DOI: https://doi.org/10.1108/ijmpb-07-2025-0285
تاريخ النشر: 2026-01-06
المؤلف: Viraj Dawarka وآخرون
الموضوع الرئيسي: نظريات وأنظمة المعلومات وتنفيذها
نظرة عامة
تبحث ورقة البحث في معايرة الثقة في أنظمة الذكاء الاصطناعي (AI) داخل فرق المشاريع وتأثيرها على التعاون والأداء. تؤكد على أن الثقة في الذكاء الاصطناعي هي عملية ديناميكية موزعة اجتماعيًا تتأثر بمعايير الفريق، والقيادة، وأهمية المهام، بدلاً من أن تكون موقفًا فرديًا ثابتًا. باستخدام نظرية الأنظمة الاجتماعية التقنية (STS) ونظرية الهيكلة التكيفية (AST)، تستند الدراسة إلى 40 مقابلة شبه منظمة مع محترفي المشاريع عبر صناعات مختلفة في المملكة المتحدة. تكشف النتائج أن معايرة الثقة تتشكل من عوامل مثل الشفافية، ووضوح الأدوار، وتجربة المستخدم، والمعايير الثقافية، وردود الفعل من النظام، والتي تؤثر بدورها على ممارسات التعاون ومقاييس الأداء.
تساهم الدراسة في أدبيات إدارة المشاريع من خلال تأطير معايرة الثقة كعملية اجتماعية تقنية متجذرة في روتين الفريق، بدلاً من مجرد ترقية تقنية. تقدم نموذجًا مفاهيميًا يربط بين الممكّنات، والممارسات، والنتائج لمعايرة الثقة، مما يبرز كيف تتوسط الثقة العلاقة بين دمج الذكاء الاصطناعي، والتعاون، والأداء. تؤكد الأبحاث على ضرورة تركيز الممارسين على كيفية معايرة الثقة في أنظمة الذكاء الاصطناعي لتعزيز كل من الكفاءة والوكالة البشرية، حيث يمكن أن تسهل أدوات الذكاء الاصطناعي وتُعقّد سير العمل التعاوني.
مقدمة
تناقش مقدمة هذه الورقة البحثية الدور المتطور للذكاء الاصطناعي (AI) في إدارة المشاريع (PM)، مع تسليط الضوء على انتقاله من أداة للكفاءة إلى شريك تعاوني في اتخاذ القرار وتنسيق سير العمل. يتم دمج الذكاء الاصطناعي بشكل متزايد في العمليات الأساسية للمنظمات، مع الإبلاغ عن اعتماد كبير بين الشركات الكبرى في المملكة المتحدة. يعيد هذا الدمج تشكيل ديناميات المشاريع من خلال تعزيز تخصيص الموارد، ومشاركة أصحاب المصلحة، وأتمتة المهام. ومن الجدير بالذكر أن الاستطلاعات تشير إلى أن الغالبية العظمى من محترفي المشاريع يرون أدوات الذكاء الاصطناعي مفيدة لنتائج المشاريع، خاصة في تتبع التقدم ودعم الفرق الموزعة.
المفهوم المركزي في هذا التحول هو مفهوم الثقة، وخاصة “معايرة الثقة”، التي تشير إلى استعداد المستخدم للاعتماد على أنظمة الذكاء الاصطناعي بناءً على الكفاءة المدركة والتوافق مع الأهداف. يمكن أن تؤثر الثقة غير المتوافقة سلبًا على التعاون ونتائج الأداء. تؤكد الورقة على أهمية فهم الثقة كآلية اجتماعية تقنية تؤثر على الجوانب العلائقية والوظيفية للعمل الجماعي في البيئات التي تتوسطها الذكاء الاصطناعي. لمعالجة الفجوات الموجودة في الأدبيات، تستخدم الدراسة نظرية الأنظمة الاجتماعية التقنية (STS) ونظرية الهيكلة التكيفية (AST) لاستكشاف كيف تؤثر معايرة الثقة على التعاون والأداء في إعدادات المشاريع المدعومة بالذكاء الاصطناعي، خاصة في سياق المشهد التكنولوجي المتطور بسرعة في المملكة المتحدة. تهدف الأبحاث إلى توضيح كيفية تفاعل المحترفين مع الذكاء الاصطناعي، مع التركيز على تشكيل وتعديل الثقة في بيئات العمل الديناميكية التي تتوسطها التكنولوجيا.
