Tesi etd-11202025-101914 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale
Autore
COMITINI, GIUSEPPE
URN
etd-11202025-101914
Titolo
Artificial intelligence and human judgment in the evaluation of business plans: complementarity and challenges
Dipartimento
ECONOMIA E MANAGEMENT
Corso di studi
BANCA, FINANZA AZIENDALE E MERCATI FINANZIARI
Relatori
relatore Prof.ssa Giannetti, Caterina
correlatore Prof. Schittenhelm, Frank-Andreas
correlatore Prof. Schittenhelm, Frank-Andreas
Parole chiave
- AI
- Artificial Intelligence
- Bert
- Business Plan
- FinBert
- Human Evaluation
- LLM
- NLP
Data inizio appello
10/12/2025
Consultabilità
Non consultabile
Data di rilascio
10/12/2065
Riassunto
The thesis examines the theme of complementarity and integration between humans and artificial intelligence in the financial sector, with a specific focus on business plan evaluation—an activity that plays a crucial role in investment, credit, and crowdfunding processes. The work stems from the need to understand how Natural Language Processing (NLP) technologies and advanced language models (LLMs) can support, integrate, or at times replace certain phases of traditional analysis, while simultaneously highlighting the structural limitations of AI and the irreplaceable value of human judgment.
The first part of the thesis defines the general context in which AI applications are situated within the financial sector. A definition of AI is provided, its historical evolution is analyzed through successive waves, and examples of tasks and sectors in which it is applied are discussed, with a focus on the financial industry.
The role and structure of the Business Plan are then examined. The business plan is described as a document that synthesizes the entrepreneurial vision, economic-financial feasibility, and operational strategy of a project. The thesis explains how, historically, business plan evaluation has required heterogeneous competencies: critical reading of the text, the ability to interpret financial figures and projections, sensitivity to the competitive context, and intuition regarding the credibility of the team. Based on this foundation, the analysis shows how automation has been progressively introduced to support some functions, without ever being able to fully replace the human component.
The third chapter is dedicated to business plan evaluation using models that incorporate artificial intelligence. The thesis illustrates the linguistic and semantic approaches found in the literature: from explicit textual features (readability, syntactic complexity, clarity, sentiment) to more advanced models based on word embeddings and transformational semantic representations. This section highlights how NLP makes it possible to extract patterns, linguistic signals, and correlations useful for predicting entrepreneurial outcomes, identifying latent risks, and assessing the internal coherence of the document. However, it also becomes clear that these tools capture only partial dimensions of entrepreneurial narratives, especially when the content is ambiguous, implicit, or highly context-dependent.
The thesis further explores the limitations of NLP models and Large Language Models. Despite their progress, AI struggles to capture soft information: unspoken intentions, weak signals, strategic inconsistencies, cultural allusions, emotional elements, and the entrepreneurial team’s posture. The work emphasizes that, in the absence of context, LLMs may produce misleading or overly literal interpretations. The literature also shows that AI has difficulty with causal reasoning, tends to overgeneralize, and lacks intuition, tacit knowledge, and situated understanding of reality. A parallel is then drawn with human evaluation—particularly that conducted by financial analysts—highlighting its advantages and disadvantages.
Overall, the thesis demonstrates that the greatest effectiveness in business plan evaluation arises from the synergistic interaction between algorithmic analysis and human expertise, in a perspective of complementarity rather than substitution. This vision offers significant implications for investors, financial institutions, and crowdfunding platforms, emphasizing the need for hybrid and responsible decision-making models.
L’elaborato analizza il tema della complementarità e integrazione tra essere umano e intelligenza artificiale nel settore finanziario, con un focus specifico sull’ambito della valutazione dei business plan, attività cruciale nei processi di investimento, credito e crowdfunding. La tesi nasce dall’esigenza di comprendere come le tecnologie di Natural Language Processing (NLP) e i modelli linguistici avanzati (LLM) possano affiancare, integrare o talvolta sostituire alcune fasi dell’analisi tradizionale, evidenziando al contempo i limiti strutturali dell’AI e il valore insostituibile del giudizio umano.
Nella prima parte dell’elaborato viene definito il contesto generale in cui si inseriscono le applicazioni dell’AI nel settore finanziario. Viene data una definizione dell’IA, si analizza la sua evoluzione storica attraverso le ondate ed infine vengono forniti esempi di task e settori in cui viene usata facendo un focus sul settore finanziario.
