解锁 AI 在项目管理中的潜能：决定技术应用成效的三大驱动因素（学术论文研读）

在当今快速演变的商业环境中，生成式人工智能（Generative AI）正以前所未有的态势，深刻变革着企业的运营模式与竞争格局。生成式 AI，凭借其学习、适应与内容生成的能力，正在重新定义“创新”的内涵。这项技术的影响力已远超自动化操作性任务（operational tasks）的范畴，开始深入需要人类智慧的“知性领域”（intellectual domain），并有潜力重塑知识型工作的未来。

项目管理领域同样深受其益。生成式 AI 能够辅助项目经理克服人类信息处理的局限，识别常规搜索路径之外的问题、机遇与威胁，从而在项目规划、风险管理等多个环节创造新的价值。然而，关于组织管理如何影响这些强大工具在工作流中的整合，在研究仍存在显著空白。一个核心痛点是：技术的引入并不必然带来生产力的提升，其真实价值高度依赖于使用者如何灵活、创造性地将其融入工作实践。

为了系统性地探究哪些因素在影响 AI 在项目管理中的采用效果，来自意大利卡拉布里亚大学等高校的研究团队开展了一项实证研究。在论文 Artificial intelligence and project management: An empirical investigation on the appropriation of generative Chatbots by project managers 里，该团队深入探讨了影响项目经理创造性使用 AI 工具的关键驱动因素。研究发现，创新态度、同侪影响和任务-技术契合度是决定项目经理能否有效挪用 AI 工具、从而提升项目管理效能的核心变量。以下，我们将深入解读这项研究的核心发现，并为企业管理者提供实际的行动建议。

1. 研究背景与方法：影响 AI 挪用的三大关键因素

在数字化转型加速的背景下，项目管理日益呈现出动态性与复杂性，因此对技术的灵活适应能力成为项目成功的关键。研究聚焦于“挪用”（Appropriation）这一概念——即用户如何根据自身需求，灵活地采纳并改造技术，而非仅仅按照设计初衷使用。

研究团队设计了两个核心因变量来衡量 AI 工具的创造性使用：

• 非忠实性挪用（Unfaithfulness of Appropriation, UFOA）：用户在使用中探索出超越技术原始设计的新用法，体现方法层面的创新。
• 创造性行为（Creative Behavior, CB）：用户利用工具产生新颖的想法或解决方案，体现结果层面的创新。

在此基础上，研究提出三个自变量：

• 创新态度（Innovation Attitude, IA）: 这是一个多维度的概念，概括了个体采纳新想法、新实践和新技术的倾向性。具有高度创新态度的人更倾向于挑战现状，尝试技术的新方法，并愿意冒险探索技术的未知可能性。
• 同侪影响（Peer Influence, PI）: 指个体的行为和态度在多大程度上受到其同事和行业同行的影响。在工作环境中，同侪是一种关键的社会情境，通过观察和学习他人的创新实践两种机制，影响着技术的采纳和使用方式。
• 任务-技术契合度（Task-Technology Fit, TTF）: 当一项技术的功能与用户手头的任务需求高度一致时，它才更有可能对个人和组织绩效产生积极影响。高契合度会促使用户更深入地探索技术，并利用其寻求创造性的解决方案。

研究团队据此提出六条核心假设：

• 假设一（H1）: 创新态度对非忠实性挪用有正向影响。
• 假设二（H2）: 创新态度对创造性行为有正向影响。
• 假设三（H3）: 同侪影响对非忠实性挪用有正向影响。
• 假设四（H4）: 同侪影响对创造性行为有正向影响。
• 假设五（H5）: 任务-技术契合度对非忠实性挪用有正向影响。
• 假设六（H6）: 任务-技术契合度对创造性行为有正向影响。

为检验这些假设，研究团队于 2023 年 6 月至 9 月期间，通过问卷调查方式，向意大利项目管理协会（PMI-SIC）发放了 450 份问卷，最终回收 131 份有效样本，并对其进行了严谨的信度与效度检验。

2. 研究发现：影响 AI 挪用的三大关键因素

2.1 创新态度（Innovation Attitude）：驱动探索的内在引擎

研究的实证结果验证了假设一（H1）和假设二（H2），即项目经理的个人创新态度，对其“非忠实性挪用”和“创造性行为”均有显著的积极影响。

• 具有高度创新态度的个体，倾向于以更开放、主动的心态拥抱新技术，乐于挑战现状并尝试新的工作方式。
• 他们不满足于 AI 工具的常规功能，而是积极探索其全部潜能，尝试将技术以新颖的方式整合进项目流程，从而驱动方法与结果的双重创新。
• 对于企业而言，这意味着拥有创新心态的管理者，是推动 AI 工具带来价值创造的关键因素。

2.2 同侪影响（Peer Influence）：营造创新的外部氛围

研究证实了假设三（H3）和假设四（H4），即来自同事和行业同行的影响，同样显著促进了“非忠实性挪用”和“创造性行为”。

• 当项目经理观察到同侪以创造性的方式成功应用 AI 工具时，这些成功案例不仅会成为灵感的来源，而且能树立起“最佳实践”（best practice）的典范，为创新行为设定了标准。
• 同侪的成功故事创造了鼓励创新的组织文化，可以激励项目经理更深入地探索 AI 的全部潜能，并以更具创造性的方式将其融入工作，而不仅仅是简单地采纳。
• 这一发现凸显了社会性学习和知识共享在技术推广中的重要性。企业需要构建有效的机制，让“最佳实践”得以流动和传播。

