Abstract

Bu çalışma, sosyo-teknik sistemler teorisi çerçevesinde, özerk yapay zekânın proje yönetiminde getirdiği dönüşümü kavramsallaştırmaktadır. Güncel literatürün nitel bir sentezine dayanan çalışma, kendi hedeflerini belirleme, öğrenme ve özerk ancak etik olarak sınırlandırılmış kararlar alma yeteneğine sahip olan etken yapay zekânın, projelerin planlama, yürütme, izleme ve kapanış aşamalarını nasıl yeniden yapılandırdığını incelemektedir. Bulgular, etken yapay zekânın karar doğruluğunu artırdığını, belirsizliği azalttığını ve insan-yapay zekâ iş birliğini geliştirdiğini, proje yöneticisinin rolünü teknik bir yürütücüden etik bir denetçi ve stratejik düzenleyiciye dönüştürdüğünü göstermektedir. Bu yeni paradigmada, proje yöneticileri özerk sistemleri denetleyen, algoritmik hesap verebilirliği yöneten ve insan yargısını dijital temsiliyetle bütünleştiren etik düzenleyicilere dönüşmektedir. Ancak, entegrasyonu yasal belirsizlik, bilişsel rehavet, etik uyumsuzluk ve siber güvenlik açıkları gibi riskler ortaya çıkarmaktadır. Çalışma, sürdürülebilir proje yönetimi için insan merkezli, şeffaf ve etik olarak yönetilen etken yapay zekâ ekosistemlerini vurgulamaktadır.

Abstract

This study conceptualizes the transformation brought by agentic artificial intelligence in project management within the framework of socio-technical systems theory. Based on a qualitative synthesis of recent literature, it explores how agentic AI—capable of setting its own goals, learning, and making autonomous yet ethically bounded decisions—reconfigures the planning, execution, monitoring, and closing phases of projects. The findings indicate that agentic AI strengthens decision accuracy, reduces uncertainty, and enhances human–AI collaboration, while reshaping the project manager’s role from a technical executor to an ethical supervisor and strategic orchestrator. In this new paradigm, project managers evolve into ethical regulators who oversee autonomous systems, manage algorithmic accountability, and integrate human judgment with digital agency. However, its integration introduces risks such as legal ambiguity, cognitive complacency, ethical misalignment, and cybersecurity vulnerabilities. The study emphasizes human-centered, transparent, and ethically governed agentic AI ecosystems for sustainable project management.

Structured Abstract:

Within the context of Industry 5.0, the role of artificial intelligence (AI) has evolved beyond automation to become the driving force of learning, prediction, and decision-support mechanisms. The aim of this study is to conceptually examine how agentic artificial intelligence (A-AI) transforms the stages of project management—initiation, planning, execution, monitoring-control, and closure—and how it redefines the roles of project managers from the perspective of socio-technical systems theory. Accordingly, the study seeks to contribute to the emerging conceptual discussion on the socio-technical implications of A-AI in project management by integrating Socio-Technical Systems Theory with the project management literature.

The study is grounded in the Socio-Technical Systems Theory (STS) developed by Trist and Bamforth in the 1950s. STS views organizations as holistic entities shaped by the interaction of technical systems (tools, processes, technologies) and social systems (people, relationships, values). According to its principle of joint optimization, performance depends on the balanced alignment of these two subsystems. In understanding AI’s integration into organizations, STS provides a robust framework that goes beyond technical capacity to include cultural, leadership, and communicative dimensions. Within this framework, A-AI is conceptualized as a dynamic component of the human–AI–organization interaction network—a socio-technical actor that engages with human decision processes, learns from context, and adapts autonomously. Thus, A-AI becomes a unifying element that integrates technical capabilities (data analytics, automation, predictive modeling) with social interaction (collaboration, communication, trust). While existing literature has largely confined AI to automation and decision-support functions, this study emphasizes A-AI’s autonomous, adaptive, and self-regulating nature, highlighting its ability to set goals, plan actions, and coordinate behavior, thereby enhancing socio-technical integration.

This study is conceptual in nature and employs a qualitative literature synthesis and conceptual analysis approach. Relevant academic articles and institutional reports were systematically reviewed. The examination encompasses recent publications indexed in Web of Science and Scopus, supplemented by international standards and guidelines such as those of PMI, ISO, and OECD, which were used as supportive sources for understanding project management frameworks and AI integration.

The study conceptually explores A-AI’s contributions to the stages of initiation, planning, execution, monitoring-control, and closure, highlighting the transition from classical AI to autonomous, learning-oriented, and interactive digital governance. In the initiation stage, A-AI strengthens feasibility and strategic alignment analyses by processing extensive data sources; through digital twin integration, it can dynamically model scope, time, cost, and risk variables, autonomously proposing initiation strategies. This approach reduces authority ambiguities and improves prioritization and task distribution through data-based rationalization. During planning, A-AI perceives environmental fluctuations and develops adaptive, self-updating plans; it detects resource imbalances early, enhances stakeholder communication, and ensures information continuity through multi-channel data analysis—transforming plans from static documents into “living systems.” In the execution stage, A-AI goes beyond automation by autonomously restructuring plans in response to supply delays, weather conditions, or workforce shortages, thereby increasing coordination and decision speed. At the monitoring-control phase, it integrates multiple data sources in real time, enabling early deviation detection and predictive or prescriptive decision recommendations. Through explainable AI principles, A-AI renders its reasoning transparent, transforming monitoring into a learning-oriented process. Finally, during closure, A-AI consolidates project data, systematizes lessons learned, and generates explainable reports for future projects, turning closure from a formal endpoint into a cycle of organizational learning and ethical accountability. Overall, the study suggests that A-AI reduces uncertainty, improves decision accuracy, and promotes a more balanced and learning-oriented human–AI interaction. The integration of A-AI also introduces new types of risks beyond technical or operational domains, extending into legal, ethical, psychological, and governance dimensions. In terms of legal responsibility and accountability, the autonomy of A-AI makes it difficult to determine liability in case of erroneous or harmful decisions; concepts such as “digital agency” or “AI delegation” may therefore be required. XAI principles are vital to enhancing traceability and ensuring transparency. Regarding psychological dependency and cognitive complacency, the high accuracy and speed of A-AI may lead managers to accept its suggestions uncritically, weakening their analytical engagement and fostering social isolation or “moral distancing.” From an algorithmic ethics and cultural adaptation standpoint, differing cultural and moral contexts may lead to conflicting interpretations of fairness, thus necessitating contextual ethical calibration. Concerning cybersecurity and manipulation, the hyper-connected nature of A-AI architectures increases exposure to data poisoning and malicious interference, amplifying the potential consequences of cyberattacks. Finally, under governance and human oversight, autonomous decision loops can weaken the classical “human-in-the-loop” principle, requiring a redesign of role and responsibility boundaries—a theme reinforced through the study’s policy recommendations.

The rise of A-AI redefines the role of the project manager, shifting it from that of a technical executor to an ethical overseer and strategic interpreter. Project managers are no longer solely responsible for operational coordination; they must monitor how and why A-AI systems make decisions, set ethical boundaries, and orchestrate human–machine responsibility distribution. This evolution emphasizes competencies such as AI literacy, ethical reasoning, systems thinking, algorithmic supervision, and data diplomacy—positioning project managers as orchestrators of hybrid decision ecosystems where humans and autonomous agents co-create value.

Conclusion and Recommendations: The study positions A-AI as a new socio-technical actor within the STS framework, mediating between human judgment and data-driven autonomy through the principle of joint optimization. This conceptual approach underscores the need to balance technological capacity with ethical, human-centered decision-making. A-AI plays a transformative role across all phases of the project life cycle by reducing uncertainty, enhancing decision precision, and strengthening mechanisms of learning and accountability. Success, however, depends not solely on technical performance but on governance models grounded in ethical integrity, transparency, and human oversight.

Yapılandırılmış Özet:

Endüstri 5.0 bağlamında yapay zekânın (YZ) rolü, otomasyonun ötesine geçerek öğrenme, öngörü ve karar destek mekanizmalarının itici gücü hâline gelmiştir. Bu çalışmanın amacı, özerk yapay zekânın (A-YZ) proje yönetiminin başlatma, planlama, yürütme, izleme-kontrol ve kapanış aşamalarını nasıl dönüştürdüğünü ve proje yöneticilerinin rollerini Sosyo-Teknik Sistemler Teorisi perspektifinden nasıl yeniden tanımladığını kavramsal olarak incelemektir. Bu doğrultuda çalışma, Sosyo-Teknik Sistemler Teorisini proje yönetimi literatürüyle bütünleştirerek, proje yönetiminde A-YZ’nin sosyo-teknik etkilerine ilişkin gelişmekte olan kavramsal tartışmalara katkı sağlamayı amaçlamaktadır.