Successivamente si definisce il ruolo e la struttura del Business Plan, documento che sintetizza visione imprenditoriale, fattibilità economico-finanziaria e strategia operativa di un progetto. Viene spiegato come, storicamente, la valutazione di un business plan richieda competenze eterogenee: lettura critica del testo, capacità di interpretare numeri e proiezioni, sensibilità verso il contesto competitivo e intuizione rispetto alla credibilità del team. Su tali basi si evidenzia come l’automazione sia stata introdotta progressivamente per supportare alcune funzioni, ma senza mai poter sostituire completamente la componente umana.
Il terzo capitolo è dedicato alla valutazione del Business Plan attraverso modelli che adottano l’intelligenza artificiale; l’elaborato illustra gli approcci linguistici e semantici utilizzati nella letteratura: dalle features testuali esplicite (leggibilità, complessità sintattica, chiarezza, sentiment) fino ai modelli più avanzati basati su word embeddings e rappresentazioni semantiche di tipo trasformazionale. Questa sezione mette in luce come l’NLP consenta di estrarre pattern, segnali linguistici e correlazioni utili per predire l’esito dei progetti imprenditoriali, identificare rischi latenti e valutare coerenza interna del documento. Tuttavia, emerge parallelamente che tali strumenti catturano dimensioni solo parziali della narrativa imprenditoriale, soprattutto quando il contenuto è ambiguo, implicito o fortemente contestuale.
Vengono approfonditi anche i limiti dei modelli NLP e dei Large Language Models. Nonostante i progressi, l’AI mostra difficoltà nel cogliere soft information: intenzioni non dichiarate, segnali deboli, incoerenze strategiche, allusioni culturali, elementi emotivi, postura del team imprenditoriale. L’elaborato mette in evidenza come, in assenza di contesto, gli LLM possano produrre interpretazioni fuorvianti o eccessivamente letterali. La letteratura dimostra inoltre che l’AI fatica con il ragionamento causale, tende a generalizzare eccessivamente e non possiede intuizione, esperienza tacita o comprensione situata del reale. Viene fatto poi un parallelismo, invece, quando la valutazione viene fatta dell’essere umano e da analisti finanziari con i suoi pro e i suoi contro,
Nel complesso, la tesi dimostra che la massima efficacia nella valutazione dei business plan deriva dall’interazione sinergica tra analisi algoritmica e competenza umana, in una prospettiva di complementarità più che di sostituzione. Questa visione offre implicazioni rilevanti per investitori, istituzioni finanziarie e piattaforme di crowdfunding, evidenziando la necessità di modelli decisionali ibridi e responsabili.
The first part of the thesis defines the general context in which AI applications are situated within the financial sector. A definition of AI is provided, its historical evolution is analyzed through successive waves, and examples of tasks and sectors in which it is applied are discussed, with a focus on the financial industry.
The role and structure of the Business Plan are then examined. The business plan is described as a document that synthesizes the entrepreneurial vision, economic-financial feasibility, and operational strategy of a project. The thesis explains how, historically, business plan evaluation has required heterogeneous competencies: critical reading of the text, the ability to interpret financial figures and projections, sensitivity to the competitive context, and intuition regarding the credibility of the team. Based on this foundation, the analysis shows how automation has been progressively introduced to support some functions, without ever being able to fully replace the human component.
The third chapter is dedicated to business plan evaluation using models that incorporate artificial intelligence. The thesis illustrates the linguistic and semantic approaches found in the literature: from explicit textual features (readability, syntactic complexity, clarity, sentiment) to more advanced models based on word embeddings and transformational semantic representations. This section highlights how NLP makes it possible to extract patterns, linguistic signals, and correlations useful for predicting entrepreneurial outcomes, identifying latent risks, and assessing the internal coherence of the document. However, it also becomes clear that these tools capture only partial dimensions of entrepreneurial narratives, especially when the content is ambiguous, implicit, or highly context-dependent.