2.3 任务-技术契合度（Task-Technology Fit, TTF）：技术应用的精准定位

研究的第三个重要发现验证了假设五（H5）和假设六（H6），即当技术与手头的任务高度匹配时，它能最有效地激发“非忠实性挪用”和“创造性行为”。

• 当项目经理感知到 AI 工具与他们的项目任务需求高度一致时，会在技术和任务之间产生一种“协同感”（sense of synergy）。所谓协同感，就是使用者能感到这个工具不仅完全听懂了指令，而且执行指令流畅准确，实现了“得心应手”的使用体验。这种协同感为创造性思维和创新的问题解决方式营造了有利的环境。
• 由于对工具的适用性充满信心，对于使用方式得心应手，项目经理也更有意愿和能力根据项目流程的实际需要，开发对 AI 工具的创意性用法，让 AI 工具在其擅长的工作场景中发挥最大潜能。

这意味着企业在引入 AI 工具时，不能盲目追逐潮流，而必须从业务的实际需求出发，确保技术能够精准地嵌入到具体的工作场景中。

3. 核心洞察

个人创新态度为采纳 AI 工具提供内驱力：项目经理的个人创新态度是新技术采纳的内在驱动，是决定 AI 工具能否被创造性应用的关键。

创新的组织环境为最佳实践提供孵化环境：同事和行业同行的行为示范，对项目经理 AI 使用方式具有显著影响。在一个鼓励创新和知识共享的项目团队中，同行会驱动“最佳实践”的传播，不仅加速了 AI 技术的普及，也推动了组织内部的创新文化形成。

任务与技术契合度决定潜能释放程度：生成式 AI 的价值实现，不仅依赖于个人意愿和组织环境，而且取决于 AI 工具与具体的项目任务的契合度。精准基于任务需求的技术再创造，才能最大程度激发 AI 在提升绩效方面的潜能。

灵活“挪用”超越“机械使用”：AI 工具对于工作方式的革新，体现在用户超的“非忠实”用法，也就是以突破工具设计初衷，以创新方式使用技术，从而实现更高效或更具创造性的结果。

4. 行动建议

系统性培养创新思维：企业应将培养员工的创新心态作为战略重点，可以通过设立专项培训课程、引入外部专家讲座、组织 AI 工作坊等方式，帮助员工从认知到实践逐步提升。尤其对于管理者而言，他们需要具备识别 AI 机会的能力，并在团队中营造鼓励尝试、包容失败的创新文化。

构建知识分享与交流机制：积极在企业内部营造开放的交流氛围，建立结构化的知识分享平台，如内部知识库、AI 应用案例分享会、跨部门协作小组等，使AI应用的成功经验和创新做法能够快速传播并被复制。同时，鼓励员工参与外部行业峰会、技术沙龙和开放课程，采用“由外向内”（Outside-In）的学习模式，将先进理念和最佳实践引入企业内部。

实施场景驱动的 AI 引入策略：在引入任何 AI 工具前，应深入分析不同岗位的核心任务与痛点，精准识别 AI 能创造最大价值的应用场景。尤其值得注意的是，当前 AI 最擅长的领域之一是语言性任务，如文本生成、语义理解、语音识别与翻译等，这些能力在大量岗位中具有广泛应用价值。企业可依据各岗位“语言任务密度”的高低，来决定 AI 的引入优先级与使用方式，确保技术选型与业务需求高度一致，真正实现“好钢用在刀刃上”。

UMU助力为企业实现 AI 在工作场景的落地：

UMU 作为企业 AI 转型的战略伙伴，致力于帮助企业将大语言模型真正落地到具体的工作流中。UMU 的 AI 力课程基于最前沿的学术论文研究成果，针对不同工作场景和组织职务量身打造，深入理解不同行业的 AI 应用场景，帮助企业精准识别 AI 赋能的关键领域，并提供针对性的解决方案，帮助各层级员工快速建立 AI 思维，掌握合规、高效地使用 AI 工具的方法，从而推动组织整体的 AI 转型进程。该课程与 UMU 效果学习平台无缝结合，让学习不仅停留在知识输入，更延伸至行为改变与能力提升。随着 AI 在各行各业的深入渗透，UMU 的 AI 力课程不仅是一种培训工具，更是一把打开未来组织变革之门的钥匙。

UMU ALT 团队由来自清华大学、北京大学、中国人民大学、康奈尔大学、佛罗里达大学等全球知名高校的博士组成，专注于深入解析人工智能与组织管理、人力资源等领域的交叉研究。我们系统梳理大量相关学术论文，提炼其中的研究方法与核心洞见，并将其转化为企业可实际应用的知识资源。关注 AI 论文介绍合集。同时，我们结合学术成果、行业领袖建议及最佳实践案例访谈，推出了📖 发展大模型时代的 AI 力在线系列课程。该课程旨在帮助企业全面理解 AI 技术演进对组织架构、管理模式及员工能力所带来的深远影响，助力组织构建面向未来的 AI 竞争力。欢迎深入了解课程内容，或📖 联系 UMU 专属顾问，开启您的 AI 转型之旅。

参考文献：
Felicetti, A. M., Cimino, A., Mazzoleni, A., & Ammirato, S. (2024). Artificial intelligence and project management: An empirical investigation on the appropriation of generative Chatbots by project managers. Journal of Innovation & Knowledge, 9(2024), 100545.