DOI: https://doi.org/10.1007/s11301-024-00418-z
تاريخ النشر: 2024-04-09
المؤلف: Maria Elena Nenni وآخرون
الموضوع الرئيسي: البيانات الضخمة وذكاء الأعمال
نظرة عامة
تتناول ورقة البحث دمج الذكاء الاصطناعي (AI) في إدارة مخاطر المشاريع، مع تسليط الضوء على معدل النجاح المنخفض للمشاريع – حوالي 35% – بسبب عدم نضج التقنيات الحالية. باستخدام بروتوكول العناصر المفضلة للتقارير للمراجعة المنهجية والتحليلات التلوية (PRISMA)، تحلل الدراسة 215 مقالة أكاديمية نشرت من 1996 إلى 2023 لتقييم المشهد الحالي لتطبيقات الذكاء الاصطناعي في إدارة المشاريع (PM). تحدد الاتجاهات المهمة، لا سيما في قطاعات البناء وتكنولوجيا المعلومات، حيث يتم استخدام أدوات الذكاء الاصطناعي التي تسهل تحليل البيانات ومعالجتها والتعلم بشكل متزايد لتعزيز قدرات مديري المشاريع في إدارة المخاطر.
تشير النتائج إلى أنه بينما يمتلك الذكاء الاصطناعي القدرة على إحداث ثورة في إدارة مخاطر المشاريع من خلال تقديم الدعم الاستراتيجي بدلاً من استبدال المدخلات البشرية، لا يزال هناك فجوة ملحوظة في المسارات والنماذج وأفضل الممارسات المعمول بها لتطبيقه. تؤكد البحث على ضرورة إجراء مزيد من التحقيق في هذه الفجوات، مقترحة جدول أعمال بحثي يهدف إلى تنفيذ الذكاء الاصطناعي بشكل فعال في عمليات إدارة المشاريع. تمثل هذه الدراسة تقييمًا كميًا رائدًا لدور الذكاء الاصطناعي في إدارة المشاريع، مع التأكيد على أهمية دمج التقنيات المتقدمة لمعالجة قصور أدوات إدارة المشاريع التقليدية.
مقدمة
تستعرض مقدمة ورقة البحث التطور التاريخي لإدارة المشاريع، متتبعة أصولها إلى الإنشاءات الأثرية القديمة وتسلط الضوء على التطورات المهمة مثل مخطط جانت في عام 1917. يؤكد النص على تحول إدارة المشاريع من خلال التقدم التكنولوجي، لا سيما دمج الحواسيب والبرمجيات في الثمانينيات والتسعينيات، مما أدى إلى زيادة الأتمتة والتعقيد في هذا المجال. على الرغم من استثمار سنوي يبلغ حوالي 48 تريليون دولار في المشاريع، فإن 35% فقط تعتبر ناجحة، ويرجع ذلك إلى عدم كفاية الأدوات التقليدية مثل جداول البيانات في إدارة بيئات المشاريع المعقدة.
تفترض الورقة أن الذكاء الاصطناعي (AI) لديه القدرة على تعزيز ممارسات إدارة المشاريع بشكل كبير، لا سيما في معالجة عدم اليقين والتعقيدات. تشير إلى دراسات مختلفة تستكشف تطبيقات الذكاء الاصطناعي في إدارة المخاطر، خاصة في قطاعات البناء وتكنولوجيا المعلومات، حيث تكون الحاجة إلى إدارة المخاطر الفعالة حاسمة بسبب المخاطر العالية والتعقيدات المعنية. يهدف المؤلفون إلى إجراء مراجعة منهجية للأدبيات (SLR) لتقييم الحالة الحالية لإدارة المشاريع، ودور الذكاء الاصطناعي، واقتراح إطار عمل لدمج الذكاء الاصطناعي في عمليات إدارة المشاريع. تسعى هذه الدراسة إلى توضيح الموضوع وتأسيس قاعدة للدراسات المستقبلية التي تركز على الاستفادة من الذكاء الاصطناعي لتحسين إدارة المخاطر في بيئات المشاريع.
