AI e studi professionali: strategie e tecniche di prompting per efficientare lo studio

Di Avv. Dott. Comm. Dario Carta · Strategie Fiscali · Luglio 2026

L’AI è entrata nello studio. Il vantaggio, però, non è per tutti

Negli ultimi due anni l’intelligenza artificiale generativa è passata dalle demo sui social alle scrivanie di commercialisti, avvocati e consulenti. Qualcuno la usa per riassumere una circolare, qualcuno per una prima bozza di parere, molti — più spesso di quanto si ammetta — la usano di nascosto, in versione gratuita, con risultati alterni. Intanto i clienti si presentano in studio con la risposta di un chatbot stampata, chiedendo “perché lei mi dice una cosa diversa?”.

La distanza tra chi ricava dall’AI un vantaggio reale e chi resta deluso, però, non si spiega con il modello scelto. Gli strumenti di ultima generazione sono tutti straordinariamente capaci; ciò che cambia i risultati è il metodo con cui si usano. Due competenze, in particolare, fanno la differenza: saper formulare le richieste (il cosiddetto prompting) e saper far lavorare l’AI dentro i processi dello studio, non a lato. È il passaggio da “enciclopedia che risponde” a collaboratore digitale: e non avviene da solo.

Perché il modello non basta: le due competenze che contano

Un errore ricorrente è pensare all’AI come a un software da comprare: attivo la licenza, il problema è risolto. In realtà i modelli linguistici sono strumenti generali: sanno fare moltissime cose, ma non conoscono il tuo studio, i tuoi clienti, il tuo modo di lavorare. Senza istruzioni precise producono risposte da manuale — corrette in astratto, inutili nel caso concreto.

La prima competenza è quindi il prompting: trasformare una domanda vaga in un incarico ben definito. La seconda, più evoluta, è l’integrazione nei processi: collegare l’AI a documenti, banche dati e gestionali perché esegua flussi di lavoro completi, con controlli e tracciabilità. La prima si impara in settimane; la seconda richiede un progetto. Vediamole entrambe.

Prompting: l’input determina l’output

Facciamo un esempio concreto, di quelli che capitano ogni settimana in uno studio. Scrivere a un’AI “spiegami il concordato preventivo biennale” produce una voce da enciclopedia: definizione, cenni normativi, qualche cautela generica. Formalmente corretto, professionalmente inutilizzabile.

Prova invece così: “Sei un tributarista esperto di PMI. Il cliente è una S.r.l. edile con 12 dipendenti, ricavi 2,4 milioni, ISA 7,8 nel 2025. Valuta la convenienza dell’adesione al concordato preventivo biennale 2026-2027: costruisci una tabella con vantaggi, rischi e punti da verificare, cita solo norme vigenti e segnala espressamente i punti su cui non hai dati sufficienti”. Il risultato è un documento di lavoro: struttura pronta, ipotesi esplicite, dubbi dichiarati. Non è la consulenza finale — quella resta tua — ma è una base che fa risparmiare un’ora, non cinque minuti. (Per il merito dell’istituto, qui trovi la nostra guida al concordato preventivo biennale 2026-2027.)

La differenza tra i due prompt non è la cortesia né la lunghezza: è la struttura. Il secondo assegna un ruolo, fornisce il contesto, definisce il compito, impone un formato e fissa i controlli. Cinque componenti che coprono la quasi totalità dei casi professionali.

Le cinque componenti di un prompt professionale

Puoi usarle come una checklist mentale ogni volta che affidi un compito all’AI:

• Ruolo: chi deve “essere” l’AI (un tributarista, un revisore, un responsabile amministrativo). Orienta linguaggio, profondità e prospettiva;
• Contesto: i fatti del caso — settore, dimensioni, numeri, vincoli. Più il contesto è ricco, più la risposta è sul caso concreto e non in astratto;
• Compito: che cosa deve produrre, con quale obiettivo (valutare, confrontare, redigere una bozza, individuare criticità);
• Formato: tabella, elenco, memo di una pagina, schema per punti. Il formato giusto rende l’output immediatamente utilizzabile;
• Controlli: i vincoli di qualità — citare le fonti, usare solo normativa vigente, dichiarare i punti incerti invece di improvvisare.

