Project Management Pitfalls and the Ambivalent Role of Artificial Intelligence: A Scoping Review of Bad Practices
Deze scoping review breidt de bekende lijst van slecht projectmanagementpraktijken uit naar twintig systemische tekortkomingen verspreid over vier belangrijke clusters en betoogt dat hoewel kunstmatige intelligentie potentieel biedt voor verbetering, de onkritische adoptie ervan het risico loopt bestaande problemen te verergeren, hetgeen integratie ervan als een aanvulling op in plaats van een vervanging voor goed menselijk oordeel en bestuur noodzakelijk maakt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Al decennia lang vertrouwt de wereld van het bouwen en creëren op een reeks regels die zijn ontworpen om complexe inspanningen uit elkaar vallen te voorkomen. Of het nu gaat om het construeren van een brug, het lanceren van een satelliet of het uitrollen van nieuwe software, teams volgen een discipline genaamd projectmanagement. Dit vakgebied is gebouwd op het idee dat als je zorgvuldig plant, de juiste mensen toewijst en het budget in de gaten houdt, je zult slagen. Toch, ondanks de uitvinding van geavanceerde software en de opleiding van miljoenen professionals, mislukken projecten nog steeds met een hardnekkig hoog percentage. Ze raken door hun geld heen, missen hun deadlines of leveren een product dat niemand wilde hebben. De redenen voor deze mislukkingen liggen zelden aan een gebrek aan hulpmiddelen of een gebrek aan kennis; in plaats daarvan komen ze vaak voort uit diepgewortelde menselijke gewoonten. We neigen er te optimistisch over te zijn hoe lang dingen zullen duren, we vinden het moeilijk om "nee" te zeggen tegen nieuwe verzoeken, en we proberen te veel dingen tegelijk te doen. Deze patronen zijn zo gebruikelijk dat ze al jaren worden bestudeerd en vormen een catalogus van fouten die onmogelijk lijken te vermijden.
Nu is er een nieuwe vraag de discussie binnengekomen. Naarmate kunstmatige intelligentie — computersystemen die kunnen leren van data en voorspellingen kunnen doen — krachtiger wordt, hopen velen dat het eindelijk deze oude problemen zal oplossen. Het idee is dat een machine, vrij van menselijk optimisme of vermoeidheid, de perfecte tijdlijn kan berekenen, verborgen risico's kan opsporen en middelen zonder fouten kan beheren. Maar een recente review van het nieuwste onderzoek suggereert dat het antwoord niet zo eenvoudig is. De technologie biedt echte belofte, maar brengt ook het risico met zich mee dat het onze oudste fouten verergert als we niet voorzichtig zijn.
Een team van onderzoekers van de Technologische Park van Holguín en de Universiteit van Holguín in Cuba zette zich af om precies deze spanning te onderzoeken. Ze voerden een scoping review uit van de wetenschappelijke literatuur gepubliceerd tussen 2021 en 2026 over vijf specifieke databases: Scopus, Web of Science, DOAJ, OpenAlex en Google Scholar, waarbij ze zochten naar studies over waarom projecten mislukken en hoe kunstmatige intelligentie wordt gebruikt om dit te herstellen. Ze onderzochten ook rapporten van praktijkbeoefenaars die dagelijks met deze mislukkingen te maken krijgen. Hun doel was niet om één enkele theorie te testen, maar om het landschap van twintig specifieke slechte praktijken in kaart te brengen die het vakgebied blijven teisteren. Ze organiseerden deze fouten in vier hoofdgroepen: fouten in de planning en het inschatten van de duur; fouten in het beheren van mensen en de omvang van het werk; fouten in hoe teams communiceren en beslissingen nemen; en fouten in het daadwerkelijk voltooien van de klus.
