوش مصنوعی بیش از ۴۵ درصد پرسشهای پشتیبانی را دفلکت میکند، اما تنها ۱۴ درصد از آنها واقعاً بهصورت خودخدمتی حل میشوند. دفلکشن و حل مسئله دو مفهوم متفاوتاند و شکاف میان آنها همانجایی است که هزینهی پشتیبانی، بیسروصدا به کانالی دیگر منتقل میشود، نه اینکه واقعاً از بین برود.
فقط ۵ کلاس آنتیبیوتیک جدید از سال ۲۰۰۰ — چرا پژوهش پپتیدهای ضدمیکروبی به بیشتر از یک لیست توالی نیاز داره
مقاومت آنتیبیوتیکی ممکنه تا ۲۰۵۰ از سرطان هم بهعنوان علت مرگ پیشی بگیره، و خط تولید داروهای جدید همپای این روند نبوده. پایگاهداده وقتی مفیده که تحلیل فیزیکوشیمیایی مورد نیاز پژوهشگر رو هم انجام بده.
ترند واقعی خدمات سازمانی ۲۰۲۶ ابزار تیکتینگ بهتر نیست — یک پنجره برای همهی بخشهاست
۳۴ درصد تیمهای پشتیبانی امسال رشد حجم تیکت رو دیدن، و یکچهارم تیمهای IT از همین الان دنبال جایگزینان. تغییر بزرگتر یه ابزار بهتر نیست — گسترش یه گردشکار ساختیافته به HR، تسهیلات و همهی بخشهاست.
۴۶ درصد دانشآموزها برای انتخاب دانشگاه از AI استفاده میکنن — اساتید شما اصلاً براش قابلدیدنن؟
دیدهشدن توی گوگل دیگه معنی دیدهشدن برای AI رو نمیده. کمتر از ۱۰ درصد منابعی که AI بهشون ارجاع میده توی ۱۰ نتیجهی اول گوگلن — و یه CV پیدیاف برای مدل زبانی اصلاً نامرئیه.
مسئلهی ۴۰ درصد: چرا HR دانشگاهها هنوز ثبت بیمه رو دستی انجام میده
تیمهای HR تا ۴۰ درصد از وقت هفتگیشون رو صرف کاغذبازی تکراری میکنن. بیشتر پرتالهای self-service بروکراسی رو دیجیتالی میکنن نه حذف — مرحلهی تأیید هویت هنوز روی دوش یه آدم واقعیه.
۷۷٪ تولیدکنندهها از AI استفاده میکنن. فقط ۱ از ۵ نفر احساس آمادگی برای مقیاسدهیش داره.
Deloitte پیشبینی کرده AI عاملمحور روی کف کارخونه توی ۲۰۲۶ تقریباً چهار برابر بشه. ولی بیشتر کارخونهها رو AI عقب نگه نداشته — دیتایی که تمیز، لحظهای، و ساختیافته نیست عقب نگهشون داشته.
مسئلهی ۷۹٪ در برابر ۱۱٪: چرا اکثر AI Agentهای سازمانی هیچوقت به Production نمیرسن
توی ۲۰۲۶، ۷۹٪ سازمانها میگن AI agent رو پذیرفتن — ولی فقط ۱۱٪ واقعاً توی production اجراش میکنن. این فاصلهی ۶۸ درصدی، مسئلهی فناوری نیست. مسئلهی اعتماده.
هزینهٔ واقعی ادارهٔ فروشگاه تعمیرات با واتساپ و دفترچه
«موبایلم آماده شد؟» نباید نیازمند یک تماس تلفنی باشد. سه جایی که فروشگاههای تعمیرات بیسروصدا پول از دست میدهند، و چرا همهشان به یک ریشه برمیگردند.
