一、先说说我为什么想写这个

最近两个月，我的收藏夹里塞了三十多篇关于"项目经理和AI"的文章。公众号、知乎、头条、小红书，各个平台都在写，大概能分成三类。

第一类是工具清单。标题基本长一个样："2026年项目经理必备的12款AI工具""6款国产AI办公软件让你效率翻倍""三个免费AI组成打工天团，一天干完十天的活"。里面的表格做得很漂亮，工具名、起价、评分、适用方法论，一应俱全。

第二类是焦虑贩卖。"35岁项目经理的深夜焦虑：当AI接管80%工作，你的价值还剩多少""预警！80%项目管理活将被AI接手，70%同行已在用，不进化必被淘汰"。看完心跳加速，然后不知道该干嘛。

第三类是数据轰炸。PMI说全球超半数项目应用AI的组织数量激增86%，Wrike说他们的AI用户每人每周省下11个小时，Atlassian说知识工作者每周有11.4小时耗在同步状态上。数字很吓人，但读完之后我依然不知道明天早上八点半的站会该怎么开。

我们组去年下半年到今年上半年，陆陆续续把这些榜单里排前面的工具试了个遍。有的用了两周就卸了，有的到现在还在续费。中间踩了几个不小的坑，其中一次差点让一个交付节点滑出去。

所以这篇我想换个写法。不按工具排行写，按项目经理一天到晚实际在干的那些事写。哪些能交出去，哪些交出去会出事，交出去之后要留什么后手。

二、那些数据，得放回项目管理的语境里读

我不反对引数据，但榜单文章有个通病：把厂商自报的数字和第三方研究混在一起，读者分不清哪个是营销哪个是事实。

我自己整理的时候，会先看数据是谁出的。

厂商自己出的，打个折听。Wrike说他们的AI用户每周省11小时。这是Wrike自己的产品数据，样本是它自己的活跃用户，本身就有幸存者偏差——用得不爽的早走了。

第三方研究，看它测的是什么。Wellingtone的《State of Project Management》里有两个数我觉得比"省11小时"有用得多：72%的组织每个月要花半天以上的时间手工汇总项目状态，其中42%要花一整天。同一份报告里，只有36%的组织说自己"总是或大部分时候"能按时交付。

这两个数放一起看才有意思。手工汇总状态确实是个大坑，AI也确实能填这个坑。但按时交付率低，跟你花半天还是花五分钟汇总状态，关系没那么直接。

McKinsey那份《AI at work but not at scale》说得更直接：88%的组织至少在一个职能里用了AI，但真正在全组织范围铺开的只有很小一部分。缺的不是工具，是治理规则、流程重构，以及"AI产出到底谁负责"这件事有没有说清楚。

我把这句话抄在了笔记本第一页。

还有几个跟我们这行直接相关的变化，值得单独拎出来：

PMBOK第八版中文版今年6月27日正式发了。这版基于近四万八千个数据点重构，第一次把AI写进了知识体系。跟着调整的是PMP考纲，商业环境模块占比从8%直接跳到26%，敏捷与混合方法突破60%。今年9月12日是老考纲最后一次考试机会，12月起全面切新版。手里在备考的，自己算一下时间。

PMI的人才缺口报告说，到2035年全球项目管理专业人员缺口接近三千万。从业人数会从2025年的3960万涨到2035年的5850万。这个数我第一次看到的时候愣了一下——一边说AI要接管80%的活，一边说未来十年还要多两千万人。两个说法都来自PMI，只是回答的不是同一个问题。

Gartner预测到今年年底，40%的企业应用会内置任务型AI智能体，2025年这个比例还不到5%。这意味着你不用主动选AI工具，你天天在用的那些系统会自己长出AI功能来。选不选的问题会慢慢变成"怎么管"的问题。

三、工具这块，我按项目生命周期重新排了一遍

榜单文章喜欢横向对比，ClickUp对Asana对monday对Jira，一张大表拉完。这种对比对采购有用，对干活的人用处不大——因为你的PM平台通常不是你选的，是公司定的。

