GenAI如何激活敏捷价值 提升企业灵活性研究报告

内容 1 执行摘要 4 2 生成式AI作为敏捷催化剂 72.1 超越仪式：生成式AI对敏捷商业价值的考验 8 2.2 解锁生成式AI的结构化潜力 9 前言 二十五年前，数字化转型推动了软件开发的市场化——这一市场转变支撑了敏捷实践受欢迎程度的提升。对频繁的人类互动、透明度、适应性和价值创造的关注，而非详尽的文档，催生了一场广泛的社会运动，挑战着团队的工作方式以及人类的协作方式。 智能来增强人类能力，同时坚守真实的敏捷价值观，通过培养开放和透明来推动持续学习和改进。 能来补充和增强其现有能力、并促进协作的组织，才是真正能够繁荣发展的。生成式人工智能是一个强大的工具，但它本质上仍是一种工具。专业人士——人类——必须对其产出结果负责，并对推动项目成功负责，无论采用何种实践方式。 们要坚守敏捷的核心价值观，除非我们正在展现敏捷的实践场景。在最新的PMI思想领导力报告中《重拾敏捷的承诺：如何通过以人为本的协作，让生成式AI提升敏捷的商业价值》，我们探讨了生成式AI如何塑造敏捷实践的应用，以及它如何加速价值创造。 破。但尽管生成式人工智能可以提高敏捷团队的表现，它也可能加剧现有的组织或项目协作缺陷。在这方面，人工智能充当了一个放大器，不仅放大了项目执行中的优劣，也放大了组织文化中的优劣。 执行摘要 强了以人为中心的敏捷方法基础。随着组织在日益复杂的环境中寻求创造更大的商业价值，GenAI提供了一个战略机遇，以尊重其最初意图的方式——协作、适应性和持续学习——来发展敏捷实践。 AI的采用正在加速，但其影响并不均衡。先锋用户——在超过50%的项目中使用GenAI的个人——报告了显著的效率提升，但也面临着比基础用户高两倍的协作挑战（38%对比19%）。这一悖论揭示了一个关键事实：GenAI既放大了敏捷交付的优势，也放大了其劣势。 何保持人类判断力、信任和共创？ 使用 GenAI 处理 15 项或更多项目管理任务的专业人士，能够获得最高的输出质量，这证明了 GenAI 更广泛应用所带来的复合效益。 持证专业人士比未持证用户更能持续识别更多风险和误用——报告的过度依赖率更 增强方法使团队能够实现之前需要权衡的目标：协作工作中的速度与深度兼备。 s. 30%）。能够帮助企业降低债务的战略敏捷赋能工具，尽管具有强大的质量指标——例如跨团队协作（使用率18%）、促进团队沟通（18%）以及团队发展与指导（18%）——但仍然被 关于这项研究 2025年6月至7月期间，PMI对其在项目管理中关于生成式人工智能的第四次全球研究进行了开展，对来自12个国家的18个行业的2000名项目专业人士进行了调查。这项研究建立在2023年12月至2024年9月期间进行的三次早期研究基础之上。 中使用了生成式人工智能（GenAI）。为了考虑不同行业和角色的差异，我们要求参与者报告他们应用了GenAI的项目百分比，而不是使用该技术的具体任务数量。 例研究到战略影响——帮助我们将调查结果置于具体情境中，并使我们的核心要点更加清 们的“敏捷交付中的AI”课程。这门实践课程帮助敏捷从业者将AI应用于敏捷交付，同时坚守敏捷价值观和以人为本的决策。 • 先发优势：采用生成式AI赋能项目管理带来的即时效益• 拓展边界：生成式AI创新重塑项目管理 • 项目专业人士的GenAI转型之旅：从速赢到引领变革• GenAI赋能项目管理转型：组织支持之必要性 型驱动，提供精准、深入的对谈，并能识别学习和任务模式，助您达成目标。它拥有一个包含超过15,000份专家审核资源的不断增长的知识库，并提供引文内容以供快速验证。由于PMI Infinity仅基于PMI专有内容进行训练，您的数据将保持私密和安全，让您能够自信地探索、学习和行动。欲使用您的PMI凭证访问Infinity，请访问pmi.org/infinity或使用PMI官方App。 