ЖОБА БАСҚАРУЫНДАҒЫ ЖАСАНДЫ ИНТЕЛЛЕКТ: ТАБЫСТЫҚ ФАКТОРЛАРЫН ҚАРАСТЫРУ ЖӘНЕ БАҒАЛАУ

Машиналық оқыту, болжамды аналитика және табиғи тілді өңдеу сияқты жасанды интеллект (ЖИ) технологиялары ұйымдардағы жобаның жұмыс үрдісіне көбірек біріктірілуде. Дегенмен, ЖИ тиімділікті, автоматтандыруды және шешім қабылдауды жақсартқанымен, көптеген ұйымдар технологиялық инфрақұрылыммен, жұмыс күшінің дайындығымен және нормативтік талаптарға сәйкестікпен күреседі. Бұл зерттеудің мақсаты – жобаны басқаруда ЖИ технологиясын енгізуге әсер ететін сыни табыстық факторларын (СТФ) қарастыру және бағалау. Библиометриялық талдау және сараптамалық бағалау әдістемесі негізінде тақырып бойынша озық зерттеулер, саладағы негізгі даму бағыттары сарапталып, ЖИ технологиясын тиімді енгізуге ықпал ететін CSF анықталды. Нәтижелер ЖИ табысты интеграциясы жоғары басшылықтың қолдауын, күшті көшбасшылықты, ұйымдастырушылық ептілікті, жұмыс күшінің құзыреттілігін және технология дайындығын қажет ететінін көрсетеді. Нәтижелер жұмыс процестері мен жобаларының тиімділігін арттыру үшін ЖИ енгізуді жоспарлап отырған ұйымдардағы жоба менеджерлері үшін пайдалы болады. Жобаларды басқару жүйесінде ұсынылған 6 СТФ тізімін қолдану ұйымдарға жобаларды басқарудың дәстүрлі әдістерінен ЖИ негізіндегі әдістерге барынша бейімделгіш және тегіс көшуге мүмкіндік береді.

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.