Lorenzo D'Amico
Startup di intelligenza Artificiale e investimenti: l'importanza, nel panorama europeo, del background lavorativo dei fondatori per la raccolta di capitale sul mercato finanziario. = Artificial intelligence startups and investments: the importance, in the European panorama, of the founders' working background for raising capital on the financial market.
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 (3MB) | Preview |
Abstract: |
L'intelligenza artificiale ha il potenziale di imitare il cervello umano, il che la rende unica tra le tecnologie in quanto può imparare e risolvere problemi che normalmente richiederebbero l'intelligenza umana. In generale, l'intelligenza artificiale comprende il linguaggio naturale e l'elaborazione, la percezione visiva e il modello il riconoscimento così come il processo decisionale. Questi processi in combinazione tra loro danno all'AI un enorme potenziale in molteplici discipline e in molti settori economici. Per questi motivi oggi la corsa globale per finanziare, sviluppare e acquisire tecnologie di intelligenza artificiale e start-up si sta intensificando e gli usi commerciali dell'AI proliferano sia nelle economie avanzate che in quelle emergenti. In questo contesto il presente elaborato di tesi ha l’obiettivo di analizzare la correlazione tra il background lavorativo dei fondatori delle startup del panorama europeo e i finanziamenti che quest'ultima riesce a raccogliere sul mercato finanziario. Quindi capire se c'è una tendenza da parte degli investitori a finanziare startup fondate da fondatori con un certo tipo di esperienza pregressa. A tal fine, dopo aver analizzato con l’aiuto della letteratura lo scenario europeo in cui sono impegnate le startup di intelligenza artificiale e tenendo conto della trasversalità e delle infinite sfaccettature relative ai diversi campi di applicazione dell’intelligenza artificiale, si è proseguito con una classificazione di quelli che sono i diversi domini (o campi di applicazione) dell’intelligenza artificiale e delle attività che ciascun dominio abbraccia. Fatto ciò, si è partiti con la ricerca informazioni riguardanti le startup europee di intelligenza artificiale fondate tra il 2005 e il 2020 e, quindi, la conseguente costruzione di tre database contenti informazioni su 4266 startup, 6170 fondatori e 1915 investitori principali. Si è continuato con lo svolgere le prime analisi generali riguardanti la geografia e i settori di fondazione delle startup, la tipologia e il loro stato operativo. Per quanto riguarda i fondatori si è proseguito con un’analisi riguardante il loro background accademico e lavorativo, e quindi si è osservato il luogo di studio, la tipologia di studi effettuati e l’esperienza lavorativa avuta dalla persona prima di fondare la startup. Infine, per gli investitori, oltre alla loro posizione geografica e alla tipologia, sono stati tracciati il valore e la tipologia di investimenti fatti in startup di intelligenza artificiale. Infine, le analisi si concentrano sui fattori critici che influenzano la raccolta di capitale da parte delle startup di intelligenza artificiale, focalizzandoci sull’esperienza lavorativa avuta dai fondatori prima di fondare la startup, partendo dal presupposto che le competenze e i modelli mentali sviluppati all’interno dei diversi ambienti lavorativi vadano ad incidere fortemente sul loro modo di agire. Con l’obiettivo, quindi, di studiare un’eventuale correlazione tra investimenti ed esperienza pregressa dei fondatori, le esperienze di lavoro sono state classificate come “accademiche” (con riferimento al mondo universitario) e “non accademiche” (con riferimento al mondo aziendale). Così facendo è stato possibile definire anche cinque diverse tipologie di team di fondatori in modo da indagare l’importanza dell’eterogeneità delle esperienze all’interno di un team in relazione agli investimenti raccolti dalle startup. |
---|---|
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/16454 |
Modify record (reserved for operators) |