This study examines whether, and with what limitations, a Large Language Model (LLM) can support a project manager in controlling project schedules using the PERT (Program Evaluation and Review Technique) method. A single general-purpose model, Google’s Gemini 3.5 Flash-Lite, was tested within a single conversation using a prompt based on an exploratory analysis; this analysis proposed measuring the uncertainty of a project network via Shannon entropy, supplemented by a Monte Carlo simulation. This approach was used to verify the consistency of the model’s responses against the provided criteria, highlighting the influence of the prompt and the model’s capacity for abstraction. The accuracy of the support provided was evaluated using three test networks and a PERT probabilistic calculation, with results that could be analytically verified. In the tests conducted, the model correctly performed the PERT calculation and, without any explicit prompting, identified the underestimation caused by convergence nodes (known as "merge bias"). Conversely, it made errors in comparative judgments, which determine monitoring priorities—while presenting these with the same level of confidence as its correct answers. These findings, both positive and negative, were derived from small-scale networks and a single execution per prompt, and thus serve only as preliminary indications. Nevertheless, they consistently underscore the necessity for careful oversight by the project manager and highlight the lack of complete reliability.

Il presente studio esamina se, e con quali limiti, un Large Language Model (LLM) possa supportare il project manager nel controllo dei tempi di progetto basato sul metodo PERT. È stato interrogato un solo modello di uso generale, Gemini 3.5 Flash-Lite (Google), all'interno di un'unica conversazione, con un prompt costruito su un'analisi esplorativa in cui si è proposto di misurare l'incertezza di un reticolo di progetto tramite l'entropia di Shannon accompagnata da una simulazione Monte Carlo. Tale analisi è usata per verificare la coerenza delle risposte con il criterio fornito, evidenziando l’influenza del prompt e la capacità di astrazione del modello. La correttezza del supporto è valutata su tre reticoli di prova e su un calcolo probabilistico PERT, con criteri verificabili analiticamente. Nelle prove svolte il modello ha eseguito correttamente il calcolo PERT e ha segnalato, senza indicazioni, la sottostima dovuta ai nodi di convergenza (merge bias). Ha invece commesso errori nei giudizi comparativi da cui dipendono le priorità di monitoraggio, presentati con la stessa sicurezza delle risposte corrette. I risultati, positivi e negativi, ottenuti su reticoli di piccole dimensioni e con una sola esecuzione per prompt, costituiscono indicazioni preliminari. Tuttavia condividono in maniera comune l’esigenza di un attento controllo da parte del project manager e la mancanza di una totale affidabilità.

ADOZIONE DI SISTEMI BASATI SU LARGE LANGUAGE MODEL PER IL MONITORAGGIO DI UN PROGETTO

ROCA, MARIA ELIANA
2025/2026

Abstract

This study examines whether, and with what limitations, a Large Language Model (LLM) can support a project manager in controlling project schedules using the PERT (Program Evaluation and Review Technique) method. A single general-purpose model, Google’s Gemini 3.5 Flash-Lite, was tested within a single conversation using a prompt based on an exploratory analysis; this analysis proposed measuring the uncertainty of a project network via Shannon entropy, supplemented by a Monte Carlo simulation. This approach was used to verify the consistency of the model’s responses against the provided criteria, highlighting the influence of the prompt and the model’s capacity for abstraction. The accuracy of the support provided was evaluated using three test networks and a PERT probabilistic calculation, with results that could be analytically verified. In the tests conducted, the model correctly performed the PERT calculation and, without any explicit prompting, identified the underestimation caused by convergence nodes (known as "merge bias"). Conversely, it made errors in comparative judgments, which determine monitoring priorities—while presenting these with the same level of confidence as its correct answers. These findings, both positive and negative, were derived from small-scale networks and a single execution per prompt, and thus serve only as preliminary indications. Nevertheless, they consistently underscore the necessity for careful oversight by the project manager and highlight the lack of complete reliability.
2025
ADOPTION OF SYSTEMS BASED ON LARGE LANGUAGE MODELS FOR PROJECT MONITORING
Il presente studio esamina se, e con quali limiti, un Large Language Model (LLM) possa supportare il project manager nel controllo dei tempi di progetto basato sul metodo PERT. È stato interrogato un solo modello di uso generale, Gemini 3.5 Flash-Lite (Google), all'interno di un'unica conversazione, con un prompt costruito su un'analisi esplorativa in cui si è proposto di misurare l'incertezza di un reticolo di progetto tramite l'entropia di Shannon accompagnata da una simulazione Monte Carlo. Tale analisi è usata per verificare la coerenza delle risposte con il criterio fornito, evidenziando l’influenza del prompt e la capacità di astrazione del modello. La correttezza del supporto è valutata su tre reticoli di prova e su un calcolo probabilistico PERT, con criteri verificabili analiticamente. Nelle prove svolte il modello ha eseguito correttamente il calcolo PERT e ha segnalato, senza indicazioni, la sottostima dovuta ai nodi di convergenza (merge bias). Ha invece commesso errori nei giudizi comparativi da cui dipendono le priorità di monitoraggio, presentati con la stessa sicurezza delle risposte corrette. I risultati, positivi e negativi, ottenuti su reticoli di piccole dimensioni e con una sola esecuzione per prompt, costituiscono indicazioni preliminari. Tuttavia condividono in maniera comune l’esigenza di un attento controllo da parte del project manager e la mancanza di una totale affidabilità.
Monitoraggio
Project Control
LLM
File in questo prodotto:
File Dimensione Formato  
Roca_Tesi_ LLM,Project control_ 07_11_2026.pdf

File consultabile da postazioni biblioteca

Descrizione: Documento di Tesi in PDF ROCA
Dimensione 2.94 MB
Formato Adobe PDF
2.94 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/111164