| dc.contributor.advisor | Λιαγκούρας, Κωνσταντίνος | |
| dc.contributor.author | Εξάρχου, Γεώργιος | |
| dc.date.accessioned | 2026-07-22T16:47:20Z | |
| dc.date.available | 2026-07-22T16:47:20Z | |
| dc.date.issued | 2026-07 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/19614 | |
| dc.description.abstract | Η παρούσα πτυχιακή εργασία ερευνά το κεντρικό ερώτημα του πώς η ραγδαία ανάπτυξη των Μεγάλων Γλωσσικών Μοντέλων (LLMs) και της Γενετικής Τεχνητής Νοημοσύνης επηρεάζει και μετασχηματίζει τα Συστήματα Ενδοεπιχειρησιακού Σχεδιασμού (ERP). Βασικός στόχος είναι η ανάδειξη των τεχνολογικών λύσεων που προσφέρει η τεχνητή νοημοσύνη στις εγγενείς αδυναμίες των παραδοσιακών συστημάτων ERP, όπως η δομική ακαμψία, οι περίπλοκες γραφικές διεπαφές και η αδυναμία αξιοποίησης μη δομημένων δεδομένων. Για την επίτευξη αυτού του σκοπού, διεξήχθη συστηματική βιβλιογραφική ανασκόπηση βάσει του πρωτοκόλλου PRISMA, εξετάζοντας 105 σύγχρονες ακαδημαϊκές και βιομηχανικές πηγές της περιόδου 2023-2026.
Η μελέτη αναλύει σε βάθος σύγχρονες αρχιτεκτονικές, όπως την ανάκτηση πληροφοριών από εταιρικά έγγραφα (RAG) και την αλληλεπίδραση με το ERP μέσω φυσικής γλώσσας (NL2SQL). Παράλληλα, εξετάζει την πρακτική ενσωμάτωση αυτόνομων πρακτόρων (Agentic AI) σε κρίσιμα υποσυστήματα της επιχείρησης (Λογιστήριο, Εφοδιαστική Αλυσίδα, Ανθρώπινο Δυναμικό), καθώς και την καταλυτική επίδραση των μοντέλων αυτών στην Εξόρυξη Επιχειρησιακών Διαδικασιών (Process Mining). Τα συμπεράσματα καταδεικνύουν ότι τα ERP μεταβαίνουν οριστικά από παθητικά αποθετήρια σε «γνωστικά» συστήματα ενεργητικής λήψης αποφάσεων. Ωστόσο, διαπιστώνεται ότι η ασφαλής υιοθέτησή τους προϋποθέτει την αυστηρή αντιμετώπιση τεχνολογικών προκλήσεων, όπως οι ανακρίβειες των μοντέλων (παραισθήσεις), οι κίνδυνοι κυβερνοασφάλειας και η ευρωπαϊκή κανονιστική συμμόρφωση. | el |
| dc.format.extent | 117 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Πώς η ανάπτυξη των μεγάλων γλωσσικών μοντέλων (LLMs) επηρεάζει τα ERP; | el |
| dc.title.alternative | How does the development of Large Language Models (LLMs) affect ERP systems? | el |
| dc.type | Bachelor Dissertation | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This bachelor thesis investigates the central research question of how the rapid development of Large Language Models (LLMs) and Generative Artificial Intelligence affects and transforms Enterprise Resource Planning (ERP) systems. The primary objective is to highlight the technological solutions AI provides to the inherent limitations of traditional ERPs, such as structural rigidity, complex graphical interfaces, and the inability to utilize unstructured data. To achieve this, a systematic literature review was conducted based on the PRISMA protocol, examining 105 contemporary academic and industrial sources from the period 2023-2026.
The study conducts an in-depth analysis of modern architectures, such as information retrieval from corporate documents (RAG) and interacting with the ERP via natural language (NL2SQL). Concurrently, it examines the practical integration of autonomous agents (Agentic AI) across critical enterprise modules (Finance, Supply Chain, Human Resources), as well as the catalytic impact of these models on Business Process Mining. The conclusions demonstrate that ERPs are definitively transitioning from passive data repositories to "cognitive" systems capable of active decision-making. However, it is established that their secure adoption necessitates the rigorous management of technological challenges, such as model inaccuracies (hallucinations), cybersecurity risks, and European regulatory compliance. | el |
| dc.subject.keyword | Συστήματα ERP | el |
| dc.subject.keyword | Μεγάλα γλωσσικά μοντέλα | el |
| dc.subject.keyword | Αυτόνομοι πράκτορες | el |
| dc.subject.keyword | Εξόρυξη διαδικασιών | el |
| dc.subject.keyword | Γνωστική αυτοματοποίηση | el |
| dc.date.defense | 2026-07-10 | |
