原创作者：陈俊

开篇语：

中国软协项目管理专业委员会始终致力于《软件项目管理标准》在国内的推广应用，助力构建系统化的知识体系，弘扬先进的数智化项目管理文化。为此，我们推出“视点”栏目，邀请业界专家学者、一线管理实践者，分享他们在软件项目管理领域的观点、理念方法、行业经验与发展探索。希望这些凝聚实践经验与智慧的文章，能为您带来启发与收获。

2026年5月30日，我有幸作为圆桌对话嘉宾，参加由PMI（中国）、浙江省软件行业协会、浙江省软件行业协会项目管理专业委员会及网易联合主办的《以人为核、AI为翼：重构项目管理新范式》主题沙龙。围绕AI时代项目管理的变革趋势，与会专家从理论创新、实践探索和组织转型等多个维度展开深入交流。结合此次讨论以及近年来企业AI应用实践中的观察与思考，我对相关观点进行了梳理和总结，形成本文，希望与广大项目管理从业者和企业管理者共同探讨：如何实现人与AI的高效协同，推动项目管理从流程管理走向智能决策，构建面向未来的项目管理新范式。

- 引言：AI时代，项目管理正在经历一场深层变革 -

近年来，以大语言模型、生成式人工智能和AI智能体为代表的新一代人工智能技术迅速发展，AI正从实验室走向产业实践，从辅助工具演变为企业生产力的重要组成部分。

如果说过去十年数字化转型解决的是“信息在线化”的问题，那么当前AI技术正在解决的是“认知智能化”的问题。

在软件开发、产品设计、客户服务、运营管理等领域，AI已经开始承担部分知识工作，并展现出强大的分析、预测和生成能力。对于项目管理而言，这种变化所带来的影响远不只是效率工具的升级，而是一次管理逻辑和组织能力的重构。

长期以来，项目管理一直面临三大典型挑战：

第一，人力密集。

项目经理需要投入大量时间进行沟通协调、状态跟踪、会议组织、文档编写和进度监督，大量精力被消耗在事务性工作之中。

第二，流程繁琐。

项目涉及需求、设计、开发、测试、验收等多个环节，跨部门协作复杂，信息流转效率低，容易形成较高的沟通成本和管理成本。

第三，风险滞后。

许多项目风险往往在问题已经发生之后才被发现，管理活动更多体现为“事后纠偏”，而非“事前预防”。

在传统环境下，这些问题主要依靠经验丰富的项目经理进行协调和控制。而在AI时代，企业开始拥有一种新的能力——通过数据和智能算法提前发现问题、预测风险、辅助决策。

因此，企业真正面临的问题已经不再是“是否使用AI”，而是：如何实现人与AI的高效协同？如何让AI真正融入项目管理全过程？如何既发挥AI的效率优势，又保留人的创造力、判断力和领导力？

这些问题的答案，决定着未来项目管理的发展方向。

- 一、项目管理为什么必须拥抱AI协同 -

1. AI正在改变项目管理的底层逻辑

传统项目管理本质上是一种控制体系。项目经理通过计划、组织、协调和监督，实现项目目标的达成。在这一过程中，管理活动主要围绕三个关键词展开：

计划

执行

控制

这种模式在工业时代和信息化时代发挥了巨大作用，但其前提是信息获取成本较高，数据分析能力有限，因此管理更多依赖人的经验和判断。

AI时代正在改变这一前提。借助大数据、机器学习和生成式AI，企业可以实时获取项目状态信息，动态分析风险趋势，并对未来结果进行预测。

因此，项目管理的重点开始发生转移：

从管理任务转向管理决策；

从关注执行转向关注洞察；

从事后控制转向事前预测。

过去项目经理经常花费大量时间追问：

“任务完成了吗？”

“进度到哪里了？”

“问题解决了吗？”

而未来项目经理更关注：

“哪些风险可能发生？”

“资源配置是否合理？”

“项目目标是否需要调整？”

“当前决策是否符合战略方向？”