我换了个思路，按我一天到晚实际在做的动作来排。

立项和需求阶段：长上下文模型

这个阶段最耗时间的是啃材料。一份四五十页的RFP，或者客户扔过来的一堆技术规格，人读一遍要小半天。

我现在的做法是丢给长上下文的模型，让它先做结构化提取。提示词大概是这样：

通读这份文档，输出四部分：全部强制性要求（逐条列，标原文页码）；评标或验收标准；关键交付日期；任何不常见或高风险的条款。用表格。

重点是最后那句"标原文页码"。没有这一句，你没法核对，那份摘要就只能当参考，不能当依据。

工具上，Claude的长文本处理我用得最顺，中文材料多的时候Kimi的召回更稳一些。DeepSeek新版本上下文也拉得很长，做逻辑拆解比较扎实，就是表达偏硬，出来的东西得再润一遍。这三个我没有强推荐，看你手里的材料是什么语种、什么密度。

计划阶段：可以要初稿，不能要结论

WBS草稿、风险登记册初稿，AI给得挺快。我常用的提示词：

基于以下项目范围，生成一份风险登记册，列出15条风险。每条包含：风险描述、发生概率（高中低）、影响程度（高中低）、建议的应对措施。

出来的东西看着很专业。但你得知道它是怎么来的——它是根据"同类项目通常有哪些风险"生成的，跟你这个项目的历史数据、这支团队的实际能力、这个客户的脾气没有半毛钱关系。

所以我的用法是：让它生成，然后我逐条删。十五条里通常能留下六七条，剩下的要么不适用，要么我得改掉概率和影响的评级。真正值钱的那两三条风险——比如"甲方那个新来的技术负责人还没表态"——AI永远想不到。

估算这件事，我到现在也没敢交给AI。我们组的做法是把估算拆成两栏：一栏是AI能加速的部分（写代码、出文档、做原型），另一栏是必须人来判断的部分（联调、验收、跨部门等待、返工缓冲）。第一栏的系数这一年确实在往下走，第二栏基本没动过。谁要是把整个工期都按AI提效算，那就等着解释延期吧。

执行阶段：会议这块收益最实

这是我认为投入产出比最高的一块，没有之一。

流程很简单：会议录音转文字，然后让模型提炼纪要。国内会议多的话，讯飞听见的免费额度每月60分钟，日常够用；腾讯会议和飞书自带的转写也够。英文会议多的用Otter.ai，免费300分钟一个月。

提炼纪要的提示词，我固定用这一版：

从这份会议转写稿里提取四部分：讨论的议题、达成的结论、待办事项（必须包含负责人和截止时间）、有争议但没定下来的事项。输出表格。没有明确负责人的待办，标注"待认领"，不要自己指派。

最后那句是我吃过亏才加的。有一次AI很"贴心"地给每条待办都配了负责人，结果那几个名字是它根据发言频率猜的。纪要发出去之后，有个同事私聊我说"这事什么时候变成我的了"。

会议纪要从一个半小时压到五分钟，这个提效是真的。我一周至少省下四五个小时。

跟踪和汇报：优先用平台自带的

状态汇总这件事，用平台内置的AI比用外部对话模型靠谱。原因很简单——数据在里面，不用你手工搬运，也不用担心把项目数据复制到外部去。

Jira的Atlassian Intelligence、ONES、飞书项目，能力上各有侧重，但基本盘都是一样的：自动生成状态摘要、识别停滞任务、汇总风险。

这里要提一句今年的定价变化，好几家都在往上调，采购的时候别按去年的报价做预算：

Wrike从4月1日起把AI能力拆成两层，基础的起草和摘要在所有付费版无限用，重度的Agent操作按档位计量，超了要另买包。

monday.com从5月6日起，AI credits变成必须单独买的加购项，不再随席位赠送，$0.01一个credit，按套餐档位有最低采购量。

Notion把独立的AI加购砍掉了，要用完整AI功能得上$20/用户/月的Business版。

Atlassian给Standard/Premium/Enterprise每席位分别配了25/70/150个Rovo credit的月度额度，目前超额还不收费，但已经明确说了会改，改之前提前90天通知。

