Assessing the consolidation of cross-cutting technological megatrends: a quali-quantitative model

This research thesis develops a quali-quantitative model to assess the consolidation of technological megatrends, with the aim of providing more rigorous and replicable support for technology foresight studies. The concept of megatrends refers to a set of strong, long-term evolutionary forces that, although originating in specific technological areas, have a cross-cutting and cumulative impact on multiple sectors. The work stems from the need to reduce the subjectivity that characterises traditional qualitative analyses, proposing an approach capable of integrating weak signals from different sources of information in the digital economy. The proposed model, the “Synthetic Actualisation Index” (SAI), estimates the strength associated with each megatrend through a weighted combination of the number of signals identified across four sources: digital acquisitions, early-stage funded startups, foresight reports and technological news. The corresponding weights were assigned following analyses performed on causal networks with the aim of establishing how accurate a signal from a specific source is in estimating the consolidation of a future technological trend. The results show that acquisitions are the most accurate source, followed by startups, reports and news. Among the analysed megatrends, “AI Inside Everything as the Engine of Technology” reveals to be the most consolidated, confirming the pervasive role of artificial intelligence as the driving force behind digital innovation. Comparison with the assessments of a panel of experts from the Politecnico di Milano confirmed the robustness of the model, showing consistency between the calculated indices and the qualitative assessments of the experts. The SAI model therefore emerges as an effective quantitative benchmarking tool to support researchers and decision-makers, translating extensive analyses into a synthetic and comparable value. This contribution promotes the integration of a more numerical approach to the study of the evolution of digital technologies, strengthening the scientific and managerial legitimacy of strategic decisions in an increasingly data-driven context.

La seguente tesi sviluppa un modello quali-quantitativo per valutare la consolidazione dei megatrend tecnologici, ovvero forze evolutive di lungo termine che hanno un impatto trasversale su più settori, con l’obiettivo di fornire un supporto più rigoroso e replicabile agli studi di technology foresight. Il lavoro nasce dall’esigenza di ridurre la soggettività che caratterizza le analisi qualitative tradizionali, proponendo un approccio capace di integrare segnali deboli provenienti da diverse fonti informative della digital economy. Il modello proposto, denominato “Synthetic Actualisation Index” (SAI), stima la spinta di ciascun megatrend verso il suo consolidamento attraverso la combinazione ponderata del numero di segnali individuati in quattro fonti: acquisizioni digitali, startup finanziate in fase early-stage, report di foresight e notizie in ambito tecnologico. I rispettivi pesi sono stati attribuiti in seguito ad analisi svolte su reti causali con l’obiettivo di determinare quanto un segnale proveniente da una specifica fonte sia accurato nello stimare il consolidamento di una tendenza tecnologica futura. I risultati evidenziano che le acquisizioni rappresentano la fonte più accurata, seguite da startup, report e news. Tra i megatrend analizzati, “AI Inside Everything as the Engine of Technology” risulta il più consolidato, confermando il ruolo pervasivo dell’intelligenza artificiale come motore trainante dell’innovazione digitale. Il confronto con le valutazioni di un panel di esperti del Politecnico di Milano ha confermato la solidità del modello, mostrando una forte coerenza tra gli indici calcolati e le valutazioni qualitative degli esperti. Il modello SAI si propone quindi come un efficace strumento di benchmark quantitativo a supporto di ricercatori e decisori, capace di tradurre analisi estese in un valore sintetico e comparabile. Tale contributo favorisce l’integrazione di un approccio più numerico per lo studio dell’evoluzione delle tecnologie digitali, rafforzando la legittimità scientifica e manageriale delle decisioni strategiche in un contesto sempre più guidato dai dati.