This thesis investigates the critical success factors (CSFs) of artificial intelligence startups operating in the European ecosystem, with a focus on Germany, France, and Spain. While research on startup success and on AI adoption has grown substantially, few studies have examined the specific determinants of success for AI-native ventures in Europe, particularly after the generative AI inflection of 2022 and 2023. To address this gap, the study adopts a mixed-methods design that combines a quantitative analysis of 605 AI-native startups extracted from Crunchbase with eleven semi-structured expert interviews, ten of which were retained for analysis, conducted with founders, technical leads, and operators of AI ventures. The quantitative analysis maps the European AI startup landscape across geography, business architecture, sector distribution, and funding patterns, revealing a pronounced predominance of vertical, industry-focused ventures, which represent 81 percent of the sample. The qualitative phase validates and refines a literature-derived CSF framework, organized into five dimensions and built through a ranking exercise and cross-case analysis. The findings converge on the primacy of internal factors: the founding team and the validated market problem emerge as the core drivers of success, while AI technology, funding, and the institutional environment operate as contextual enablers whose weight shifts according to the venture's positioning, stage, and national context. A recurring insight is that, as foundation models become commoditized, competitive differentiation migrates from owning the technology toward the team, the problem solved, and the way models are selected, integrated, and operated. The thesis contributes a refined, empirically grounded CSF framework for European AI startups, structured around two core drivers, three contextual enablers, and three modulators, and offers practical implications for founders and investors navigating the European AI ecosystem.

La presente tesi indaga i fattori critici di successo (CSF) delle startup di intelligenza artificiale che operano nell'ecosistema europeo, con particolare attenzione a Germania, Francia e Spagna. Sebbene la ricerca sul successo delle startup e sull'adozione dell'intelligenza artificiale si sia ampliata notevolmente, pochi studi hanno esaminato i determinanti specifici del successo delle imprese AI-native in Europa, in particolare dopo la svolta dell'AI generativa del 2022 e 2023. Per colmare questa lacuna, lo studio adotta un approccio mixed-methods che combina un'analisi quantitativa di 605 startup AI-native estratte da Crunchbase con undici interviste semi-strutturate a esperti, dieci delle quali utilizzate nell'analisi, condotte con fondatori, responsabili tecnici e operatori di imprese basate sull'intelligenza artificiale. L'analisi quantitativa mappa il panorama europeo delle startup di IA per distribuzione geografica, architettura di business, settore e modelli di finanziamento, evidenziando una marcata prevalenza di imprese verticali, focalizzate su specifici settori, che rappresentano l'81 percento del campione. La fase qualitativa valida e perfeziona un framework di CSF derivato dalla letteratura, articolato in cinque dimensioni e costruito attraverso un esercizio di ranking e un'analisi cross-case. I risultati convergono sulla centralità dei fattori interni: il team fondatore e un problema di mercato validato emergono come i principali driver del successo, mentre la tecnologia di IA, il finanziamento e il contesto istituzionale operano come fattori abilitanti contestuali, il cui peso varia in funzione del posizionamento dell'impresa, della sua fase di sviluppo e del contesto nazionale. Un elemento ricorrente è che, con la progressiva commoditizzazione dei foundation model, la differenziazione competitiva si sposta dal possesso della tecnologia verso il team, il problema affrontato e la capacità di selezionare, integrare e gestire i modelli. La tesi propone un framework di CSF perfezionato ed empiricamente fondato per le startup di intelligenza artificiale europee, strutturato attorno a due driver principali, tre fattori abilitanti contestuali e tre modulatori, offrendo implicazioni pratiche per fondatori e investitori che operano nell'ecosistema europeo dell'IA.