Çalışma, 1950’li yıllarda Trist ve Bamforth tarafından geliştirilen Sosyo-Teknik Sistemler Teorisine (STS) dayanmaktadır. STS, örgütleri teknik sistemler (araçlar, süreçler, teknolojiler) ile sosyal sistemlerin (insanlar, ilişkiler, değerler) etkileşimiyle şekillenen bütüncül yapılar olarak ele almaktadır. Birlikte optimizasyon ilkesine göre performans, bu iki alt sistem arasındaki dengeli uyuma bağlıdır. Yapay zekânın örgütlere entegrasyonunun anlaşılmasında STS, teknik kapasitenin ötesine geçerek kültür, liderlik ve iletişim boyutlarını da kapsayan güçlü bir çerçeve sunmaktadır. Bu çerçevede A-YZ, insan–yapay zekâ–örgüt etkileşim ağının dinamik bir bileşeni; insan karar süreçleriyle etkileşime giren, bağlamdan öğrenen ve otonom biçimde uyum sağlayan sosyo-teknik bir aktör olarak kavramsallaştırılmaktadır. Böylece A-YZ, teknik yetenekleri (veri analitiği, otomasyon, öngörücü modelleme) sosyal etkileşimle (iş birliği, iletişim, güven) bütünleştiren birleştirici bir unsur hâline gelmektedir. Mevcut literatür yapay zekâyı büyük ölçüde otomasyon ve karar destek işlevleriyle sınırlandırırken, bu çalışma A-YZ’nin otonom, uyarlanabilir ve kendi kendini düzenleyen doğasını vurgulamakta; hedef belirleme, eylem planlama ve davranışları koordine etme yetenekleri sayesinde sosyo-teknik bütünleşmeyi güçlendirdiğini ortaya koymaktadır.

Bu çalışma kavramsal nitelikte olup nitel literatür sentezi ve kavramsal analiz yaklaşımını benimsemektedir. İlgili akademik makaleler ve kurumsal raporlar sistematik olarak incelenmiştir. İnceleme, Web of Science ve Scopus veri tabanlarında indekslenen güncel yayınları kapsamakta; ayrıca proje yönetimi çerçeveleri ve yapay zekâ entegrasyonunun anlaşılmasını desteklemek amacıyla PMI, ISO ve OECD gibi uluslararası kuruluşların standart ve rehberlerinden yararlanılmıştır.

Çalışma, A-YZ’nin başlatma, planlama, yürütme, izleme-kontrol ve kapanış aşamalarına sağladığı katkıları kavramsal olarak incelemekte ve klasik yapay zekâdan otonom, öğrenme odaklı ve etkileşimli dijital yönetişime geçişi ortaya koymaktadır. Başlatma aşamasında A-YZ, kapsamlı veri kaynaklarını işleyerek fizibilite ve stratejik uyum analizlerini güçlendirmekte; dijital ikiz entegrasyonu sayesinde kapsam, zaman, maliyet ve risk değişkenlerini dinamik olarak modelleyebilmekte ve otonom biçimde başlatma stratejileri önerebilmektedir. Bu yaklaşım, yetki belirsizliklerini azaltmakta ve veriye dayalı rasyonelleştirme yoluyla önceliklendirme ile görev dağılımını iyileştirmektedir. Planlama aşamasında A-YZ, çevresel değişimleri algılayarak uyarlanabilir ve kendini güncelleyen planlar geliştirmekte; kaynak dengesizliklerini erken aşamada belirlemekte, paydaş iletişimini güçlendirmekte ve çok kanallı veri analizi yoluyla bilgi sürekliliğini sağlayarak planları statik belgelerden “yaşayan sistemlere” dönüştürmektedir. Yürütme aşamasında ise A-YZ, tedarik gecikmeleri, hava koşulları veya iş gücü yetersizlikleri karşısında planları otonom biçimde yeniden yapılandırarak otomasyonun ötesine geçmekte ve koordinasyon ile karar verme hızını artırmaktadır. İzleme-kontrol aşamasında çoklu veri kaynaklarını gerçek zamanlı olarak bütünleştirerek sapmaların erken tespit edilmesini ve öngörücü veya önerici karar önerilerinin geliştirilmesini sağlamaktadır. Açıklanabilir Yapay Zekâ ilkeleri doğrultusunda kararlarının gerekçelerini şeffaf biçimde sunarak izleme sürecini öğrenme odaklı bir yapıya dönüştürmektedir. Son olarak kapanış aşamasında A-YZ, proje verilerini bütünleştirmekte, öğrenilen dersleri sistematik hâle getirmekte ve gelecekteki projeler için açıklanabilir raporlar üreterek kapanışı biçimsel bir son olmaktan çıkarıp örgütsel öğrenme ve etik hesap verebilirlik döngüsüne dönüştürmektedir. Genel olarak çalışma, A-YZ’nin belirsizliği azalttığını, karar doğruluğunu artırdığını ve daha dengeli, öğrenme odaklı bir insan–yapay zekâ etkileşimini teşvik ettiğini ileri sürmektedir. Bununla birlikte A-YZ’nin entegrasyonu, teknik ve operasyonel alanların ötesinde hukuki, etik, psikolojik ve yönetişim boyutlarını kapsayan yeni risk türlerini de beraberinde getirmektedir. Hukuki sorumluluk ve hesap verebilirlik açısından, A-YZ’nin otonomluğu hatalı veya zararlı kararlar durumunda sorumluluğun belirlenmesini güçleştirmekte; bu nedenle “dijital temsilcilik” veya “yapay zekâ yetki devri” gibi yeni kavramlara ihtiyaç duyulabileceği belirtilmektedir. Bu bağlamda Açıklanabilir Yapay Zekâ (XAI) ilkeleri izlenebilirliği artırmak ve şeffaflığı sağlamak açısından kritik önem taşımaktadır. Psikolojik bağımlılık ve bilişsel rehavet açısından, A-YZ’nin yüksek doğruluğu ve karar verme hızı yöneticilerin önerileri sorgulamadan kabul etmelerine neden olabilmekte, analitik katılımı zayıflatabilmekte ve sosyal izolasyon ya da “ahlaki uzaklaşma” gibi sonuçlar doğurabilmektedir. Algoritmik etik ve kültürel uyum açısından ise farklı kültürel ve ahlaki bağlamlar adalet kavramının farklı biçimlerde yorumlanmasına yol açabilmekte; bu nedenle bağlamsal etik kalibrasyonuna ihtiyaç duyulmaktadır. Siber güvenlik ve manipülasyon açısından, A-YZ mimarilerinin yüksek düzeyde bağlantılı yapısı veri zehirleme ve kötü niyetli müdahalelere karşı maruziyeti artırmakta ve siber saldırıların etkisini büyütebilmektedir. Son olarak yönetişim ve insan denetimi açısından, otonom karar döngüleri klasik “insan döngüde (human-in-the-loop)” ilkesini zayıflatabilmekte ve rol ile sorumluluk sınırlarının yeniden tasarlanmasını gerektirmektedir. Bu konu, çalışmanın politika önerilerinde de vurgulanmaktadır.

A-YZ’nin yükselişi, proje yöneticisinin rolünü teknik bir uygulayıcıdan etik bir gözetmen ve stratejik yorumlayıcıya dönüştürmektedir. Proje yöneticileri artık yalnızca operasyonel koordinasyondan sorumlu değildir; aynı zamanda A-YZ sistemlerinin kararları nasıl ve neden aldığını denetlemek, etik sınırları belirlemek ve insan–makine arasındaki sorumluluk dağılımını yönetmek zorundadır. Bu dönüşüm; yapay zekâ okuryazarlığı, etik muhakeme, sistem düşüncesi, algoritmik denetim ve veri diplomasisi gibi yetkinlikleri ön plana çıkarmakta; proje yöneticilerini insanların ve otonom ajanların birlikte değer ürettiği hibrit karar ekosistemlerinin orkestratörleri olarak konumlandırmaktadır.

Sonuç ve Öneriler: Çalışma, A-YZ’yi STS çerçevesi içerisinde birlikte optimizasyon ilkesi aracılığıyla insan muhakemesi ile veri odaklı otonomi arasında aracılık eden yeni bir sosyo-teknik aktör olarak konumlandırmaktadır. Bu kavramsal yaklaşım, teknolojik kapasite ile etik ve insan merkezli karar verme arasında denge kurulması gerektiğini vurgulamaktadır. A-YZ, belirsizliği azaltarak, karar doğruluğunu artırarak ve öğrenme ile hesap verebilirlik mekanizmalarını güçlendirerek proje yaşam döngüsünün tüm aşamalarında dönüştürücü bir rol üstlenmektedir. Ancak başarının yalnızca teknik performansa değil; etik bütünlük, şeffaflık ve insan denetimine dayalı yönetişim modellerine bağlı olduğu ifade edilmektedir.