الطرق
تستخدم منهجية البحث في هذه الدراسة مراجعة منهجية للأدبيات (SLR)، والتي تهدف إلى تحديد وتقييم وتلخيص الدراسات الموجودة ذات الصلة بأسئلة البحث التي حددها موهر وآخرون (2009). يتم هيكلة عملية SLR إلى عدة مراحل، كما هو موضح في الشكل 1. تتضمن المرحلة الأولى صياغة أسئلة البحث، تليها المرحلة الثانية، حيث يتم تحديد عينة التحليل من خلال عملية اختيار صارمة بناءً على معايير الإدراج والاستبعاد والجودة المعمول بها. يتم تمثيل هذه العملية بصريًا باستخدام بروتوكول PRISMA (ريثليفن وآخرون 2021).
في المرحلة الثالثة، يتم إجراء تحليل ببليومتري، يصنف الأوراق المختارة حسب سنة النشر، والدولة، والمجلة. تستخدم المرحلة الرابعة برنامج VOSviewer (لي وآخرون 2022) لتحليل الشبكات الببليومترية، واستخراج بيانات موضوعية تتعلق بعمليات إدارة المشاريع (PM) كما هو موضح في PMBOK (فرجي وآخرون 2022)، جنبًا إلى جنب مع فئات وأدوات الذكاء الاصطناعي المرتبطة. يتم إجراء تحليل متقاطع لاستكشاف العلاقات بين عمليات إدارة المشاريع، وفئات الذكاء الاصطناعي، والأدوات. يتم تصنيف النتائج وتحليلها لاحقًا، مما يؤدي إلى مناقشة تسلط الضوء على التحديات والقيود التي تم تحديدها طوال عملية المراجعة.
مناقشة
في قسم المناقشة من ورقة البحث، يحدد المؤلفون عملية مراجعة منهجية للأدبيات (SLR) تركز على دمج الذكاء الاصطناعي (AI) في إدارة المشاريع (PM)، لا سيما في إدارة المخاطر. تؤكد المرحلة الأولى على أهمية أسئلة البحث المحددة جيدًا، التي توجه المراجعة وتضمن التحليل المنهجي. يبرز المؤلفون عدم القدرة على التنبؤ بالمشاريع وضرورة إدارة المخاطر، مشيرين إلى الأعمال الأساسية التي تؤكد على دور مديري المشاريع في تحديد المخاطر والتحكم فيها. يقترحون أسئلة بحث محددة، بما في ذلك استكشاف المسارات التي تربط أدوات الذكاء الاصطناعي بعمليات إدارة المشاريع، بهدف تحسين أداء المشاريع من خلال تطبيقات الذكاء الاصطناعي.
تتضمن المرحلة الثانية تحديدًا دقيقًا لعينة التحليل، باستخدام قواعد بيانات مثل Web of Science وScopus لجمع الدراسات ذات الصلة المنشورة باللغة الإنجليزية من 1996 إلى 2023. يضع المؤلفون معايير إدراج واستبعاد واضحة لضمان موثوقية وصلاحية الدراسات المختارة، مما يؤدي في النهاية إلى تقليص عينة أولية من 1820 سجلًا إلى 524 وثيقة مؤهلة. تقدم المرحلة الثالثة تحليلًا ببليومتريًا، يكشف عن اتجاهات في معدلات النشر، مع زيادة ملحوظة في الأبحاث حول دمج الذكاء الاصطناعي في إدارة المشاريع من 2020 إلى 2023، من المحتمل أن تكون قد تسارعت بسبب جائحة COVID-19. كما تحدد التحليل البلدان الرئيسية المساهمة في هذا البحث، حيث تتصدر الصين في النشر، وتصنف أنواع الوثائق التي تم مراجعتها، والتي تتكون في الغالب من مقالات وأوراق مؤتمرات. تشير النتائج إلى اهتمام متزايد بدور الذكاء الاصطناعي في إدارة المشاريع، لا سيما في تقييم المخاطر وأنظمة دعم القرار، مما يدل على أفق واعد للبحوث المستقبلية.
DOI: https://doi.org/10.1007/s11301-024-00418-z
Publication Date: 2024-04-09
Author(s): Maria Elena Nenni et al.