الطرق
توضح قسم المنهجية النهج المنهجي المستخدم في البحث. يتناول التصميم التجريبي، بما في ذلك اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة لتفسير النتائج. استخدمت الدراسة إطارًا كميًا، مع الاستفادة من الأدوات الإحصائية لضمان موثوقية وصلاحية النتائج.
تم جمع البيانات من خلال استطلاعات منظمة وتجارب، مع إيلاء اهتمام خاص للتحكم في المتغيرات لتقليل التحيز. شمل التحليل تطبيق مجموعة متنوعة من الاختبارات الإحصائية، مثل تحليل الانحدار وANOVA، لتقييم العلاقات بين المتغيرات ذات الاهتمام. تم تصميم المنهجية لتسهيل إعادة الإنتاج وتوفير أساس قوي للاستنتاجات المستخلصة من البحث.
النتائج
تكشف نتائج الدراسة عن ثلاثة أبعاد مجمعة تتعلق بمعايرة الثقة في الفرق: “الممكنات الاجتماعية التقنية لمعايرة الثقة”، “ممارسات الهيكلة للمعايرة”، و”نتائج التعاون والأداء”. باستخدام إطار الأنظمة الاجتماعية التقنية (STS)، تفترض الأبحاث أن معايرة الثقة ليست مجرد حكم فردي ولكنها تفاوض اجتماعي تقني يحدث داخل الفرق، متأثرة بكل من الأنظمة الفرعية البشرية والتقنية.
بالإضافة إلى ذلك، يتم استخدام نظرية الهيكلة التكيفية (AST) لتوضيح العلاقة التبادلية بين إمكانيات الذكاء الاصطناعي وروتين الفريق، مما يبرز كيف تتطور هذه العناصر معًا من خلال الاستحواذ. تؤكد النتائج على صحة وتوسيع النموذج المفاهيمي لمعايرة الثقة، مما يشير إلى أن الثقة في الذكاء الاصطناعي تعتمد على السياق، موزعة اجتماعيًا، وتتشكل من خلال التفاعلات بين المدخلات البشرية والآلية.
المناقشة
تستكشف قسم المناقشة في الورقة تأثير معايرة الثقة في أنظمة الذكاء الاصطناعي على التعاون والأداء في الفرق ضمن بيئات المشاريع المعتمدة على التكنولوجيا. تقدم عدة مساهمات رئيسية: أولاً، تدمج مفهوم معايرة الثقة في أدبيات إدارة المشاريع (PM) من خلال عدسة اجتماعية تقنية، معززة بنظرية الهيكلة التكيفية (AST)، لتوفير رؤى حول ديناميات التعاون في الفرق المعززة بالذكاء الاصطناعي. ثانيًا، تعالج فجوة تجريبية من خلال استخدام مقابلات نوعية مع محترفي المشاريع، مما يتيح التقاط التجارب الواقعية للتفاوض على الثقة في إعدادات المشاريع. ثالثًا، تقدم رؤى عملية لمصممي الأنظمة ومديري المشاريع من خلال تحديد الظروف الاجتماعية التقنية التي تعزز الثقة الفعالة في أدوات الذكاء الاصطناعي، مع التأكيد على الدور الحاسم لمعايرة الثقة في إدارة الابتكار.
تسلط الورقة أيضًا الضوء على الطبيعة المتطورة لمقاييس نجاح المشاريع، متجاوزة المقاييس التقليدية للتكلفة، والوقت، والنطاق لتشمل خلق القيمة ونتائج الابتكار، خاصة في السياقات المرنة. تؤكد على أهمية القدرات العلائقية والتكيفية في فرق المشاريع، التي تسهلها أدوات الذكاء الاصطناعي التي تحول ديناميات التعاون. يتم تأطير الثقة في الذكاء الاصطناعي كعملية اجتماعية تقنية تتأثر بعوامل مثل الشفافية، ووضوح الأدوار، وتجربة المستخدم، والمعايير الثقافية. تشير النتائج إلى أن الثقة المعايرة بشكل جيد تعزز أداء الفريق من خلال تمكين التعاون الفعال مع تقليل المخاطر المرتبطة بالاعتماد المفرط أو الاعتماد القليل على أنظمة الذكاء الاصطناعي. بشكل عام، تؤكد الدراسة على الحاجة إلى فهم دقيق لمعايرة الثقة كعملية ديناميكية وحساسة للسياق ضرورية لتحسين التعاون بين البشر والذكاء الاصطناعي في بيئات المشاريع.
