La presente tesi analizza l’evoluzione dei processi decisionali nelle società calcistiche professionistiche nell’era dell’Intelligenza Artificiale, interpretando l’AI come leva di innovazione di processo. Il lavoro costruisce un quadro teorico su innovazione organizzativa, razionalità limitata, decision making data-driven e intelligenza aumentata, applicandolo poi al calcio professionistico, settore caratterizzato da crescente complessità economica, competitiva e informativa. La tesi approfondisce il passaggio dai modelli decisionali tradizionali, fondati su esperienza, intuizione, reti relazionali e scouting qualitativo, verso modelli ibridi in cui dati, algoritmi e competenze umane vengono integrati. La parte empirica analizza Footsights Optimizer, un workflow AI-based applicato allo scouting e al recruitment, articolato nelle fasi di acquisizione, elaborazione, analisi e visualizzazione dei dati. Attraverso un framework di confronto tra processo tradizionale e AI-based, un caso applicativo e un’intervista qualitativa al consulente, la ricerca evidenzia come l’AI possa aumentare efficienza, scalabilità, tracciabilità e qualità informativa delle decisioni. I risultati mostrano che la tecnologia non sostituisce il giudizio umano, ma lo orienta e lo potenzia, rendendo centrale l’integrazione tra analisi quantitativa, osservazione qualitativa e interpretazione manageriale.
L’evoluzione dei processi decisionali nelle società calcistiche professionistiche nell’era dell’Intelligenza Artificiale: innovazione di processo e applicazione empirica.
FORNASARO, GIACOMO
2025/2026
Abstract
La presente tesi analizza l’evoluzione dei processi decisionali nelle società calcistiche professionistiche nell’era dell’Intelligenza Artificiale, interpretando l’AI come leva di innovazione di processo. Il lavoro costruisce un quadro teorico su innovazione organizzativa, razionalità limitata, decision making data-driven e intelligenza aumentata, applicandolo poi al calcio professionistico, settore caratterizzato da crescente complessità economica, competitiva e informativa. La tesi approfondisce il passaggio dai modelli decisionali tradizionali, fondati su esperienza, intuizione, reti relazionali e scouting qualitativo, verso modelli ibridi in cui dati, algoritmi e competenze umane vengono integrati. La parte empirica analizza Footsights Optimizer, un workflow AI-based applicato allo scouting e al recruitment, articolato nelle fasi di acquisizione, elaborazione, analisi e visualizzazione dei dati. Attraverso un framework di confronto tra processo tradizionale e AI-based, un caso applicativo e un’intervista qualitativa al consulente, la ricerca evidenzia come l’AI possa aumentare efficienza, scalabilità, tracciabilità e qualità informativa delle decisioni. I risultati mostrano che la tecnologia non sostituisce il giudizio umano, ma lo orienta e lo potenzia, rendendo centrale l’integrazione tra analisi quantitativa, osservazione qualitativa e interpretazione manageriale.| File | Dimensione | Formato | |
|---|---|---|---|
|
FORNASARO_GIACOMO_905940.pdf
accesso aperto
Dimensione
2.08 MB
Formato
Adobe PDF
|
2.08 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14247/29526