Economia Aziendale
Cod 198324
- Laurea magistrale
- 2 anni
- 120 CFU
- LM-77 R
ING-INF/03
Tecnologia dell'informazione e della comunicazione
Codice: 21210494
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Corso di studi
- Economia e Gestione della Trasformazione Digitale
- Periodo di erogazione
- Secondo semestre
- CFU
- 9 CFU
- Lingua
- Italiano
- SSD
- ING-INF/03
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027.
- Docente
- Francesco Benedetto
- Curriculum
- Gestione aziendale della trasformazione digitale LM-77 R
- Anno di corso
- 2
- Periodo
- Secondo semestre
- Ore
- 60
- CUIN
- 260003723
Programma
L’era dell’informazione e la trasformazione digitale
Cronistoria dell’era dell’informazione.
La velocità del cambiamento tecnologico.
Trasformazione digitale e innovazione.
Impatto delle tecnologie digitali sull’economia e sulla società.
Sistemi di telecomunicazione
Sistemi di trasmissione e di elaborazione dell’informazione.
Principali aspetti tecnici e implicazioni economiche.
Fondamenti dei sistemi di telecomunicazione.
Introduzione alle reti di telecomunicazione.
Sistemi di comunicazione cellulare.
Evoluzione delle reti e dei servizi di telecomunicazione: dal 2G al 5G.
Tecnologie, sistemi e piattaforme per l’Internet of Things.
Il ruolo delle infrastrutture di telecomunicazione nell’economia digitale.
Intelligenza artificiale
Quadro generale e principali tendenze dell’intelligenza artificiale.
Trasformazione digitale e intelligenza artificiale.
Storia e definizioni dell’IA.
Intelligenza artificiale ristretta (ANI), intelligenza artificiale generale (AGI) e superintelligenza artificiale (ASI).
Intelligenza artificiale generativa e conversazionale.
Introduzione alle reti neurali artificiali.
Il ruolo dei dati: Big Data e Internet of Things.
Modelli, capacità e limiti dei sistemi di intelligenza artificiale.
Apprendimento automatico e IA generativa
Principali modalità di apprendimento automatico.
Apprendimento supervisionato.
Apprendimento non supervisionato.
Apprendimento per rinforzo.
Addestramento, ottimizzazione e generalizzazione.
Fondamenti dell’elaborazione del linguaggio naturale.
Modelli linguistici e IA generativa conversazionale.
Implicazioni economiche, sociali ed etiche dell’IA
Bias, errori, responsabilità e accountability.
Opportunità e rischi dell’intelligenza artificiale nell’economia digitale.
Impatto dell’IA sui processi economici e organizzativi.
Intelligenza artificiale e trasformazione del lavoro.
Evoluzione tecnologica, innovazioni rivoluzionarie e nuove competenze.
Aggiornamento delle competenze (upskilling) e riqualificazione professionale (reskilling).
Prerequisiti
Non sono richieste conoscenze specialistiche di telecomunicazioni, informatica o intelligenza artificiale. Sono sufficienti le conoscenze matematiche e logiche di base acquisite durante il percorso universitario. È utile una familiarità generale con le tecnologie digitali e con l’uso dei principali strumenti informatici.
Testi adottati
F. Benedetto, Chi ha paura dell’IA? 15 domande per conoscere, dominare l’IA e navigare consapevolmente tra le sue opportunità e i suoi rischi, Roma, Edizioni Lavoro, 2026.
Dispense, presentazioni e ulteriori materiali didattici forniti dal docente e resi disponibili sulle piattaforme Moodle e Microsoft Teams.
Modalità di erogazione
L’insegnamento si svolge prevalentemente attraverso lezioni frontali, integrate da momenti di discussione e approfondimento guidato. Le lezioni presentano i fondamenti teorici dei sistemi di telecomunicazione, della trasformazione digitale e dell’intelligenza artificiale, affiancandoli a esempi applicativi, casi di studio e riferimenti all’attuale contesto economico e sociale.
Particolare attenzione è dedicata al collegamento tra gli aspetti tecnologici e le loro implicazioni economiche, organizzative, professionali ed etiche. Durante le lezioni sono analizzati esempi relativi all’evoluzione delle reti mobili, all’Internet of Things, ai Big Data, all’apprendimento automatico e all’intelligenza artificiale generativa.
La partecipazione attiva degli studenti è incoraggiata attraverso domande, discussioni collettive e analisi critica di applicazioni e scenari reali. Il docente utilizza presentazioni, dispense, contenuti multimediali e ulteriori materiali di approfondimento, resi disponibili sulle piattaforme Moodle e Microsoft Teams.
Gli studenti sono invitati a integrare la frequenza delle lezioni con lo studio individuale del testo suggerito e dei materiali didattici forniti dal docente.
Modalità di frequenza
La frequenza delle lezioni non è obbligatoria, ma è fortemente consigliata per una migliore comprensione degli argomenti e per partecipare alle discussioni, agli approfondimenti e all’analisi dei casi di studio proposti durante il corso. Gli studenti non frequentanti dovranno preparare l’esame studiando il testo suggerito e tutti i materiali didattici resi disponibili dal docente sulle piattaforme Moodle e Microsoft Teams.