ملخص منظم:

في سياق «الصناعة 5.0»، تطور دور الذكاء الاصطناعي (AI) ليتجاوز مجرد الأتمتة ليصبح القوة الدافعة لآليات التعلم والتنبؤ ودعم اتخاذ القرار. تهدف هذه الدراسة إلى إجراء فحص مفاهيمي لكيفية قيام الذكاء الاصطناعي الفاعل (A-AI) بتحويل مراحل إدارة المشاريع — البدء، والتخطيط، والتنفيذ، والرصد والتحكم، والإغلاق — وكيفية إعادة تعريفه لأدوار مديري المشاريع من منظور نظرية النظم الاجتماعية-التقنية. وبناءً على ذلك، تسعى الدراسة إلى المساهمة في النقاش النظري الناشئ حول الآثار الاجتماعية-التقنية للذكاء الاصطناعي الفاعل (A-AI) في إدارة المشاريع من خلال دمج نظرية النظم الاجتماعية-التقنية مع الأدبيات المتعلقة بإدارة المشاريع.

تستند الدراسة إلى نظرية النظم الاجتماعية-التقنية (STS) التي طورها تريست وبامفورث في الخمسينيات من القرن الماضي. تنظر نظرية النظم الاجتماعية-التقنية إلى المنظمات باعتبارها كيانات شمولية يتشكل شكلها من خلال التفاعل بين النظم التقنية (الأدوات، والعمليات، والتقنيات) والنظم الاجتماعية (الأفراد، والعلاقات، والقيم). ووفقًا لمبدأ «التحسين المشترك» الذي تنص عليه هذه النظرية، يعتمد الأداء على التوافق المتوازن بين هذين النظامين الفرعيين. ولتفهم دمج الذكاء الاصطناعي في المنظمات، توفر نظرية النظم الاجتماعية-التقنية إطارًا قويًّا يتجاوز القدرات التقنية ليشمل الأبعاد الثقافية والقيادية والتواصلية. وضمن هذا الإطار، يُنظر إلى الذكاء الاصطناعي التعاوني (A-AI) باعتباره مكونًا ديناميكيًّا في شبكة التفاعل بين الإنسان والذكاء الاصطناعي والمنظمة — أي فاعل اجتماعي-تقني يتفاعل مع عمليات اتخاذ القرار البشرية، ويتعلم من السياق، ويتكيف بشكل مستقل. وبالتالي، يصبح الذكاء الاصطناعي التفاعلي (A-AI) عنصرًا موحدًا يدمج القدرات التقنية (تحليل البيانات، والأتمتة، والنمذجة التنبؤية) مع التفاعل الاجتماعي (التعاون، والتواصل، والثقة). في حين أن الأدبيات الحالية قد حصرت الذكاء الاصطناعي إلى حد كبير في وظائف الأتمتة ودعم اتخاذ القرار، فإن هذه الدراسة تؤكد على الطبيعة المستقلة والتكيفية والمنظمة ذاتيًا للذكاء الاصطناعي التفاعلي (A-AI)، مسلطة الضوء على قدرته على تحديد الأهداف، وتخطيط الإجراءات، وتنسيق السلوك، مما يعزز التكامل الاجتماعي-التقني.

تتسم هذه الدراسة بطابعها المفاهيمي، وتستخدم نهجًا يتضمن توليفًا نوعيًا للأدبيات وتحليلًا مفاهيميًا. وقد تمت مراجعة المقالات الأكاديمية والتقارير المؤسسية ذات الصلة بشكل منهجي. ويشمل الفحص المنشورات الحديثة المفهرسة في «Web of Science» و«Scopus»، مع استكمالها بالمعايير والمبادئ التوجيهية الدولية مثل تلك الصادرة عن «PMI» و«ISO» و«OECD»، والتي استُخدمت كمصادر داعمة لفهم أطر إدارة المشاريع وتكامل الذكاء الاصطناعي.

تستكشف الدراسة من الناحية النظرية مساهمات الذكاء الاصطناعي المستقل (A-AI) في مراحل البدء والتخطيط والتنفيذ والرصد والتحكم والإنهاء، مع تسليط الضوء على الانتقال من الذكاء الاصطناعي الكلاسيكي إلى الحوكمة الرقمية المستقلة والموجهة نحو التعلم والتفاعلية. في مرحلة البدء، يعزز الذكاء الاصطناعي المستقل (A-AI) تحليلات الجدوى والتوافق الاستراتيجي من خلال معالجة مصادر بيانات واسعة النطاق؛ ومن خلال تكامل التوأم الرقمي، يمكنه نمذجة متغيرات النطاق والوقت والتكلفة والمخاطر ديناميكيًا، واقتراح استراتيجيات البدء بشكل مستقل. يقلل هذا النهج من الغموض في توزيع الصلاحيات ويحسن تحديد الأولويات وتوزيع المهام من خلال الترشيد القائم على البيانات. أثناء التخطيط، تدرك الذكاء الاصطناعي المستقل (A-AI) التقلبات البيئية وتضع خططًا تكيفية تتحديث ذاتيًا؛ كما تكتشف اختلالات الموارد في وقت مبكر، وتعزز التواصل بين أصحاب المصلحة، وتضمن استمرارية المعلومات من خلال تحليل البيانات عبر قنوات متعددة — مما يحول الخطط من وثائق ثابتة إلى «أنظمة حية». في مرحلة التنفيذ، يتجاوز الذكاء الاصطناعي التكيفي (A-AI) حدود الأتمتة من خلال إعادة هيكلة الخطط بشكل مستقل استجابةً لتأخيرات التوريد أو الظروف الجوية أو نقص القوى العاملة، مما يزيد من التنسيق وسرعة اتخاذ القرار. وفي مرحلة المراقبة والتحكم، يدمج الذكاء الاصطناعي التكيفي (A-AI) مصادر بيانات متعددة في الوقت الفعلي، مما يتيح الكشف المبكر عن الانحرافات وتقديم توصيات قرارات تنبؤية أو توجيهية. ومن خلال مبادئ الذكاء الاصطناعي القابل للتفسير، يجعل الذكاء الاصطناعي التكيفي (A-AI) استدلاله شفافًا، محولًا المراقبة إلى عملية موجهة نحو التعلم. وأخيرًا، خلال مرحلة الإغلاق، تقوم A-AI بتوحيد بيانات المشروع، وتنظيم الدروس المستفادة، وإنشاء تقارير قابلة للتفسير للمشاريع المستقبلية، مما يحول الإغلاق من نقطة نهاية شكلية إلى دورة من التعلم المؤسسي والمساءلة الأخلاقية. وبشكل عام، تشير الدراسة إلى أن A-AI تقلل من عدم اليقين، وتحسن دقة اتخاذ القرار، وتعزز تفاعلًا أكثر توازنًا وموجهًا نحو التعلم بين الإنسان والذكاء الاصطناعي. كما أن دمج الذكاء الاصطناعي القابل للتفسير (A-AI) يجلب أنواعاً جديدة من المخاطر تتجاوز المجالات التقنية أو التشغيلية، لتمتد إلى الأبعاد القانونية والأخلاقية والنفسية والحوكمة. فيما يتعلق بالمسؤولية القانونية والمساءلة، فإن استقلالية الذكاء الاصطناعي القابل للتفسير (A-AI) تجعل من الصعب تحديد المسؤولية في حالة اتخاذ قرارات خاطئة أو ضارة؛ ولذلك قد تكون هناك حاجة إلى مفاهيم مثل «الوكالة الرقمية» أو «تفويض الذكاء الاصطناعي». وتعد مبادئ الذكاء الاصطناعي القابل للتفسير (XAI) حيوية لتعزيز إمكانية التتبع وضمان الشفافية. وفيما يتعلق بالاعتماد النفسي والرضا الذهني، قد تدفع الدقة والسرعة العاليتان للذكاء الاصطناعي المستقل (A-AI) المديرين إلى قبول اقتراحاته دون تمحيص، مما يضعف مشاركتهم التحليلية ويعزز العزلة الاجتماعية أو «التباعد الأخلاقي». ومن منظور أخلاقيات الخوارزميات والتكيف الثقافي، قد تؤدي السياقات الثقافية والأخلاقية المتباينة إلى تفسيرات متضاربة لمفهوم الإنصاف، مما يستلزم إجراء معايرة أخلاقية سياقية. وفيما يتعلق بالأمن السيبراني والتلاعب، فإن الطبيعة شديدة الترابط لبنى الذكاء الاصطناعي المستقل (A-AI) تزيد من التعرض لتسميم البيانات والتدخل الخبيث، مما يضخم العواقب المحتملة للهجمات السيبرانية. وأخيرًا، في إطار الحوكمة والإشراف البشري، يمكن أن تضعف حلقات اتخاذ القرار المستقلة مبدأ «تدخل الإنسان في الحلقة» الكلاسيكي، مما يتطلب إعادة تصميم حدود الأدوار والمسؤوليات — وهو موضوع تم تعزيزه من خلال التوصيات السياساتية للدراسة.