De onderzoekers ontdekten dat deze twintig slechte praktijken niet nieuw zijn. Het zijn dezelfde patronen die in oudere studies worden beschreven, wat bewijst dat de kloof tussen wat we weten dat we moeten doen en wat we daadwerkelijk doen, groot blijft. Een van de meest hardnekkige fouten is de "planning fallacy" (planningsfout), een gewoonte waarbij mensen zichzelf ervan overtuigen dat hun project anders en beter zal zijn dan dat van anderen, waarbij historische gegevens die het tegendeel suggereren, worden genegeerd. Een ander veelvoorkomend probleem is het onvermogen om "nee" te zeggen tegen veranderende eisen, wat leidt tot "scope creep" (omvangverschuiving), waarbij een project langzaam groeit buiten zijn oorspronkelijke grenzen totdat het onder zijn eigen gewicht bezwijkt. De review benadrukte ook de destructieve aard van multitasken, waarbij teamleden in te veel richtingen worden getrokken, wat hen doet opbranden en het werk vertraagt.
Toen de onderzoekers keken naar hoe kunstmatige intelligentie met deze problemen interacteert, ontdekten ze een tweesnijdend zwaard. Aan de positieve kant toont de technologie echte potentie om specifieke taken te verbeteren. Zo kunnen geavanceerde computermodellen enorme hoeveelheden historische gegevens analyseren om nauwkeurigere schattingen te maken van hoe lang een project zal duren, waarbij ze vaak traditionele methoden overtreffen. Deze tools kunnen ook middelen bijhouden om ervoor te zorgen dat niemand overbelast wordt en automatisch signaleren wanneer een project van koers afwijkt. In sommige gevallen is aangetoond dat deze systemen fouten in voorspellingen met een aanzienlijke marge verminderen, wat een niveau van precisie biedt waar menselijke planners moeite mee hebben.
De review waarschuwt echter dat het simpelweg aanzetten van een computer de onderliggende menselijke problemen niet oplost. Als de data die in een kunstmatige intelligentie-systeem worden gevoerd gebrekkig, bevooroordeeld of incompleet zijn, zal de machine die fouten simpelweg herhalen, misschien zelfs met meer zelfvertrouwen dan een mens zou doen. De onderzoekers merkten op dat als een bedrijf een geschiedenis heeft van het onderschatten van kosten, een kunstmatige intelligentie die getraind is op de historische gegevens van dat bedrijf, ook zal leren om kosten te onderschatten. Bovendien is er een risico dat teams te afhankelijk worden van deze tools en de output van de machine vertrouwen zonder deze in twijfel te trekken. Dit kan leiden tot een situatie waarin slechte beslissingen sneller en met meer autoriteit worden genomen omdat ze door een computer worden ondersteund. De review wees ook op het feit dat veel kunstmatige intelligentieprojecten zelf de implementatie niet halen omdat ze te complex zijn, het verkeerde probleem oplossen of een gebrek aan duidelijke verklaringen hebben voor hoe ze tot hun conclusies kwamen.
De kernbevinding van de studie is dat deze mislukkingen fundamenteel organisatorisch en gedragsmatig zijn, en niet alleen technisch. De problemen van optimisme, slechte communicatie en het onvermogen om prioriteiten te stellen, zijn geworteld in de menselijke psychologie en de bedrijfscultuur. Kunstmatige intelligentie is een krachtig hulpmiddel, maar het is geen toverstaf die een kapotte cultuur kan repareren. De onderzoekers betogen dat de technologie moet worden gebruikt om het menselijk oordeel te ondersteunen, niet om het te vervangen. Het kan het zware werk van data-analyse en patroonherkenning overnemen, waardoor mensen vrijkomen voor de zaken die machines niet kunnen doen: het navigeren door complexe politieke relaties, het aanvoelen van de moraal van een team en het maken van de moeilijke ethische keuzes die vaak ontstaan in situaties met hoge inzet.
Uiteindelijk vereist de weg vooruit een gebalanceerde aanpak. Organisaties die willen slagen, moeten investeren in het verbeteren van de kwaliteit van hun data en het trainen van hun mensen om deze nieuwe tools wijs te gebruiken. Ze moeten governance-structuren opbouwen die ervoor zorgen dat kunstmatige intelligentie transparant is en dat mensen betrokken blijven bij de uiteindelijke beslissingen. De review concludeert dat hoewel technologie ons helpt de valkuilen duidelijker te zien, het aan ons ligt om ze te vermijden. De meest effectieve projecten zullen die zijn die de snelheid en nauwkeurigheid van kunstmatige intelligentie combineren met de wijsheid, empathie en het kritisch denkvermogen van ervaren menselijke leiders.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.