顺带说一句，去年不少榜单力推的Height，2025年9月24日已经关停了。今年还在推荐它的文章，基本可以判断是攒的。

收尾和复盘：AI擅长归纳，不擅长认错

复盘会的转写扔给模型做归纳，效果不错。但有个问题——它归纳出来的教训永远是"沟通有待加强""需求变更管理需要优化"这种正确的废话。

真正有价值的复盘结论长这样："这个需求三月十二号就有人提过风险，会议纪要里有，但我们当时觉得来得及。" 这种话AI写不出来，因为它不知道当时房间里的气氛。

一句话总结我的配置：一个PM平台自带的AI，一个会议转写工具，一个通用对话模型。三个，够了。

我试过同时开着七八个的阶段，结果是每天花在"这活该用哪个工具"上的时间，比工具省下来的还多。

四、几个坑，有的是我踩的，有的是同行踩的

榜单文章不会写这部分，但这部分才是真的值钱。

坑一：不可逆操作，AI不会跟你商量

前段时间看到一个游戏行业的PM写他的经历，我看得后背发凉，因为我差点犯一样的错。

他让AI帮忙整理Notion页面，把子页面按日期重排。他自认为规则交代得很清楚了，就让它执行了。几分钟后页面确实整齐了，但他翻了几遍发现少了几个子页面——最后在垃圾箱里找到的。

AI不是故意删的。它只是选了最省事的办法：把整个页面重写一遍。没被包含在新内容里的子页面，就跟着没了。

他后来加了两条硬规则，我直接抄了：含子页面的页面禁止整体替换；所有删除和归档操作，必须先列出影响清单，我确认后再执行。

坑二：Token账单会失控，而且测不出来

有个做流程自动化的同行写了篇复盘，说他们去年立项要用大模型改造内部流程，领导原话是"现在大模型这么强，买啥RPA软件"。

第一个试点是财务对账。开发阶段快得惊人，对着AI描述需求，代码秒出。上线第一个月，API账单炸了。

问题在执行机制。传统RPA脚本是写死逻辑循环执行，跑一万次也只费电。AI自动化每次执行都要重新推理：读页面、理解结构、生成操作、执行反馈，每一步都在烧token。更隐蔽的是异常重试——网络卡一下，AI要重新分析页面；弹窗多一层，AI要重新理解上下文。这些消耗在测试环境根本测不出来。

半年跑下来，那个"免费"的AI方案总成本是专业RPA工具的三倍多。

对项目经理的启示很直接：如果你的方案里有AI组件，成本估算必须区分"开发期消耗"和"运行期消耗"，后者要按峰值和重试率算，不能按测试环境的均值算。

坑三：70%陷阱

这个说法我第一次看到是在掘金一篇高赞文章里，后来发现很多人都在提。

AI能轻松完成前70%的原型工作。剩下的30%——权限控制、数据安全、并发处理、异常兜底——会让你陷入无限循环。每天都在修AI写的莫名其妙的错误，钱和时间都花完了，产品还是上不了线。

我们组去年有个内部工具就卡在这儿。演示版一周做出来，所有人都很兴奋。然后花了两个月做权限和审计日志，最后那两个月的工作量，比前面一周多了几十倍。

现在评审这类项目，我会强制问一句：这个原型跑通之后，还有哪些是原型里没有但上线必须有的？把答案写进WBS，再排期。

坑四：模型选型可能被合规一票否决

看到一个做金融产品的同行分享：他选了公开评测排行榜第一的模型，上线后被安全合规团队一个电话叫停。原因是金融场景的客户数据绝对不能传到海外服务器，而那个模型只有公有云API，不支持私有化部署。

换成支持私有部署的国产模型后，聪明度差了一档，但能合规上线。然后花两周调Prompt和RAG来补差距——用更精准的指令和更好的知识库，让一个85分的大脑做出95分的判断。

