Amedeo Boraso
Intelligenza artificiale in Europa: analisi dell'ecosistema delle startup tramite lo studio di operazioni di merger&acquisition = Artificial intelligence in Europe: analysis of the startup ecosystem through the study of merger & acquisition operations.
Rel. Emilio Paolucci, Elettra D'Amico. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Gestionale, 2020
|
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (1MB) | Preview |
Abstract: |
Per questo studio sono state considerate le startup europee fondate tra il 2005 e giugno 2020 che si descrivono come operanti nel settore dell’intelligenza artificiale. Il fine dello studio è di comprendere le dinamiche che caratterizzano il mercato dell’IA. In particolare, sono stati analizzati i trend che peculiari del mercato dei Merger&Acquisition e il profilo tipico della startup acquisita in modo da avere una visione chiara delle dinamiche di mercato e dell’interesse che suscita l’ecosistema creatosi negli anni. I dati per eseguire le analisi sono stati ricavati tramite Crunchbase e LinkedIn, che hanno permesso di avere una panoramica esauriente di tutte le caratteristiche fondamentali. Le startup europee di IA che nel tempo hanno effettuato un’exit tramite M&A, sono state acquisite durante la fase early stage, dunque nei primi anni di vita e con il prodotto ancora in via di sviluppo. L’acquisto della startup nella maggior parte dei casi ha ripagato gli investitori. L’ecosistema europeo sta faticando ad affermarsi. Gli Stati Uniti si presentano come il principale acquirente per le startup di IA, portando così imprese con grandi prospettive fuori dall’Europa. Nel continente il Regno Unito è il Paese con maggior impatto in questo ambito, ma anche esso fatica a trattenere i talenti. Il mondo delle startup sta crescendo, ma la cultura imprenditoriale è ancora arretrata. |
---|---|
Relators: | Emilio Paolucci, Elettra D'Amico |
Academic year: | 2020/21 |
Publication type: | Electronic |
Number of Pages: | 106 |
Subjects: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Gestionale |
Classe di laurea: | New organization > Master science > LM-31 - MANAGEMENT ENGINEERING |
Aziende collaboratrici: | UNSPECIFIED |
URI: | http://webthesis.biblio.polito.it/id/eprint/16453 |
Modify record (reserved for operators) |