القيود
تقدم الدراسة حول معايرة الثقة في بيئات المشاريع المدعومة بالذكاء الاصطناعي عدة قيود تستدعي الاعتبار للبحوث المستقبلية. أولاً، يقتصر التركيز الجغرافي على محترفي المشاريع في المملكة المتحدة، وخاصة من القطاعات ذات الكثافة التكنولوجية مثل الاستشارات، والتكنولوجيا، والخدمات المالية، مما يحد من إمكانية تعميم النتائج على صناعات أخرى بمستويات مختلفة من النضج الرقمي، بما في ذلك القطاع العام، والتعليم، والرعاية الصحية. يجب على الباحثين توخي الحذر عند محاولة استنتاج هذه النتائج خارج السياق المحدد لهذه الدراسة.
ثانيًا، يؤدي الاعتماد على المقابلات الذاتية إلى إدخال تحيزات محتملة، مثل الذاكرة الانتقائية والرغبة الاجتماعية، على الرغم من الجهود المبذولة لتعزيز الصلاحية من خلال المقابلات الانعكاسية والتثليث. تعكس الرؤى المجمعة وجهات نظر المشاركين الذاتية بدلاً من الملاحظات السلوكية الموضوعية. بالإضافة إلى ذلك، لم يأخذ التحليل في الاعتبار التباينات في ديناميات الثقة بناءً على عوامل مثل seniority، والوظيفة، أو أنواع أدوات الذكاء الاصطناعي المحددة، والتي يمكن أن تؤثر بشكل كبير على تطوير الثقة داخل الفرق. كما أن الإطار النظري للدراسة، الذي يسترشد بنظرية الأنظمة الاجتماعية التقنية (STS) ويكمله نظرية الشبكة الفاعلة (ANT)، يفتقر أيضًا إلى تحليل مقارن للديناميات الاجتماعية التقنية عبر مستويات تنظيمية مختلفة. يمكن أن تستفيد الأبحاث المستقبلية من اختبار النموذج المعدل كميًا من خلال الاستطلاعات أو التجارب، مما يستكشف كيف تؤثر الممكنات، والممارسات، والنتائج لمعايرة الثقة على التعاون والأداء في عينات أوسع.
DOI: https://doi.org/10.1108/ijmpb-07-2025-0285
Publication Date: 2026-01-06
Author(s): Viraj Dawarka et al.
Primary Topic: Information Systems Theories and Implementation
Overview
The research paper investigates the calibration of trust in artificial intelligence (AI) systems within project teams and its impact on collaboration and performance. It emphasizes that trust in AI is a dynamic, socially distributed process influenced by team norms, leadership, and task criticality, rather than a fixed individual attitude. Utilizing socio-technical systems theory (STS) and Adaptive Structuration Theory (AST), the study is based on 40 semi-structured interviews with project professionals across various UK industries. The findings reveal that trust calibration is shaped by factors such as transparency, role clarity, user experience, cultural norms, and system feedback, which in turn affect collaboration practices and performance metrics.
The study contributes to project management literature by framing trust calibration as a socio-technical process embedded in team routines, rather than merely a technical upgrade. It presents a conceptual model linking enablers, practices, and outcomes of trust calibration, highlighting how trust mediates the relationship between AI integration, collaboration, and performance. The research underscores the necessity for practitioners to focus on how to calibrate trust in AI systems to enhance both efficiency and human agency, as AI tools can both facilitate and complicate collaborative workflows.
Introduction
The introduction of this research paper discusses the evolving role of Artificial Intelligence (AI) in project management (PM), highlighting its transition from a tool for efficiency to a collaborative partner in decision-making and workflow coordination. AI is increasingly integrated into core operations of organizations, with significant adoption reported among large UK firms. This integration is reshaping project dynamics by enhancing resource allocation, stakeholder engagement, and task automation. Notably, surveys indicate that a majority of project professionals view AI tools as beneficial for project outcomes, particularly in tracking progress and supporting distributed teams.
