Dinamiche di sopravvivenza delle aziende IA: l'influenza della tecnologia e dei tempi di ingresso sul mercato

This thesis analyzes the survival dynamics of companies operating in the Artificial Intelligence (AI) sector, with particular attention to the influence of the technologies adopted, the sector of application, and the moment of entry into the market. Based on an original dataset of 1,504 AI startups founded between 2000 and 2014, survival analysis techniques are applied to identify the determinants of business longevity. The empirical approach combines descriptive statistics, Kaplan-Meier survival curves, and regression models (Cox, Gompertz, Weibull), with variable selection guided by Akaike's information criterion (AIC). The results highlight the central role of technology: companies that adopt Machine Learning, Robotics, and Cloud Computing have a reduced risk of exit, while those based on Natural Language Processing and Deep Learning show greater vulnerability. Differences also emerge at the sectoral level: the Healthcare and Finance sectors are associated with greater stability, while Media & Entertainment and Retail & E-commerce have higher probabilities of exit. The period of market entry is decisive: companies founded between 2005 and 2009 perform better than those that entered in the periods 2000–2004 and 2010–2014, suggesting that entering a more mature ecosystem favors survival. Organizational and financial factors further contribute: smaller founding teams, a limited but select number of investors, and experience in financing rounds increase resilience. Overall, the evidence reinforces the evolutionary perspective on innovation, emphasizing that survival depends on the interaction between technological choices, sector positioning, and timing of entry. In addition to theoretical contributions, the study provides practical insights for entrepreneurs, investors, and policymakers interested in promoting sustainable growth within the AI ecosystem.

Questa tesi analizza le dinamiche di sopravvivenza delle aziende che operano nel settore dell'Intelligenza Artificiale (IA), con particolare attenzione all'influenza delle tecnologie adottate, al settore di applicazione e al momento dell'ingresso nel mercato. Sulla base di un dataset originale di 1.504 startup IA fondate tra il 2000 e il 2014, vengono applicate tecniche di analisi di sopravvivenza per identificare i fattori determinanti della longevità aziendale. L'approccio empirico combina statistiche descrittive, curve di sopravvivenza di Kaplan-Meier e modelli di regressione (Cox, Gompertz, Weibull), con selezione delle variabili guidata dal criterio di informazione di Akaike (AIC). I risultati evidenziano il ruolo centrale della tecnologia: le aziende che adottano il Machine Learning, la Robotica e il Cloud Computing hanno un rischio di uscita ridotto, mentre quelle basate sul Natural Language Processing e sul Deep Learning mostrano una maggiore vulnerabilità. Emergono differenze anche a livello settoriale: i settori Healthcare e Finance sono associati a una maggiore stabilità, mentre Media & Entertainment e Retail & E-commerce hanno probabilità di uscita più elevate. Il periodo di ingresso nel mercato è decisivo: le aziende fondate tra il 2005 e il 2009 ottengono risultati migliori rispetto a quelle entrate nei periodi 2000-2004 e 2010-2014, suggerendo che l'ingresso in un ecosistema più maturo favorisce la sopravvivenza. Contribuiscono ulteriormente fattori organizzativi e finanziari: team di fondatori più piccoli, un numero limitato ma selezionato di investitori e l'esperienza nei round di finanziamento aumentano la resilienza. Nel complesso, i dati raccolti rafforzano la prospettiva evolutiva sull'innovazione, sottolineando che la sopravvivenza dipende dall'interazione tra scelte tecnologiche, posizionamento settoriale e tempistica di ingresso. Oltre ai contributi teorici, lo studio fornisce spunti pratici per imprenditori, investitori e responsabili politici interessati a promuovere una crescita sostenibile all'interno dell'ecosistema dell'IA.