Un collega, titolare di uno studio commercialista in Ticino, apre la conversazione con una domanda che riassume un anno di tentativi falliti: "qual è il modo giusto di usare l'intelligenza artificiale in uno studio come il mio?". Ha provato ChatGPT a livello individuale per qualche mese. Ha guardato due demo di strumenti specializzati. Ha avuto un'agenzia che voleva "integrare l'AI" nei suoi flussi. Non è arrivato a niente che lo convinca.
Il motivo per cui non è arrivato a niente è istruttivo. La domanda era mal posta. Non esiste "il modo giusto". Esistono compiti dove l'intelligenza artificiale cambia le condizioni di lavoro, compiti dove produce rischio reputazionale, e una zona intermedia ambigua che richiede giudizio. Prima di scegliere strumenti, serve separare le tre categorie. Chi salta questo passaggio prende strumenti buoni e li applica nei posti sbagliati.
La prima categoria: i task meccanici
Lo studio commercialista medio, con cinque-dieci collaboratori, vive su un volume quotidiano di operazioni ripetitive. Smistamento di email in arrivo verso il collaboratore giusto. Pre-compilazione di moduli standard partendo da informazioni note del cliente. Estrazione di dati da documenti ricevuti (fatture, estratti conto, contratti) per l'inserimento nel gestionale. Risposte a domande frequenti dei clienti su scadenze, documenti richiesti, orari. Sintesi di lunghi scambi email per archiviare un cliente o fare passaggio di consegne fra colleghi.
Questi task hanno tre caratteristiche in comune. Sono strutturalmente ripetitivi, cioè cambia il contenuto ma la struttura del compito è identica. Non richiedono giudizio professionale, cioè un fiduciario con vent'anni di esperienza non aggiunge valore specifico a quel singolo task. E generano volumi significativi, cioè qualcuno nello studio ci passa ore ogni settimana.
Qui l'intelligenza artificiale cambia le condizioni di lavoro in modo tangibile. Non perché sostituisca il collaboratore, ma perché gli toglie la parte del tempo che non produce valore né per lui né per lo studio. Il collaboratore resta, il suo tempo si ridistribuisce su compiti dove il suo giudizio serve.
L'errore tipico è cercare di automatizzare questi task con strumenti generici, tipo l'account ChatGPT individuale. Lo strumento è giusto, ma manca il contesto. ChatGPT non sa chi è il cliente Rossi, quali servizi tiene con lo studio, quali sono le sue abitudini di comunicazione, come si fa una risposta nello stile dello studio. Ogni risposta richiede briefing esterno, e il briefing mangia il tempo che si voleva risparmiare. Risultato: si smette di usarlo dopo tre settimane.
Il lavoro preliminare non è installare uno strumento. È strutturare il contesto che lo strumento deve poter consultare per rispondere correttamente. Anagrafica clienti arricchita, procedure interne scritte, esempi di comunicazioni passate, logica di smistamento definita. Quando questo contesto esiste, uno strumento anche semplice lavora bene. Quando non esiste, nessuno strumento, per quanto avanzato, produce risultati sostenibili.
La seconda categoria: i task interpretativi
Alcuni task dello studio richiedono lettura, non solo esecuzione. Un cliente scrive una email lunga raccontando una situazione nuova, e il collaboratore deve capire se è una richiesta di consulenza, una comunicazione dovuta, un segnale di insoddisfazione, o una combinazione delle tre. Un documento arriva da un fornitore e contiene clausole che hanno implicazioni fiscali non ovvie. Una richiesta del cliente apparentemente banale nasconde una situazione che, se gestita senza capire il contesto, produrrà un problema a tre mesi.
In questa categoria l'AI non elimina il lavoro, ma può ridurlo di velocità, in un senso specifico. Può produrre una prima lettura strutturata che il senior verifica e corregge, invece di doverla produrre da zero. Può evidenziare passaggi di un documento lungo che meritano attenzione. Può porre domande preliminari al cliente su richiesta del senior, per portare al tavolo della riunione una questione già più definita.
La condizione per cui questo funziona è che chi usa l'output sia in grado di valutarlo. Un senior con vent'anni di esperienza riconosce immediatamente quando una prima lettura AI ha colto il punto e quando l'ha mancato. Per lui è uno strumento che accelera. Un junior al secondo anno, davanti allo stesso output, rischia di accettarlo per buono senza vedere le sfumature. Per lui lo stesso strumento può diventare un passivo.
Questo è uno dei rischi meno discussi. La narrazione dominante dice che l'AI "democratizza" l'accesso a competenze avanzate, permettendo anche ai junior di produrre output da senior. In uno studio professionale vale il contrario: il junior senza fondamenta diventa un revisore cieco. Non ha il gusto, la memoria di casi analoghi, il senso dell'anomalia. Un output del 70% gli sembra del 95%, e il 25% mancante va a impattare il cliente mesi dopo.