Central to this transformation is the concept of trust, particularly “trust calibration,” which refers to the user’s willingness to rely on AI systems based on perceived competence and alignment with goals. Misaligned trust can adversely affect collaboration and performance outcomes. The paper emphasizes the importance of understanding trust as a socio-technical mechanism that influences both relational and functional aspects of teamwork in AI-mediated environments. To address existing gaps in literature, the study employs Socio-Technical Systems (STS) Theory and Adaptive Structuration Theory (AST) to explore how trust calibration impacts collaboration and performance in AI-enabled project settings, particularly in the context of the UK’s rapidly evolving technological landscape. The research aims to elucidate how professionals engage with AI, focusing on the formation and adjustment of trust in dynamic, technology-mediated work environments.
Methods
The methodology section outlines the systematic approach employed in the research. It details the experimental design, including the selection of participants, data collection techniques, and analytical methods utilized to interpret the results. The study employed a quantitative framework, utilizing statistical tools to ensure the reliability and validity of the findings.
Data were collected through structured surveys and experiments, with specific attention given to controlling variables to minimize bias. The analysis involved the application of various statistical tests, such as regression analysis and ANOVA, to assess the relationships between the variables of interest. The methodology was designed to facilitate reproducibility and to provide a robust basis for the conclusions drawn from the research.
Results
The results of the study reveal three aggregate dimensions related to trust calibration in teams: ‘socio-technical enablers of trust calibration’, ‘structuration practices of calibration’, and ‘collaboration and performance outcomes’. Utilizing the socio-technical systems (STS) framework, the research posits that trust calibration is not merely an individual judgment but rather a socio-technical negotiation that occurs within teams, influenced by both human and technical subsystems.
Additionally, the Adaptive Structuration Theory (AST) is employed to illustrate the reciprocal relationship between AI affordances and team routines, highlighting how these elements co-evolve through appropriation. The findings empirically validate and extend the conceptual model of trust calibration, indicating that trust in AI is context-dependent, socially distributed, and shaped through interactions between human and machine inputs.
Discussion
The discussion section of the paper explores the influence of trust calibration in AI systems on team collaboration and performance within technology-mediated, project-based environments. It makes several key contributions: first, it integrates the concept of trust calibration into project management (PM) literature through a socio-technical lens, enhanced by Adaptive Structuration Theory (AST), to provide insights into collaboration dynamics in AI-enhanced teams. Second, it addresses an empirical gap by utilizing qualitative interviews with project professionals, thereby capturing real-world experiences of trust negotiation in project settings. Third, it offers practical insights for system designers and project managers by identifying socio-technical conditions that foster effective trust in AI tools, emphasizing the critical role of trust calibration in managing innovation.
The paper also highlights the evolving nature of project success metrics, moving beyond traditional measures of cost, time, and scope to include value creation and innovation outcomes, particularly in agile contexts. It underscores the importance of relational and adaptive capabilities in project teams, facilitated by AI tools that transform collaboration dynamics. Trust in AI is framed as a socio-technical process influenced by factors such as transparency, role clarity, user experience, and cultural norms. The findings suggest that well-calibrated trust enhances team performance by enabling effective collaboration while mitigating risks associated with over-reliance or under-reliance on AI systems. Overall, the study emphasizes the need for a nuanced understanding of trust calibration as a dynamic and context-sensitive process that is essential for optimizing human-AI collaboration in project environments.
Limitations
The study on trust calibration in AI-mediated project environments presents several limitations that warrant consideration for future research. Firstly, the geographical focus on project professionals in the UK, particularly from technology-intensive sectors such as consulting, technology, and financial services, restricts the generalizability of the findings to other industries with varying levels of digital maturity, including public sector, education, and healthcare. Researchers should exercise caution when attempting to extrapolate these results beyond the specific context of this study.
Secondly, the reliance on self-reported interviews introduces potential biases, such as selective memory and social desirability, despite efforts to enhance validity through reflexive interviewing and triangulation. The insights gathered reflect participants’ subjective perspectives rather than objective behavioral observations. Additionally, the analysis did not account for variations in trust dynamics based on factors like seniority, function, or specific AI tool types, which could significantly influence trust development within teams. The study’s theoretical framework, guided by Sociotechnical Systems (STS) and complemented by Actor-Network Theory (ANT), also lacked a comparative analysis of sociotechnical dynamics across different organizational levels. Future research could benefit from quantitatively testing the revised model through surveys or experiments, thereby exploring how the enablers, practices, and outcomes of trust calibration impact collaboration and performance in broader samples.