2025年，PMI刚刚发布了《PMBOK®指南》第八版。这次更新最大的亮点，就是首次将AI全面融入项目管理标准体系。这不是简单的“与时俱进”，而是宣告了一个新时代的到来：AI不再是项目管理的“外部工具”，而是项目管理的内生组成部分。

今天，我就借用PMBOK第八版的核心架构，来回答你的问题：在AI盛行的时代，项目经理能做哪些AI相关的工作。

一、先看清你的两个角色：AI项目的“管理者”与“被赋能者”

在AI时代，项目经理其实有两个截然不同但又相互交织的角色。

第一个角色：AI项目的管理者。当公司要开发一个AI产品、落地一个机器学习模型时，你就是那个要把这群“炼丹师”（数据科学家）和“凡人世界”（业务部门）连接起来的人。你管理的不是传统软件项目，而是充满不确定性的AI项目。

第二个角色：被AI赋能的PM。你不需要写算法，但你需要懂得如何用AI工具让自己变得更强。就像PMBOK第八版中明确将“人工智能”列为估算活动资源过程的工具与技术，将“流程自动化”列为范围管理绩效域的工具与技术一样 。

这两个角色，一个指向“向外管理项目”，一个指向“向内提升效率”。我们今天重点聊第一个——如何做AI项目的管理者。

二、PMBOK第八版的核心框架：七绩效域 + 四十过程

在深入之前，我们需要先对齐“地图”。PMBOK第八版重新构建了项目管理的知识体系，它包含六个核心原则、七个绩效域，以及重新引入的四十个项目过程。

七个绩效域分别是：治理、范围、进度、财务、利益相关者、资源、风险。

这七个绩效域，就是我们分析AI项目管理的坐标系。你会发现，AI项目的特殊性，恰好就分布在这七个绩效域中。

三、AI项目的“七宗最”：七个绩效域中的AI管理要点

学术研究表明，AI/ML项目与传统软件项目有本质区别：它们严重依赖复杂数据、需要迭代实验、依赖专业人才，并且面临重大的伦理考量。基于PMBOK V7的实践也表明，这套框架能够满足AI项目的基本要求，但需要针对AI/ML过程进行适应性调整 。

下面，我们逐一分析这七个绩效域在AI项目中的“变与不变”。

1.治理绩效域：为不确定性建立决策框架

AI项目的最大特点是探索性。传统项目是“修一条已知的路”，AI项目是“在丛林中找路”。这就对项目治理提出了新要求。

在巴斯肯特大学医院的一个机器学习项目中，研究者发现：系统性思维是AI项目成功的关键。你不能用“按图施工”的思维去管理“实验探索”。

AI项目治理要点：

阶段关卡调整为学习关卡：不要只看“完成了多少任务”，要看“学到了什么”、“模型精度是否达到预期”

容忍度调整：AI项目的范围变更概率是传统项目的数倍，治理机制需要容忍这种不确定性

伦理审查节点：在关键阶段设置伦理审查，特别是涉及用户数据、算法偏见等问题

PMBOK第八版的治理绩效域强调“ accountability”（责任制）和“adaptability”（适应性）。在AI项目中，这种适应性意味着：我们要治理的不是“按计划执行”，而是“在探索中确保方向正确”。

2.范围绩效域：管理“未知的未知”

AI项目的范围最难定义。客户说“我要一个能识别猫的模型”，但识别率要达到多少？在什么光照条件下？什么角度？这些细节往往在项目开始前无法完全明确。

AI范围管理三原则：

用“实验协议”代替“需求规格”：明确实验目标、成功标准、终止条件，而不是固定不变的功能列表

管理期望：AI不是魔法：让利益相关者理解AI的局限性——不是100%准确，需要大量数据训练，可能存在偏见

建立范围变更的“快速通道”：AI项目的学习过程经常会发现新的可能性，需要快速响应

3.进度绩效域：拥抱“迭代-探索”节奏

传统的甘特图在AI项目中往往失效。为什么？因为你无法预知：模型什么时候能达到精度要求？数据清洗需要多少次迭代？

有研究指出，PMBOK指南在支持迭代开发方面存在不足，而这是AI项目的核心需求。

AI进度管理的核心打法：

采用迭代-增量+探索的双轨制：一轨是固定的迭代周期（如两周一个sprint），用于数据处理、特征工程等常规工作；另一轨是探索性工作（如模型架构试验），用时间盒而非任务量来管理