إن صعود الذكاء الاصطناعي المستقل (A-AI) يعيد تعريف دور مدير المشروع، حيث يحوله من منفذ تقني إلى مشرف أخلاقي ومفسر استراتيجي. لم يعد مديرو المشاريع مسؤولين حصريًّا عن التنسيق التشغيلي؛ بل يتعين عليهم مراقبة كيفية واتخاذ أنظمة الذكاء الاصطناعي المستقلة (A-AI) للقرارات وأسبابها، ووضع الحدود الأخلاقية، وتنسيق توزيع المسؤولية بين الإنسان والآلة. ويؤكد هذا التطور على كفاءات مثل الإلمام بالذكاء الاصطناعي، والتفكير الأخلاقي، والتفكير النظمي، والإشراف على الخوارزميات، ودبلوماسية البيانات — مما يضع مديري المشاريع في موقع منسقي النظم الإيكولوجية الهجينة لاتخاذ القرار، حيث يشارك البشر والعوامل المستقلة في خلق القيمة.

الخلاصة والتوصيات: تُضع هذه الدراسة الذكاء الاصطناعي الوكيل (A-AI) كفاعل اجتماعي-تقني جديد ضمن إطار نظرية النظم الاجتماعية-التقنية (STS)، حيث يتوسط بين الحكم البشري والاستقلالية القائمة على البيانات من خلال مبدأ التحسين المشترك. ويؤكد هذا النهج المفاهيمي على الحاجة إلى تحقيق التوازن بين القدرات التكنولوجية واتخاذ القرارات الأخلاقية التي تركز على الإنسان. يلعب الذكاء الاصطناعي الوكيل (A-AI) دورًا تحويليًا عبر جميع مراحل دورة حياة المشروع من خلال تقليل عدم اليقين، وتعزيز دقة اتخاذ القرار، وتقوية آليات التعلم والمساءلة. ومع ذلك، فإن النجاح لا يعتمد فقط على الأداء التقني، بل على نماذج الحوكمة القائمة على النزاهة الأخلاقية والشفافية والإشراف البشري.

Résumé structuré :

Dans le contexte de l’Industrie 5.0, le rôle de l’intelligence artificielle (IA) a évolué au-delà de l’automatisation pour devenir le moteur des mécanismes d’apprentissage, de prédiction et d’aide à la décision. L’objectif de cette étude est d’examiner de manière conceptuelle comment l’intelligence artificielle agentique (A-IA) transforme les étapes de la gestion de projet — lancement, planification, exécution, suivi-contrôle et clôture — et comment elle redéfinit les rôles des chefs de projet du point de vue de la théorie des systèmes socio-techniques. En conséquence, cette étude vise à contribuer au débat conceptuel émergent sur les implications socio-techniques de l’IA agentive (A-IA) dans la gestion de projet, en intégrant la théorie des systèmes socio-techniques à la littérature sur la gestion de projet.

Cette étude s’appuie sur la théorie des systèmes socio-techniques (STS) développée par Trist et Bamforth dans les années 1950. La STS considère les organisations comme des entités holistiques façonnées par l’interaction entre les systèmes techniques (outils, processus, technologies) et les systèmes sociaux (individus, relations, valeurs). Selon son principe d’optimisation conjointe, la performance dépend de l’alignement équilibré de ces deux sous-systèmes. Pour comprendre l’intégration de l’IA dans les organisations, la STS fournit un cadre solide qui va au-delà des capacités techniques pour inclure les dimensions culturelles, de leadership et de communication. Dans ce cadre, l’IA-A est conceptualisée comme une composante dynamique du réseau d’interaction entre l’humain, l’IA et l’organisation — un acteur socio-technique qui s’implique dans les processus décisionnels humains, apprend du contexte et s’adapte de manière autonome. Ainsi, l’A-IA devient un élément unificateur qui intègre les capacités techniques (analyse de données, automatisation, modélisation prédictive) aux interactions sociales (collaboration, communication, confiance). Alors que la littérature existante a largement confiné l’IA aux fonctions d’automatisation et d’aide à la décision, cette étude met l’accent sur la nature autonome, adaptative et autorégulatrice de l’A-IA, soulignant sa capacité à fixer des objectifs, à planifier des actions et à coordonner les comportements, renforçant ainsi l’intégration socio-technique.

Cette étude est de nature conceptuelle et recourt à une synthèse qualitative de la littérature ainsi qu’à une approche d’analyse conceptuelle. Les articles universitaires et rapports institutionnels pertinents ont fait l’objet d’une revue systématique. L’examen englobe les publications récentes indexées dans Web of Science et Scopus, complétées par des normes et lignes directrices internationales telles que celles du PMI, de l’ISO et de l’OCDE, qui ont servi de sources d’appui pour comprendre les cadres de gestion de projet et l’intégration de l’IA.

L’étude explore de manière conceptuelle les contributions de l’A-IA aux phases de lancement, de planification, d’exécution, de suivi-contrôle et de clôture, en mettant en évidence la transition de l’IA classique vers une gouvernance numérique autonome, axée sur l’apprentissage et interactive. Au cours de la phase de lancement, l’A-IA renforce les analyses de faisabilité et d’alignement stratégique en traitant des sources de données exhaustives ; grâce à l’intégration d’un jumeau numérique, elle peut modéliser de manière dynamique les variables de périmètre, de délai, de coût et de risque, et proposer de manière autonome des stratégies de lancement. Cette approche réduit les ambiguïtés en matière de responsabilité et améliore la hiérarchisation des priorités ainsi que la répartition des tâches grâce à une rationalisation fondée sur les données. Au cours de la planification, l’A-AI perçoit les fluctuations de l’environnement et élabore des plans adaptatifs et auto-actualisés ; elle détecte précocement les déséquilibres en matière de ressources, améliore la communication entre les parties prenantes et assure la continuité de l’information grâce à une analyse multicanale des données, transformant ainsi les plans de documents statiques en « systèmes vivants ». Au stade de l’exécution, l’A-AI va au-delà de l’automatisation en restructurant de manière autonome les plans en réponse aux retards d’approvisionnement, aux conditions météorologiques ou aux pénuries de main-d’œuvre, améliorant ainsi la coordination et la rapidité de la prise de décision. Lors de la phase de suivi et de contrôle, elle intègre en temps réel de multiples sources de données, permettant une détection précoce des écarts et des recommandations décisionnelles prédictives ou prescriptives. Grâce aux principes de l’IA explicable, l’A-AI rend son raisonnement transparent, transformant le suivi en un processus axé sur l’apprentissage. Enfin, lors de la clôture, l’A-AI consolide les données du projet, systématise les enseignements tirés et génère des rapports explicables pour les projets futurs, transformant ainsi la clôture d’une étape formelle en un cycle d’apprentissage organisationnel et de responsabilité éthique. Dans l’ensemble, l’étude suggère que l’A-AI réduit l’incertitude, améliore la précision des décisions et favorise une interaction homme-IA plus équilibrée et axée sur l’apprentissage. L’intégration de l’A-AI introduit également de nouveaux types de risques au-delà des domaines techniques ou opérationnels, s’étendant aux dimensions juridiques, éthiques, psychologiques et de gouvernance. En termes de responsabilité juridique et de reddition de comptes, l’autonomie de l’A-AI rend difficile la détermination de la responsabilité en cas de décisions erronées ou préjudiciables ; des concepts tels que « l’agence numérique » ou la « délégation à l’IA » pourraient donc s’avérer nécessaires. Les principes de l’IA explicable (XAI) sont essentiels pour renforcer la traçabilité et garantir la transparence. En ce qui concerne la dépendance psychologique et la complaisance cognitive, la grande précision et la rapidité de l’IA-A peuvent conduire les responsables à accepter ses suggestions sans esprit critique, affaiblissant ainsi leur engagement analytique et favorisant l’isolement social ou la « distanciation morale ». Du point de vue de l’éthique algorithmique et de l’adaptation culturelle, des contextes culturels et moraux divergents peuvent conduire à des interprétations contradictoires de l’équité, rendant ainsi nécessaire un ajustement éthique contextuel. En matière de cybersécurité et de manipulation, la nature hyperconnectée des architectures d’IA autonome accroît l’exposition à l’empoisonnement des données et aux interférences malveillantes, amplifiant ainsi les conséquences potentielles des cyberattaques. Enfin, en matière de gouvernance et de supervision humaine, les boucles de décision autonomes peuvent affaiblir le principe classique de l’« intervention humaine dans la boucle », ce qui nécessite une redéfinition des limites des rôles et des responsabilités — un thème renforcé par les recommandations politiques de l’étude.