La scelta responsabile, in questa categoria, è duplice. Usare l'AI con i senior, che la trattano come strumento di accelerazione. E investire nella formazione dei junior sul lavoro reale, senza AI, finché non hanno costruito il gusto che gli permetterà poi di usarla senza danni.
Un esempio concreto aiuta a vedere la differenza. Uno studio ticinese con due soci senior e tre collaboratori junior ha introdotto un sistema AI per la preparazione delle note a margine dei bilanci. I senior hanno adottato subito lo strumento: la prima lettura dell'AI gli risparmia venti-trenta minuti per bilancio, e loro vedono immediatamente quando l'output ignora un dettaglio che richiede attenzione. I junior, nei primi sei mesi, sono stati tenuti deliberatamente lontano dallo strumento. Hanno preparato le note a mano, con tempi più lunghi, facendo errori e ricevendo correzioni dai senior. Dopo un anno, due dei tre junior avevano costruito il gusto necessario per usare l'AI come supporto senza diventarne dipendenti. Il terzo è stato formato un'altra stagione prima di darglielo. La pratica più banale, che sarebbe stata dargli lo strumento subito per accelerare, avrebbe prodotto un revisore incapace di vedere cosa manca.
La terza categoria: i task giudiziali
Alcune attività dello studio sono il cuore della prestazione professionale. Consulenza fiscale personalizzata. Valutazione di opzioni strategiche. Firma di documenti che impegnano la responsabilità del professionista. Comunicazioni a clienti su questioni delicate (ristrutturazioni, successioni, situazioni di stress). Interazioni con autorità fiscali.
Qui l'AI non aggiunge valore e quasi sempre aggiunge rischio. Non perché non sia capace di produrre testi plausibili. Al contrario: è capace di produrli fin troppo bene. Un junior che accetta una bozza di risposta a una autorità fiscale senza il giudizio del senior commette lo stesso errore di chi consegna al cliente una pianificazione fiscale fatta interamente da ChatGPT: la responsabilità resta del professionista, ma senza il suo effettivo giudizio dietro.
Per questi task, la posizione corretta è esplicita: l'AI non interviene, se non come ausilio puramente accessorio (ad esempio riformulare una frase di una email già stesa dal senior, non produrre la email). Questo confine va scritto nelle procedure interne dello studio, non lasciato implicito.
Un criterio che molti fiduciari trovano utile è questo: davanti a un task, chiedetevi "se un collaboratore senior consegnasse l'output senza rileggerlo, e fosse sbagliato, il cliente o l'autorità se ne accorgerebbero, e con quale costo?". Se il costo è basso e recuperabile (una email di smistamento che può essere corretta), il task è meccanico. Se il costo è medio (un documento con un errore che va segnalato), è interpretativo. Se il costo è alto (una consulenza errata, una comunicazione ufficiale imprecisa), è giudiziale.
Questa tripartizione serve a capire dove l'AI entra, dove entra con supervisione e dove non entra. È una mappa che cambia nel tempo, perché anche gli strumenti cambiano, ma la logica resta: prima di scegliere tecnologie, classificate i task.
Uno studio che ha fatto questo lavoro preliminare non lavora con più AI o meno AI. Lavora con AI dove serve. Il titolare ritrova due o tre ore alla settimana che prima consumava su email di smistamento o su prime letture di documenti. I senior accelerano sulle analisi preparatorie. I junior continuano a lavorare in modo tradizionale sul core professionale, perché devono costruire le fondamenta. I clienti ricevono risposte più veloci sui temi ripetitivi e la stessa qualità attenta sui temi che contano.
Il passo che precede tutto questo non è un acquisto. È una diagnosi. Guardare lo studio e mappare i task in tre categorie richiede un'ora o due di conversazione strutturata, e produce un documento che è già utile di per sé, anche se non si prende nessuno strumento dopo. È la stessa logica che applichiamo nella conversazione iniziale con uno studio fiduciario o commercialista: prima capiamo dove il tempo si consuma, poi si discute cosa fare.
Il fatto che questa tripartizione sia semplice, e il modo per verificarla sia disponibile a chiunque conosca lo studio, non significa che sia comune. Molti studi hanno introdotto strumenti AI senza mai aver fatto la mappa, e vivono con un misto di entusiasmo per i casi dove funziona e frustrazione per i casi dove produce risultati impresentabili. La differenza fra chi esce da quella fase e chi ci resta è il tempo dedicato a classificare.
Se riconoscete nella vostra quotidianità di studio il pattern delle quaranta richieste al giorno, e la sensazione che metà del vostro tempo vada in cose che non richiedono il vostro giudizio, è il tipo di mappa che vale la pena fare prima di qualsiasi altra scelta.