进度指标多元化：除了“任务完成率”，引入“模型精度提升率”、“数据覆盖度”等指标

可视化不确定性：在进度计划中明确标注“探索性工作”和“确定性工作”，让干系人理解时间安排的逻辑

4.财务绩效域：算好AI的“投入产出账”

AI项目成本结构特殊：算力成本（GPU云服务）、数据成本（采购/标注）、人才成本（数据科学家）是三大块。特别是算力成本，可能像“烧钱”一样快。

AI财务管理的要点：

算力预算要有弹性：模型训练可能需要反复试验，算力消耗往往超出预期

建立“实验预算”机制：为探索性工作设立单独的预算池，与确定性开发分开管理

价值验证前置：在小规模验证阶段控制投入，证明可行性后再放大投资

PMBOK第八版将采购管理相关内容整合进了财务绩效域。在AI项目中，你可能需要采购标注数据、云算力、甚至外部算法模型，这些都需要在财务规划中提前考虑。

5.利益相关者绩效域：跨域沟通的“翻译官”

AI项目的利益相关者最“多元”：业务部门不懂技术，数据科学家不懂业务，法务担心数据合规，客户期望过高……而项目经理，就是那个连接所有断点的“催化剂”——就像《繁花》里的范总，在黄河路上串联各方资源。

AI项目干系人管理的挑战：

数据科学家：思维方式和传统IT开发人员不同，更接近科研人员，需要“管理好奇心”

业务部门：容易对AI产生“魔法期待”，需要管理预期

法务/合规：数据隐私、算法偏见、监管合规，都是新课题

最终用户：可能对AI决策不信任，需要参与设计

有研究指出，AI/ML项目需要跨领域绩效、有效的干系人和团队管理。这恰恰是项目经理的价值所在——你不是最懂算法的人，但你是最懂“人”的人。

6.资源绩效域：管好“特种部队”

AI团队的资源管理，最核心的是人才管理。数据科学家、机器学习工程师、数据工程师——这些“稀缺物种”的管理方式，和传统开发人员完全不同。

AI团队管理的心法：

自治与方向并重：给数据科学家探索空间，但要把探索方向对齐业务目标

跨职能协作机制：数据科学家不懂工程化，工程化团队不懂模型，需要建立“配对工作”机制

知识沉淀：AI项目有很多“隐性知识”——哪些特征工程有效、哪些参数组合好，这些需要系统沉淀

PMBOK第八版将“人工智能”明确列为“估算活动资源”的工具与技术。这意味着，AI不仅是你的项目产出，也可以是你的管理工具——用AI帮你预测资源需求、优化资源分配。

7.风险绩效域：AI项目的“已知未知”与“未知未知”

AI项目的风险谱系非常独特。

系统性文献综述表明，AI在项目管理中的关键应用包括成本估算、工期预测和风险评估。但AI项目自身的风险，更需要系统管理。

AI项目的特有风险：

学术研究强调，AI项目需要管理动态项目环境，需要用真实世界数据验证模型。这些，都应该纳入你的风险管理计划。

PMBOK第八版的风险绩效域强调“outcome-focused measures”（以结果为导向的衡量）。在AI项目中，这意味着我们要关注的不只是“有没有风险”，而是“风险对项目成果的潜在影响”。

四、AI项目管理的方法论融合：PMBOK + CRISP-DM + Scrum

回到一个核心问题：PMBOK到底适不适合管AI项目？

答案是：适合，但需要调整融合。

一项2025年的研究明确指出：PMBOK V7能够满足AI/ML项目的必要要求，但需要针对ML过程进行调整。另一项研究建议：整合数据生命周期管理，采用迭代的AI项目管理框架 。