教训：模型选型的第一道筛子是部署方式和数据流向，不是评测分数。这件事要在立项阶段就拉合规和安全的人进来，不要等到上线前。

坑五：AI写的代码，语法全对，业务全错

有篇头条上的复盘我印象很深。作者说他为了赶进度，让AI批量生成了近十万行代码，三个月预算烧出八千多万token。测试环境跑得丝滑，一上生产环境用户连登录页都打不开，登录失败率87%，没有报错规律。第二天会议室里，跟他多年的开发组长当众合上笔记本说"这项目不是人做的，我不干了"。

他的复盘结论我觉得说得很准：AI不会犯错，但它会完美地犯"无效错"。代码语法完全合规，却完全脱离实际业务场景，忽略了鉴权链路、缓存机制、冷启动超时这些落地细节。

他后来在团队落地了AI代码双校验机制：所有AI生成的代码必须两名工程师交叉走查，重点看API调用频率、硬编码隐患、异常处理漏洞，提交前强制过安全扫描。线上故障率降了62%。

五、我们组现在的五条规矩

坑踩完之后，我在组里立了几条规矩。写得很土，但管用。

第一，AI只出初稿，署名的人负责。周报是谁的名字发出去的，数据错了就是谁的责任，不接受"AI写的"这个理由。

第二，三类信息不进外部模型：客户的原始数据、未公开的财务数字、对人的评价。要用就用公司内部部署的那套，慢一点认了。

第三，风险登记册新增一类：AI相关风险。具体包括幻觉导致的返工、依赖外部API的可用性、模型能力黑箱（你不知道它下次为什么就答错了）、合规。这一类我单独开了一页，因为它的应对措施跟传统风险不一样。

第四，估算分两栏。AI可加速的部分和必须人判断的部分，分开算，分开跟踪实际值。跑几个项目下来，你会得到自己团队的真实系数，而不是抄网上的"提效300%"。

第五，不可逆操作先出影响清单。删除、归档、覆盖、批量改名，一律先列清单，人确认了再执行。

这五条里，第一条和第五条是最重要的。其他三条可以慢慢补。

六、说点更根本的

我今年上半年焦虑过一阵，也是被那些"80%的活将被AI接手"的文章搞的。

后来看到一个说法，挺扎心，但我觉得准。有人把组织竞争力写成一个式子：分子是人才密度乘以AI杠杆，分母是组织摩擦——等待、审批、对齐、信息衰减。

然后我对着这个式子看自己的日程表：站会、追进度、拉群传话、写周报、跨部门对齐。

我大部分的忙碌，都在分母里。

这就是为什么AI一来，项目经理这个岗位的焦虑比别的岗位都重。我们的很多价值，本来就建立在信息不对称和协调成本上。当工具链能自动同步任务状态、风险和依赖，手工搬运信息这件事就贬值了。

但我不觉得这是坏事。

协调从来只是这份工作的门槛，不是天花板。AI把杂活清空之后，反而逼着我们直面一个问题：如果这些都能被替代，我凭什么坐在这个位置上。

我自己想了几个月，答案大概是三件事：

替项目做决定，并且承担后果。AI能把事情理清楚，能列出三个方案的利弊，但它不会在方案A和方案B都合理的时候拍板，也不会在拍错了之后去跟老板解释。判断和责任是一体的，AI承担不了责任，所以也接不了判断。

在能做的事情爆炸的时候，守住"只做对的"。AI让每个人的产能都涨了，需求清单会变得比以前更长，所有人都能给你论证他那条为什么重要。这时候说"不"的能力比说"好"的能力值钱得多。

处理人的部分。情绪、信任、士气、身份认同。团队里有人因为AI觉得自己被贬值了，这事只能人来谈。

PMI中国那边有位负责人说过一句，我觉得比所有榜单都值得记住：AI不会替代项目经理，但不会用AI的项目经理，会被会用AI的项目经理替代。

七、如果你只想拿走一条建议

别装十二个工具。

从下周开始，挑一件你最烦的事务性工作交给AI，跑满一周。我建议从会议纪要开始，因为它见效最快，风险也最小。

一周之后，你会对AI的能力边界有个很具体的体感——比看一百篇榜单文章都清楚。

然后再决定第二个工具用在哪。