L’evoluzione digitale del settore professionale italiano mostra dinamiche complesse e sfaccettate, dove la struttura organizzativa incide in modo diretto sulla capacità di adottare strumenti innovativi. La fotografia della maturità digitale del comparto emerge dal convegno organizzato dall’Osservatorio Professionisti e Innovazione Digitale presso gli Osservatori Digital Innovation del Politecnico di Milano. L’analisi prende in esame le dinamiche di integrazione degli strumenti informatici e dell’intelligenza artificiale, mettendo in luce le opportunità operative, i rischi legati alla sicurezza e le principali resistenze culturali manifestate dai professionisti italiani.
Indice degli argomenti
La dimensione organizzativa come fattore determinante del capitale tecnologico
L’indagine condotta dall’Osservatorio ha preso in esame oltre 22 tecnologie digitali impiegate negli studi professionali italiani, selezionando quelle trasversali e suddividendole in sei tecnologie digitali di base, come sito internet, pagina social, portale per la condivisione documentale e di attività con i clienti, rete VPN, e undici tecnologie digitali avanzate, tra cui figurano soluzioni di Business Intelligence e di Intelligenza Artificiale.
Come evidenziato da Francesca Parisi, Ricercatrice dell’Osservatorio Professionisti e Innovazione Digitale, la consistenza del capitale tecnologico all’interno delle strutture risulta fortemente condizionata dalla dimensione dell’organico. I dati rivelano una situazione speculare tra le realtà più piccole e quelle maggiormente strutturate:
- Circa il 70% dei micro-studi, caratterizzati da un organico inferiore a tre persone, possiede zero o al massimo una delle sei tecnologie digitali di base.
- Quasi il 90% dei grandi studi, vale a dire le strutture con un organico superiore alle 29 persone, impiega almeno quattro delle sei tecnologie digitali di base.
Per quanto riguarda le undici tecnologie avanzate, la tendenza segue la medesima logica dimensionale, sebbene con un margine superiore di variabilità dovuto alla maggiore complessità applicativa. Secondo Parisi, l’elemento maggiormente critico non risiede nella differenza di intensità digitale legata alle dimensioni, ma nel fatto che moltissime realtà di micro e piccola dimensione non abbiano ancora integrato strumenti di base estremamente semplici. Tra le soluzioni a più alta complessità, strumenti come chatbot, applicazioni di blockchain, smart contract e la RPA (Robotic Process Automation) continuano a registrare un livello di diffusione decisamente ridotto.
Gestione dei dati e diffusione dell’intelligenza artificiale
La ricerca dell’Osservatorio approfondisce la capacità degli studi di valorizzare il patrimonio informativo accumulato nello svolgimento delle attività quotidiane. Attualmente, le informazioni presenti nei sistemi informatici vengono impiegate in via prevalente per assolvere agli adempimenti civilistico-fiscali oppure per il controllo e il miglioramento dell’efficienza interna. Risulta decisamente meno frequente l’utilizzo dei dati orientato allo sviluppo di nuovi servizi o prodotti per la clientela, un’attività che richiede una pianificazione strategica strutturata e competenze specifiche.
L’adozione dell’intelligenza artificiale ha mostrato un incremento rilevante, in particolare per le soluzioni non integrate nei software gestionali di studio. Le applicazioni di AI generativa general purpose registrano tassi di penetrazione compresi tra il 54% e il 63% degli studi, a seconda della specifica professione, arrivando a sfiorare il 90% nelle strutture di grandi dimensioni. Al contrario, i progetti basati sui dati proprietari dello studio stentano a decollare, specialmente nei micro e piccoli studi, pur rappresentando uno degli ambiti a maggior potenziale competitivo per il futuro.
Le attività per le quali si impiega maggiormente l’AI generativa riguardano l’efficientamento dei processi operativi esistenti, con una prevalenza per la ricerca normativa, giurisprudenziale e contrattuale, mentre rimane contratta la creazione autonoma di nuovi contenuti.
Barriere all’adozione, sicurezza e prassi organizzative
Nell’analisi delle barriere all’impiego dell’intelligenza artificiale emergono in primo piano le preoccupazioni relative alla privacy e alla sicurezza dei dati, in coerenza con la riservatezza delle informazioni gestite dai professionisti. Accanto agli aspetti tecnici, si rileva una precisa scelta metodologica da parte di molti professionisti, che preferiscono evitare la delega di determinate mansioni alla tecnologia per preservare l’indipendenza di pensiero, il senso critico e le competenze personali.
Pochi studi segnalano la complessità d’uso come ostacolo principale, un dato che indica come gran parte delle strutture si sia limitata a testare soluzioni pronte all’uso presenti sul mercato, senza ancora affrontare le difficoltà strutturali di progetti personalizzati.
Sul fronte della formazione per colmare il deficit di competenze, le iniziative variano sensibilmente: si passa dal 16% dei micro-studi che hanno organizzato percorsi formativi strutturati fino al 72% dei grandi studi. Sotto il profilo organizzativo, oltre il 65% degli studi adotta licenze d’uso a pagamento per le piattaforme di AI, considerate più idonee a garantire la protezione delle informazioni. Tuttavia, si riscontra una carenza diffusa nella definizione di procedure formali per la verifica e il controllo degli output prodotti dalle macchine, così come nella predisposizione di policy d’uso differenziate in base alla seniority dei collaboratori.