本研究的关键术语 • 开拓者：高级用户将其用于超过50%的项目，并将其应用于广泛的任务，包括风险管理、规划等复杂任务。 摘要等基础任务的专业人士。 • 领先组织：指在生成式人工智能（GenAI）应用支持方面成熟的组织，其特 点在于拥有全面的支持系统、治理框架以及专注于项目管理流程的战略整合。• 基础型组织：处于早期采纳阶段、支持基础设施薄弱、正式政策有限，且 缺乏明确战略或目标定义的组织。 • 任务类别：基于敏捷职能的项目管理任务分组 衡量影响： • 初期收益（两倍至三倍）：采用率或生产率提升100%至200%。• 高级收益（超过三倍）：采用率或生产率提升超过200%。 实践的一个转折点。它远非威胁敏捷以人为本的价值观，而是在应用于真实的协作式问题解决时，反而放大了这些价值观，并揭示了团队何时会用活动代替实质内容。在敏捷方法最普遍的软件开发领域，这种双重影响正在重塑团队的工作方式及其所能达成的目标。 履行流程而非目的而进行敏捷活动表演的组织而言，生成式人工智能也可能是一面严苛的镜子。当团队优先考虑流程合规性而非客户成果和价值创造时，生成式人工智能会加速功能障碍，导致会议加速但仍未能解决关键问题，以及精雕细琢的复盘会议却回避了艰难的真相。 2.1 超越仪式：通用人工智能对企业敏捷价值的考验 我们的全球研究表明了一个悖论：开拓者展现出复杂的采用模式，这些模式驱动了卓越的业务成果，但他们报告的协作挑战率几乎是基础用户的两倍（38%对比19%）。这凸显了更深度的生成式AI整合需要更有意识地维护那些使敏捷实践有效的、人与人之间的联系。为了充分实现生成式AI的潜力，组织应当加倍重视那些使敏捷方法具有价值的人类维度：培养信任、应对复杂性并在追求有意义的客户成果的过程中促进共同理解。 驱动业务成果的敏捷原则，还是仅仅在执行预设流程、提供很少实际价值？这项技术揭示了冲刺计划是否促进真正的一致性，还是仅仅填满时间；以及回顾会议是否揭示有意义的见解，还是仅仅勾选一个程序性框框。 本报告探讨了GenAI集成如何在三个维度上揭示、增强和挑战敏捷实践： 虽然生成式人工智能（GenAI）可以提升单个团队的效率，但其更广泛的潜力在于帮助组织揭示并解决那些限制规模化敏捷性的结构性障碍。通过让无形的工作显性化并加速信息流动，生成式人工智能能够支持减少企业债务的努力——即由审批瓶颈、技能差距、知识孤岛和目标不一致所带来的累积结构性摩擦，这些因素阻碍了组织敏捷地将战略转化为协调一致的行动。 当团队强调以人为本的价值观时，通用人工智能如何产生可衡量的 如何让通用人工智能揭示“剧场”与“价值”的鸿沟 应能力，而后者则要求在战略、结构和文化层面实现更深层次的协同。在此更广泛的背景下，生成式人工智能并非独立解决方案，而是一种强大的诊断与赋能力量——当其与有目的的领导力及结构性改革相结合时，能够帮助组织识别摩擦、揭示错位之处，并加速向更具适应性、更紧密协作的工作方式转变。 并加速向更具适应性、更紧密协作的工作方式的转变。要释放其全部价值，需要有意领导力和结构性改革。 示模式，同时保持人类在战略决策、关系建立和情境判断上的主导权。 生成式人工智能作为增强引擎：放大真实敏捷性 真正的差异随后显现：根据我们之前的报告《项目专业人士的生成式人工智能之旅》，开拓者实现重大突破的可能性是新人的16倍（48%对比3%）。 精准应用而非广泛采纳：经验丰富的专业人士通过有选择地使用生成式人工智能来强化 ，而是能在几分钟内生成一份扎实的初稿，然后将时间用于根据真实用户需求验证并完善业务逻辑。” ▶高效协作，深化融合：有效整合生成式人工智能的团队，能够在提升工作效率的同 3.1 通过战略应用实现质量当检查输出质量数据时，增强效果最为明显。更广泛使用GenAI的团队在所有应用中都取 得了更高质量的结果。如图1所示，使用GenAI执行15项或更多任务的专业人士，其产出结果被接受的可能性显著高于仅使用GenAI执行六项或更少任务的从业者，这表明GenAI的熟练程度会产生复合效应，即在一个领域的经验能够提升其他领域的应用效果。 