Project Management Pitfalls and the Ambivalent Role of Artificial Intelligence: A Scoping Review of Bad Practices
このスコーピングレビューは、プロジェクトマネジメントにおける悪習の既知のリストを、4つの主要なクラスターにわたる20の系統的な失敗へと拡張するものであり、人工知能は改善の可能性を提示している一方で、その無批判な採用は既存の問題を悪化させるリスクがあることを論じ、人工知能を、健全な人間の判断やガバナンスの代替物としてではなく、それらを補完するものとして統合する必要性を説いている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
何十年もの間、ものづくりの世界は、複雑な取り組みが崩壊するのを防ぐために設計された一連のルールに依存してきました。橋を建設するにせよ、人工衛星を打ち上げるにせよ、あるいは新しいソフトウェアを展開するにせよ、チームはプロジェクトマネジメントと呼ばれる規律に従います。この分野は、注意深く計画を立て、適切な人材を割り当て、予算を監視すれば成功するという考えに基づいています。しかし、洗練されたソフトウェアが発明され、何百万人もの専門家が訓練を受けているにもかかわらず、プロジェクトはいまだに驚くほど高い割合で失敗しています。資金が底をついたり、期限に間に合わなかったり、あるいは誰も望んでいない製品を届けたりしてしまうのです。これらの失敗の原因は、ツールの不足や知識の不足によるものではなく、多くの場合、根深い人間の習慣に由来しています。私たちは物事が完了するまでの期間に対して過度に楽観的になりがちであり、「ノー」と言うことに苦しみ、一度に多くのことをやりすぎてしまいます。これらのパターンは非常に一般的であるため、長年研究されており、逃れることが不可能に思える失敗のカタログを形成しています。
現在、新たな問いが議論に加わっています。データから学習し予測を行うことができるコンピュータシステムである人工知能（AI）がより強力になるにつれ、多くの人々は、それがついにこれらの古い問題を解決してくれるのではないかと期待しています。機械は、人間の楽観主義や疲労から解放されているため、完璧なタイムラインを計算し、隠れたリスクを特定し、エラーなくリソースを管理できるのではないかという考えです。しかし、最新の研究を概観したところ、答えはそれほど単純ではないことが示唆されています。テクノロジーは真の有望性を秘めていますが、注意を払わなければ、私たちの最も古い間違いを悪化させるリスクも孕んでいます。
オルギン・テクノロジカルパークおよびオルギン大学（キューバ）の研究チームは、まさにこの緊張関係を調査するために動き出しました。彼らは、Scopus、Web of Science、DOAJ、OpenAlex、Google Scholarという5つの特定のデータベースに掲載された2021年から2026年までの学術文献のスコープレビューを実施し、なぜプロジェクトが失敗するのか、そしてAIがどのようにそれらを修正するために使用されているかについての研究を調査しました。また、日々これらの失敗に対処している業界の実務家からの報告も検証しました。彼らの目的は単一の理論をテストすることではなく、この分野を悩ませ続けている20の具体的な悪習をマッピングすることでした。彼らはこれらの間違いを、計画と期間予測における失敗、人間とスコープ（範囲）の管理における失敗、チームのコミュニケーションと意思決定における失敗、そして実際に仕事を完遂することにおける失敗、という4つの主要なグループに整理しました。
研究者たちは、これら20の悪習は新しいものではないことを見出しました。それらは古い研究でも記述されている同じパターンであり、私たちが「何をすべきか」を知っていることと「実際に何を行っているか」との間の溝がいまだに広いことを証明しています。最も持続的なエラーの一つは「計画の錯誤（プランニング・ファラシー）」であり、これは、過去のデータがそうでないことを示唆しているにもかかわらず、自分のプロジェクトは他の誰よりも異なり、より優れていると自分に言い聞かせてしまう習慣です。もう一つの一般的な問題は、要件の変化に対して「ノー」と言えないことであり、これは「スコープ・クリープ（範囲の肥大化）」を引き起こします。これにより、プロジェクトは本来の限界を超えて徐々に膨らみ、その重みによって崩壊していきます。また、レビューではマルチタスクングの破壊的な性質についても強調されました。チームメンバーが多くの方向に引き寄せられることで、燃え尽き症候群に陥り、作業が停滞してしまうのです。
研究者がAIがこれらの問題とどのように相互作用するかを調べたところ、それは諸刃の剣であることがわかりました。肯定的な側面として、テクノロジーは特定のタスクを改善する真の可能性を示しています。例えば、高度なコンピュータモデルは、膨大な量の履歴データを分析して、プロジェクトに要する時間のより正確な見積もりを作成することができ、多くの場合、従来の手法を凌駕します。これらのツールはまた、リソースを追跡して誰も働きすぎていないことを確認したり、プロジェクトが軌道から外れ始めたときに自動的に警告を発したりすることもできます。いくつかのケースでは、これらのシステムは予測におけるエラーを大幅に減少させることが示されており、人間のプランナーが苦労するレベルの精度を提供しています。
しかし、レビューは、単にコンピュータのスイッチを入れるだけでは根本的な人間の問題は解決しないと警告しています。もし人工知能システムに投入されるデータに欠陥があったり、偏っていたり、不完全であったりすれば、機械はそれらのエラーを単に繰り返すだけであり、おそらく人間よりも自信を持ってそれを行ってしまうでしょう。研究者たちは、もしある企業にコストを過小評価してきた歴史があれば、その企業の過去のデータで学習した人工知能もまた、コストを過小評価することを学習するだろうと指摘しました。さらに、チームがこれらのツールに依存しすぎてしまい、疑問を持たずに機械の出力を信頼してしまうリスクもあります。これは、コンピュータによって裏付けられているために、誤った決定がより速く、より権威を持って下される状況を招く可能性があります。また、多くの人工知能プロジェクト自体が、複雑すぎること、間違った問題を解決しようとしていること、あるいは結論に至った経緯についての明確な説明が欠けていることにより、導入（デプロイメント）に至らないことも指摘されました。
この研究の核心的な発見は、これらの失敗は根本的に組織的かつ行動的なものであり、単なる技術的な問題ではないということです。楽観主義、コミュニケーション不足、優先順位付けの不得意といった問題は、人間の心理と企業文化に根ざしています。人工知能は強力なツールですが、壊れた文化を直す魔法の杖ではありません。研究者たちは、テクノロジーは人間の判断を置き換えるのではなく、サポートするために使用されるべきであると主張しています。AIはデータの分析やパターン認識といった重労働を担うことができ、人々が機械にはできないこと、すなわち、複雑な政治的関係の舵取り、チームの士気の察知、そして高リスクな状況でしばしば発生する困難な倫理的選択を行うことに集中できるようにするためのものです。
結局のところ、進むべき道はバランスの取れたアプローチを必要とします。成功を望む組織は、データの質を向上させ、これらの新しいツールを賢明に使用するための訓練を人々に施すことに投資しなければなりません。彼らは、人工知能が透明であり、最終決定において人間が関与し続けることを保証するガバナンス構造を構築する必要があります。レビューは、テクノロジーは私たちが落とし穴をより明確に見る助けにはなるものの、それを避けるかどうかは私たち次第であると結論付けています。最も効果的なプロジェクトとは、人工知能のスピードと正確さに、経験豊富な人間のリーダーシップが持つ知恵、共感、そして批判的思考を組み合わせたものとなるでしょう。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。