This thesis aims to explore how Artificial Intelligence (AI) and especially Large Language Models (LLMs) can transform project management. This research is especially relevant for digital project, management in contexts of technology both for Informatics but also Mechanical Engineering, with the fast-advancing field of digital fabrication.
The use of AI is studied throughout the project management lifecycle. In the concept phase, AI facilitates project initiation by defining project ideas more clearly and systematically help in identifying stakeholders and market conditions. The goal is to use AI to simplify and enhance the creation of initial project concepts, avoiding roadblocks and making this process faster.
In the planning phase AI assists with requirement definition, and task identification while in the execution phase of projects the AI's capabilities will be used in terms of optimizing resource allocation, automating workflows, and enabling real-time monitoring with predictive analytics. By integrating anomaly detection, AI enhances project monitoring, helping to identify potential issues early. Real-time decision support systems provide also a key area of focus, providing actionable insights to improve efficiency.
In the closure phase, AI is studied for its role in automating the laborious processes of reporting and form completion. Furthermore, AI uses are studied in gathering stakeholder feedback and generating meaningful reports, emphasizing the capture of new expertise and lessons learned for future projects, which is crucial for effective Knowledge Management.
Beyond project lifecycle phases, this thesis delve into AI applications in systems engineering, focusing on requirements management, and system design. Finally, AI tools are used to support risk management across all project phases, ensuring a proactive approach to potential challenges.
The research methodology includes a comprehensive literature review, a case study of a research project management with AI, and analyses to evaluate AI tools. The outcome is a framework for integrating AI into project management, providing practical recommendations for leveraging AI to enhance project efficiency, outcomes, and collaborative efforts in digital project environment

Η παρούσα διατριβή αποσκοπεί στη διερεύνηση του τρόπου με τον οποίο η Τεχνητή Νοημοσύνη (ΤΝ) και ειδικότερα τα Γλωσσικά Μοντέλα (LLM) μπορούν να βελτιώσουν τη διαχείριση έργων. Η έρευνα αυτή είναι ιδιαίτερα σημαντική για τη διαχείριση ψηφιακών έργων σε τεχνολογικά πλαίσια τόσο για την Πληροφορική αλλά και τη Μηχανολογία με τον ταχέως εξελισσόμενο τομέα της ψηφιακής κατασκευής.
Η χρήση της ΤΝ μελετάται σε όλο τον κύκλο ζωής της διαχείρισης έργων. Στη φάση της σύλληψης, η ΤΝ διευκολύνει την έναρξη του έργου με τον σαφέστερο ορισμό των ιδεών του έργου και βοηθά συστηματικά στον εντοπισμό των ενδιαφερομένων μερών και των συνθηκών της αγοράς. Ο στόχος είναι να χρησιμοποιηθεί η ΤΝ για την απλούστευση και τη βελτίωση της δημιουργίας των αρχικών ιδεών του έργου, αποφεύγοντας τα εμπόδια και κάνοντας τη διαδικασία αυτή ταχύτερη. Στη φάση του σχεδιασμού η ΤΝ βοηθάει στον καθορισμό των απαιτήσεων και στον προσδιορισμό των εργασιών, ενώ στη φάση εκτέλεσης των έργων οι δυνατότητες της ΤΝ θα χρησιμοποιηθούν όσον αφορά τη βελτιστοποίηση της κατανομής των πόρων, την αυτοματοποίηση των ροών εργασίας και τη δυνατότητα παρακολούθησης σε πραγματικό χρόνο με προγνωστικές αναλύσεις. Με την ενσωμάτωση της ανίχνευσης ανωμαλιών, η ΤΝ ενισχύει την παρακολούθηση του έργου, συμβάλλοντας στον έγκαιρο εντοπισμό πιθανών προβλημάτων. Τα συστήματα υποστήριξης αποφάσεων σε πραγματικό χρόνο παρέχουν επίσης έναν βασικό τομέα εστίασης, παρέχοντας αξιοποιήσιμες πληροφορίες για τη βελτίωση της αποδοτικότητας.
Στη φάση κλεισίματος, η ΤΝ μελετάται για το ρόλο της στην αυτοματοποίηση των επίπονων διαδικασιών υποβολής εκθέσεων και συμπλήρωσης εντύπων. Επιπλέον, οι χρήσεις της ΤΝ μελετώνται στη συλλογή ανατροφοδότησης από τους ενδιαφερόμενους και στη δημιουργία ουσιαστικών αναφορών, δίνοντας έμφαση στη σύλληψη νέας τεχνογνωσίας και διδαγμάτων για μελλοντικά έργα, κάτι που είναι ζωτικής σημασίας για την αποτελεσματική διαχείριση της γνώσης.
Πέρα από τις φάσεις του κύκλου ζωής του έργου, η παρούσα διατριβή εμβαθύνει στις εφαρμογές ΤΝ στη μηχανική συστημάτων, εστιάζοντας στη διαχείριση απαιτήσεων και στο σχεδιασμό συστημάτων. Τέλος, τα εργαλεία ΤΝ χρησιμοποιούνται για την υποστήριξη της διαχείρισης κινδύνων σε όλες τις φάσεις του έργου, εξασφαλίζοντας μια προληπτική προσέγγιση των πιθανών προκλήσεων.
Η ερευνητική μεθοδολογία περιλαμβάνει μια ολοκληρωμένη βιβλιογραφική ανασκόπηση, μια μελέτη περίπτωσης διαχείρισης ενός ερευνητικού έργου με ΤΝ και αναλύσεις για την αξιολόγηση εργαλείων ΤΝ. Το αποτέλεσμα είναι ένα πλαίσιο για την ενσωμάτωση της τεχνητής νοημοσύνης στη διαχείριση έργων, παρέχοντας πρακτικές συστάσεις για την αξιοποίηση της τεχνητής νοημοσύνης για τη βελτίωση της αποτελεσματικότητας των έργων, των αποτελεσμάτων και των συνεργατικών προσπαθειών σε περιβάλλον ψηφιακών έργων.