Περίληψη

Η παρούσα μεταπτυχιακή διπλωματική εργασία διερευνά, μέσα από αυστηρά θεωρητική και βιβλιογραφική προσέγγιση, τον ρόλο της Τεχνητής Νοημοσύνης στη διαχείριση κινδύνων έργων. Αφετηρία της μελέτης αποτελεί η διαπίστωση ότι τα σύγχρονα τεχνικά και οργανωσιακά έργα εκπονούνται σε περιβάλλον αυξημένης πολυπλοκότητας, αβεβαιότητας και ταχείας τεχνολογικής μεταβολής, στο οποίο οι παραδοσιακές μέθοδοι πρόβλεψης και αξιολόγησης κινδύνων εμφανίζουν σημαντικούς περιορισμούς. Η εξάρτηση από στατικές εκτιμήσεις, την υποκειμενική ανθρώπινη κρίση και ιστορικά δεδομένα περιορισμένης κλίμακας μειώνει την ικανότητα έγκαιρης αναγνώρισης και αντιμετώπισης κρίσιμων απειλών. Σκοπός της εργασίας είναι η αφηγηματική χαρτογράφηση και κριτική σύνθεση της διεθνούς βιβλιογραφίας που συνδέει τις τεχνολογίες μηχανικής μάθησης και ανάλυσης δεδομένων με τις διαδικασίες πρόβλεψης, αξιολόγησης, ιεράρχησης και μετριασμού των κινδύνων σε ολόκληρο τον κύκλο ζωής των έργων. Η μεθοδολογία στηρίζεται σε αφηγηματική βιβλιογραφική ανασκόπηση και θεματική κατηγοριοποίηση δευτερογενών πηγών, καθώς και σε συγκριτική, ερμηνευτική ανάλυση επιλεγμένων θεωρητικών μοντέλων και μελετών περίπτωσης, χωρίς πρωτογενή συλλογή ή εμπειρική επεξεργασία δεδομένων. Από τη μελέτη αναδεικνύεται ότι η Τεχνητή Νοημοσύνη δεν λειτουργεί ως υποκατάστατο της ανθρώπινης κρίσης, αλλά ως συμπληρωματικό εργαλείο ενίσχυσης της διοικητικής ικανότητας, το οποίο μειώνει το κόστος της πρόβλεψης και βελτιώνει την ποιότητα των αποφάσεων. Παράλληλα, επισημαίνονται κρίσιμες προϋποθέσεις και περιορισμοί, όπως η ποιότητα των δεδομένων, η ερμηνευσιμότητα των αλγορίθμων, η οργανωσιακή ωριμότητα και τα συναφή ηθικά ζητήματα. Η εργασία καταλήγει σε ένα συνεκτικό θεωρητικό πλαίσιο που γεφυρώνει τη διοίκηση έργων με την Τεχνητή Νοημοσύνη και διατυπώνει κατευθύνσεις για μελλοντική εμπειρική έρευνα και πρακτική εφαρμογή.

Abstract

This postgraduate dissertation examines, through a strictly theoretical and literature based approach, the role of Artificial Intelligence in project risk management. The study departs from the observation that contemporary technical and organisational projects are carried out in an environment of increasing complexity, uncertainty and rapid technological change, in which traditional methods of risk prediction and assessment display significant limitations. Reliance on static estimates, subjective human judgement and historical data of limited scale reduces the capacity for the timely identification and treatment of critical threats. The purpose of the dissertation is the narrative mapping and critical synthesis of the international literature that links machine learning and data analysis technologies with the processes of predicting, assessing, prioritising and mitigating risks throughout the project life cycle. The methodology is based on a narrative literature review and thematic categorisation of secondary sources, as well as on a comparative, interpretive analysis of selected theoretical models and case studies, without primary data collection or empirical processing. The study highlights that Artificial Intelligence does not act as a substitute for human judgement, but as a complementary tool that enhances managerial capability, reduces the cost of prediction and improves the quality of decisions. At the same time, critical preconditions and limitations are emphasised, such as data quality, algorithmic interpretability, organisational maturity and related ethical issues. The dissertation concludes with a coherent theoretical framework that bridges project management and Artificial Intelligence and formulates directions for future empirical research and practical application.