换句话说，项目管理正在从“事务管理”向“决策管理”演进。

2. 项目管理价值重心正在迁移

在传统项目环境中，项目经理最大的竞争优势来自经验。

经验丰富的项目经理往往能够：

快速识别风险；

准确判断优先级；

协调复杂利益关系；

处理各种突发问题。

因此，项目成功往往高度依赖关键人员。

但AI时代的到来，使许多经验开始被数字化和智能化。例如：

AI可以分析历史项目数据预测工期偏差；

AI可以根据资源使用情况识别潜在冲突；

AI可以自动生成项目报告和风险清单；

AI可以辅助制定资源调度方案。

经验正在逐步转化为数据资产和算法能力。于是，项目管理开始呈现出新的特征：

经验驱动向数据驱动转变；

流程驱动向智能驱动转变；

管理驱动向价值驱动转变。

未来企业之间的竞争，不再只是项目经理个人能力的竞争，而是组织级智能能力的竞争。

3. AI不会取代项目经理

每当新技术出现，人们都会提出一个问题：AI会不会取代人，会不会取代项目经理？

我的观点是：项目经理不会消失，但一定会重构。

原因很简单。AI擅长的是计算、分析和预测。而项目管理的核心并不只是计算。项目管理本质上是一种价值创造活动。

项目经理需要：理解战略目标；协调利益相关方；处理组织冲突；推动变革落地；在不确定环境下做出决策。

这些工作涉及大量价值判断和人际互动。

例如：

当项目资源不足时，应该优先保障哪个项目？

当客户需求与企业战略发生冲突时，如何取舍？

当多个部门利益不一致时，如何协调达成共识？

这些问题没有标准答案。AI可以提供参考建议，但无法承担最终责任。

因此可以说：AI能够告诉我们“会发生什么”，但真正决定“应该做什么”的仍然是人。

这正是“以人为核”的根本原因。

- 二、AI协同的本质：不是工具升级，而是管理重构 -

1. 为什么很多企业的AI应用效果并不理想

近年来，大量企业引入AI工具。但真正实现业务价值提升的案例并没有想象中那么多。原因并不在于AI技术本身，而在于管理体系没有同步升级。

在实践中，经常看到四种典型误区。

第一，把AI当作效率插件。

很多企业只是让员工使用AI写文档、写代码、生成会议纪要。效率有所提高，但业务流程和管理方式没有改变。结果是：AI很忙，组织没变。

第二，重技术轻流程。

企业投入大量资金建设AI平台，却没有优化业务流程。旧流程嫁接新技术，往往产生新的复杂性。

第三，重工具轻组织。

AI应用不仅是技术问题，更是组织变革问题。如果职责分工、协作机制和绩效评价体系没有调整，AI价值很难释放。

第四，重应用轻治理。

数据质量差、标准不统一、系统不互通，会直接影响AI输出质量。垃圾数据无法产生智能结果。因此，企业最大的挑战并不是部署AI，而是重构管理体系。

2. AI项目首先是管理项目

很多企业认为：AI转型主要是技术部门的事情。事实上恰恰相反。

AI项目首先是管理项目，其次才是技术项目。技术决定AI能做到什么。管理决定AI能发挥多少价值。

同样一套AI系统，在不同企业中产生的效果可能完全不同。差异往往来自：管理层认知；组织协同能力；数据治理水平；流程成熟度。

因此，AI协同的核心不在于部署多少工具，而在于构建新的管理模式。

3. 从“人驱动流程”到“人机协同决策”

传统项目管理模式可以概括为：

人 → 流程 → 结果

项目经理依靠经验推动流程运行，最终实现项目目标。

AI时代开始形成新的模式：

人 + 数据 + AI → 决策 → 价值

在这一模式下，数据成为新的生产资料；AI成为新的分析工具；人负责最终决策和价值创造。项目管理的核心任务也从控制流程转变为优化决策。

未来最成功的组织，不一定拥有最先进的AI技术，但一定拥有最成熟的人机协同能力。

- 三、项目管理中的AI协同模型–

为了更好理解AI协同，我认为可以建立一个“三层协同模型”。

这个模型回答三个问题：

AI负责什么？人负责什么？组织负责什么？

第一层：AI负责感知

AI最大的优势在于发现问题。它可以全天候处理海量数据，并从复杂信息中识别规律。

在项目管理中，AI主要承担四项工作：

数据采集；

状态监测；

风险识别；

趋势预测。

例如，AI能够通过分析历史项目数据预测延期风险，通过代码仓库和缺陷库发现质量问题，通过资源数据识别潜在冲突。其本质是帮助项目团队看见过去看不见的问题。AI解决的是“看见”的问题。

