本期专访主人公杨凡，从事项目管理工作十二年，目前担任欧立腾中国项目经理岗位，她目前正在与团队开发一款“专为AI而生的商用笔记本”。从关键部件的验证测试到产线标准化建设，她需要与项目中不同的人和事打交道，在此过程中她意识到一件事：

项目和技术会更迭，但建立认知的重要性不会变。

而在建立认知的过程中，AI是一位效率极高的帮手。

利用AI建议，做出人的决策

杨凡并不担心AI会取代自身职能。

“AI无法替代人的决策和资源整合能力。AI可以给你一堆方案，但选择哪一个方案，调配多少资源，这些判断，一定得靠人。” 她认为AI更像一个高效能的团队成员，它能快速整理数据、生成报告、追踪进度，节省了项目经理的很多时间，让项目经理有更多的精力做决策。

人的创造力与AI的准确率，应该拧成一股绳。在AI项目中，这种协作非常具体。研发过程中产生的测试数据极其庞杂，而AI可以帮助快速归类和初步分析，大幅压缩从数据到洞察的时间。但在洞察的下一步，AI无法切身判断什么是用户需要的功能、什么因素会影响成本和交付，关键决策依旧需要人的经验和认知来支撑。

管理AI项目，先建立认知再动手

AI项目中，技术难题和供应链的不确定性是拖慢进度的普遍原因之一，每当问题出现，项目经理都需要耗费大量精力解决，稍有不慎还将引发风险。而杨凡给出了一套适用于多领域的解决问题的方法论，关键在于建立认知。

“速度比精度更重要，认知比交付更重要。”

以实际工作经历为例，杨凡将这句话拆解为一套可复用的方法论。

她曾遇到一次重大产品功能事故，客户投诉笔记本的触摸屏完全失灵。收到消息的当天，她没有手忙脚乱或等所有信息收齐再行动，而是立刻做了三件事：

确定问题

快速成立问题调查小组，明确要求24小时内给出初步排查结果，并将问题等级直接定为“重大品质事故”；

补充认知

在等待小组反馈的同时，她收集这类故障最常见的几类成因，了解工厂端有哪些拦截机制。这个举动是为了让她在调查结果出来之前，就能够对“问题可能出在哪、改善方案该怎么验证”有初步判断；

对齐信息

当天下午，她把现有信息梳理清楚后，主动向上级主管和核心团队同步了情况，确保所有人都在同一信息面上。

调查结果公布后，因为有前期准备，她第一时间评估了改善对策的有效性，并推动工厂优化了多项交付流程，同时举一反三排查了其他潜在风险。

这套方法的核心在于：把未知转化为已知，把模糊拆解为具体。面对变化，她不会等所有需求都明确了再动，而是主动去补充特定情况下的认知，先跑通一个方向，用少量资源验证可行性，再把宏观的、模糊的问题拆解为具体的难点，逐一攻克。

阅读，是项目经理应对复杂挑战的隐性利器

面对日新月异的技术迭代和层出不穷的突发状况，杨凡选择了一条非传统的成长路径——她很少翻阅工具类书籍，而是深耕认知科学和人类行为逻辑的著作。

在她看来，工作不仅是谋生手段，更是打磨心智、积累智慧的实践场。通过阅读，她逐步建立起一套理解行为背后动因的框架，这让她在面对项目中的不确定因素时，能更迅速地抓住问题的结构，而非被表象干扰。阅读带给她的，不仅是知识边界的拓展，更是思维模型的升级，从线性因果到系统关联，从被动响应到主动预判。

这种思维训练直接转化为管理上的优势：她能够更精准地判断团队协作中的摩擦点，更高效地拆解复杂任务的优先级，甚至在项目失控前提前布局调整。阅读让她在理性分析中看清本质，从而把“解决问题”变成一个可复用的方法论，而非一次次临场救火。