Project Management Pitfalls and the Ambivalent Role of Artificial Intelligence: A Scoping Review of Bad Practices
本范围综述将已知的项目管理不良实践列表扩展至涵盖四个关键集群的二十项系统性失败，并指出虽然人工智能为改进提供了潜力，但其不加批判的应用存在加剧现有问题的风险，因此有必要将其作为人类健全判断与治理的补充而非替代品进行整合。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几十年来，建筑与工程领域一直依赖于一套旨在防止复杂工程崩溃的规则。无论是建造大桥、发射卫星，还是推出新软件，团队都会遵循一种被称为项目管理的学科。这一领域的基石在于：如果你进行周密的计划、分配合适的人员并监控预算，你就会取得成功。然而，尽管发明了复杂的软件并培训了数百万名专业人员，项目失败率仍然高得令人沮丧。它们要么资金耗尽，要么错过截止日期，要么交付了一个无人问津的产品。这些失败的原因很少是因为缺乏工具或缺乏知识；相反，它们往往源于根深蒂固的人类习惯。我们倾向于对完成任务所需的时间过于乐观，我们在面对新需求时难以说“不”，并且试图同时做太多事情。这些模式如此普遍，以至于多年来一直被反复研究，形成了一套似乎无法逃脱的错误目录。
现在，一个新的问题进入了讨论范围。随着人工智能——能够从数据中学习并做出预测的计算机系统——变得越来越强大，许多人希望它最终能解决这些老问题。人们设想，一台不受人类乐观情绪或疲劳影响的机器，可以计算出完美的进度表，发现隐藏的风险，并在没有错误的情况下管理资源。但最近对最新研究的评估表明，答案并非如此简单。这项技术确实具有真正的潜力，但如果我们不加小心，它也可能带来让我们的旧错犯得更严重的风险。
来自古巴奥尔古因技术园和奥尔古因大学的一组研究人员致力于调查这一确切的矛盾。他们对 2021 年至 2026 年间发表在五个特定数据库（Scopus、Web of Science、DOAJ、OpenAlex 和 Google Scholar）中的科学文献进行了范围综述，寻找关于项目为何失败以及如何利用人工智能来修复这些问题的研究。他们还调查了每天处理这些失败情况的行业从业者的报告。他们的目标不是测试单一理论，而是绘制出继续困扰该领域的二十个具体不良实践的图景。他们将这些错误分为四个主要类别：规划和估算时间方面的失败；管理人员和工作范围方面的失败；团队沟通和决策方面的失败；以及实际完成工作方面的失败。
研究人员发现，这二十个不良实践并非新鲜事。它们是旧研究中描述的相同模式，证明了我们“知道应该怎么做”与“实际在做什么”之间的差距依然巨大。其中最持久的错误之一是“规划谬误”，即人们说服自己他们的项目会比其他人的不同且更好，从而忽略了表明此类情况的既往历史数据。另一个常见问题是无法对不断变化的需求说“不”，这会导致“范围蔓缩”，即项目在自身的重量下缓慢膨胀，直至崩溃。该综述还强调了多任务处理的破坏性，即团队成员被拉向太多方向，导致他们精疲力竭并放慢了工作进度。
当研究人员观察人工智能如何与这些问题相互作用时，他们发现这是一把双刃剑。从积极的一面来看，这项技术展示了改善特定任务的真实潜力。例如，先进的计算机模型可以分析大量的历史数据，以创建更准确的项目时长预估，其表现通常优于传统方法。这些工具还可以追踪资源，以确保没有人过度劳累，并能自动标记项目何时偏离轨道。在某些情况下，这些系统已被证明能显著降低预测误差，提供人类规划者难以企及的精确度。
然而，该综述警告说，仅仅开启一台计算机并不能解决底层的环节问题。如果输入人工智能系统的数据是有缺陷、有偏见或不完整的，机器只会重复这些错误，甚至可能比人类做得更加笃定。研究人员指出，如果一家公司历史上一直存在低估成本的情况，那么接受该公司过去数据训练的人工智能也会学会低估成本。此外，还存在团队过度依赖这些工具的风险，即在不加质疑的情况下信任机器的输出。这可能导致人们在有计算机支持的情况下，更快、更有权威感地做出错误的决定。该综述还指出，许多人工智能项目本身都未能实现部署，因为它们过于复杂、解决的是错误的问题，或者缺乏对其得出结论过程的清晰解释。
研究的核心发现是，这些失败从根本上说是组织和行为层面的，而不仅仅是技术层面的。乐观、沟通不畅和无法确定优先顺序等问题植根于人类心理和公司文化。人工智能是一个强大的工具，但它不是能够修复破碎文化的魔杖。研究人员认为，技术应该被用来支持人类的判断，而不是取代它。它可以处理数据分析和模式识别等繁重工作，从而让人们专注于机器无法做到的事情：应对复杂的政治关系、感知团队士气，以及在涉及高风险情况时做出艰难的伦理选择。
最终，前进的道路需要一种平衡的方法。想要成功的组织必须投资于提高数据质量，并培训员工明智地使用这些新工具。他们必须建立治理结构，确保人工智能是透明的，并且人类在最终决策中保持参与。该综述总结道，虽然技术可以帮助我们更清晰地看到陷阱，但避开陷阱取决于我们自己。最成功的项目将是那些将人工智能的速度与准确性，与经验丰富的领导者所具备的智慧、同理心和批判性思维相结合的项目。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。