C’è poi un moltiplicatore che vale più di ogni formula: il materiale che alleghi. Un bilancio, un contratto, il testo della norma o della circolare rilevante trasformano la conversazione: l’AI smette di attingere solo alla memoria statistica e comincia a ragionare sui tuoi documenti. Un output costruito su fonti allegate e verificabili non è solo più utile: è più difendibile, davanti al cliente e — se serve — davanti a chi controlla.

Allucinazioni: perché l’AI inventa e come ridurre il rischio

Chi lavora con questi strumenti incontra prima o poi le cosiddette allucinazioni: risposte plausibili, ben scritte, ma errate — la sentenza citata con numero e data che non esiste, l’aliquota sbagliata, la norma abrogata trattata come vigente. Non è un difetto occasionale: è una caratteristica strutturale dei modelli generativi, che producono il testo statisticamente più probabile, non necessariamente quello vero. Le cronache professionali degli ultimi anni — atti depositati con precedenti inesistenti, richiami normativi inventati — dimostrano che il rischio è concreto anche per professionisti esperti.

La buona notizia è che il fenomeno si può ridurre drasticamente, combinando alcune leve:

• chiedere un ragionamento passo-passo, che espone la catena logica e rende visibili gli anelli deboli;
• ancorare la risposta alle fonti: allegare norme, prassi e sentenze rilevanti e imporre che ogni affermazione sia riferita a un documento fornito;
• imporre la ricerca online per i dati che cambiano (aliquote, soglie, scadenze, stato di vigenza);
• istruire il modello a dichiarare l’incertezza: “se non hai elementi sufficienti, dillo espressamente” funziona meglio di quanto si creda.

Oltre la chat: i sistemi agentici e l’AI dentro i processi

Il prompting è la prima metà del percorso. La seconda, più recente e più promettente, è quella dei sistemi agentici: l’AI smette di rispondere a una singola domanda e persegue un obiettivo in più passaggi — pianifica, consulta strumenti esterni, osserva il risultato, corregge la rotta e arriva in fondo al mandato.

A rendere possibile questo salto sono standard di collegamento come l’MCP (Model Context Protocol), che funziona da connettore tra il modello e i sistemi dello studio: banche dati, gestionale, archivio documentale, posta, agenda. Il punto qualificante è che il dialogo avviene in modo controllato e tracciabile: l’agente accede solo a ciò che gli è stato consentito, e ogni passaggio resta documentato.

Qui, però, il fai-da-te mostra i suoi limiti: collegare un agente ai sistemi dello studio richiede competenze di ingegneria, sicurezza e — insieme — la comprensione del merito professionale. È il terreno su cui nascono realtà specializzate come Boezio AI, che riunisce nella stessa squadra avvocati, commercialisti e ingegneri: chi progetta il sistema capisce sia il codice sia la pratica di studio, e costruisce l’automazione attorno al metodo di lavoro esistente — non il contrario. Il catalogo di ciò che si può realizzare, dagli agenti su misura alle knowledge base interne, è descritto nella pagina dei servizi di Boezio AI.

Le regole del gioco: AI Act e legge 132/2025

Usare l’AI in uno studio professionale, oggi, non è solo una scelta organizzativa: è un’attività regolata. Due i riferimenti da conoscere.

Il primo è l’AI Act europeo (Regolamento UE 2024/1689): tra gli obblighi già operativi c’è quello di alfabetizzazione (art. 4, applicabile dal 2 febbraio 2025) — chi utilizza sistemi di AI deve assicurare che il proprio personale abbia una formazione adeguata al loro impiego. Le sanzioni del regolamento, nei casi più gravi, arrivano fino a 35 milioni di euro o al 7% del fatturato mondiale: ne abbiamo parlato nella nostra guida alle sanzioni dell’AI Act.

Il secondo è la legge italiana sull’intelligenza artificiale (legge 23 settembre 2025, n. 132, in vigore dal 10 ottobre 2025), che all’art. 13 detta le regole per le professioni intellettuali: l’AI può essere impiegata solo come strumento di supporto, per attività strumentali rispetto alla prestazione; deve restare la prevalenza del lavoro intellettuale del professionista; e il cliente va informato dell’utilizzo di sistemi di AI con linguaggio chiaro, semplice ed esauriente.