Primary Topic: Big Data and Business Intelligence
Overview
The research paper examines the integration of artificial intelligence (AI) in project risk management, highlighting the low success rate of projects—approximately 35%—due to the immaturity of existing technologies. Utilizing the Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) protocol, the study analyzes 215 scholarly articles published from 1996 to 2023 to assess the current landscape of AI applications in project management (PM). It identifies significant trends, particularly in the construction and IT sectors, where AI tools that facilitate data analysis, processing, and learning are increasingly utilized to enhance project managers’ capabilities in managing risks.
The findings indicate that while AI has the potential to revolutionize project risk management by providing strategic support rather than replacing human input, there remains a notable gap in established trajectories, patterns, and best practices for its application. The research underscores the necessity for further investigation into these gaps, proposing a research agenda aimed at effectively implementing AI in PM processes. This study represents a pioneering quantitative evaluation of AI’s role in PM, emphasizing the importance of integrating advanced technologies to address the inadequacies of traditional project management tools.
Introduction
The introduction of the research paper outlines the historical evolution of project management, tracing its origins to ancient monumental constructions and highlighting significant developments such as the Gantt Chart in 1917. The text emphasizes the transformation of project management through technological advancements, particularly the integration of computers and software in the 1980s and 1990s, which has led to increased automation and sophistication in the field. Despite an annual investment of approximately $48 trillion in projects, only 35% are deemed successful, largely due to the inadequacy of traditional tools like spreadsheets in managing complex project environments.
The paper posits that Artificial Intelligence (AI) has the potential to significantly enhance project management practices, particularly in addressing uncertainties and complexities. It references various studies that explore AI’s applications in risk management, especially within the construction and IT sectors, where the need for effective risk management is critical due to the high stakes and complexities involved. The authors aim to conduct a systematic literature review (SLR) to assess the current state of project management, the role of AI, and to propose a framework for integrating AI into project management processes. This research seeks to clarify the subject and establish a foundation for future studies focused on leveraging AI for improved risk management in project environments.
Methods
The research methodology employed in this study is a Systematic Literature Review (SLR), which aims to identify, evaluate, and synthesize existing studies pertinent to the research questions outlined by Moher et al. (2009). The SLR process is structured into several phases, as illustrated in Figure 1. Phase 1 involves the formulation of research questions, followed by Phase 2, where the analysis sample is defined through a rigorous selection process based on established inclusion, exclusion, and quality criteria. This screening process is visually represented using the PRISMA Protocol (Rethlefsen et al. 2021).
In Phase 3, a bibliometric analysis is conducted, categorizing the selected papers by publication year, country, and journal. Phase 4 utilizes VOSviewer software (Li et al. 2022) to analyze bibliometric networks, extracting objective data related to project management (PM) processes as outlined in the PMBOK (Faraji et al. 2022), along with associated AI categories and tools. A cross-analysis is performed to explore the relationships among PM processes, AI categories, and tools. The findings are subsequently classified and analyzed, leading to a discussion that highlights the challenges and limitations identified throughout the review process.
Discussion
In the discussion section of the research paper, the authors outline a systematic literature review (SLR) process focused on integrating artificial intelligence (AI) into project management (PM), particularly in risk management. The first phase emphasizes the importance of well-defined research questions, which guide the review and ensure systematic analysis. The authors highlight the unpredictability of projects and the necessity of risk management, referencing foundational works that underscore the role of project managers in identifying and controlling risks. They propose specific research questions, including the exploration of pathways that connect AI tools to PM processes, aiming to enhance project performance through AI applications.
The second phase involves a meticulous identification of the analysis sample, utilizing databases such as Web of Science and Scopus to gather relevant studies published in English from 1996 to 2023. The authors establish clear inclusion and exclusion criteria to ensure the reliability and validity of the selected studies, ultimately narrowing down an initial sample of 1820 records to 524 eligible documents. The third phase presents a bibliometric analysis, revealing trends in publication rates, with a notable increase in research on AI integration in PM from 2020 to 2023, likely accelerated by the COVID-19 pandemic. The analysis also identifies key countries contributing to this research, with China leading in publications, and categorizes the types of documents reviewed, predominantly articles and conference papers. The findings suggest a growing interest in AI’s role in PM, particularly in risk assessment and decision support systems, indicating a promising frontier for future research.