Η κατασκευαστική βιομηχανία αποτελεί έναν από τους σημαντικότερους πυλώνες

της παγκόσμιας οικονομίας, καθώς συμβάλλει ουσιαστικά στην ανάπτυξη των

υποδομών, στη δημιουργία θέσεων εργασίας και στη συνολική οικονομική και

κοινωνική πρόοδο. Παρά τη στρατηγική σημασία του κλάδου, εξακολουθεί να

αντιμετωπίζει σημαντικές προκλήσεις που επηρεάζουν την αποτελεσματική

υλοποίηση των έργων, όπως οι υπερβάσεις προϋπολογισμού, οι καθυστερήσεις στην

ολοκλήρωση, η χαμηλή παραγωγικότητα, η μη αποδοτική αξιοποίηση των διαθέσιμων

πόρων και η αβεβαιότητα κατά τη λήψη αποφάσεων. Επιπλέον, σε σύγκριση με άλλους

παραγωγικούς τομείς, ο κατασκευαστικός κλάδος εμφανίζει χαμηλότερο επίπεδο

ψηφιακής ωριμότητας, γεγονός που περιορίζει την αξιοποίηση των διαθέσιμων

δεδομένων και επιβραδύνει την ενσωμάτωση σύγχρονων τεχνολογικών λύσεων

(Abioye et al., 2021.

Η Τεχνητή Νοημοσύνη (Artificial Intelligence – AI) αποτελεί μία από τις

σημαντικότερες τεχνολογικές εξελίξεις της σύγχρονης ψηφιακής εποχής και επηρεάζει

ολοένα περισσότερο τον τρόπο με τον οποίο σχεδιάζονται, οργανώνονται και

υλοποιούνται τα τεχνικά έργα. Η συνεχής πρόοδος των αλγορίθμων, η αυξανόμενη

διαθεσιμότητα δεδομένων και η ανάπτυξη τεχνολογιών όπως το Building Information

Modeling (BIM), τα Digital Twins, το Internet of Things (IoT), τα Big Data και οι

υπηρεσίες Cloud Computing δημιουργούν νέες δυνατότητες για τη βελτίωση της

διαχείρισης έργων, ενισχύοντας την ποιότητα της λήψης αποφάσεων, την

αποδοτικότητα των διαδικασιών και την αποτελεσματικότερη αξιοποίηση των

διαθέσιμων πόρων.

Σκοπός της παρούσας διπλωματικής εργασίας ήταν η συστηματική διερεύνηση της

αξιοποίησης της Τεχνητής Νοημοσύνης στη διαχείριση τεχνικών έργων, καθώς και η

σύνθεση της σύγχρονης διεθνούς επιστημονικής γνώσης σχετικά με τις εφαρμογές, τα

οφέλη, τις προκλήσεις και τους παράγοντες που επηρεάζουν την επιτυχή υιοθέτησή

της στον κατασκευαστικό κλάδο. Για την επίτευξη του σκοπού αυτού εφαρμόστηκε η

μεθοδολογία της Συστηματικής Βιβλιογραφικής Ανασκόπησης (Systematic Literature

2Review – SLR), μέσω της οποίας πραγματοποιήθηκε συστηματική αναζήτηση,

επιλογή, αξιολόγηση και σύνθεση επιστημονικών δημοσιεύσεων που προέρχονται από

διεθνώς αναγνωρισμένες βάσεις δεδομένων.

Η ανάλυση της βιβλιογραφίας κατέδειξε ότι η Τεχνητή Νοημοσύνη αξιοποιείται

πλέον σε ένα ευρύ φάσμα λειτουργιών του Construction Project Management, όπως ο

χρονικός προγραμματισμός, η εκτίμηση και διαχείριση κόστους, η διαχείριση

κινδύνων, η παρακολούθηση της προόδου των έργων, η διαχείριση πόρων, η υγεία και

ασφάλεια, η διαχείριση τεχνικών εγγράφων και η υποστήριξη της λήψης αποφάσεων.

Παράλληλα, αναδείχθηκε ότι η μεγαλύτερη αξία των εφαρμογών AI προκύπτει όταν

αυτές λειτουργούν σε συνδυασμό με άλλες τεχνολογίες του Construction 4.0,

δημιουργώντας ένα ολοκληρωμένο ψηφιακό οικοσύστημα διαχείρισης έργων.