چرا برخی سازمانها هنوز در ۲۰۲۶ ایمیل Self-Hosted انتخاب میکنند
ایمیل ابری دلیلدار پیشفرض شده. برای سازمانهایی با ۱۰٬۰۰۰ صندوق پستی، الزامات محل نگهداری داده، یا ارزی که SaaS دلاری را گران میکند، self-hosting هنوز انتخاب منطقیتری است — اگر جزئیاتش درست انجام شود.</p>
دلیل واقعی اینکه سامانههای فناوری دانشگاه با هم حرف نمیزنند
معمولاً محدودیت فنی نیست. وبسایت، سوابق اساتید، میز خدمت و سامانهٔ بیمهٔ یک دانشگاه معمولاً یکپارچه نمیشوند چون هیچوقت قرار نبوده باشند — هرکدام را دفتری متفاوت در سالی متفاوت خریده.
استناد یا امتناع: چرا دستیار هوشمند داخلی گاهی باید بگوید «نمیدانم»
دستیاری که با اطمینان به سؤالی جواب میدهد که هیچ سندی پوشش نداده، مفید نیست — دارد یک پاسخ غلط را با همان لحن پاسخ درست تولید میکند. راهحل یک پرامپت بهتر نیست. یک معماری است که نمیتواند ارجاع جعل کند.
بهینهسازی برای موتورهای مولد: چطور سایتتان در ChatGPT و AI Overviews دیده شود
رتبهٔ یک گوگل دیگر تضمین نمیکند AI شما را استناد کند — همپوشانی رتبههای برتر با منابع استنادشدهٔ AI به زیر ۲۰٪ رسیده. این چکلیست فنی واقعی است که برای قابلبازیابیشدن سایت خودمان در ChatGPT، Perplexity و AI Overviews گوگل پیادهسازی کردیم.
شش معیاری که قبل از خرید سامانهٔ تیکتینگ باید بسنجید
تفاوت سامانهٔ تیکتینگ خوب و بد در فهرست امکانات نیست؛ در چند تصمیم ساختاری است که یک سال بعد خودشان را نشان میدهند.
ERP داریم، MES به چه دردمان میخورد؟
ERP میداند سفارش چیست و هزینه چقدر است. اما «قطعهٔ B-214 کجاست و چه کسی جوشش را زد؟» سؤالی است که پاسخش جای دیگری است.
چرا آرشیو چند هزار سندی شما عملاً غیرقابل استفاده است
مشکل ذخیرهسازی نیست؛ مشکل این است که کسی نمیداند چه چیزی در آرشیو هست. و پاسخ بدون ارجاع، از بیپاسخی بدتر است.
انطباق با استاندارد را نمیشود در زمان بازرسی بازسازی کرد
در بیشتر سازمانها هیچکس دقیقاً نمیداند کدام نسخه از کدام استاندارد ملاک بوده است — و این را معمولاً موقع تحویل کشف میکنند.
چگونه یک مدل هوش مصنوعی ۲۷ میلیونی غولهایی مثل ChatGPT را شکست داد؟
دنیای هوش مصنوعی در حال حاضر درگیر باور «هر چه بزرگتر، بهتر» است. اما یک مدل کوچک با تنها ۲۷ میلیون پارامتر توانسته مدلهای تریلیون پارامتری مثل GPT-4 را در تستهای استدلال منطقی شکست دهد. این مقاله داستان پایان عصر «هر چه بزرگتر، بهتر» است.
مهندسی کانتکست: چگونه با فریمورک RPI از تولید کدهای بیکیفیت توسط هوش مصنوعی جلوگیری کنیم
آیا میدانید چرا هوش مصنوعی در پروژههای کوچک عالی عمل میکند اما در کدهای قدیمی و پیچیده شکست میخورد؟ در این مقاله با مفهوم مهندسی کانتکست و جریان کاری RPI آشنا شوید و یاد بگیرید چگونه از تولید کدهای بیکیفیت (Slop) جلوگیری کنید.
چرا فنکاور سرویسی کاملاً ایزوله است، نه یک ماژول CMS
داده بیمه کارکنان نباید مرز اعتماد را با CMS سایت عمومی به اشتراک بگذارد. فنکاور بهعنوان سرویس خودش با دیتابیس اختصاصی و لاگین با هویت ملی، نه رمز عبور، اجرا میشود.
فنپروفایل: چرا دایرکتوری اساتید اپ خودش را میگیرد، نه یک نوع صفحه CMS
یک دایرکتوری عمومی اساتید مخاطب، شکل ترافیک و مدل دسترسی متفاوتی از پنل ادمین CMS دارد. فنپروفایل دقیقاً به همین دلیل REST API خودش است.