第二层：项目经理负责判断

如果说AI解决的是“看见”的问题，那么项目经理解决的则是“选择”的问题。项目管理从来不是简单的流程执行，而是持续不断地做出选择和取舍。

项目经理需要回答：什么最重要？资源应该向哪里倾斜？哪些风险必须规避？哪些风险可以接受？哪些需求应该优先满足？

这些问题背后都涉及价值判断。而价值判断往往受到战略目标、商业环境、组织文化和利益关系的影响。

例如，同样面对项目延期风险，不同企业可能做出完全不同的决策：

有的企业会增加资源投入确保按期交付；

有的企业会调整交付范围保证质量；

有的企业会与客户重新协商项目计划。

AI可以分析各种方案的可能结果，却无法决定哪一种结果最符合企业价值。

因此，项目经理未来最重要的能力不再是信息收集能力，而是决策能力。

项目经理需要学会利用AI提供的数据和洞察，提高决策质量，而不是被AI替代决策。

未来优秀项目经理的核心竞争力，不是谁掌握了更多信息，而是谁能够基于信息做出更好的判断。

第三层：组织负责闭环

即使拥有先进的AI工具和优秀的项目经理，如果组织机制不完善，AI协同依然难以形成持续价值。因此，第三层是组织层面的能力建设。

组织需要建立：

统一的数据标准；

完善的流程机制；

明确的责任体系；

持续的知识沉淀机制。

很多企业AI应用效果不佳，并不是因为技术能力不足，而是因为组织层面缺乏闭环管理。例如：

AI发现了项目风险，但没人负责处理；

AI提出了优化建议，但流程无法支持实施；

AI生成了大量经验知识，但没有形成组织资产。

最终导致AI价值停留在工具层面。因此，真正成熟的AI协同体系应该形成：

感知—判断—行动—复盘 的完整闭环。

AI负责发现问题；项目经理负责决策；组织负责推动执行和持续优化。只有这样，AI才能真正转化为组织能力。

- 四、项目全生命周期中的AI协同实践 -

AI协同并非局限于某一个管理环节，而是可以贯穿项目全生命周期。

1.项目启动阶段：让立项更科学

项目启动阶段决定项目方向是否正确。

传统立项过程中，很多决策依赖经验判断和有限的数据分析。AI可以在以下方面提供支持：

需求分析；

市场趋势研究；

竞品分析；

项目可行性评估。

例如，通过分析客户历史需求、行业发展趋势和市场数据，AI能够帮助项目团队更准确地判断项目价值。

同时，AI还能够辅助生成项目章程、风险清单和利益相关方分析报告。

项目启动阶段最大的价值在于：减少主观判断偏差，提高立项决策质量。

2. 项目规划阶段：让计划更精准

项目规划是项目成功的重要基础。

传统规划工作往往耗时较长，而且受个人经验影响较大。AI能够帮助项目团队：

自动生成WBS结构；

智能拆解任务；

预测资源需求；

优化项目排期；

识别潜在风险。

例如，在大型软件项目中，AI可以参考历史项目数据，预测不同模块的开发周期，并自动生成更合理的项目计划。

这不仅提高规划效率，也显著提升计划准确率。

3. 项目执行阶段：让管理更高效

项目执行阶段往往占据项目经理大量时间。许多工作属于重复性事务。

例如：

会议纪要整理；

项目周报编写；

进度统计；

问题跟踪。

AI能够承担大量基础性工作。

通过会议录音自动生成纪要；

自动汇总项目状态；

自动分析任务完成情况；

自动识别项目异常。

项目经理因此能够把更多时间投入到：

风险管理；

团队沟通；

客户关系；

战略协调。

真正实现从“事务型管理者”向“价值型管理者”的转变。

4. 项目监控阶段：让风险更可预测

项目监控是AI最具价值的应用场景之一。

传统项目管理普遍存在一个问题：风险发现太晚。很多问题只有在结果出现之后才被注意到。

例如：

项目延期；

预算超支；

质量缺陷；

客户满意度下降。

AI能够通过持续分析项目数据实现风险预警。例如：

进度偏差分析；

资源负载分析；

质量趋势分析；

客户反馈分析。

项目团队能够提前发现问题并采取措施。项目管理开始从“事后救火”走向“事前预防”。

5. 项目收尾阶段：让经验成为组织资产

很多企业项目结束后，经验也随之流失。项目经理离职，知识断层；项目团队解散，经验消失。

AI为知识管理带来了新的可能。通过自动整理项目文档、会议记录和问题处理过程，AI能够帮助企业形成项目知识库。进一步利用大模型技术，还可以构建项目管理知识助手。

未来项目团队遇到问题时，可以直接调用组织经验。经验不再属于个人，而成为企业资产。

- 五、AI时代项目经理的角色重构 -

项目经理会消失吗？这是很多从业者最关心的问题。

我的答案是：不会消失，但一定会进化。

