导读：随着人工智能技术的狂飙突进，项目管理的版图正在被重塑。Gartner 曾大胆预测，到 2030 年将有 80% 的项目管理任务被自动化。如果这一天真的到来，AI 将如何帮助项目经理“预见未来”？而那些无法被 AI 取代的无形价值，究竟隐藏在何处？本文将通过三个真实的“踩坑”案例，为您深度剖析。
[来源：Shutterstock ]
在这个十年的开端，全球权威 IT 研究与顾问咨询公司 Gartner 做出了一项震撼业界的预测：到 2030 年，所有项目管理任务中的 80% 将实现自动化。
现在断言这一天是否会如期降临还为时尚早，但自该预测发布以来，人工智能的崛起确实为首席信息官（CIO）和项目经理们提供了充足的思考素材。例如，由 AI 辅助和自动化的项目管理，是否会催生出一种全新的“80-20 法则”？如果答案是肯定的，那么剩下的那 20% 必须由人类项目经理亲力亲为的工作，究竟是什么？
要回答这个问题，我们需要拆解项目管理的核心要素，并深刻理解其中哪些部分是“非人类不可”的。
关于如何在 AI 的高效与人类的监管之间取得平衡，科技巨头 IBM 给出了极具参考价值的答案：
“（项目管理）AI 工具提供了极具价值的支持，但它们绝不能完全取代人类的判断。组织必须确保适当的人员参与和治理机制（
Governance），并以批判性的眼光审查 AI 驱动的建议，以确保它们符合公司的政策和战略目标。负责任地实施 AI，要求我们与所有利益相关者进行清晰的沟通，开展彻底的风险评估，并投资那些严格遵守数据安全最佳实践的工具。”
然而，这也仅仅触及了问题的表皮。
无数CIO同行交流过实战中的“血泪史”。我们可以极其自信地达成一个共识：项目经理最核心、最艰巨的任务是沟通。
你需要亲自去安抚利益相关者，去巡视那些有可能在瞬间“拔掉项目电源”或暗中使绊子的团队成员。另一项核心任务，则是确保我们赖以做出决策的信息源本身是准确无误的。
让我们来看看以下三个来自现实商业世界的真实案例，思考一下 AI 在其中能做些什么，又做不到什么：
背景：一家大型计算机供应商为其硬件发布了新版操作系统，结果系统惨遭崩溃。
真相：操作系统中的某一个小型软件模块，竟然被人忘记编译（Compile）了。
AI 能搞定吗？AI 能否深度挖掘并收集到足够的确凿信息，发现这个未编译的小模块足以搞垮整个系统？有可能。例如，如果供应商跳过了该模块的 QA（Quality Assurance, 质量保证）环节，AI 完全可以通过扫描项目管理清单，敏锐地捕捉到该模块未经过质量检测的异常。但实际上，面对极其复杂的底层逻辑，我们无法确信 AI 一定能防患于未然。
背景：一位后台订单录入主管“越俎代庖”，在未咨询一线员工的情况下，擅自采购了一套新的订单录入系统，并要求 IT 部门负责集成与实施。项目拖延了一年多，遥遥无期。虽然任务清单上不断打勾，但项目似乎永远无法落地。用户端涌来了无穷无尽的改进需求，甚至很多人断言这套系统“永远也跑不起来”。
真相：真正的一线订单录入员工，在系统采购的决策阶段被彻底排除在外了。这是一种心理上的抗拒，也就是所谓的“隐性破坏（Soft Sabotage）”。
AI 能搞定吗？很难说——对 AI 而言更是难如登天。AI 无法读取办公室政治，也无法感知员工的情绪抵触。但一位敏锐且经验丰富的人类项目经理，只需通过观察团队氛围，就能瞬间察觉到这种隐秘的阻力。
背景：一个证券经纪系统项目已经严重逾期一年多，且预算超支达数百万美元。最让人抓狂的是，光看任务清单（全被打上了完成的对勾），项目似乎马上就要大功告成了。此时，CIO 凭直觉感到事有蹊跷。他开始四处走动并直接询问项目基层员工，而不是去问那位项目经理。员工们告诉他，许多被标记为“已完成”的任务，实际上还在痛苦地返工中。
真相：CIO 最终与该项目经理对质，发现这位经理因为能力不济且害怕丢掉饭碗，一直在疯狂伪造项目进度。
AI 能搞定吗？极有可能不行。AI 只能基于“被投喂的数据”进行运算和预测。如果数据本身就是人为伪造的，AI 就会得出“项目进展顺利”的荒谬结论。要识破这种欺骗，必须依赖真正的人类（在这个案例中是 CIO）去共情项目经理对失败的恐惧，并通过非结构化的线下交流，嗅出那些根本不会记录在系统里的隐性危机。
结论：AI 无疑是处理结构化数据、追踪进度和预测风险的超级外挂，但项目管理中最为致命的 20%——人心、恐惧、办公室政治与隐性动机，依然是人类智慧无可取代的专属领地。
全文：AI 在项目管理中的角色？归根结底是“判断力”的较量
AI 将重塑项目管理，但这一切将如何演变仍是一个未知数。在这一领域，AI 可以帮助项目经理“预见未来”——但前提是，决不能牺牲人类项目经理所带来的无形价值。