生成式人工智能作为增强引擎 理解质量得分差异 判断其是否会被经理接受，评分范围为1到4分（1=不可接受，2=需要重大修改，3=需要轻微修改，4=无需修改即可接受）。分数的微小差异反映了用户体验的显著变化——输出越可接受，节省的时间就越多，或者能够增强的高阶任务就越高。 • 3.35（文档任务）：大多数用户部署GenAI用于文档任务时，可以直接使用其输出，稍作编辑即可。这类应用属于GenAI成熟的文档处理能力范畴。 规或大规模应用前，通常需要更多实验和优化。 团队是否继续使用生成式AI或放弃使用。得分较高的任务更容易集成到日常工作中，而得分较低的软件应用则因需要返工而导致效率降低。 生成式人工智能作为增强引擎 然而，最成功的实践者展现出对GenAI在何处能增加战略价值而非仅实现常规自动化有深刻的理解。正如报告后文图9所示，开拓者在高风险活动中应用GenAI的速度远超基础用户：37%的人将其用于项目启动和愿景设定，而探索者只有19%；33%的人用于需求管理和积压任务管理，而探索者只有18%；以及31%的人用于团队协作，而探索者只有18%。 人类判断，而在于为人类决策提供更好的信息。这种复杂的方法适用于各个行业，与其他领域相比，信息技术（IT）组织实现了最高的产出质量，如图11所示（报告后面）。 生成式人工智能（GenAI）成果。这表明，基础项目管理能力并非与生成式人工智能（GenAI）能力相竞争，而是能对其进行增强，因为经验丰富的从业者更懂得何时信任生成式人工智能（GenAI）的见解，何时应用人类判断。 生成式人工智能作为增强引擎 这些质量模式揭示了关于真实敏捷性的一个基本点：生成式人工智能的熟练程度并不会取代敏捷专业知识——它反而会增强它。我们的定性研究表明，那些产出最高质量成果的专业人士，不仅仅是熟练的提示工程师；他们是有经验的从业者，懂得什么样的用户故事是好故事，什么样的冲刺计划是有意义的，以及何时人类的判断必须超越人工智能的建议。他们的认证和经验赋予他们明辨力，使他们能够判断生成式人工智能的输出何时与敏捷原则相符——何时与之相悖。这是一种由人工智能增强的真实敏捷性，而不是由人工智能生成的自动化敏捷性。 敏捷角色的演变：应用生成式人工智能驱动价值 下这些例子，说明使用生成式人工智能的专业人士如何能够增强战略重点： 备时间缩短近半，同时还能进行更深入的客户研究，并促进更细致的优先级排序讨论 尽早发现团队动态问题。来自加拿大的项目主管、PMAssistant.ai的创建者马什胡德·阿赫迈德（Mashhood Ahmed）解释道：“生成式人工智能帮助我察觉到有人在日常协调会议中的语言模式发生变化——这通常是一个信号，表明他们正在为某些难以直接提出的问题而困扰。” 以通过拓宽视野、检验假设和解锁新的解决方案路径来增强人类判断力。在流程早期就将其整合，能够促进更深层次的协作，并推动更具一致性、高影响力的成果。” 生成式AI处理重复性、结构性的工作，让开发者能够专注于核心业务逻辑和创造性问题解 和组织导航。 3.2 从个人提升到团队增效真正的敏捷性在团队层面体现得最为强大，此时，通用人工智能（GenAI）的增强从个人 生产力转向集体智慧。当团队利用通用人工智能来强化——而非走捷径——协作实践时，他们便保留了定义真正敏捷工作的关键要素：人际连接、信任建立和共同理解。这种增强方法使团队能够实现之前看似需要权衡的目标：协作工作中的速度与深度兼备。 敏捷团队中的AI代理 人工智能代理正迅速从特定任务的助手演变为自主的协作者：正如Gartner所称之为的“代理生态系统”，这些系统将在2026年驱动40%的企业应用程序。 始扮演“AI同事”的角色，参与日常协调会议，优化待办事项列表，甚至促进复盘会议。这种转变既是文化层面的，也是技术层面的，因为它重新定义了团队构成，并拓展了协作的边