L’essor de l’A-IA redéfinit le rôle du chef de projet, le faisant passer de celui d’un exécutant technique à celui d’un superviseur éthique et d’un interprète stratégique. Les chefs de projet ne sont plus uniquement responsables de la coordination opérationnelle ; ils doivent surveiller comment et pourquoi les systèmes d’A-IA prennent des décisions, fixer des limites éthiques et orchestrer la répartition des responsabilités entre l’homme et la machine. Cette évolution met l’accent sur des compétences telles que la maîtrise de l’IA, le raisonnement éthique, la pensée systémique, la supervision algorithmique et la diplomatie des données — positionnant les chefs de projet comme des orchestrateurs d’écosystèmes décisionnels hybrides où les humains et les agents autonomes co-créent de la valeur.

Conclusion et recommandations : L’étude positionne l’IA-A comme un nouvel acteur socio-technique au sein du cadre STS (Science, Technologie et Société), jouant un rôle de médiation entre le jugement humain et l’autonomie fondée sur les données grâce au principe d’optimisation conjointe. Cette approche conceptuelle souligne la nécessité d’équilibrer les capacités technologiques avec une prise de décision éthique et centrée sur l’humain. L’IA-A joue un rôle transformateur à toutes les phases du cycle de vie du projet en réduisant l’incertitude, en améliorant la précision des décisions et en renforçant les mécanismes d’apprentissage et de responsabilité. Le succès ne dépend toutefois pas uniquement des performances techniques, mais aussi de modèles de gouvernance fondés sur l’intégrité éthique, la transparence et le contrôle humain.

Resumen estructurado:

En el contexto de la Industria 5.0, el papel de la inteligencia artificial (IA) ha evolucionado más allá de la automatización para convertirse en la fuerza motriz de los mecanismos de aprendizaje, predicción y apoyo a la toma de decisiones. El objetivo de este estudio es examinar conceptualmente cómo la inteligencia artificial agencial (A-IA) transforma las fases de la gestión de proyectos —iniciación, planificación, ejecución, seguimiento y control, y cierre— y cómo redefine las funciones de los gestores de proyectos desde la perspectiva de la teoría de los sistemas sociotécnicos. En consecuencia, el estudio pretende contribuir al debate conceptual emergente sobre las implicaciones sociotécnicas de la IA-agente en la gestión de proyectos mediante la integración de la teoría de los sistemas sociotécnicos con la bibliografía sobre gestión de proyectos.

El estudio se basa en la Teoría de los Sistemas Sociotécnicos (STS) desarrollada por Trist y Bamforth en la década de 1950. La STS considera a las organizaciones como entidades holísticas moldeadas por la interacción entre los sistemas técnicos (herramientas, procesos, tecnologías) y los sistemas sociales (personas, relaciones, valores). Según su principio de optimización conjunta, el rendimiento depende de la alineación equilibrada de estos dos subsistemas. Para comprender la integración de la IA en las organizaciones, la STS proporciona un marco sólido que va más allá de la capacidad técnica para incluir dimensiones culturales, de liderazgo y comunicativas. Dentro de este marco, la IA-A se conceptualiza como un componente dinámico de la red de interacción entre personas, IA y organización: un actor sociotécnico que participa en los procesos de decisión humanos, aprende del contexto y se adapta de forma autónoma. Así, la IA-A se convierte en un elemento unificador que integra las capacidades técnicas (análisis de datos, automatización, modelización predictiva) con la interacción social (colaboración, comunicación, confianza). Si bien la bibliografía existente ha limitado en gran medida la IA a funciones de automatización y apoyo a la toma de decisiones, este estudio hace hincapié en la naturaleza autónoma, adaptativa y autorreguladora de la IA-A, destacando su capacidad para establecer objetivos, planificar acciones y coordinar el comportamiento, mejorando así la integración sociotécnica.

Este estudio es de carácter conceptual y emplea un enfoque de síntesis bibliográfica cualitativa y análisis conceptual. Se revisaron sistemáticamente artículos académicos y informes institucionales relevantes. El análisis abarca publicaciones recientes indexadas en Web of Science y Scopus, complementadas con normas y directrices internacionales, como las del PMI, la ISO y la OCDE, que se utilizaron como fuentes de apoyo para comprender los marcos de gestión de proyectos y la integración de la IA.

El estudio explora conceptualmente las contribuciones de la IA-A a las fases de iniciación, planificación, ejecución, seguimiento y control, y cierre, destacando la transición de la IA clásica hacia una gobernanza digital autónoma, orientada al aprendizaje e interactiva. En la fase de iniciación, la IA-A refuerza los análisis de viabilidad y alineación estratégica mediante el procesamiento de amplias fuentes de datos; a través de la integración de gemelos digitales, puede modelar dinámicamente variables de alcance, tiempo, coste y riesgo, proponiendo de forma autónoma estrategias de iniciación. Este enfoque reduce las ambigüedades en materia de autoridad y mejora la priorización y la distribución de tareas mediante una racionalización basada en datos. Durante la planificación, la IA-A percibe las fluctuaciones del entorno y desarrolla planes adaptativos que se actualizan automáticamente; detecta a tiempo los desequilibrios de recursos, mejora la comunicación con las partes interesadas y garantiza la continuidad de la información mediante el análisis multicanal de datos, transformando los planes de documentos estáticos en «sistemas vivos». En la fase de ejecución, la A-AI va más allá de la automatización al reestructurar de forma autónoma los planes en respuesta a retrasos en el suministro, condiciones meteorológicas o escasez de mano de obra, lo que aumenta la coordinación y la rapidez en la toma de decisiones. En la fase de seguimiento y control, integra múltiples fuentes de datos en tiempo real, lo que permite la detección temprana de desviaciones y la formulación de recomendaciones de decisiones predictivas o prescriptivas. A través de los principios de la IA explicable, la A-AI hace transparente su razonamiento, transformando el seguimiento en un proceso orientado al aprendizaje. Por último, durante la fase de cierre, la A-AI consolida los datos del proyecto, sistematiza las lecciones aprendidas y genera informes explicables para futuros proyectos, convirtiendo el cierre de un punto final formal en un ciclo de aprendizaje organizativo y responsabilidad ética. En general, el estudio sugiere que la A-AI reduce la incertidumbre, mejora la precisión de las decisiones y promueve una interacción entre humanos e IA más equilibrada y orientada al aprendizaje. La integración de la A-AI también introduce nuevos tipos de riesgos más allá de los ámbitos técnicos u operativos, que se extienden a las dimensiones jurídica, ética, psicológica y de gobernanza. En cuanto a la responsabilidad jurídica y la rendición de cuentas, la autonomía de la A-AI dificulta la determinación de la responsabilidad en caso de decisiones erróneas o perjudiciales; por lo tanto, podrían ser necesarios conceptos como la «agencia digital» o la «delegación en la IA». Los principios de la IA explicable (XAI) son fundamentales para mejorar la trazabilidad y garantizar la transparencia. En cuanto a la dependencia psicológica y la complacencia cognitiva, la elevada precisión y velocidad de la IA-A pueden llevar a los gestores a aceptar sus sugerencias de forma acrítica, lo que debilita su compromiso analítico y fomenta el aislamiento social o el «distanciamiento moral». Desde el punto de vista de la ética algorítmica y la adaptación cultural, los diferentes contextos culturales y morales pueden dar lugar a interpretaciones contradictorias de la equidad, lo que hace necesaria una calibración ética contextual. En cuanto a la ciberseguridad y la manipulación, la naturaleza hiperconectada de las arquitecturas de IA-A aumenta la exposición al envenenamiento de datos y a las interferencias maliciosas, lo que amplifica las posibles consecuencias de los ciberataques. Por último, en lo que respecta a la gobernanza y la supervisión humana, los bucles de decisión autónomos pueden debilitar el principio clásico del «ser humano en el bucle», lo que exige un rediseño de los límites de las funciones y responsabilidades —un tema reforzado a través de las recomendaciones políticas del estudio—.

