Sessantotto per cento. È la percentuale di micro-studi italiani, quelli con meno di tre persone, che oggi utilizza al massimo due tecnologie digitali di base. Lo dice l’Osservatorio Professionisti e Innovazione Digitale del Politecnico di Milano, nel report presentato il 2 luglio 2026. Negli studi grandi, oltre ventinove addetti, la stessa percentuale crolla al 3%, mentre l’89% ne utilizza almeno quattro. Non è un divario di budget, è un divario di metodo.
Chi decide, in uno studio professionale, che è arrivato il momento dell’Intelligenza Artificiale? E soprattutto: quel titolare sa, con un numero preciso, quanto tempo lo studio perde ogni settimana in un’attività che potrebbe essere automatizzata? Quasi mai. E allora la domanda giusta non è quale strumento comprare, né quali regole scrivere per il suo utilizzo. È un’altra: lo studio è pronto anche solo a rispondere a queste due domande?
Il primo strumento da comprare non esiste
Pensate a Taiichi Ohno che, alla Toyota del secondo dopoguerra, prima di introdurre qualsiasi automazione pretendeva di conoscere ogni singolo passaggio della produzione: dal primo componente all’ultimo controllo qualità. Quel metodo di analisi dei flussi, che oggi chiamiamo value stream mapping, mappatura del flusso di valore, vale ancora in qualunque organizzazione. Non si automatizza un processo che non si conosce. Si automatizza il caos che già esiste, moltiplicato.
Negli studi professionali italiani sta succedendo esattamente questo. Il CNDCEC lo scrive senza mezzi termini nella sua terza guida operativa sull’Intelligenza Artificiale, pubblicata a novembre 2025: negli studi di piccole dimensioni proliferano “sperimentazioni ombra”, prompt su dati non presidiati, export manuali, un collaboratore che testa uno strumento la sera e un altro che ne prova uno diverso il giorno dopo, senza che nessuno coordini nulla. È l’esatta definizione di adozione a macchia di leopardo: uno studio con cinque persone e cinque approcci diversi all’Intelligenza Artificiale, nessuno dei quali risponde a una logica comune.
.
Quattro passi prima di aprire qualunque abbonamento
Vediamo allora, in concreto, che cosa significa prepararsi, prima ancora di guardare la prima demo.
Mappare i processi che esistono davvero. È il primo passo, e la guida del CNDCEC lo chiama proprio così: “Fase 1: mappatura e diagnosi”. La sintetizza in poche domande semplici, che ogni titolare dovrebbe farsi prima di spendere un euro. Quali attività si ripetono ogni mese senza generare valore per il cliente? Dove si re-inseriscono gli stessi dati in sistemi diversi? Quante volte i clienti chiamano per informazioni che lo studio potrebbe fornire in automatico? Un consulente del lavoro che non sa quanto tempo assorbe, ogni mese, la gestione delle comunicazioni obbligatorie di assunzione non ha un problema di strumenti. Ha un problema di conoscenza del proprio studio.
Il secondo passo riguarda le persone, non i software: valutare la maturità digitale del team, non solo quella del titolare. Il divario tra micro e grandi studi fotografato dal Politecnico di Milano non riguarda solo la spesa in tecnologia, che pure pesa, con una media di 14.450 euro l’anno per i commercialisti e 14.700 per i consulenti del lavoro. Riguarda le persone. Un titolare entusiasta che sperimenta da solo, la sera, mentre il resto dello studio lavora come dieci anni fa, non ha uno studio pronto per l’Intelligenza Artificiale: ha un titolare pronto, che è cosa ben diversa.
Prima di scegliere qualsiasi strumento, va misurato quanto il team conosce già il digitale, quanto è disposto a cambiare abitudini, chi in studio può diventare un riferimento interno e chi invece avrà bisogno di più tempo.
Poi viene il terzo passo, il più trascurato di tutti: definire obiettivi concreti, misurabili, scritti prima di partire. “Vogliamo essere più efficienti” non è un obiettivo. È un auspicio. Un obiettivo si scrive con un numero e una scadenza: ridurre di due ore settimanali il tempo dedicato alla raccolta documentale entro il prossimo trimestre, per esempio. La stessa guida del CNDCEC lo mette tra gli errori più comuni da evitare – “ignorare i dati” – ovvero partire senza indicatori chiari (tempi di lavorazione, errori, soddisfazione del cliente) e quindi navigare a vista, senza sapere mai se il progetto sta funzionando o sta solo costando.
E infine il quarto, quello che vanifica tutti gli altri se salta: evitare l’adozione a macchia di leopardo. Uno studio che ha mappato i processi e definito gli obiettivi, ma poi lascia che ogni collaboratore scelga da sé lo strumento e il momento, sta solo spostando il problema di qualche mese. Meglio un processo alla volta, introdotto con metodo, misurato con gli indicatori già definiti. Molto meglio che dieci strumenti sperimentati in ordine sparso, mai davvero integrati nel modo di lavorare dello studio.
Lo studio che si conosce, prima ancora di scegliere
È uno studio che ha consapevolezza di sè sa quanto tempo perde ogni settimana e su quali attività. Sa sa dove, esattamente, nascono gli errori più ricorrenti. È uno studio, soprattutto, che ha chiesto ai propri collaboratori come si sentono rispetto al cambiamento, invece di darlo per scontato.
Prima della scelta dello strumento, prima della policy di governance, prima di qualunque riunione sull’Intelligenza Artificiale, c’è questo lavoro silenzioso e poco entusiasmante: guardarsi allo specchio, con onestà, e scrivere nero su bianco come funziona davvero lo studio oggi.
Lo studio che salta questa fase non risparmia tempo, semplicemente lo rimanda e lo ritrova, con gli interessi, il giorno in cui dovrà disdire tre abbonamenti mai usati e ricominciare esattamente da dove avrebbe dovuto partire fin dal primo giorno.
TI È PIACIUTO QUESTO ARTICOLO?
Leggi anche: Come il coaching può essere di supporto nella nuova era dell’intelligenza artificiale
