Dalla Connoisseurship all'Intelligenza Artificiale: Nuovi Paradigmi di Valutazione nel Mercato dell'Arte

Il mercato dell'arte contemporanea è storicamente caratterizzato da forti asimmetrie informative e da una soggettività valutativa che rende complessa la determinazione del fair value. La presente tesi esplora il potenziale dell'intelligenza artificiale (IA) come strumento per mitigare tali criticità, offrendo modelli di pricing più trasparenti e data-driven. La ricerca adotta un approccio comparativo analizzando due paradigmi tecnologici opposti: il modello di Artprice, fondato sui big data storici delle aste, e quello di Limna, che applica il machine learning alla quantificazione della reputazione nel mercato primario. Il cuore dello studio è costituito da un'indagine empirica volta a testare l'affidabilità di Limna su un campione stratificato di opere. I risultati dello stress test; rivelano che l'efficacia dell'IA non è uniforme: mentre si dimostra uno strumento di audit affidabile per il segmento intermedio (established), l'algoritmo manifesta limiti strutturali significativi di fronte alla volatilità degli artisti emergenti e all'eccezionalità dei blue chip. Alla luce di queste evidenze e dell'analisi della percezione di un campione d’indagine, l'elaborato teorizza la necessità di un modello di valutazione ibrido. In tale prospettiva, l'IA non sostituisce la figura dell'esperto, ma ne supporta la supervisione semantica, agendo come ancoraggio oggettivo in un ecosistema che richiede sempre più efficienza e trasparenza.