قیمت تعمیر در چند ثانیه، نه یک حدس: تشخیص با کمک هوش مصنوعی در موبایل مستر
قیمت پشت پیشخوان معمولاً خاطرهی یک تکنسین از تعمیرات مشابه است — وقتی غلط باشد بهاندازه کافی مهم است. موبایل مستر قیمتهای پیشنهادی هوش مصنوعی را روی تاریخچه تعمیرات خودِ تعمیرگاه بنا میکند، نه میانگین صنعتی.
تعمیرگاههای چندشعبهای: چرا ایزولهسازی داده قبل از نیاز اهمیت دارد
یک اکسل با یک شعبه تعمیرگاه دوام میآورد. شعبه دوم جایی است که ایزولهسازی داده هر شعبه، دسترسی مبتنی بر نقش و لاگ ممیزی از «قشنگه ولی لازم نیست» بودن دست میکشند و جلوی اختلافات واقعی را میگیرند.
استانداردهای دوزبانه، نه ترجمه غیررسمی: چرا پروب۳۶۱ محتوای فارسی را بندبهبند نگهداری میکند
ترجمه غیررسمی واتساپی یک استاندارد جوشکاری هر بار بازنگری منتشر میشود از واقعیت فاصله میگیرد. پروب۳۶۱ ترجمههای فارسی بندبهبند را دقیقاً نگاشتهشده روی بند اصلی نگهداری میکند.
چرا ابزار مرجعی که شخصاً پولش را میدهی باید هر بار تمدیدش را به دست بیاورد
نرمافزار سازمانی از بالا به پایین پذیرفته میشود. ابزاری که یک بازرس شخصاً مشترکش میشود باید تمدیدش را در محل کار بدون آنتن به دست بیاورد — برای همین موردعلاقههای آفلاین از هر فهرست ویژگی مهمترند.
بدون بازنویسی دستی: چرا فیدار فهرست مواد را مستقیم از مدل Tekla میکشد
هر بازنویسی دستی فهرست قطعات یک مدل Tekla در یک فهرست مواد اکسلی یک فرصت برای انحراف است. پلاگین Tekla فیدار فهرست مواد را پیامدی مکانیکی از خودِ مدل میسازد، نه یک وظیفه جدا.
پیوندخورده بهطور پیشفرض: چرا فیدار WPS-WPQ و NDT و NCR/CAPA را به هر قطعه گره میزند
صلاحیت جوشکار، تأیید دستورالعمل و نتایج بازرسی معمولاً در سه رکورد جدا از هم مینشینند. فیدار آنها را از همان ابتدا به هر قطعه گره میزند، پس یک ممیزی یا خرابی نیاز به بازسازی دستی ندارد.
چطور یک دانشگاه هزینهی ایمیلش را ۹۰٪ کاهش داد — و در همین حین چه چیزهای دیگری ساختیم
دانشگاه لرستان با مهاجرت ۱۰,۰۰۰ صندوق پستی به سرور خودمیزبان Stalwart، هزینهی سالانهی ایمیلش را از حدود ۷۰,۰۰۰ دلار به کمتر از ۴,۰۰۰ دلار رساند. این پروژه همزمان با ساخت و استقرار ۱۲ محصول دیگر، همه از مسیر یک پایپلاین بدونقطعی، انجام شد — عددهای واقعی، نه دادهی نظرسنجی.
چرا لاگهای کانتینر را به stdout میفرستیم، نه فایل
یک ریبیلد معمولی nginx، مدرکی را پاک کرد که نمیدانستیم بهش نیاز داریم. فیکس فقط دو خط بود، ولی فهمیدن اینکه بهش نیاز داریم بیشتر از حد لازم طول کشید.
یک چهارم ترافیک «Direct» ما یک بات بود، و آنالیتیکس هیچوقت این را نگفت
نرخ تعامل کانال Direct ما هفتهها متوسط به نظر میرسید. عدد واقعی ۱۲ درصد بالاتر بود، وقتی ترافیکی را پیدا و حذف کردیم که هیچوقت یک بازدیدکننده نبود.