Modalità di valutazione
La valutazione dell’apprendimento è effettuata mediante una prova scritta composta da tre domande aperte riguardanti gli argomenti trattati durante l’insegnamento.
La prova è finalizzata a verificare:
la conoscenza e la comprensione dei contenuti del corso;
la capacità di collegare gli aspetti tecnologici, economici e sociali;
la capacità di analizzare criticamente opportunità, limiti e rischi delle tecnologie studiate;
la chiarezza espositiva e l’uso appropriato della terminologia disciplinare.
La valutazione è espressa in trentesimi. Per superare l’esame è necessario conseguire una votazione minima di 18/30. La lode può essere attribuita in presenza di risposte complete, approfondite, formulate con particolare chiarezza e caratterizzate da un’eccellente capacità di analisi e di collegamento tra gli argomenti.
Prove previste
- Prova scritta
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: Attività formative affini o integrative
Acquisire conoscenze specifiche sulle metodologie che consentono di esprimere in modo semplice ed efficiente le trasformazioni deterministiche ed aleatorie che le informazioni subiscono nel transito attraverso i sistemi fisici. Acquisire conoscenze specifiche sulle metodologie che consentono di analizzare le prestazioni di semplici sistemi e reti di elaborazione e trasmissione dell’informazione. Acquisire conoscenze di base per applicazioni di intelligenza artificiale a dati, segnali ed immagini. Saper collegare i diversi blocchi funzionali che compongono un sistema di elaborazione e trasmissione dell’informazione in un unico quadro di processi integrati ed interdipendenti. Fornire una panoramica sui principali sistemi di elaborazione e trasmissione dell’informazione, descrivendo sommariamente sia concetti operativi fondamentali che esempi applicativi tipici, e le implicazioni economiche di tali sistemi nella società digitale.
Risultati di apprendimento attesi
Al termine dell’insegnamento, lo studente sarà in grado di:
Conoscenza e capacità di comprensione
comprendere l’evoluzione dell’era dell’informazione e la crescente velocità del cambiamento tecnologico;
conoscere i principi fondamentali dei sistemi di trasmissione e di elaborazione dell’informazione;
comprendere la struttura essenziale dei sistemi e delle reti di telecomunicazione;
conoscere l’evoluzione delle comunicazioni cellulari dal 2G al 5G;
comprendere le caratteristiche fondamentali dell’Internet of Things, dei Big Data e delle relative piattaforme;
conoscere i concetti fondamentali dell’intelligenza artificiale, delle reti neurali, dell’apprendimento automatico e dell’IA generativa;
comprendere le principali differenze tra apprendimento supervisionato, non supervisionato e per rinforzo;
conoscere i concetti di addestramento, ottimizzazione e generalizzazione dei modelli.
Capacità di applicare conoscenza e comprensione
analizzare, a un livello introduttivo, il funzionamento dei sistemi di telecomunicazione e delle reti cellulari;
collegare l’evoluzione delle infrastrutture digitali allo sviluppo di nuovi servizi e modelli economici;
riconoscere le principali applicazioni dell’intelligenza artificiale, del Natural Language Processing e dell’IA generativa;
individuare la modalità di apprendimento automatico più appropriata rispetto a semplici problemi applicativi;
interpretare il ruolo dei dati nei processi di addestramento e impiego dei sistemi di IA.
Autonomia di giudizio
valutare criticamente capacità e limiti dei sistemi di intelligenza artificiale;
riconoscere possibili bias, errori e problemi di responsabilità e accountability;
analizzare le opportunità e i rischi delle tecnologie digitali e dell’IA per l’economia, le organizzazioni e la società;
formulare valutazioni consapevoli sugli effetti dell’automazione e dell’IA sul lavoro e sulle competenze professionali.
Abilità comunicative
utilizzare correttamente la terminologia di base delle telecomunicazioni, dell’Internet of Things e dell’intelligenza artificiale;
descrivere in modo chiaro le principali caratteristiche di reti, servizi digitali e sistemi intelligenti;
presentare e discutere gli aspetti tecnici, economici, sociali ed etici della trasformazione digitale.
Capacità di apprendimento
approfondire autonomamente i temi relativi alle telecomunicazioni, alla trasformazione digitale e all’intelligenza artificiale;
aggiornare le proprie conoscenze in relazione alla continua evoluzione delle tecnologie e dei servizi digitali;
individuare le competenze da sviluppare attraverso percorsi di upskilling e reskilling
Esempi di domande d’esame
Esempi di domande d’esame
Descrivere l’evoluzione delle reti di comunicazione cellulare dal 2G al 5G, evidenziando le principali innovazioni tecnologiche e i nuovi servizi resi disponibili.
Illustrare le differenze tra apprendimento supervisionato, apprendimento non supervisionato e apprendimento per rinforzo, fornendo per ciascuna modalità un possibile esempio applicativo.
Analizzare le principali opportunità e i rischi dell’intelligenza artificiale nell’economia digitale, con particolare riferimento a bias, responsabilità e trasformazione del lavoro.