ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В УПРАВЛЕНИИ ПРОЕКТАМИ: ОБЗОР И ОЦЕНКА КРИТИЧЕСКИХ ФАКТОРОВ УСПЕХА

Технологии искусственного интеллекта (ИИ), такие как машинное обучение, прогнозная аналитика и обработка естественного языка, все больше интегрируются в рабочие процессы проектов в организациях. Однако, в то время, как ИИ повышает эффективность, автоматизацию и принятие решений, многие организации испытывают трудности с технологической инфраструктурой, готовностью персонала и соблюдением нормативных требований. Целью данного исследования является проведение обзора и оценки критических факторов успеха (КФУ), которые влияют на ход внедрения технологии ИИ в управлении проектами. На основе методологии библиометрического анализа и экспертной оценки, были изучены передовые исследования по тематике, выявлены основные направления развития области и КФУ, способствующие эффективному внедрению технологии ИИ. Выводы показывают, что успешная интеграция ИИ требует поддержки высшего руководства, сильного лидерства, организационной гибкости, компетентности персонала и технологической готовности. Полученные результаты будут полезны проектным менеджерам в организациях, которые планируют внедрение ИИ для повышения эффективности их рабочих процессов и проектов. Применение 6 КФУ в системе управления проектами позволит организациям наиболее адаптивно и плавно перейти от традиционных методов управления проектами к методам, основанным на ИИ.

1. Duică, M., Săndulescu C., Panagoreț D. The use of artificial intelligence in project management. Valahian Journal of Economic Studies, 15, 105–118 (2024). https://doi.org/10.2478/vjes-2024-0009.

2. Taboada, I., Daneshpajouh, A., Toledo, N., De Vass, T. Artificial Intelligence enabled project management: a systematic literature review. Applied Sciences, 13 (8), 5014 (2023). https://doi.org/10.3390/app13085014.

3. Costantino, F., Gravio, G., Nonino, F. Project selection in project portfolio management: An artificial neural network model based on critical success factors. International Journal of Project Management, 33, 1744–1754 (2015). https://doi.org/10.1016/j.ijproman.2015.07.003.

4. Prasetyo, M., Peranginangin, R., Martinovic, N., Ichsan, M., Wicaksono, H. Artificial intelligence in open innovation project management: A systematic literature review on technologies, applications, and integration requirements. Journal of Open Innovation: Technology, Market, and Complexity, 11 (1), 100445 (2025). https://doi.org/10.1016/j.joitmc.2024.100445.

5. Choi, S., Lee, E., Kim, J. The engineering machine-learning automation platform (EMAP): A big-datadriven ai tool for contractors’ sustainable management solutions for plant projects. Sustainability, 13 (18), 10384 (2021). https://doi.org/10.3390/su131810384.

6. Tanim, S. AI driven strategic decision-making in IT project management. World Journal of Advanced Research and Reviews, 25 (02), 247–268 (2025). https://doi.org/10.30574/wjarr.2025.25.2.0366.

7. Machado, F.J., Martens, C.D.P. Project Management Success: A Bibliometric Analysis // Revista de Gestão e Projetos, 6 (1), 28–45 (2015).

8. Ari, M., Cuccurullo, C. bibliometrix: An R-tool for comprehensive science mapping analysis // Journal of Informetrics, 11 (4), 959–975 (2017). https://doi.org/10.1016/j.joi.2017.08.007.

9. Glänzel, W, Schubert, A. Analysing Scientific Networks Through Co-Authorship. Quantitative Science and Technology Research, 1 (5), 257–276 (2005). https://doi.org/10.1007/1-4020-2755-9_12.

10. Chen, C. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature. Journal of the American Society for Information Science and Technology, 57 (3), 359–377 (2006). https://doi.org/10.1002/asi.20317.

11. Zhang, P., Wang, T., Yan, J. PageRank centrality and algorithms. Physica A: Statistical Mechanics and its Applications, 586, 126438 (2022). https://doi.org/10.1016/j.physa.2021.126438.

12. Abdul Wahab, M., Radmehr, M. The impact of AI assimilation on firm performance in small and mediumsized enterprises: A moderated multi-mediation model. Heliyon, 10 (8), e29580 (2024). https://doi.org/10.1016/j.heliyon.2024.e29580.

13. Almashawreh, R., Talukder, M., Charath, S.K., Khan, M.I. AI adoption in Jordanian SMEs: The influence of technological and organizational orientations. Global Business Review, 1–29 (2024). https://doi.org/10.1177/09721509241250273.

14. Munjeyi, E., Schutte, D. Examining the critical success factors influencing the diffusion of AI in tax administration in Botswana. Cogent Social Sciences, 10 (1), 2419537 (2024). https://doi.org/10.1080/23311886.2024.2419537.

15. Shang, G., Low, S.P., Lim, X.Y.V. Prospects, drivers of, and barriers to AI adoption in project management. Built Environment Project and Asset Management, 13 (5), 629–645 (2023). https://doi.org/10.1108/bepam-12-2022-0195.