L’introduzione dell’AI negli studi professionali non richiede solo l’adozione di nuovi strumenti, ma una revisione dei processi organizzativi. Il vero vantaggio non deriva dall’accelerare attività già esistenti, ma dal chiedersi se siano ancora utili e, se necessario, ridisegnarle partendo dal risultato atteso.
Ragionando sui possibili modi per migliorare il lavoro all’interno dei nostri studi professionali e soffermandoci su quali potrebbero essere le cause delle varie inefficienze, possiamo facilmente affermare che il problema non è più la tecnologia.
Oggi, infatti, gli strumenti AI disponibili hanno raggiunto una maturità che 2 anni fa non era nemmeno pensabile: ci consentono di automatizzare le comunicazioni con i clienti, gestire le scadenze in modo proattivo, rispondere alle domande di routine, analizzare bilanci, generare bozze di risposta agli avvisi fiscali.
Il limite, quindi, non sta in ciò che la tecnologia, e in particolare l’AI, sa fare, ma in come lo studio è organizzato per usarla.
Questa distinzione è molto rilevante, perché, molto spesso, gli studi che si avvicinano all’AI commettono un grave errore: prendono un processo esistente e cercano di renderlo più veloce.
Il risultato che si ottiene è spesso deludente. I collaboratori rispondono un po’ più in fretta, qualche step diventa automatico, si risparmiano alcune ore alla settimana e, di primo acchito, questo può sembrare un bel risultato, ma, guardando con attenzione la realtà, i processi sottostanti restano quelli di prima, con i loro colli di bottiglia, le loro ridondanze, la loro dipendenza dalla memoria dei singoli.
Ridisegnare, non accelerare
Una ricerca congiunta di Bain & Company e OpenAI (https://www.bain.com/insights/state-of-the-art-of-agentic-ai-transformation-technology-report-2025/), ci fornisce dei numeri interessanti legati a questo fenomeno: le aziende che ottengono un miglioramento dell’EBITDA tra il 10% e il 25% grazie all’AI non usano strumenti più avanzati delle altre.
La differenza sta, invece, nel metodo: al posto di ottimizzare i task singoli, questi soggetti ridisegnano i processi partendo dal risultato che vogliono ottenere, sapendo che l’AI dovrà essere la spina dorsale su cui costruirli. Il risultato che ne emerge, di conseguenza, ha una struttura diversa dall’originale e non corrisponde semplicemente al vecchio processo con qualche passaggio automatizzato in più.
Prendiamo, ad esempio, la gestione di una pratica, dall’arrivo del cliente alla consegna dell’elaborato finale. In quasi ogni studio è un’attività che richiede una dozzina di passaggi manuali, dipende dalla memoria del collaboratore che la segue e non c’è un modo semplice per sapere a che punto sia in tempo reale.
Se ci si innesta l’AI come un corpo estraneo, è possibile accelerare qualche passaggio, ma il problema strutturale permane.
Se, invece, si ridisegna il processo sapendo che l’AI può gestire i passaggi ripetitivi, tracciare lo stato di ogni pratica e organizzare in modo automatico il fascicolo, pronto per essere preso in mano da un professionista o da un suo collaboratore. Ciò che si costruisce è fondamentalmente diverso e il vantaggio è di un altro ordine di grandezza in termini di efficacia, efficienza e replicabilità.
La domanda da porsi prima di iniziare
C’è però un passaggio che quasi nessuno fa e che deve collocarsi ancora prima rispetto al design di processo.
Prima di decidere se automatizzare o ridisegnare un processo, infatti, vale la pena chiedersi se quel processo debba effettivamente esistere.
Gli studi tendono ad accumulare nel tempo procedure nate per rispondere a esigenze specifiche, spesso legate a un software, un cliente o un collaboratore che non c’è più. Sopravvivono per inerzia: nessuno le ha mai messe in discussione perché funzionano (più o meno) e c’è sempre altro da fare.
La domanda giusta, quindi, non è “come posso farlo più in fretta?”. Ciò che conviene chiedersi è: “se dovessi costruire questo processo oggi, da zero, lo costruirei esattamente così? E se non lo facessimo per un mese, il cliente se ne accorgerebbe?”
In molti casi la risposta rivela che stiamo dedicando tempo a misurare cose che non aiutano nessun processo decisionale, a produrre report che nessuno legge, a fare controlli diventati ridondanti da anni. Portare l’AI su questi processi non produce valore, produce lo stesso risultato inutile in meno tempo.
Tre domande prima di pensare allo strumento
Il punto di partenza di qualsiasi progetto AI nello studio, perciò, non è scegliere lo strumento.
È sedersi con il team, prendere una lista dei processi principali e fare tre domande per ciascuno: questo processo serve ancora? Se sì, lo riprogettiamo da zero o lo ottimizziamo? Cosa misuriamo per capire se funziona meglio dopo?
Solo dopo aver ottenuto le risposte ha senso parlare di implementazione di strumenti AI.