The thesis further explores the limitations of NLP models and Large Language Models. Despite their progress, AI struggles to capture soft information: unspoken intentions, weak signals, strategic inconsistencies, cultural allusions, emotional elements, and the entrepreneurial team’s posture. The work emphasizes that, in the absence of context, LLMs may produce misleading or overly literal interpretations. The literature also shows that AI has difficulty with causal reasoning, tends to overgeneralize, and lacks intuition, tacit knowledge, and situated understanding of reality. A parallel is then drawn with human evaluation—particularly that conducted by financial analysts—highlighting its advantages and disadvantages.
Overall, the thesis demonstrates that the greatest effectiveness in business plan evaluation arises from the synergistic interaction between algorithmic analysis and human expertise, in a perspective of complementarity rather than substitution. This vision offers significant implications for investors, financial institutions, and crowdfunding platforms, emphasizing the need for hybrid and responsible decision-making models.
L’elaborato analizza il tema della complementarità e integrazione tra essere umano e intelligenza artificiale nel settore finanziario, con un focus specifico sull’ambito della valutazione dei business plan, attività cruciale nei processi di investimento, credito e crowdfunding. La tesi nasce dall’esigenza di comprendere come le tecnologie di Natural Language Processing (NLP) e i modelli linguistici avanzati (LLM) possano affiancare, integrare o talvolta sostituire alcune fasi dell’analisi tradizionale, evidenziando al contempo i limiti strutturali dell’AI e il valore insostituibile del giudizio umano.
Nella prima parte dell’elaborato viene definito il contesto generale in cui si inseriscono le applicazioni dell’AI nel settore finanziario. Viene data una definizione dell’IA, si analizza la sua evoluzione storica attraverso le ondate ed infine vengono forniti esempi di task e settori in cui viene usata facendo un focus sul settore finanziario.
Successivamente si definisce il ruolo e la struttura del Business Plan, documento che sintetizza visione imprenditoriale, fattibilità economico-finanziaria e strategia operativa di un progetto. Viene spiegato come, storicamente, la valutazione di un business plan richieda competenze eterogenee: lettura critica del testo, capacità di interpretare numeri e proiezioni, sensibilità verso il contesto competitivo e intuizione rispetto alla credibilità del team. Su tali basi si evidenzia come l’automazione sia stata introdotta progressivamente per supportare alcune funzioni, ma senza mai poter sostituire completamente la componente umana.
Il terzo capitolo è dedicato alla valutazione del Business Plan attraverso modelli che adottano l’intelligenza artificiale; l’elaborato illustra gli approcci linguistici e semantici utilizzati nella letteratura: dalle features testuali esplicite (leggibilità, complessità sintattica, chiarezza, sentiment) fino ai modelli più avanzati basati su word embeddings e rappresentazioni semantiche di tipo trasformazionale. Questa sezione mette in luce come l’NLP consenta di estrarre pattern, segnali linguistici e correlazioni utili per predire l’esito dei progetti imprenditoriali, identificare rischi latenti e valutare coerenza interna del documento. Tuttavia, emerge parallelamente che tali strumenti catturano dimensioni solo parziali della narrativa imprenditoriale, soprattutto quando il contenuto è ambiguo, implicito o fortemente contestuale.
Vengono approfonditi anche i limiti dei modelli NLP e dei Large Language Models. Nonostante i progressi, l’AI mostra difficoltà nel cogliere soft information: intenzioni non dichiarate, segnali deboli, incoerenze strategiche, allusioni culturali, elementi emotivi, postura del team imprenditoriale. L’elaborato mette in evidenza come, in assenza di contesto, gli LLM possano produrre interpretazioni fuorvianti o eccessivamente letterali. La letteratura dimostra inoltre che l’AI fatica con il ragionamento causale, tende a generalizzare eccessivamente e non possiede intuizione, esperienza tacita o comprensione situata del reale. Viene fatto poi un parallelismo, invece, quando la valutazione viene fatta dell’essere umano e da analisti finanziari con i suoi pro e i suoi contro,
Nel complesso, la tesi dimostra che la massima efficacia nella valutazione dei business plan deriva dall’interazione sinergica tra analisi algoritmica e competenza umana, in una prospettiva di complementarità più che di sostituzione. Questa visione offre implicazioni rilevanti per investitori, istituzioni finanziarie e piattaforme di crowdfunding, evidenziando la necessità di modelli decisionali ibridi e responsabili.
File
| Nome file | Dimensione |
|---|---|
La tesi non è consultabile. |
|