El auge de la IA-A redefine el papel del gestor de proyectos, transformándolo de un ejecutor técnico a un supervisor ético e intérprete estratégico. Los gestores de proyectos ya no son los únicos responsables de la coordinación operativa; deben supervisar cómo y por qué los sistemas de IA-A toman decisiones, establecer límites éticos y orquestar el reparto de responsabilidades entre humanos y máquinas. Esta evolución pone de relieve competencias como la alfabetización en IA, el razonamiento ético, el pensamiento sistémico, la supervisión algorítmica y la diplomacia de datos, lo que sitúa a los gestores de proyectos como orquestadores de ecosistemas de decisión híbridos en los que los humanos y los agentes autónomos crean valor de forma conjunta.

Conclusión y recomendaciones: El estudio sitúa a la IA-A como un nuevo actor sociotécnico dentro del marco de la STS, que media entre el juicio humano y la autonomía basada en datos a través del principio de optimización conjunta. Este enfoque conceptual subraya la necesidad de equilibrar la capacidad tecnológica con una toma de decisiones ética y centrada en el ser humano. La IA-A desempeña un papel transformador en todas las fases del ciclo de vida del proyecto al reducir la incertidumbre, mejorar la precisión de las decisiones y reforzar los mecanismos de aprendizaje y rendición de cuentas. El éxito, sin embargo, no depende únicamente del rendimiento técnico, sino de modelos de gobernanza basados en la integridad ética, la transparencia y la supervisión humana.

结构化摘要：

在“工业5.0”的背景下，人工智能（AI）的作用已超越自动化，成为学习、预测和决策支持机制的驱动力。本研究旨在从社会技术系统理论的角度，概念性地探讨代理型人工智能（A-AI）如何重塑项目管理的各个阶段——启动、规划、执行、监控与控制以及收尾——以及如何重新定义项目经理的角色。因此，本研究旨在通过将社会技术系统理论与项目管理文献相结合，为关于A-AI在项目管理中社会技术影响的新兴概念性讨论做出贡献。

本研究基于特里斯特（Trist）和巴姆福斯（Bamforth）于20世纪50年代提出的社会技术系统理论（STS）。该理论将组织视为由技术系统（工具、流程、技术）与社会系统（人、关系、价值观）的相互作用所塑造的整体性实体。根据其联合优化原则，绩效取决于这两个子系统的平衡协调。在理解人工智能融入组织的过程中，STS提供了一个强大的框架，该框架不仅涵盖技术能力，还包括文化、领导力和沟通维度。在此框架下，A-AI被概念化为人类-人工智能-组织交互网络中的动态组成部分——一种社会技术行为体，它参与人类决策过程，从情境中学习，并自主适应。因此，A-AI成为一种统合要素，将技术能力（数据分析、自动化、预测建模）与社会互动（协作、沟通、信任）融合在一起。虽然现有文献大多将人工智能局限于自动化和决策支持功能，但本研究强调A-AI的自主性、适应性和自我调节性，突出了其设定目标、规划行动和协调行为的能力，从而增强了社会技术整合。

本研究属于概念性研究，采用定性文献综述与概念分析方法。系统性地审查了相关学术论文和机构报告。审查范围涵盖Web of Science和Scopus收录的近期出版物，并辅以PMI、ISO和OECD等国际标准和指南，将其作为理解项目管理框架和AI整合的辅助资料。

本研究从概念层面探讨了A-AI在启动、规划、执行、监控与控制以及收尾阶段的贡献，重点突出了从经典人工智能向自主、以学习为导向且具有交互性的数字治理的转型。在启动阶段，A-AI通过处理海量数据源来强化可行性分析和战略对齐分析；通过数字孪生集成，它能够动态建模范围、时间、成本和风险变量，并自主提出启动策略。这种方法通过基于数据的合理化分析，减少了权限模糊性，并优化了优先级排序和任务分配。在规划阶段，A-AI 感知环境波动并制定自适应、自更新的计划；它通过多渠道数据分析，及早发现资源失衡，增强利益相关者沟通，并确保信息连续性——从而将计划从静态文档转变为“活系统”。在执行阶段，A-AI超越了自动化范畴，能够针对供应延误、天气状况或劳动力短缺等情况自主调整计划，从而提高协调效率和决策速度。在监控阶段，它实时整合多源数据，实现偏差的早期检测，并提供预测性或规范性决策建议。通过可解释人工智能原则，A-AI使其推理过程透明化，将监控转变为以学习为导向的过程。最后，在项目收尾阶段，A-AI 整合项目数据，系统化总结经验教训，并为未来项目生成可解释的报告，将收尾从一个形式上的终点转变为组织学习与伦理问责的循环。总体而言，该研究表明 A-AI 能够降低不确定性，提高决策准确性，并促进更均衡、更注重学习的人机交互。A-AI的集成还引入了超越技术或运营领域的新型风险，延伸至法律、伦理、心理和治理维度。在法律责任和问责方面，A-AI的自主性使得在出现错误或有害决策时难以确定责任归属；因此，可能需要引入“数字代理”或“AI授权”等概念。可解释人工智能（XAI）原则对于增强可追溯性并确保透明度至关重要。关于心理依赖和认知自满，A-AI的高准确率和处理速度可能导致管理者不加批判地接受其建议，从而削弱其分析参与度，并助长社会孤立或“道德疏离”。从算法伦理和文化适应的角度来看，不同的文化和道德背景可能导致对公平性的不同解读，因此需要进行情境化的伦理校准。关于网络安全与操纵问题，A-AI架构的高度互联性增加了数据中毒和恶意干扰的风险，从而加剧了网络攻击的潜在后果。最后，在治理和人类监督方面，自主决策循环可能削弱传统的“人-在-回路”原则，需要重新设计角色与责任边界——这一主题在研究的政策建议中得到了强调。

A-AI的兴起重新定义了项目经理的角色，使其从技术执行者转变为伦理监督者和战略阐释者。项目经理不再仅负责运营协调；他们必须监控A-AI系统如何以及为何做出决策，设定伦理边界，并协调人机责任分配。这种演变突显了人工智能素养、伦理推理、系统思维、算法监督和数据外交等能力的重要性——将项目经理定位为人类与自主代理共同创造价值的混合决策生态系统的协调者。

结论与建议：本研究将A-AI定位为STS框架内的一种新型社会技术行为体，其通过联合优化原则在人类判断与数据驱动的自主性之间发挥中介作用。这一概念性方法强调了在技术能力与以人为本的伦理决策之间寻求平衡的必要性。A-AI通过降低不确定性、提高决策精度以及强化学习与问责机制，在项目生命周期的所有阶段都发挥着变革性作用。然而，成功不仅取决于技术表现，更取决于基于伦理诚信、透明度和人类监督的治理模式。

Структурированное резюме:

В контексте «Промышленности 5.0» роль искусственного интеллекта (ИИ) вышла за рамки автоматизации и стала движущей силой механизмов обучения, прогнозирования и поддержки принятия решений. Цель данного исследования заключается в концептуальном анализе того, как агентный искусственный интеллект (A-AI) трансформирует этапы управления проектами — инициирование, планирование, реализацию, мониторинг и контроль, а также завершение — и как он переопределяет роли менеджеров проектов с точки зрения теории социотехнических систем. Соответственно, исследование призвано внести вклад в развивающуюся концептуальную дискуссию о социотехнических последствиях A-AI в управлении проектами путем интеграции теории социотехнических систем с литературой по управлению проектами.

Исследование основано на теории социотехнических систем (СТС), разработанной Тристом и Бамфортом в 1950-х годах. СТС рассматривает организации как целостные образования, формируемые взаимодействием технических систем (инструментов, процессов, технологий) и социальных систем (людей, отношений, ценностей). Согласно принципу совместной оптимизации, эффективность зависит от сбалансированного согласования этих двух подсистем. Для понимания интеграции ИИ в организации STS предоставляет надежную концептуальную основу, выходящую за рамки технических возможностей и включающую культурные, лидерские и коммуникативные аспекты. В рамках этой концепции A-AI рассматривается как динамический компонент сети взаимодействия «человек–ИИ–организация» — социотехнический актор, который участвует в процессах принятия решений людьми, учится на основе контекста и автономно адаптируется. Таким образом, A-AI становится объединяющим элементом, интегрирующим технические возможности (анализ данных, автоматизация, прогнозное моделирование) с социальным взаимодействием (сотрудничество, коммуникация, доверие). В то время как в существующей литературе ИИ в основном сводится к функциям автоматизации и поддержки принятия решений, данное исследование подчеркивает автономный, адаптивный и саморегулирующийся характер A-AI, выделяя его способность ставить цели, планировать действия и координировать поведение, тем самым усиливая социально-техническую интеграцию.

Данное исследование носит концептуальный характер и основано на качественном синтезе литературы и концептуальном анализе. Был проведен систематический обзор соответствующих научных статей и институциональных отчетов. Анализ охватывает недавние публикации, индексированные в базах данных Web of Science и Scopus, дополненные международными стандартами и руководствами, такими как стандарты PMI, ISO и ОЭСР, которые использовались в качестве вспомогательных источников для понимания концептуальных моделей управления проектами и интеграции ИИ.

