L’AI sta evolvendo da semplice chatbot a sistema agentico autonomo. Questo impone agli studi professionali di ripensare i propri workflow: il vantaggio competitivo dipenderà dalla capacità di integrare l’AI nei processi mantenendo controllo critico e progettazione strategica.
Quando nel novembre 2022 OpenAI ha rilasciato ChatGPT, la maggior parte degli utenti lo ha approcciato come un motore di ricerca evoluto: si facevano domande, si copiavano le risposte, si incollavano nei documenti. Era una modalità d’uso fondamentalmente passiva e manuale. Quello che ChatGPT non poteva fare era agire sul mondo: non apriva file, non compilava fogli Excel, non interagiva con altri software.
Tre anni dopo, a febbraio 2026, siamo in uno scenario completamente diverso. Gli agenti AI non si limitano più a rispondere: eseguono compiti. Claude Cowork di Anthropic pianifica autonomamente sequenze di azioni, coordina sotto-agenti in parallelo e produce documenti completi, fogli Excel con formule funzionanti, presentazioni strutturate, documenti redatti direttamente sulla propria carta intestata. I browser agentici navigano il web autonomamente, completano acquisti, estraggono informazioni dalle pagine.
Ma l’esempio più emblematico dell’evoluzione verso l’autonomia è OpenClaw (nato come ClawdBot), un assistente AI open-source che connette i modelli linguistici a piattaforme di messaggistica e li dota di capacità operative: uno strumento che potenzialmente ha accesso completo al nostro computer come se fosse un utente che ne può utilizzare qualsiasi funzionalità, dai programmi installati all’accesso a tutti i file e account disponibili, e sono documentati casi in cui il modo in cui agisce per portare a termine il compito assegnato non sempre è privo di rischi.
L’apice di questa evoluzione al momento è RentAHuman.ai, una piattaforma, più come esperimento tecnologico e sociale in realtà, lanciata nel febbraio 2026 che inverte completamente il rapporto uomo-macchina: gli agenti AI assumono esseri umani per compiti nel mondo fisico. L’idea di base è semplice: l’AI identifica un compito che richiede presenza fisica (ritirare un pacco, consegnare fiori, tenere un cartello), pubblica l’incarico via API, seleziona un umano disponibile e lo paga automaticamente. La piattaforma ha registrato 26.000 iscrizioni in 24 ore e, sebbene le transazioni verificate siano ancora limitate, si sta assistendo a un velocissimo cambio di paradigma: siamo passati da “l’AI risponde alle nostre domande” a “l’AI ci assume per i suoi progetti”.
Questo salto evolutivo sta ridisegnando rapidamente l’intero panorama del software professionale. Il cambiamento nel mondo SaaS è così accelerato che strumenti considerati innovativi 6 mesi fa risultano già obsoleti oggi. Ma questa velocità porta con sé rischi concreti che gli studi professionali devono considerare: le soluzioni AI generiche, accessibili a chiunque tramite API pubbliche, spesso mancano di “guardrail” specifici per il contesto professionale. Un agente che automatizza la preparazione di pareri fiscali senza controlli settoriali può generare output tecnicamente plausibili ma normativamente errati, esponendo lo studio a responsabilità professionali che nessun disclaimer può annullare.
Lo scenario che si sta delineando è quello di software dedicati sempre più autonomi rispetto ai comandi impartiti dall’utente. Non più strumenti che eseguono esattamente ciò che viene richiesto, ma sistemi che interpretano gli obiettivi e decidono autonomamente come raggiungerli. Questo trasferimento di decisionalità dalla persona al sistema amplifica enormemente sia le potenzialità che i rischi, e rende cruciale la scelta di piattaforme progettate specificamente per il contesto professionale.
AI agentica nello studio: oltre il copia-incolla da chatbot
La differenza tra usare un chatbot AI per copiare testo e integrare un agente AI nei processi di studio non è incrementale: è categorica. Copiare risposte da una chatbot è l’equivalente digitale di fare data entry manuale. L’AI agentica, invece, agisce sui sistemi: interroga database, compila documenti, orchestra workflow, interagisce con gestionali.
