ДАМУШЫ НАРЫҚТАРДА ЖАСАНДЫ ИНТЕЛЛЕКТ ТӘЖІРИБЕСІН ЕНГІЗУДІҢ ҚОЗҒАУШЫ КҮШТЕРІ МЕН КЕДЕРГІЛЕРІ

Зерттеу дамушы нарық жағдайларына ерекше назар аудара отырып, жобаларды басқаруда жасанды интеллектті (ЖИ) енгізуге әсер ететін негізгі факторлар мен кедергілерді зерттейді. Зерттеу PRISMA 2020 нұсқауларына сәйкес жүргізілген әдебиеттерді жүйелі шолуға негізделген. Қорытынды үлгіге 2016–2025 жж. аралығында Scopus дерекқорынан алынған 41 рецензияланған мақала кірді. ЖИ енгізуге әсер ететін факторлар кодталып, Technology–Organisation–Environment (TOE) моделі негізінде топтастырылды. Нәтижесінде қозғаушы факторлардың жиырма бір санаты және кедергілердің жиырма санаты анықталды. Зерттеу нәтижелері жобаларды басқаруда ЖИ енгізу тек озық құралдардың қолжетімділігімен шектелмейтінін көрсетеді. Ұйымдар ЖИ-ге жобалардың тиімділігін арттыру әлеуетіне байланысты қызығушылық танытады, алайда тәжірибелік енгізу әлсіз деректер инфрақұрылымы, техникалық жетілудің төмен деңгейі, білікті мамандардың жетіспеушілігі және нормативтік талаптардың айқын болмауымен шектеледі. Бұл айырмашылық әсіресе дамушы нарықтарда анық байқалады, өйткені цифрлық инфрақұрылым, реттеу, стандарттар және институционалдық қолдау сияқты сыртқы орта факторлары ұйым деңгейінде ЖИ енгізудің мүмкіндігін айқындайды. Зерттеу ЖИ енгізу стратегиялары жергілікті контекстің жетілу деңгейіне бейімделуі тиіс деген қорытынды жасайды. Дамушы нарықтар үшін бұл мемлекеттік және ұйымдық күш-жігер тек қызметкерлерді оқытудан немесе бағдарламалық қамтамасыз етуді енгізуден басталмай, сонымен қатар ЖИ-ді тұрақты түрде енгізуге мүмкіндік беретін базалық цифрлық, нормативтік және институционалдық жағдайларды дамытуға бағытталуы қажет екенін білдіреді.

1. Taboada, J., et al. Artificial intelligence in project management: A systematic literature review. Applied Sciences, 13 (8), 5014 (2023). https://doi.org/10.3390/app13085014

2. Ghanbaripour, A.N., et al. The Rise of Artificial Intelligence in Project Management: A Systematic Literature Review of Current Opportunities, Enablers, and Barriers. Buildings, 15 (7), 1130 (2024). https://doi.org/10.3390/buildings15071130

3. Cubric, M. Drivers, barriers and social considerations for artificial intelligence adoption: A tertiary review. Technology in Society, 62, 101257 (2022). https://doi.org/10.1016/j.techsoc.2020.101257

4. Prasad, K., and Saradhi, M.V. Comprehensive project management framework using machine learning. International Journal of Recent Technology and Engineering, 8, 1373–1377 (2019). https://doi.org/10.35940/ijrte.B1256.0782S319

5. Nugroho, S., and Uehara, T. Systematic review of agent-based and system dynamics models for socialecological system case studies. Systems, 11 (11), 530 (2023). https://doi.org/10.3390/systems11110530

6. De Marco, A., and Narbaev, T. Factors of Schedule and Cost Performance of Tunnel Construction Megaprojects. The Open Civil Engineering Journal, 12, 15–38 (2021).

7. Prifti, V. Optimizing project management using artificial intelligence. European Journal of Formal Sciences and Engineering, 5, 30–38 (2022). https://doi.org/10.26417/667hri67

8. Kalidullin, B., Samoilov, A., and De Marco, A. AI applications in project management: trends, challenges and future perspectives. Herald of the Kazakh-British Technical University, 22 (3), 390–403 (2025). https://doi.org/10.55452/1998-6688-2025-22-3-390-403

9. Serikbay, D., Kozhakhmetova, A., Jumasseitova, A., and Mukashev, Y. When Machines Manage: How AI Is Reshaping Project Management Practices. International Journal of Asian Business and Information Management, 16 (1), 1–18 (2025). https://doi.org/10.4018/IJABIM.384773

10. Guida, M., Caniato, F., Moretto, A., and Ronchi, S. The role of artificial intelligence in the procurement process: State of the art and research agenda. Journal of Purchasing and Supply Management, 29, 100823 (2023). https://doi.org/10.1016/j.pursup.2023.100823

11. Page, M.J., et al. The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71 (2021). https://doi.org/10.1136/bmj.n71

12. Seuring, S., and Müller, M. From a literature review to a conceptual framework for sustainable supply chain management. Journal of Cleaner Production, 16 (15), 1699–1710 (2008). https://doi.org/10.1016/j.jclepro.2008.04.020

13. Project Management Institute. A Guide to the Project Management Body of Knowledge (PMBOK® Guide), 7th ed. (Newtown Square, PA: Project Management Institute, 2021).

14. Tornatzky, L.G., and Fleischer, M. The Processes of Technological Innovation (Lexington, MA: Lexington Books, 1990).

15. Uddin, M., et al. Machine learning applications in project analytics: a data-driven framework and case study. Scientific Reports, 12, 16482 (2022). https://doi.org/10.1038/s41598-022-19728-x

16. Osei-Kyei, R., Narbaev, T., Falana, J., and Ottaviani, F.M. Artificial intelligence in achieving carbonneutral buildings: a critical analysis of the emerging techniques, their applications and challenges. Architectural Engineering and Design Management, 1–25 (2025). https://doi.org/10.1080/17452007.2025.2596708