Critical success factors for AI Startups in Europe: a proposed framework and empirical analysis

Cortez da Costa E Silva, Adriel
2025/2026

Abstract

This thesis investigates the critical success factors (CSFs) of artificial intelligence startups operating in the European ecosystem, with a focus on Germany, France, and Spain. While research on startup success and on AI adoption has grown substantially, few studies have examined the specific determinants of success for AI-native ventures in Europe, particularly after the generative AI inflection of 2022 and 2023. To address this gap, the study adopts a mixed-methods design that combines a quantitative analysis of 605 AI-native startups extracted from Crunchbase with eleven semi-structured expert interviews, ten of which were retained for analysis, conducted with founders, technical leads, and operators of AI ventures. The quantitative analysis maps the European AI startup landscape across geography, business architecture, sector distribution, and funding patterns, revealing a pronounced predominance of vertical, industry-focused ventures, which represent 81 percent of the sample. The qualitative phase validates and refines a literature-derived CSF framework, organized into five dimensions and built through a ranking exercise and cross-case analysis. The findings converge on the primacy of internal factors: the founding team and the validated market problem emerge as the core drivers of success, while AI technology, funding, and the institutional environment operate as contextual enablers whose weight shifts according to the venture's positioning, stage, and national context. A recurring insight is that, as foundation models become commoditized, competitive differentiation migrates from owning the technology toward the team, the problem solved, and the way models are selected, integrated, and operated. The thesis contributes a refined, empirically grounded CSF framework for European AI startups, structured around two core drivers, three contextual enablers, and three modulators, and offers practical implications for founders and investors navigating the European AI ecosystem.
ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2026
2025/2026
La presente tesi indaga i fattori critici di successo (CSF) delle startup di intelligenza artificiale che operano nell'ecosistema europeo, con particolare attenzione a Germania, Francia e Spagna. Sebbene la ricerca sul successo delle startup e sull'adozione dell'intelligenza artificiale si sia ampliata notevolmente, pochi studi hanno esaminato i determinanti specifici del successo delle imprese AI-native in Europa, in particolare dopo la svolta dell'AI generativa del 2022 e 2023. Per colmare questa lacuna, lo studio adotta un approccio mixed-methods che combina un'analisi quantitativa di 605 startup AI-native estratte da Crunchbase con undici interviste semi-strutturate a esperti, dieci delle quali utilizzate nell'analisi, condotte con fondatori, responsabili tecnici e operatori di imprese basate sull'intelligenza artificiale. L'analisi quantitativa mappa il panorama europeo delle startup di IA per distribuzione geografica, architettura di business, settore e modelli di finanziamento, evidenziando una marcata prevalenza di imprese verticali, focalizzate su specifici settori, che rappresentano l'81 percento del campione. La fase qualitativa valida e perfeziona un framework di CSF derivato dalla letteratura, articolato in cinque dimensioni e costruito attraverso un esercizio di ranking e un'analisi cross-case. I risultati convergono sulla centralità dei fattori interni: il team fondatore e un problema di mercato validato emergono come i principali driver del successo, mentre la tecnologia di IA, il finanziamento e il contesto istituzionale operano come fattori abilitanti contestuali, il cui peso varia in funzione del posizionamento dell'impresa, della sua fase di sviluppo e del contesto nazionale. Un elemento ricorrente è che, con la progressiva commoditizzazione dei foundation model, la differenziazione competitiva si sposta dal possesso della tecnologia verso il team, il problema affrontato e la capacità di selezionare, integrare e gestire i modelli. La tesi propone un framework di CSF perfezionato ed empiricamente fondato per le startup di intelligenza artificiale europee, strutturato attorno a due driver principali, tre fattori abilitanti contestuali e tre modulatori, offrendo implicazioni pratiche per fondatori e investitori che operano nell'ecosistema europeo dell'IA.
File allegati
File Dimensione Formato  
2026_07_CORTEZ DA COSTA E SILVA.pdf

accessibile in internet per tutti

Descrizione: Final Thesis File
Dimensione 3.07 MB
Formato Adobe PDF
3.07 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/260688