Molti studi professionali si trovano oggi in una fase di transizione confusa: hanno sperimentato ChatGPT, forse hanno sottoscritto un abbonamento a Claude o Gemini, lo usano occasionalmente per redigere email o sintetizzare normative. Ma questo approccio, per quanto utile, cattura una frazione minima del potenziale trasformativo dell’AI. Il vero salto sta nell’integrare agenti autonomi nei processi operativi: un sistema che trasforma in automatico documenti in dati strutturati, aggrega dati interrogando più fonti, esegue azioni in automatico al verificarsi di determinati eventi (trigger), svolgendo tutto il lavoro propedeutico per i professionisti o i nostri collaboratori che permette di svolgere l’attività vera e propria.
Ridefinire i processi, non automatizzare l’obsoleto
Di fronte a questa sfida la risposta non sta negli elenchi di strumenti disponibili o nelle guide tecniche, ma in un cambio radicale di mentalità sul ruolo stesso del professionista.
Un errore da evitare è quello che potremmo chiamare “automazione cieca”: prendere un processo esistente e semplicemente farlo eseguire dall’AI. Se un processo è obsoleto o inefficiente, automatizzarlo significa solo rendere più veloce qualcosa che non serve. Molti studi professionali oggi si trovano in questa trappola: usano l’AI per velocizzare attività che andrebbero eliminate, o per ottimizzare flussi di lavoro che erano stati disegnati per un’era pre-digitale.
L’approccio corretto è ridefinire i processi considerando l’AI come parte integrante, non come esecutore di qualcosa che si faceva prima. Calandolo in un esempio pratico: nella redazione dei bilanci trimestrali il processo tradizionale prevede che i collaboratori raccolgano i documenti dai clienti, facciano il data entry, e poi il professionista incontra i clienti. Ripensare all’intero workflow significa pensare un modo per acquisire in automatico i documenti e nel momento in cui vengono ricevuti possono essere pre-processati e uniformati, preparare report strutturati, vedere eventuali segnali di criticità. Il professionista senior non riceve più una pila di situazioni periodiche da controllare prima di chiamare il cliente, ma avrà in tempo reale una visione d’insieme attraverso una dashboard, ad esempio, che gli permette di decidere priorità e attività a cui dare priorità. È un processo completamente diverso, non una versione più veloce di quello vecchio.
Questo richiede innanzitutto consapevolezza. Il professionista deve comprendere che ogni volta che delega una decisione all’AI sta implicitamente rinunciando a una parte del proprio giudizio professionale. Molte attività ripetitive possono e devono essere automatizzate, ma deve essere una scelta consapevole basata sull’analisi del processo, non una delega passiva per comodità.
Fondamentale in quest’ottica è la formazione, ma non nel senso tradizionale del termine. Non si tratta di imparare a usare il software X o di conoscere i prompt migliori per ottenere il risultato Y, quello è banale addestramento tecnico. La formazione rilevante riguarda lo sviluppo di un nuovo approccio metodologico: imparare a progettare soluzioni interne su misura. Significa capire quali fasi del processo beneficiano dell’automazione e quali devono restare sotto controllo umano, e soprattutto sviluppare la capacità di riconoscere quando l’output dell’AI è tecnicamente corretto ma concettualmente banale, quello che potremmo chiamare un “senso critico algoritmico”. Il vantaggio competitivo nei prossimi anni non verrà dalla velocità di esecuzione, che in tutti i settori rimane una diretta conseguenza della tecnologia e automazione, ma dalla capacità di progettare soluzioni integrate su misura, di interpretare situazioni complesse in modi non scontati, di ridefinire processi che incorporano l’AI come componente strutturale anziché come acceleratore di pratiche obsolete. Non si tratta di liberare tempo per attività a maggior valore aggiunto, questo è il mantra consolatorio che si ripete da anni a ogni ondata tecnologica. Si tratta di costruire un modello di lavoro completamente nuovo dove la competenza professionale si unisce alla capacità di orchestrare sistemi intelligenti, non di eseguire compiti ripetitivi più velocemente.
