دانلود ترجمه مقاله ظهور هوش مصنوعی در مدیریت پروژه

1. مقدمه 2. روش تحقیق 3. نتایج 4. بحث و بررسی 5. نتیجه‌گیری‌ها 6. مسیرهای تحقیقاتی آتی 7. توصیه‌ها برای عمل

چکیده – هوش مصنوعی (AI) و یادگیری ماشین (ML)، چشم‌انداز مدیریت پروژه را متحول کرده و به طور قابل توجهی به بهبود کارایی، تصمیم‌گیری و بهینه‌سازی تخصیص منابع کمک کرده‌اند. اگرچه تحقیقات متعددی در زمینه یکپارچه‌سازی و استفاده از هوش مصنوعی و یادگیری ماشین در مدیریت پروژه وجود دارد، پراکندگی موجود در این تحقیقات، نیاز به یک مرور سیستماتیک از تحقیقات موجود را برجسته می‌کند تا دانش کنونی تجمیع شود، روندهای نوظهور شناسایی شوند و نقش هوش مصنوعی در مدیریت پروژه بررسی گردد. هدف این مطالعه، تحلیل انتقادی مقالات موجود به منظور شناسایی فرصت‌ها، عوامل تسهیل‌کننده و موانع پذیرش هوش مصنوعی است. این تحلیل، چارچوبی جامع برای هدایت تحقیقات و عملکرد آتی ارائه می‌دهد. یک مرور سیستماتیک مقالات (SLR) مطابق با دستورالعمل‌های PRISMA (موارد ارجح گزارش‌دهی برای مرورهای نظام‌مند و فراتحلیل‌ها) سه موضوع اصلی را آشکار کرد: اکوسیستم دانش در مدیریت پروژه: در عصر هوش مصنوعی، تقاطع هوش مصنوعی و انسان در مدیریت پروژه، و یکپارچه‌سازی هوش مصنوعی در مدیریت پروژه و چشم‌اندازسازی. یافته‌ها، اثرات تحول‌آفرین هوش مصنوعی را در زمینه‌هایی نظیر دقت پیش‌بینی، کاهش ریسک، همکاری ذینفعان و مدیریت ایمنی برجسته می‌سازد، ضمن آنکه چالش‌هایی مانند یکپارچه‌سازی با سیستم‌های قدیمی، مسائل مربوط به کیفیت داده و مقاومت در برابر تغییر را نیز مورد بررسی قرار می‌دهد. این تحقیق، بینش‌های ارزشمندی را به محققان و متخصصان ارائه می‌دهد و مسیریابی موانع پذیرش، بهره‌برداری از عوامل تسهیل‌کننده و گشودن پتانسیل هوش مصنوعی برای تغییر شکل شیوه‌های مدیریت پروژه در صنایع مختلف را تسهیل می‌کند.

Artificial Intelligence (AI) and Machine Learning (ML) has transformed the landscape of project management and contributed significantly to improving efficiency, decision-making and optimizing resource allocation. Although there exists a number of research examining the integration and utilization of AI and ML into project management, the fragmented literature highlights the need for a systematic literature review to consolidate current knowledge, identify emerging trends, and examine AI’s role in project management. This study aims to critically analyze the existing literature to identify opportunities for, enablers of, and barriers to AI adoption, providing a comprehensive framework to guide future research and practice. A systematic literature review (SLR) following PRISMA (Preferred Reporting Items for Systematic reviews and Meta-Analyses) guidelines revealed three key themes: The Knowledge Ecosystem in Project Management: In the Era of AI, The Intersection of AI and Humanity in Project Management, and Integrating AI into Project Management and Landscaping. The findings highlight AI’s transformative effects on forecasting accuracy, risk mitigation, stakeholder collaboration, and safety management, while addressing challenges such as integration with legacy systems, data quality issues, and resistance to change. The research presents valuable insights both researchers and practitioners, facilitating the navigation of adoption barriers, capitalizing on enablers, and unlocking AI’s potential to reshape project management practices across industries.