Η σύνθεση των ευρημάτων ανέδειξε επίσης ότι η επιτυχής αξιοποίηση της

Τεχνητής Νοημοσύνης δεν αποτελεί αποκλειστικά τεχνολογικό ζήτημα. Αντίθετα,

εξαρτάται από την αλληλεπίδραση τεχνολογικών, οργανωσιακών, ανθρώπινων,

οικονομικών και κανονιστικών παραγόντων, όπως η ποιότητα των δεδομένων, η

ψηφιακή ωριμότητα των οργανισμών, η διαθεσιμότητα κατάλληλων υποδομών, η

υποστήριξη της διοίκησης, οι ψηφιακές δεξιότητες του ανθρώπινου δυναμικού, η

οικονομική βιωσιμότητα των επενδύσεων, καθώς και η συμμόρφωση με τις απαιτήσεις

δεοντολογίας και διακυβέρνησης των συστημάτων Τεχνητής Νοημοσύνης.

Η παρούσα εργασία συμβάλλει στη συστηματική οργάνωση και σύνθεση της

υφιστάμενης επιστημονικής γνώσης, παρέχοντας μια ολοκληρωμένη εικόνα των

εφαρμογών και των παραγόντων που επηρεάζουν την αξιοποίηση της Τεχνητής

Νοημοσύνης στη διαχείριση τεχνικών έργων. Τα ευρήματα μπορούν να αποτελέσουν

χρήσιμο θεωρητικό υπόβαθρο για μελλοντικές ερευνητικές προσπάθειες, αλλά και

σημείο αναφοράς για επαγγελματίες και οργανισμούς που επιδιώκουν να

ενσωματώσουν τεχνολογίες AI στις διαδικασίες διαχείρισης έργων, υποστηρίζοντας

τον ψηφιακό μετασχηματισμό του κατασκευαστικού κλάδου.

Artificial Intelligence (AI) has emerged as one of the most influential technological

developments of the digital era, transforming the way construction projects are planned,

managed, and delivered. Rapid advances in AI algorithms, together with the

widespread adoption of technologies such as Building Information Modeling (BIM),

Digital Twins, the Internet of Things (IoT), Big Data, and Cloud Computing, have

created new opportunities to improve project performance through enhanced decision-

making, process automation, predictive analytics, and more efficient resource

management.

The aim of this thesis is to investigate the application of Artificial Intelligence in

Construction Project Management through a systematic synthesis of the contemporary

scientific literature. To achieve this objective, a Systematic Literature Review (SLR)

methodology was adopted. Relevant studies were identified, selected, evaluated, and

critically synthesized using internationally recognized scientific databases, providing a

comprehensive overview of the current state of knowledge in this rapidly evolving

research field.

The findings indicate that Artificial Intelligence is increasingly applied across

almost every major function of Construction Project Management, including project

scheduling, cost estimation and control, risk management, progress monitoring,

resource allocation, health and safety management, document management, and

decision support. The review further demonstrates that the greatest benefits are

achieved when AI is integrated with other Construction 4.0 technologies, creating

interconnected digital environments capable of supporting data-driven project

management throughout the entire project life cycle.

4The study also reveals that successful AI adoption extends beyond technological

capabilities alone. Effective implementation depends on the interaction of

technological, organizational, human, economic, ethical, and regulatory factors. Data

quality, digital maturity, system interoperability, management commitment, workforce

competencies, investment feasibility, governance mechanisms, and regulatory

compliance all play a critical role in determining the successful integration of AI within

construction organizations.

Furthermore, the literature review identifies several research gaps. Although

considerable progress has been made in developing AI applications, empirical evidence

from large-scale real-world construction projects remains limited. Additional research

is required to evaluate the long-term organizational impact of AI, investigate the

practical implementation of Generative AI and Large Language Models (LLMs), and

explore governance frameworks that ensure responsible, transparent, and trustworthy

AI deployment within the construction industry.

This thesis contributes to the existing body of knowledge by providing a

comprehensive synthesis of current research on Artificial Intelligence in Construction

Project Management. It offers a structured understanding of AI applications, adoption

factors, benefits, challenges, and research gaps, while also providing a useful reference

for researchers and industry professionals seeking to support the digital transformation

of construction organizations through the effective adoption of AI technologies.

Keywords: Artificial Intelligence; Construction Project Management; Systematic

Literature Review; Construction 4.0; Digital Transformation; Machine Learning;

Generative AI; Large Language Models.