Artificial Intelligence in project risk management: A systematic literature review

Abstract

In an increasingly dynamic and uncertain global environment, organizations seek advanced methods to enhance project success and resilience. This dissertation investigates how Artificial Intelligence (AI) can improve Project Risk Management (PRM) by systematically analyzing peer-reviewed research published between 2018 and mid-2025. A Systematic Literature Review (SLR) based on the PRISMA methodology and aligned with the PMI (2019) Standard for Risk Management and ISO31000 (2018) guidelines, was conducted across Scopus, Web of Science, and IEEE Xplore, retrieving 109 records. After multi-stage screening, 57 documents were retained for detailed analysis, and the 20 most-cited studies (18 articles + 2 books) formed the final analysis document set. The findings reveal that AI, particularly machine learning, Bayesian networks, neural networks, and natural language processing, strengthens traditional PRM by improving risk identification, assessment, and monitoring. AI contributes to predictive accuracy, analytical precision, and decision transparency, yet challenges remain regarding data fragmentation, explainability, and ethical constraints. The results support a hybrid human–AI risk-governance paradigm, where algorithmic intelligence complements managerial judgment. In the end, this research tries to contribute theoretically, methodologically, and practically to understanding how AI can redefine project-risk practices.

Num contexto global cada vez mais dinâmico e incerto, as organizações procuram métodos avançados para reforçar o sucesso e a resiliência dos projetos. Esta dissertação investiga como a Inteligência Artificial (IA) pode melhorar a Gestão do Risco em Projetos (PRM), através de uma análise sistemática da literatura científica publicada entre 2018 e até meio do ano de 2025. Foi realizada uma Revisão Sistemática da Literatura (SLR) segundo a metodologia PRISMA articulada com a norma do PMI (2019) e com as diretrizes da ISSO 31000 (2018), abrangendo as bases de dados Scopus, Web of Science e IEEE Xplore, com um total de 109 registos iniciais. Após várias fases de triagem e elegibilidade, 57 documentos foram considerados relevantes, sendo os 20 mais citados (18 artigos + 2 livros) utilizados para a análise final. Os resultados evidenciam que a IA, em especial Machine Learning, redes neuronais, redes bayesianas e processamento de linguagem natural, melhora os processos de identificação, avaliação e monitorização de riscos em projetos. A IA reforça a precisão preditiva, a eficiência analítica e a transparência nas decisões, embora persistam desafios relacionados com fragmentação de dados, explicabilidade e questões éticas. Conclui-se que emerge um paradigma híbrido de governação de risco humano-IA, no qual a inteligência algorítmica complementa o julgamento humano. Esta dissertação tenta oferecer um contributo teórico, metodológico e prático para a compreensão de como a IA redefine as práticas de gestão do risco em projetos.