Enhancing stakeholder management in megaprojects: leveraging Artificial Intelligence for effective community involvement and value co-creation

This thesis analyses how Artificial Intelligence (AI) can facilitate value co-creation and improve stakeholder management in megaprojects, with a focus on local communities. Mega-projects, which are characterised by their complexity and socio-economic impact, often encounter resistance from local communities, leading to delays and cost increases. This thesis starts from the analysis of such projects and the evolution of stakeholder management theories to address the problem of how to effectively include local communities in decision-making processes. The methodology adopted combines Machine Learning techniques, such as clustering and sentiment analysis, applied to data collected from interviews and surveys. These tools, integrated into an analysis model developed in Python, make it possible to identify and assess stakeholders' concerns and expectations, prioritising them according to their numerosity. In this way, the prioritisation of requirements is no longer based on the stakeholder's relevance to the project, but on the frequency with which each requirement is expressed. The model is tested through a real case study: the Turin-Lyon high-speed railway line. The expected result should demonstrate how the use of AI can improve the effectiveness of local community involvement, fostering greater acceptance of the project and reducing the risk of conflict.

Questa tesi analizza come l’Intelligenza Artificiale (IA) possa facilitare la co-creazione di valore e migliorare la gestione degli stakeholder nei megaprogetti, con particolare attenzione alle comunità locali. I megaprogetti, che si distinguono per la loro complessità e per l’impatto socioeconomico, spesso incontrano resistenze da parte delle comunità locali, portando a ritardi e incrementi dei costi. La tesi parte dall’analisi di tali progetti e dall’evoluzione delle teorie di gestione degli stakeholder, per affrontare il problema di come includere efficacemente le comunità locali nei processi decisionali. La metodologia adottata combina tecniche di Machine Learning, come il clustering e sentiment analysis, applicate ai dati raccolti da interviste e survey. Questi strumenti, integrati in un modello di analisi sviluppato in Python, permettono di identificare e valutare le preoccupazioni e le aspettative degli stakeholder, prioritizzandole secondo la numerosità di queste. In questo modo, la prioritizzazione dei requisiti non si baserà più sulla rilevanza che lo stakeholder ha nel progetto, ma alla frequenza con cui ciascun requisito è espresso. Il modello viene testato attraverso un caso di studio reale: la linea ferroviaria ad alta velocità Torino-Lione. Il risultato atteso dovrebbe dimostrare come l’impiego dell’IA possa migliorare l’efficacia del coinvolgimento delle comunità locali, favorendo una maggiore accettazione del progetto e riducendo il rischio di conflitti.