我的建议：三合一融合框架

1.用PMBOK第七绩效域做整体治理框架——把握方向、整合要素、确保价值交付

2.用CRISP-DM（跨行业数据挖掘标准流程）做数据开发生命周期管理——业务理解、数据理解、数据准备、建模、评估、部署

3.用Scrum做迭代执行机制——两周一个冲刺，持续交付价值

这种融合，就是“原则为体，方法为用”。PMBOK第八版强调“tailoring”（因地制宜），这正是AI项目管理最需要的能力。

五、AI项目管理者的能力升级：从“硬技能”到“软技能”再到“新技能”

面对AI项目，你需要升级自己的能力组合。

硬技能层面

懂AI基础概念：知道什么是监督学习、无监督学习、模型训练、推理、准确率、召回率——不需要会写代码，但要能听懂团队在说什么

懂数据流程：理解数据采集、清洗、标注、特征工程的基本逻辑

懂AI工具生态：知道有哪些主流框架（TensorFlow、PyTorch）、有哪些云AI服务、有哪些MLOps工具

软技能层面

好奇心：对新技术保持开放，愿意学习

同理心：理解数据科学家的思维方式，也理解业务部门的焦虑

翻译能力：把技术语言翻译成业务语言，把业务需求翻译成技术任务

新技能层面

AI伦理判断：能识别算法偏见、隐私风险，知道什么时候该叫停

不确定性管理：在混沌中保持方向感，在实验中把握节奏

AI工具应用：会用AI辅助自己的管理工作——如用PMI Infinity™ 2.0进行风险评估、干系人分析

研究表明，AI可以训练理解PMBOK指南，为项目管理者提供最佳实践建议。这意味着，未来的项目经理不是被AI取代，而是被AI增强。

六、AI时代PM的“三种存在方式”

最后，我想给你描绘一下AI时代项目经理的三种存在方式。你可以选择其中一种，也可以在不同阶段切换。

第一种：AI项目专家

你专注于管理AI开发项目，成为这个细分领域的专家。你知道如何管理数据科学家，如何应对算法不确定性，如何确保AI项目落地。这类PM在市场上非常稀缺，价值很高。

第二种：AI增强型PM

你不一定专门做AI项目，但你在所有项目中都善用AI工具。你用AI辅助风险分析、资源估算、进度预测、会议纪要、报告生成。你的效率是传统PM的数倍。

第三种：AI战略PM

你站在更高维度，思考AI如何改变组织的项目组合。你推动AI在PMO层面的应用，建立AI PMOps体系，让整个组织的项目管理能力被AI赋能。你是变革的推动者。

结语：驾驭浪潮的人，不会被浪潮吞没

小林，回到你最初的问题：在AI时代，PM可以做哪些AI相关的工作？

答案已经清晰：你可以管理AI项目，让那些充满不确定性的AI探索变成可落地的商业价值；你可以被AI赋能，让自己变得更高效、更有洞察力；你还可以融合二者，成为那个连接AI世界与商业世界的桥梁。

PMBOK第八版告诉我们：项目管理的核心原则——价值导向、适应性、 accountability——永远适用。改变的是工具、方法、技术栈，不变的是“整合资源、交付价值”的本质。

《繁花》里的范总，能在黄河路游刃有余，靠的不是死守规则，而是洞察人情、把握时机。AI时代的项目经理，也需要这种“江湖智慧”——不是去对抗AI，而是去理解它、驾驭它、与它共舞。

每个时代都有它的“范总”，每个行业都有它的“黄河路”。今天，AI就是那条正在快速变化的“黄河路”，而你就是那个需要学会在新路上游刃有余的“范总”。

记住：驾驭浪潮的人，永远不会被浪潮吞没。

老邱思考：AI不会取代项目经理，但会用AI的项目经理，会取代不会用AI的项目经理。你的选择，决定了你的未来。