事实上，每一次技术革命都会改变职业形态。但真正消失的往往不是职业本身，而是落后的工作方式。

未来项目经理将从管理执行者转变为价值创造者。

未来项目经理的四种新角色

1. AI协同者

项目经理需要理解AI能力边界。知道哪些工作适合交给AI。知道如何设计人与AI协同流程。未来项目经理不仅管理团队，也管理AI能力。

2. 数据决策者

未来管理决策将越来越依赖数据。项目经理需要具备数据分析思维。能够利用AI洞察问题本质。从经验决策走向数据决策。

3. 组织连接者

随着组织复杂度提升，协同能力变得更加重要。项目经理需要连接：

客户；

团队；

管理层；

合作伙伴；

AI系统。

成为组织协同的关键枢纽。

4. 变革推动者

AI应用本质上是一场组织变革。

项目经理未来不仅推动项目成功，还要推动组织变革成功。因此，变革领导力将成为重要能力。

项目经理必须具备的新能力

未来项目经理至少需要强化五项能力：

AI理解能力；

数据分析能力；

系统思维能力；

商业洞察能力；

变革领导能力。

其中最重要的是：把AI变成自己的能力放大器。而不是把AI视为竞争对手。

- 六、企业推进AI协同的落地路径 -

从实践经验来看，我认为企业推进AI协同可以遵循“五阶段路线图”。

第一阶段：建立认知共识

很多AI项目失败，并不是技术失败，而是认知失败。

管理层、业务部门和项目团队必须形成共同认知：

AI不是IT项目；

AI是组织变革项目。

只有形成共识，后续工作才有基础。

第二阶段：从小场景试点开始

企业不要一开始就全面推广AI。应优先选择：

高频场景；

高价值场景；

易验证场景。

例如：

智能周报；

会议纪要；

风险预警；

测试自动化。

先创造可见价值。建立组织信心。

第三阶段：推进数据治理

数据是AI时代的新生产资料。没有高质量数据，就没有高质量AI。

企业必须建立：

统一数据标准；

统一业务规则；

统一指标体系。

解决数据孤岛问题。

第四阶段：重构组织机制

真正决定AI成败的，不是模型，而是机制。企业需要建立：

AI治理机制；

责任管理机制；

协同管理机制；

绩效评价机制。

让AI真正融入业务流程。

第五阶段：形成持续进化能力

AI建设不是一次性项目。而是一项长期能力工程。企业需要建立：

持续学习机制；

持续优化机制；

持续创新机制。

最终形成组织级智能能力。

- 七、未来展望：从项目管理走向智能项目管理 -

未来十年，项目管理将进入智能化时代。AI将不再只是工具。而是项目团队的重要成员。特别是AI智能体技术的发展，正在推动AI从辅助工具向自主执行能力演进。

未来可能出现：

智能项目助理；

智能风险顾问；

智能资源调度员；

智能质量分析师。

它们将承担越来越多的管理工作。

但与此同时，项目经理或人类的价值不会下降。恰恰相反。当流程性工作被AI接管之后，项目经理或人类将更加专注于：

战略思考；

创新创造；

复杂决策；

组织领导。

未来企业之间的竞争，也不再只是人才竞争或技术竞争。而是人机协同能力的竞争。

谁能够更好地实现人与AI的融合，谁就拥有更强的组织竞争力。

-结论：以人为核，AI为翼-

项目管理的发展历程，本质上是一部不断提升组织协同效率的历史。从手工管理到信息化管理；从信息化管理到数字化管理；再到今天的智能化管理。每一次技术进步都在推动管理模式升级。

AI的出现并不是为了取代项目经理，也不是为了削弱人的价值。相反，它让项目经理有机会摆脱繁琐事务，把更多精力投入到更高价值的工作之中。

人之“核”，在于目标、判断与信任。

AI之“翼”，在于洞察、预测与增效。

真正优秀的项目管理，不是让AI代替人，而是让AI帮助人做出更好的决策。

未来的项目管理，不再只是管理任务和流程，而是管理认知、管理协同、管理价值创造。

从经验驱动走向数据驱动，从流程管理走向智能决策，从单点工具应用走向组织级AI协同。这正是项目管理新范式的核心内涵。

AI时代已经到来。企业需要建设的不仅是AI能力，更是人与AI协同创造价值的能力。而这，正是未来组织持续发展的关键所在。

陈俊，中国软协项目管理专家，现任科技公司总经理。曾在多家全球500强企业担任跨国PMO总监和研发总监，专注于企业数字化转型及人工智能解决方案。

结束语：

“数字化转型”与“高质量发展”是中国经济未来方向的引领力量之一。在这一进程中，我们既需要技术创新驱动，也离不开管理支撑。专委会诚邀各位专家学者、行业实践者踊跃为本专栏投稿，分享您的洞见、思考与经验！