Abstract
<jats:p>Вступ. Стрімке впровадження технологій штучного інтелекту (ШІ) в практику управління проєктами супроводжується значним розривом між темпами адаптації та рівнем стратегічного осмислення цих технологій. Галузеві звіти засвідчують, що більшість організацій використовують ШІ-інструменти фрагментарно, без узгодження з процесною логікою управління проєктами, що обмежує потенційну цінність цих технологій. Попри зростаючий обсяг наукових публікацій, питання систематизації підходів використання ШІ за групами процесів управління проєктами згідно з Process Groups: A Practice Guide (PMI, 2022) залишається недостатньо розкритим. Наявні систематичні огляди або не охоплюють повного технологічного спектру від традиційного машинного навчання до агентного ШІ, або не використовують процесну класифікацію як аналітичну рамку, що створює потребу в комплексному міждисциплінарному дослідженні. Мета. Класифікувати технології ШІ за п'ятьма групами процесів (Process Groups: A Practice Guide, PMI, 2022) з наскрізним аналізом покриття сфер виконання PMBOK Guide 7-го видання, оцінити рівень зрілості досліджень у кожній групі та ідентифікувати ключові прогалини. Матеріали і методи. Систематичний огляд літератури за період 2021–2026 рр. із залученням наукових баз Scopus, Web of Science та галузевих звітів PMI, McKinsey, Deloitte. Класифікаційною рамкою обрано п'ять груп процесів Process Groups: A Practice Guide (PMI, 2022): ініціація, планування, виконання, моніторинг та контроль, закриття. Результати. Побудовано авторську матрицю «технологія ШІ × група процесів управління проєктами». Виявлено нерівномірність дослідницького покриття: переважна більшість досліджених публікацій зосереджено на плануванні та моніторингу, тоді як закриття залишається критичною прогалиною. Ідентифіковано інверсію «зрілість–вплив»: групи з найбільшою кількістю публікацій стикаються з бар'єрами впровадження, тоді як виконання лідирує практично завдяки генеративному ШІ. Зафіксовано три хвилі технологічної еволюції: традиційне машинне навчання (ML, machine learning) (2011–2022), глибоке навчання (2020–2024), генеративний та агентний ШІ (2023–теперішній час). Проєкція результатів на сфери виконання PMBOK 7 виявила критичні прогалини у людиноорієнтованих сферах виконання (зацікавлені сторони, команда, підхід до розробки). Перспективи. ШІ-рішення для автоматизації процесів закриття проєктів, моделі врядування (governance) для агентного ШІ, стандартизовані метрики ефективності генеративного ШІ.</jats:p>