人工智能融入项目工作能否带来更优协调？——AI整合与制度化项目管理实践对团队协调质量的比较研究

《INTERNATIONAL JOURNAL OF PROJECT MANAGEMENT》：More AI, better coordination? Comparing AI incorporation and institutionalized project management practices in project work

　　

研究人员基于社会技术系统理论（Sociotechnical Systems Theory，STS）与协调理论（Coordination Theory）展开研究。既有文献指出，数字化正在重塑项目工作，但关于人工智能（Artificial Intelligence，AI）整合（AI Incorporation into Project Work）如何关联于感知团队协调质量（Perceived Team Coordination Quality）仍缺乏清晰证据。高层管理AI承诺（Top Management AI-Commitment）与AI自我效能（AI Self-Efficacy）被视作驱动AI整合的组织与个体条件；制度化项目管理实践（Institutionalized Project Management Practices）与项目承诺（Project Commitment）则作为协调质量的关键对照预测因子。通过对307名意大利项目管理专业人员开展横断面问卷调查，并采用偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modelling，PLS-SEM），研究人员发现：高层承诺与自我效能均正向影响AI整合；AI整合对协调质量仅呈现微弱且对模型设定敏感的正向关联；相较之下，制度化项目管理实践对协调质量的关联显著强于AI整合。结果表明，AI扩展的是信息与分析能力，而协调依赖于常规、责任与解释性实践，AI输出需经转化方可进入 interdependent 工作安排。

研究背景与问题提出

项目工作具有临时性、跨专业与高互依性特征，协调（管理活动间相互依赖以实现集体目标）是项目交付的核心。数字化的深入使人工智能可生成预测、推荐与综合信息，但AI输出本身不自动产生协调，而需经解释、验证并嵌入例行决策。既有研究多聚焦AI应用盘点与人机交互形式，较少回答“AI整合程度”与“团队协调质量”的关系，也缺少将AI整合与制度化项目管理实践、项目承诺并列比较的实证证据。研究人员据此提出：组织与个体条件如何关联AI整合，以及AI整合对协调质量的解释力是否优于或弱于传统组织机制。

研究设计与方法概要

研究人员以意大利项目管理专业人员为对象，通过专业协会邮件列表开展非概率自愿抽样，最终获得307份有效问卷，受访者覆盖IT、工程建造、制造等多行业。研究采用单波次横断面自评问卷，使用五点李克特量表测量高层管理AI承诺、AI自我效能、AI整合（聚合复合构念，含流程嵌入与个体践行）、制度化项目管理实践、项目承诺与感知团队协调质量。建模以偏最小二乘结构方程模型（PLS-SEM）为主，配合万次Bootstrap推断、配对Bootstrap系数差异检验（Holm校正）、PLSpredict与交叉验证预测能力检验（CVPAT），并做共同方法偏差与加入控制变量、直接路径的稳健性分析。

理论与假设发展

基于STS与协调理论，研究人员将AI整合定位于“技术资源进入工作系统”的 realized extent，而非单纯技术可用度。假设链包括：高层承诺（H1）与AI自我效能（H2）正向影响AI整合；AI整合（H3）正向关联感知协调质量；制度化项目管理实践（H4）与项目承诺（H5）正向关联感知协调质量。理论重心不是比较“技术 vs 人”，而是比较“信息分析能力扩展”与“互依行动的组织化治理”。

测量模型评估

研究人员将五个构念按反映型测量，AI整合按聚合复合型测量。反映型构念指标载荷均高于0.70，组合信度与平均方差萃取满足阈值；区分效度以异质-单质比（HTMT）检验，均低于0.90。AI整合复合指标经剔除超出项目边界的宽泛题项后保留四项，方差膨胀因子无共线问题，核心指标权重与载荷显著，内容覆盖流程嵌入与关键决策使用。

核心结构模型结果

在基准模型中，H1–H5均获支持：高层管理AI承诺对AI整合标准化系数β=0.446，效应量f2=0.282；AI自我效能β=0.287，f2=0.117；二者解释AI整合方差R2=0.359。AI整合对感知协调质量β=0.113，f2仅0.016，虽显著但贡献很小；制度化项目管理实践β=0.379，f2=0.167；项目承诺β=0.188，f2=0.044；三者联合解释协调质量R2=0.258。

协调预测因子正式比较

配对Bootstrap显示，制度化项目管理实践相对AI整合的差异Δβ=0.266，Holm校正后仍显著（p=0.005），即其关联显著强于AI整合；项目承诺与AI整合差异不显著（p=0.338）；制度化实践与项目承诺在未校正时显著，校正后不稳健。结论不是三者完整排序，而是：只有制度化项目管理实践在统计上明显强于AI整合。

预测评估与稳健性

PLSpredict显示两内生构念指标均具预测相关性（Q2predict为正），CVPAT表明模型优于指标均值基准，但不优于线性模型基准。加入组织规模、行业、角色与经验等控制变量后，核心路径方向与相对格局不变；当额外放入“AI自我效能→协调质量”直接路径时，AI整合路径降至不显著（β=0.051，p=0.345），但制度化实践仍稳定且显著强于AI整合。共同方法诊断（Harman单因子、自由载荷方法因子）未显示普遍性同源偏差足以颠覆结论。

讨论与结论翻译

研究人员指出，AI整合与协调质量不可等同：AI扩大信息与分析容量，但协调依赖“谁来解释、如何对接责任与常规、如何转为互依行动”。制度化项目管理实践提供更稳定的程序参照、决策权与偏差识别框架，因此其协调关联更强。项目承诺虽重要，但未能在统计上区别于AI整合的弱关联。

研究结论可表述为：第一，高层管理AI承诺与个体AI自我效能共同驱动AI在项目工作中的整合；第二，AI整合对感知团队协调质量仅具微弱且模型敏感的正向关联；第三，相较AI整合，制度化项目管理实践与协调质量的关联显著更强，说明AI不是协调替代品，而需通过常规、判断与责任机制被翻译进项目组织过程；第四，未来研究应打开“AI输出如何进入例程”的黑箱，而非预设“更多AI即更好协调”。

该研究贡献在于把AI项目研究从“技术应用”推进到“协调翻译问题”，为项目数字化研究建立了技术整合与协调过程可分离测量的实证框架。

这篇论文解读已完成，接下来可以选择一个方向继续深化：

把全文改写成期刊审稿意见

设计AI输出进入项目例程的后续研究方案

把全文改写成期刊审稿意见

设计AI输出进入项目例程的后续研究方案