Processi operativi e gestione del capitale umano nella tavola rotonda
Integrazione nei workflow e controllo sui collaboratori junior
L’integrazione delle tecnologie avanzate all’interno dei flussi lavorativi richiede strategie mirate per evitare distorsioni operative. Dario Caccia, CTO di Studio Toffoletto De Luca Tamajo, ha descritto l’approccio adottato nella propria struttura, spiegando che l’introduzione dell’AI è avvenuta agendo direttamente sui workflow interni consolidati e nei software gestionali. Caccia ha precisato: «Siamo partiti dall’efficienza interna, agendo tatticamente sui nostri workflow già consolidati e integrando l’AI dove può dare maggior valore, anche direttamente nei software gestionali».
Riferendosi alla composizione degli utilizzatori della tecnologia nello studio, Caccia ha evidenziato che oltre la metà degli utenti di strumenti di intelligenza artificiale è composta da praticanti e risorse junior. Questa circostanza impone investimenti specifici in attività formative e controlli tecnologici calibrati sugli input forniti e sugli output ottenuti, al fine di contenere i rischi legati all’utilizzo incontrollato di applicazioni esterne.
Trappole epistemologiche e la qualità della produzione documentale
Il tema della reale efficacia dei modelli linguistici è stato affrontato da Emanuele Cerquaglia, Co-founder e CEO di Elibra, il quale ha richiamato le posizioni espresse dai vertici dei grandi gruppi tecnologici citando la frase: «se le aziende si limitano a scegliere un LLM, hanno già fallito». Cerquaglia ha spiegato che la sola adozione del modello di base non è sufficiente se non accompagnata dall’integrazione tra persone, processi organizzativi e sistemi informativi.
Nel modello tradizionale a piramide, la supervisione del socio sulla produzione dei collaboratori incontra nuove complessità dovute alla qualità formale dei testi generati dagli strumenti digitali. Cerquaglia ha sottolineato come la facilità di generazione possa condurre a criticità rilevanti: «Il praticante produce velocemente qualcosa di accettabile, ma tra un anno i clienti pagheranno ancora per l’abbastanza buono o se lo produrranno da soli?». La mancanza di integrazione diretta tra le soluzioni di intelligenza artificiale e i gestionali tradizionali costituisce un nodo operativo destinato a rimanere al centro dell’evoluzione tecnica del settore.
Politiche d’accesso e percorsi d’apprendimento per i giovani
Le modalità di gestione dell’accesso alla tecnologia da parte dei giovani professionisti evidenziano orientamenti differenti tra le strutture. Filippo Forlani, Partner di Aicardi & Partners, ha riferito che l’ingresso dell’AI negli studi si è spesso verificato in modo spontaneo e privo di una regia centralizzata. Per garantire un’adeguata maturazione professionale, la struttura ha definito regole d’accesso restrittive per le risorse all’inizio della carriera. Forlani ha dichiarato: «Abbiamo scelto di non dare accesso all’AI organizzata di studio ai praticanti e agli junior» aggiungendo «Pretendiamo che prima imparino a studiare e a redigere i documenti in modo tradizionale». La finalità indicata riguarda la necessità che i praticanti acquisiscano la padronanza della materia e imparino a governare lo strumento senza dipenderne passivamente.
Una prospettiva diversa è stata espressa da Luca Grechi, Responsabile progetti speciali e digital innovation di BDO, il quale ha rimarcato come l’utilizzo di strumenti semantici sia ormai parte integrante del percorso di formazione universitario dei giovani che si affacciano alla professione. Secondo Grechi, l’adozione di limitazioni all’uso risulta complessa da applicare concretamente, rendendo prioritario concentrare l’attenzione sui meccanismi di validazione dei risultati e sulla valutazione pragmatica dei protocolli di sicurezza legati alla conservazione dei dati in cloud.
L’evoluzione organizzativa dello studio professionale
L’esigenza di ripensare il modello funzionale della struttura professionale è stata sottolineata da Tudor Vlad Lazariu, Co-founder, Board Member e Head of Business Development di Sportello Digitale. Lazariu ha richiamato l’attenzione sulla natura aziendale dello studio moderno, chiamato a confrontarsi con clienti, dipendenti e nuovi concorrenti fortemente dotati di risorse tecnologiche. Nell’illustrare l’esperienza di riorganizzazione da associazione a consorzio per integrare competenze multidisciplinari quali sviluppatori ed esperti di marketing, Lazariu ha affermato: «Io sono un ingegnere, purtroppo, e se frequento solo ingegneri finiamo per raccontarci sempre la stessa storia e darci sempre ragione». L’integrazione di professionalità eterogenee viene indicata come passaggio necessario per orientare la direzione strategica e sviluppare servizi a maggior valore.
Linee di sviluppo per il rafforzamento strutturale
Gli elementi emersi dalle rilevazioni empiriche e dal confronto tra i professionisti indicano che il consolidamento del capitale tecnologico richiede un bilanciamento tra l’adozione delle infrastrutture digitali di base e la gestione consapevole delle tecnologie avanzate. Il percorso di evoluzione del settore appare legato alla capacità di definire regole trasparenti di governance aziendale, proteggere il patrimonio di dati proprietari e strutturare percorsi formativi idonei a preservare il rigore analitico del capitale umano.
