Teoria in pratica

Aziende familiari secondo il machine learning: oltre la proprietà, c’è la capacità di incidere

L'influenza delle famiglie sulle aziende va ben oltre la semplice partecipazione azionaria. Sfruttando strumenti avanzati di machine learning, come ChatGPT, abbiamo osservato che le famiglie mantengono un controllo sottile ma significativo sulle imprese, anche quando le percentuali di proprietà sono ridotte. Questa nuova prospettiva offre nuove prospettive a investitori e manager, evidenziando l'importanza di adottare una definizione più ampia di azienda familiare, basata non solo sulla proprietà, ma anche sul management, i valori aziendali e la legacy.

Il contesto

Storicamente, la classificazione delle aziende familiari si è basata sulla proprietà azionaria. Gli studi del passatoi fanno principalmente riferimento a soglie specifiche di diritti di voto o di quote detenute dai membri della famiglia. Tuttavia, spesso questo approccio semplifica troppo la complessità del coinvolgimento familiare, non riuscendo a cogliere le sfumature della capacità di incidere sulla vita aziendale, soprattutto nei casi in cui le famiglie mantengono il controllo tramite ruoli di governance o l’eredità culturale, nonostante quote di proprietà limitate.

 

Lavorando con Isabelle Le Breton-Miller, Danny Miller, Valerio Pelucco e Marc Van Essen, abbiamo trovato almeno 30 definizioni di azienda familiare nella letteratura accademica. Tuttavia, la maggior parte delle misurazioni si basa su dati quantitativi e facilmente reperibili, ovvero sulla proprietà.

 

Abbiamo cercato di colmare queste lacune con l’aiuto di una tecnologia emergente in grado di trasformare i testi in dati: il machine learning (ML). Le nostre domande di ricerca si sono concentrate su come misurare l'influenza familiare su un'azienda e se indicatori non tradizionali, come il management, i valori familiari e la legacy, potessero fornire una comprensione più profonda di cosa significhi per un’impresa essere un’ “azienda familiare.”

La ricerca

Per esplorare questi aspetti, abbiamo utilizzato ChatGPT, un'applicazione di ML in grado di elaborare vasti set di dati e identificare modelli di influenza familiare basati su fattori che vanno oltre la proprietà. Dato che OpenAI, l'azienda proprietaria di ChatGPT, afferma che la versione che abbiamo usato è stata addestrata su circa un terzo dei contenuti disponibili su Internet, eravamo fiduciosi che avesse accesso alle informazioni più rilevanti sulle aziende quotate.

 

Con semplici prompt, abbiamo chiesto a ChatGPT di valutare il grado complessivo di “familiarismo” di 3.864 aziende quotate in 43 paesi e di calcolare sotto-punteggi per la struttura proprietaria, la struttura di management, i valori aziendali e la legacy. La legacy è una forza intangibile che influenza il processo decisionale delle generazioni successive. Il concetto di legacy familiare, racchiuso nell'intenzione di mantenere il controllo transgenerazionale, costituisce una preoccupazione centrale per molti imprenditori familiari.

 

Eseguendo ogni prompt 30 volte, riteniamo di esserci protetti dal rischio delle "allucinazioni" di ChatGPT (risposte non radicate nei dati di addestramento). Le risposte si sono rivelate molto coerenti tra loro.

 

Nella maggior parte dei casi, i risultati del nostro metodo corrispondevano alla classificazione dei database più utilizzati. Quando non corrispondevano, un’ulteriore indagine ha rivelato, in oltre il 90% dei casi, che il giudizio di ChatGPT era più accurato.

Conclusioni e implicazioni

Siamo riusciti a creare un quadro più sfumato delle aziende familiari. In paesi come il Giappone, dove le famiglie spesso hanno una partecipazione azionaria limitata ma un'influenza culturale significativa, ChatGPT ha identificato più aziende familiari rispetto ai criteri tradizionali basati sull'equity.

 

Per i manager, comprendere le priorità culturali ed emotive delle aziende a controllo familiare—come il mantenimento del controllo a lungo termine e la lòegacy familiare—può offrire un vantaggio strategico. È il caso delle fusioni e acquisizioni (M&A): se pensiamo che la somiglianza culturale sia un componente del successo di una fusione, identificare con maggiore precisione le aziende familiari può aiutare i manager a individuare le migliori combinazioni per tali operazioni.

 

Dal punto di vista finanziario, lo studio suggerisce che classificare le aziende familiari in base a questi criteri più ampi può fornire informazioni preziose per gli investitori, offrendo una migliore visuale dei rendimenti azionari e della governance aziendale. Abbiamo osservato che i portafogli di aziende familiari basati sulla nostra definizione performano meglio rispetto ai portafogli basati su definizioni tradizionali.

 

I risultati dello studio hanno implicazioni significative per la ricerca. Espandendo la definizione di azienda familiare per includere legacy, governance e valori, i ricercatori aprono nuove strade per studiare il comportamento e le performance di queste imprese, mettendosi in condizione di offrire una consulenza più accurata.

 

Mario Daniele Amore, Valentino D’Angelo, Isabelle Le Breton-Miller, Danny Miller, Valerio Pelucco, Marc Van Essen. “Using machine learning to identify and measure the family influence on companies.Journal of Family Business Strategy, 2024, 100644.

DOI: https://doi.org/10.1016/j.jfbs.2024.100644.

SHARE SU