В исследовании концептуально изучается вклад A-AI в этапы инициирования, планирования, выполнения, мониторинга и контроля, а также завершения, при этом особое внимание уделяется переходу от классического ИИ к автономному, ориентированному на обучение и интерактивному цифровому управлению. На этапе инициирования A-AI усиливает анализ осуществимости и стратегической согласованности за счет обработки обширных источников данных; благодаря интеграции цифровых двойников он может динамически моделировать переменные объема работ, сроков, затрат и рисков, самостоятельно предлагая стратегии инициирования. Такой подход снижает неоднозначность полномочий и улучшает расстановку приоритетов и распределение задач за счет рационализации на основе данных. На этапе планирования A-AI фиксирует колебания внешних условий и разрабатывает адаптивные, самообновляющиеся планы; он на раннем этапе выявляет дисбаланс ресурсов, улучшает коммуникацию между заинтересованными сторонами и обеспечивает непрерывность информационного потока посредством многоканального анализа данных, превращая планы из статичных документов в «живые системы». На этапе реализации A-AI выходит за рамки автоматизации, самостоятельно перестраивая планы в ответ на задержки поставок, погодные условия или нехватку рабочей силы, тем самым повышая координацию и скорость принятия решений. На этапе мониторинга и контроля система интегрирует множество источников данных в режиме реального времени, что позволяет на раннем этапе выявлять отклонения и давать прогнозные или прескриптивные рекомендации по принятию решений. Благодаря принципам объяснимого ИИ A-AI обеспечивает прозрачность своего мышления, превращая мониторинг в процесс, ориентированный на обучение. Наконец, на этапе завершения A-AI консолидирует проектные данные, систематизирует извлечённые уроки и генерирует объяснимые отчёты для будущих проектов, превращая завершение из формальной конечной точки в цикл организационного обучения и этической ответственности. В целом исследование показывает, что A-AI снижает неопределённость, повышает точность принятия решений и способствует более сбалансированному и ориентированному на обучение взаимодействию человека и ИИ. Интеграция A-AI также влечет за собой появление новых типов рисков, выходящих за пределы технической или операционной сферы и распространяющихся на правовые, этические, психологические и управленческие аспекты. С точки зрения юридической ответственности и подотчетности автономность A-AI затрудняет определение ответственности в случае ошибочных или вредных решений; поэтому могут потребоваться такие концепции, как «цифровое представительство» или «делегирование ИИ». Принципы XAI имеют жизненно важное значение для повышения отслеживаемости и обеспечения прозрачности. Что касается психологической зависимости и когнитивной самоуспокоенности, высокая точность и скорость A-AI могут привести к тому, что руководители будут безкритично принимать его предложения, что ослабит их аналитическую активность и будет способствовать социальной изоляции или «моральному дистанцированию». С точки зрения алгоритмической этики и культурной адаптации различия в культурных и моральных контекстах могут привести к противоречивым интерпретациям справедливости, что требует контекстуальной этической калибровки. Что касается кибербезопасности и манипуляций, то гиперсвязанный характер архитектур A-AI увеличивает уязвимость перед «отравлением» данных и злонамеренным вмешательством, усиливая потенциальные последствия кибератак. Наконец, в контексте управления и человеческого надзора автономные циклы принятия решений могут ослабить классический принцип «человека в цикле», что требует пересмотра границ ролей и ответственности — эта тема подкрепляется рекомендациями по вопросам политики, сформулированными в исследовании.

Развитие A-AI переопределяет роль менеджера проекта, превращая его из технического исполнителя в этического контролера и стратегического интерпретатора. Руководители проектов больше не несут ответственность исключительно за оперативную координацию; они должны отслеживать, как и почему системы A-AI принимают решения, устанавливать этические границы и координировать распределение ответственности между человеком и машиной. Эта эволюция подчеркивает важность таких компетенций, как грамотность в области ИИ, этическое мышление, системное мышление, надзор за алгоритмами и «дипломатия данных», позиционируя руководителей проектов как координаторов гибридных экосистем принятия решений, в которых люди и автономные агенты совместно создают ценность.

Заключение и рекомендации: В рамках данного исследования A-AI позиционируется как новый социотехнический актор в контексте теории науки, технологий и общества (STS), выступающий посредником между человеческим суждением и автономией, основанной на данных, посредством принципа совместной оптимизации. Этот концептуальный подход подчеркивает необходимость баланса между технологическими возможностями и этическим, ориентированным на человека процессом принятия решений. A-AI играет трансформационную роль на всех этапах жизненного цикла проекта, снижая неопределенность, повышая точность решений и укрепляя механизмы обучения и подотчетности. Однако успех зависит не только от технических характеристик, но и от моделей управления, основанных на этической целостности, прозрачности и контроле со стороны человека.

संरचित सारांश:

इंडस्ट्री 5.0 के संदर्भ में, कृत्रिम बुद्धिमत्ता (AI) की भूमिका स्वचालन से परे विकसित होकर सीखने, पूर्वानुमान लगाने और निर्णय-समर्थन तंत्रों की प्रेरक शक्ति बन गई है।

इस अध्ययन का उद्देश्य वैचारिक रूप से यह जांचना है कि एजेंटिक आर्टिफिशियल इंटेलिजेंस (A-AI) परियोजना प्रबंधन के चरणों—आरंभ, योजना, निष्पादन, निगरानी-नियंत्रण, और समापन—को कैसे रूपांतरित करता है, और सामाजिक-तकनीकी प्रणाली सिद्धांत के दृष्टिकोण से यह परियोजना प्रबंधकों की भूमिकाओं को कैसे पुनर्परिभाषित करता है। तदनुसार, यह अध्ययन परियोजना प्रबंधन में ए-एआई (A-AI) के सामाजिक-तकनीकी निहितार्थों पर उभर रही वैचारिक चर्चा में योगदान देने का प्रयास करता है, सामाजिक-तकनीकी प्रणाली सिद्धांत को परियोजना प्रबंधन साहित्य के साथ एकीकृत करके।

यह अध्ययन 1950 के दशक में ट्रिस्ट और बैमफोर्थ द्वारा विकसित सामाजिक-तकनीकी प्रणाली सिद्धांत (STS) पर आधारित है। STS संगठनों को तकनीकी प्रणालियों (उपकरण, प्रक्रियाएं, प्रौद्योगिकियां) और सामाजिक प्रणालियों (लोग, संबंध, मूल्य) की परस्पर क्रिया से आकारित समग्र इकाइयों के रूप में देखता है। इसके संयुक्त अनुकूलन के सिद्धांत के अनुसार, प्रदर्शन इन दो उप-प्रणालियों के संतुलित संरेखण पर निर्भर करता है। संगठनों में एआई के एकीकरण को समझने में, एसटीएस एक मजबूत ढांचा प्रदान करता है जो तकनीकी क्षमता से आगे जाकर सांस्कृतिक, नेतृत्व और संचारी आयामों को शामिल करता है। इस ढांचे के भीतर, ए-एआई को मानव–एआई–संगठन परस्पर क्रिया नेटवर्क के एक गतिशील घटक के रूप में अवधारित किया गया है—एक सामाजिक-तकनीकी अभिकर्ता जो मानव निर्णय प्रक्रियाओं में संलग्न होता है, संदर्भ से सीखता है, और स्वायत्त रूप से अनुकूलित होता है। इस प्रकार, ए-एआई एक एकीकृत तत्व बन जाता है जो तकनीकी क्षमताओं (डेटा एनालिटिक्स, स्वचालन, भविष्यसूचक मॉडलिंग) को सामाजिक संपर्क (सहयोग, संचार, विश्वास) के साथ जोड़ता है। जबकि मौजूदा साहित्य ने बड़े पैमाने पर एआई को स्वचालन और निर्णय-समर्थन कार्यों तक सीमित रखा है, यह अध्ययन ए-एआई के स्वायत्त, अनुकूली और स्व-नियंत्रित स्वभाव पर जोर देता है, और लक्ष्यों को निर्धारित करने, कार्यों की योजना बनाने और व्यवहार का समन्वय करने की इसकी क्षमता पर प्रकाश डालता है, जिससे सामाजिक-तकनीकी एकीकरण बढ़ता है।

