Nuove Tecniche AI – Scienze Notizie

Prevedere il successo delle aziende è un aspetto cruciale per orientare le decisioni di investimento e sviluppare politiche economiche efficaci. Tuttavia, studi precedenti sulle imprese ad alta crescita, considerate fondamentali per stimolare lo sviluppo economico, hanno rivelato una scarsa accuratezza predittiva. Questo suggerisce che la crescita possa essere in gran parte influenzata da fattori casuali. Ma questa assunzione è ancora valida nell’era dell’intelligenza artificiale, caratterizzata da enormi volumi di dati e metodi analitici avanzati? Le tecniche di intelligenza artificiale possono realmente superare le difficoltà nel prevedere le performance delle imprese ad alta crescita? Queste domande sono state approfondite in un capitolo che ho co-autore nel De Gruyter Handbook of SME Entrepreneurship, dove abbiamo esaminato i contributi scientifici riguardanti la previsione della crescita aziendale attraverso l’uso dell’intelligenza artificiale.

Definizione di imprese ad alta crescita

Secondo la definizione fornita da Eurostat e dall’Organizzazione per la Cooperazione e lo Sviluppo Economico (OECD), le imprese ad alta crescita sono quelle che, partendo da un minimo di 10 dipendenti, mostrano una crescita annualizzata media superiore al 20% per un periodo di tre anni. Questa crescita può essere misurata sia in termini di incremento del numero di dipendenti che di aumento del fatturato. Un sottoinsieme di queste aziende, noto come gazelle, comprende giovani imprese, tipicamente start-up, che hanno un’età massima di cinque anni e che sperimentano una rapida espansione. Le imprese ad alta crescita sono riconosciute come motori di sviluppo, innovazione e creazione di posti di lavoro.

Importanza delle previsioni di crescita

Identificare aziende con un potenziale di crescita elevato consente a investitori, incubatori di start-up, acceleratori, grandi aziende e responsabili politici di scoprire opportunità di investimento, stabilire partnership strategiche e allocare risorse in modo più efficace sin dalle fasi iniziali. Tuttavia, prevedere i risultati delle start-up si rivela più complesso rispetto a farlo per le aziende consolidate, a causa della scarsità di dati storici, dell’elevata incertezza e della necessità di considerare vari fattori qualitativi come l’esperienza del fondatore e la capacità di adattamento al mercato.

Il tasso di fallimento delle start-up

Ma quanto è realmente casuale la crescita delle imprese? La necessità di previsioni accurate è accentuata dall’alto tasso di fallimento delle start-up. Infatti, una su cinque non supera il primo anno di attività e due terzi chiudono entro dieci anni. Alcune di queste start-up, tuttavia, possono avere un impatto significativo sulla creazione di posti di lavoro. Ricerche condotte su aziende spagnole e russe tra il 2010 e il 2018 hanno dimostrato che, sebbene le gazelle rappresentassero solo l’1-2% del totale delle aziende in entrambi i paesi, erano responsabili di circa il 14% della crescita occupazionale in Russia e del 9% in Spagna, come evidenziato in uno studio che analizza i dati provenienti da aziende spagnole e russe.

Le sfide nella previsione della crescita

Le imprese ad alta crescita sono quindi considerate essenziali per stimolare la crescita economica e l’occupazione, ma la loro identificazione rimane una sfida. Gli stakeholder necessitano di previsioni di crescita affidabili per ottimizzare il processo decisionale e ridurre i rischi, individuando le aziende con il maggior potenziale di successo. Nel tentativo di comprendere le ragioni per cui alcune aziende crescono più rapidamente di altre, i ricercatori hanno analizzato vari fattori, tra cui la personalità degli imprenditori, le strategie competitive, le risorse disponibili, le condizioni di mercato e il contesto macroeconomico. Tuttavia, questi elementi spiegano solo una piccola parte della variabilità nella crescita delle imprese e presentano applicazioni pratiche limitate.

Il ruolo dell’intelligenza artificiale nella previsione

L’intelligenza artificiale offre opportunità innovative per la previsione delle imprese ad alta crescita. Le tecniche di IA stanno guadagnando terreno nel settore, con il 70% delle società di venture capital che le utilizzano per migliorare la produttività interna e facilitare la ricerca, la selezione, la classificazione e il monitoraggio delle start-up promettenti. Crunchbase, una piattaforma di dati aziendali, ha dimostrato attraverso test interni che i suoi modelli di IA possono prevedere il successo delle start-up con una precisione del 95%, analizzando migliaia di segnali. Questi sviluppi hanno il potenziale di trasformare radicalmente il modo in cui investitori e aziende affrontano il processo decisionale nei mercati privati.

Vantaggi delle tecniche di intelligenza artificiale

I vantaggi delle tecniche di intelligenza artificiale risiedono nella loro capacità di elaborare volumi, varietà e velocità di dati superiori rispetto ai metodi statistici tradizionali. Tecniche di apprendimento automatico, come il random forest e il least absolute shrinkage and selection operator, sono in grado di identificare le variabili chiave che influenzano i risultati aziendali in set di dati con un gran numero di predittori. Inoltre, un modello di linguaggio di grandi dimensioni “fuso” ha dimostrato di prevedere il successo delle start-up utilizzando sia informazioni strutturate che descrizioni testuali non strutturate. Le tecniche di IA non solo migliorano l’accuratezza delle previsioni di crescita, ma aiutano anche a identificare i fattori di crescita più rilevanti e a ridurre i pregiudizi umani.

Le sfide future nell’uso dell’intelligenza artificiale

Tuttavia, permangono delle sfide. Nonostante i rapidi progressi dell’intelligenza artificiale, esiste ancora un notevole margine di miglioramento. Sebbene le moderne tecniche di IA abbiano migliorato la previsione delle imprese ad alta crescita, gli studi indicano che questa continua a rappresentare una sfida. Infatti, il successo delle start-up è spesso influenzato da fattori intangibili e in continua evoluzione, difficili da catturare attraverso i dati. Si raccomandano ulteriori avanzamenti metodologici, come l’integrazione di un’ampia gamma di predittori, l’utilizzo di fonti di dati diverse e l’adozione di algoritmi più sofisticati.

Verso un’intelligenza artificiale più spiegabile

Una delle principali difficoltà associate ai metodi di intelligenza artificiale è la loro capacità di fornire spiegazioni chiare per le previsioni generate. I modelli complessi di deep learning, infatti, operano spesso come “scatole nere”, rendendo poco chiari i meccanismi causali che trasformano gli input in output. Pertanto, sviluppare un’intelligenza artificiale più spiegabile è diventato uno degli obiettivi principali della comunità di ricerca. Comprendere cosa possa essere spiegabile e cosa non lo sia ancora nell’ambito dei metodi di IA può guidare i professionisti nell’identificazione e nel supporto delle imprese ad alta crescita.