[图片 1：Shutterstock ]
在这个十年的开端，Gartner（高德纳）曾预测，到 2030 年，所有项目管理任务中的 80% 将被自动化。现在判断这一天是否会真正到来还为时尚早，但自 Gartner 做出这一预测以来的这些年里，AI 的强势崛起确实给首席信息官（CIO）和项目经理们提供了充足的思考素材。例如，由 AI 辅助并实现自动化的项目管理，是否会创造出一种全新的“80-20 法则”？如果是这样，那么剩下的 20% 的项目管理工作，又将有哪些是仍然必须由人类项目经理来履行的？
要回答这个问题，就需要我们拆解项目管理的关键要素，并深刻理解其中哪些部分是必然依赖人类属性的。
IBM 关于如何在 AI 与人类监督之间取得平衡，提供了一些可能的答案：“（项目管理）AI 工具提供了极具实用性的支持，但它们不能完全取代人类的判断。组织必须确保适当的人员参与和治理（Governance），并批判性地审查 AI 驱动的建议，以确保它们符合公司政策和目标。负责任地实施 AI ，需要向所有利益相关者进行清晰的沟通，开展彻底的风险评估，并投资那些遵守数据安全最佳实践的工具。”
但这仅仅触及了表象。
一、经验的无形价值
作为一名资深的 CIO 和 IT 项目经理，我曾与担任这些角色的同行们分享过无数的“战地故事”。我可以极其自信地证明，我们都一致认为：项目经理最重要的一项工作就是沟通，以及亲自在利益相关者和团队成员之间进行巡视斡旋——因为这些人有可能在瞬间拔掉项目的电源，或者暗中破坏项目。另一项极其重要的任务，则是确保我们赖以做出决策的信息本身是正确的。
以下是几个来自现实生活场景的真实案例：
一家大型计算机供应商为其硬件发布了新版操作系统，结果操作系统崩溃了。罪魁祸首是：操作系统中的某一个单一软件模块被人忘记编译（Compile）了。AI 能否进行足够深度的钻取，并收集到足够的确凿信息，从而发现一个小小的软件模块未被编译，且这足以搞垮整个操作系统？有可能——例如，如果供应商跳过了该模块的 QA（质量保证）环节，AI 可以检查项目管理清单，并揪出该模块未经质量核查的事实——但实际上我们并不确定它一定能做到。
一位后台订单录入主管抢跑越界，在未咨询一线员工的情况下采购了一套新的订单录入系统。随后 IT 部门被要求整合并实施该系统。项目拖延了一年多，眼看根本没有明确的切换（Cutover）日期。虽然项目任务正在不断被打勾，但项目似乎依然遥遥无期。用户端似乎涌来了永无止境的改进请求，甚至许多人断言这套系统“永远也跑不起来”。真正的罪魁祸首是什么？是因为订单录入的一线员工在前期根本没有被纳入系统决策流程中。这是一个“隐性破坏（Soft sabotage）”的案例吗？很难说——对 AI 而言要察觉这一点就更难了——但一位敏锐且经验丰富的人类项目经理很可能会洞察到这一点。
一个证券经纪系统项目已经逾期一年多，且预算超支达数百万美元。真正让人抓狂的是，因为任务列表上的事项已经被打上了勾，项目似乎已经接近尾声了。此时，CIO 凭直觉感到事情并非表面上那样正常。他开始四处走动并提出问题——不是去问他的项目经理，而是去问项目的基层员工。员工们告诉他，许多被声称已经完成的任务，实际上他们仍在苦苦返工中。他与该项目经理对质后发现，由于这位经理能力不济且害怕丢掉工作，一直在伪造项目进度。AI 能揭开这种欺骗吗？有可能——但 AI 只能对它被投喂（Fed）的数据进行操作。在这个案例中，可能需要一个真正的人类（CIO）去理解项目经理对失败的恐惧，并嗅出项目存在未被记录的隐形问题。
Gartner (高德纳)：全球领先的 IT 研究与顾问咨询公司。其发布的技术成熟度曲线（Hype Cycle）和魔力象限（Magic Quadrant）是科技界和投资界评估技术趋势的重要风向标。
Governance (治理)：在企业 IT 和 AI 语境下，治理不仅仅是“管理”，它指的是一套框架、政策和流程，用于确保技术的投资、使用和数据安全符合企业的战略目标和法律法规。
Soft Sabotage (隐性破坏)：非暴力、非直接对抗的抵抗行为。在项目管理中，通常指利益相关者或基层员工因为未被充分尊重或需求未被满足，而采取的消极怠工、提出无理需求或拖延进度的行为。AI 极难通过结构化数据识别这种复杂的人类心理。
Cutover (系统切换)：IT 项目实施阶段的一个关键术语。指旧系统停止运行、新系统正式上线接管业务的那个时间点。
Garbage in, garbage out (垃圾进，垃圾出)：本文第三个案例完美诠释了这条计算机科学铁律。如果输入给 AI 的数据（如被伪造的项目进度）本身就是错误的，那么 AI 无论算力多强，输出的预测和判断也必然是谬误。