यह अध्ययन स्वभाव से वैचारिक है और इसमें गुणात्मक साहित्य संश्लेषण और वैचारिक विश्लेषण पद्धति का उपयोग किया गया है। प्रासंगिक शैक्षणिक लेखों और संस्थागत रिपोर्टों की व्यवस्थित रूप से समीक्षा की गई। इस परीक्षा में वेब ऑफ साइंस और स्कोपस में सूचीबद्ध हालिया प्रकाशन शामिल हैं, जिन्हें पीएमआई, आईएसओ और ओईसीडी जैसे अंतर्राष्ट्रीय मानकों और दिशानिर्देशों से पूरक बनाया गया है, जिनका उपयोग परियोजना प्रबंधन ढांचे और एआई एकीकरण को समझने के लिए सहायक स्रोतों के रूप में किया गया।

यह अध्ययन अवधारणात्मक रूप से आरंभ, योजना, निष्पादन, निगरानी-नियंत्रण और समापन के चरणों में ए-एआई के योगदान की पड़ताल करता है, जो शास्त्रीय एआई से स्वायत्त, सीखने-उन्मुख और इंटरैक्टिव डिजिटल शासन में संक्रमण को उजागर करता है। आरंभ चरण में, ए-एआई व्यापक डेटा स्रोतों को संसाधित करके व्यवहार्यता और रणनीतिक संरेखण विश्लेषण को मजबूत करता है; डिजिटल ट्विन एकीकरण के माध्यम से, यह दायरा, समय, लागत और जोखिम चरों का गतिशील रूप से मॉडल बना सकता है, और स्वायत्त रूप से आरंभ करने की रणनीतियाँ प्रस्तावित कर सकता है। यह दृष्टिकोण डेटा-आधारित तर्कसंगतता के माध्यम से प्राधिकरण की अस्पष्टता को कम करता है और प्राथमिकता निर्धारण तथा कार्य वितरण में सुधार करता है। योजना के दौरान, ए-एआई पर्यावरणीय उतार-चढ़ाव को महसूस करता है और अनुकूली, स्व-अपडेट होने वाली योजनाएँ विकसित करता है; यह संसाधन असंतुलन का जल्दी पता लगाता है, हितधारकों के बीच संचार को बढ़ाता है, और बहु-चैनल डेटा विश्लेषण के माध्यम से सूचना की निरंतरता सुनिश्चित करता है—इस प्रकार योजनाओं को स्थिर दस्तावेजों से "जीवित प्रणालियों" में बदल देता है। कार्यान्वयन चरण में, ए-एआई आपूर्ति में देरी, मौसम की स्थिति या कार्यबल की कमी की प्रतिक्रिया में योजनाओं को स्वायत्त रूप से पुनर्गठित करके स्वचालन से भी आगे जाता है, जिससे समन्वय और निर्णय लेने की गति बढ़ती है। निगरानी-नियंत्रण चरण में, यह वास्तविक समय में कई डेटा स्रोतों को एकीकृत करता है, जिससे विचलन का शीघ्र पता लगाने और भविष्यसूचक या निर्देशात्मक निर्णय सिफारिशें संभव होती हैं। समझाने योग्य एआई सिद्धांतों के माध्यम से, ए-एआई अपने तर्क को पारदर्शी बनाता है, जिससे निगरानी एक सीखने-उन्मुख प्रक्रिया में बदल जाती है।

अंत में, समापन के दौरान, ए-एआई परियोजना डेटा को समेकित करता है, सीखे गए सबकों को व्यवस्थित करता है, और भविष्य की परियोजनाओं के लिए समझाने योग्य रिपोर्ट तैयार करता है, जिससे समापन एक औपचारिक समाप्ति बिंदु से संगठनात्मक सीखने और नैतिक जवाबदेही के एक चक्र में बदल जाता है। कुल मिलाकर, अध्ययन से पता चलता है कि ए-एआई अनिश्चितता को कम करता है, निर्णय सटीकता में सुधार करता है, और एक अधिक संतुलित और सीखने-उन्मुख मानव-एआई बातचीत को बढ़ावा देता है। ए-एआई के एकीकरण से तकनीकी या परिचालन क्षेत्रों से परे नए प्रकार के जोखिम भी पैदा होते हैं, जो कानूनी, नैतिक, मनोवैज्ञानिक और शासन के आयामों तक फैले हुए हैं। कानूनी जिम्मेदारी और जवाबदेही के मामले में, ए-एआई की स्वायत्तता के कारण त्रुटिपूर्ण या हानिकारक निर्णयों की स्थिति में देयता निर्धारित करना मुश्किल हो जाता है; इसलिए "डिजिटल एजेंसी" या "एआई प्रत्यायोजन" जैसी अवधारणाओं की आवश्यकता हो सकती है। एक्सएआई (XAI) सिद्धांत ट्रेसबिलिटी (निशान खोजने की क्षमता) को बढ़ाने और पारदर्शिता सुनिश्चित करने के लिए महत्वपूर्ण हैं। मनोवैज्ञानिक निर्भरता और संज्ञानात्मक आत्मसंतोष के संबंध में, ए-एआई की उच्च सटीकता और गति प्रबंधकों को इसकी सुझावों को बिना आलोचनात्मक रूप से स्वीकार करने के लिए प्रेरित कर सकती है, जिससे उनकी विश्लेषणात्मक सहभागिता कमजोर होती है और सामाजिक अलगाव या "नैतिक दूरी" को बढ़ावा मिलता है। एल्गोरिथम नैतिकता और सांस्कृतिक अनुकूलन के दृष्टिकोण से, विभिन्न सांस्कृतिक और नैतिक संदर्भ निष्पक्षता की विरोधाभासी व्याख्याओं को जन्म दे सकते हैं, जिससे प्रसंगोचित नैतिक समायोजन की आवश्यकता होती है। साइबर सुरक्षा और हेरफेर के संबंध में, ए-एआई आर्किटेक्चर की अति-संयोजित प्रकृति डेटा पॉइजनिंग और दुर्भावनापूर्ण हस्तक्षेप के प्रति जोखिम बढ़ाती है, जिससे साइबर हमलों के संभावित परिणाम बढ़ जाते हैं। अंत में, शासन और मानवीय निगरानी के तहत, स्वायत्त निर्णय लूप क्लासिक "लूप में मानव" (human-in-the-loop) सिद्धांत को कमजोर कर सकते हैं, जिसके लिए भूमिका और जिम्मेदारी की सीमाओं के पुन: डिज़ाइन की आवश्यकता होती है—यह एक ऐसा विषय है जिसे अध्ययन की नीतिगत सिफारिशों के माध्यम से सुदृढ़ किया गया है।

ए-एआई (A-AI) का उदय परियोजना प्रबंधक की भूमिका को फिर से परिभाषित करता है, और इसे एक तकनीकी कार्यकारी की भूमिका से हटाकर एक नैतिक पर्यवेक्षक और रणनीतिक व्याख्याकार की भूमिका में बदल देता है। परियोजना प्रबंधक अब केवल परिचालन समन्वय के लिए जिम्मेदार नहीं हैं; उन्हें यह निगरानी करनी चाहिए कि ए-एआई (A-AI) प्रणालियाँ कैसे और क्यों निर्णय लेती हैं, नैतिक सीमाएँ निर्धारित करनी चाहिए, और मानव-मशीन जिम्मेदारी के वितरण का समन्वय करना चाहिए। यह विकास एआई साक्षरता, नैतिक तर्क, प्रणालीगत सोच, एल्गोरिथम निगरानी, और डेटा कूटनीति जैसी क्षमताओं पर जोर देता है—जिससे परियोजना प्रबंधक हाइब्रिड निर्णय पारिस्थितिकी तंत्र के समन्वयक के रूप में स्थापित होते हैं, जहाँ मनुष्य और स्वायत्त एजेंट सह-निर्माण के माध्यम से मूल्य का सृजन करते हैं।

निष्कर्ष और सिफारिशें: यह अध्ययन ए-एआई (A-AI) को एसटीएस (STS) ढांचे के भीतर एक नए सामाजिक-तकनीकी कर्ता के रूप में स्थापित करता है, जो संयुक्त अनुकूलन के सिद्धांत के माध्यम से मानवीय निर्णय और डेटा-संचालित स्वायत्तता के बीच मध्यस्थता करता है। यह वैचारिक दृष्टिकोण तकनीकी क्षमता और नैतिक, मानव-केंद्रित निर्णय लेने के बीच संतुलन बनाने की आवश्यकता पर जोर देता है। ए-एआई परियोजना जीवन चक्र के सभी चरणों में अनिश्चितता को कम करके, निर्णय की सटीकता बढ़ाकर, और सीखने तथा जवाबदेही की प्रणालियों को मजबूत करके एक परिवर्तनकारी भूमिका निभाता है।

हालांकि, सफलता केवल तकनीकी प्रदर्शन पर नहीं, बल्कि नैतिक अखंडता, पारदर्शिता और मानवीय निगरानी पर आधारित शासन मॉडलों पर निर्भर करती है।