Da dove cominciare: un percorso in quattro tappe

L’esperienza dei progetti riusciti — negli studi come nelle PMI — suggerisce un percorso ordinato, che evita sia l’immobilismo sia gli acquisti impulsivi:

• 1. Assessment: mappare le attività dello studio e individuare dove si concentra il tempo ripetitivo (raccolta dati, prime bozze, controlli formali, scadenzari). È lì che l’AI rende di più;
• 2. Scelta degli strumenti: selezionare piattaforme adeguate a un uso professionale (riservatezza dei dati, controlli di accesso, tracciabilità), evitando di moltiplicare abbonamenti scollegati;
• 3. Progetto pilota: partire da un processo circoscritto e misurabile — ore risparmiate, errori intercettati, tempi di consegna — per decidere con i numeri, non con le impressioni;
• 4. Formazione operativa e presidio: addestrare le persone sui documenti veri dello studio (non su esempi astratti) e mantenere nel tempo regole, aggiornamenti e controlli.

Il fattore critico è che strategia e realizzazione parlino la stessa lingua: la roadmap serve a poco se chi la scrive non sa costruire ciò che promette. È l’impostazione che trovi, per studi legali, commercialisti, funzioni interne e PMI, nella pagina “Per chi” di Boezio AI — dall’assessment iniziale al progetto pilota fino al presidio successivo al rilascio. Il punto merita una sottolineatura per gli imprenditori: le stesse tecniche che efficientano uno studio — prompt strutturati, agenti sui processi ripetitivi, regole di governo — valgono per l’amministrazione, il controllo di gestione e i flussi documentali di una PMI.

Quanto vale, davvero: tempo, qualità, margini

Conviene? La risposta seria passa dai numeri del singolo studio, ma gli ordini di grandezza sono ormai chiari a chi ha avviato progetti ben impostati. Le attività a più alto assorbimento di tempo — prime bozze, riepiloghi documentali, controlli incrociati, risposte ricorrenti — possono essere compresse in modo significativo; il tempo recuperato si sposta sulle attività che il cliente paga davvero: interpretazione, strategia, relazione.

C’è poi un beneficio meno visibile ma altrettanto concreto: la qualità difendibile. Un flusso di lavoro in cui ogni output nasce ancorato a fonti, con passaggi tracciati e verifica umana documentata, riduce gli errori e — in caso di contestazioni — dimostra la diligenza dello studio. Per una PMI cliente, uno studio così organizzato significa risposte più rapide e consulenza più incisiva: un vantaggio competitivo che si trasferisce lungo tutta la filiera.

Il punto di caduta è sempre lo stesso: non è la tecnologia a fare la differenza, è il metodo. Istruire l’AI con prompt e contesto ben costruiti; governarla con regole chiare su dove si ferma la macchina e dove subentra la persona; e metterla in discussione — interrogarla con ipotesi alternative e domande controfattuali (“che cosa cambierebbe se…?”) — per spingerla oltre la risposta più probabile, verso quella più probabilmente corretta. È esattamente il valore che il professionista aggiunge alla macchina, e che nessun abbonamento sostituisce.

FAQ — Le domande più frequenti

L’AI sostituirà commercialisti e avvocati?
No: automatizza i passaggi ripetitivi della prestazione, non il giudizio professionale. La legge n. 132/2025, del resto, impone che il lavoro intellettuale del professionista resti prevalente e che l’AI abbia un ruolo solo strumentale. Cambia il mestiere, non scompare: si sposta valore dalle attività esecutive a quelle interpretative.

Devo dire al cliente che uso l’intelligenza artificiale?
Sì. L’art. 13 della legge n. 132/2025 impone di informare il cliente dell’impiego di sistemi di AI con linguaggio chiaro, semplice ed esauriente: la via più ordinata è disciplinarlo nel mandato professionale.

Posso caricare i documenti dei clienti su un’AI gratuita?
È una pessima idea. Le versioni consumer non offrono le garanzie contrattuali su riservatezza e trattamento dei dati necessarie a chi è vincolato al segreto professionale e al GDPR. Per l’uso in studio servono piani professionali con adeguate garanzie sui dati — e comunque prudenza e minimizzazione dei dati personali.

Che cos’è un “agente” AI, in parole semplici?
Un sistema che non si limita a rispondere, ma esegue un incarico in più passaggi usando strumenti esterni (banche dati, gestionale, archivio): pianifica, agisce, verifica e corregge, sotto il controllo e nei limiti fissati dallo studio.

Da dove parto se lo studio è piccolo?
Dal metodo, non dalla spesa: una piattaforma professionale, la checklist delle cinque componenti del prompt, un processo pilota misurabile. Quando vuoi passare dall’uso individuale all’integrazione nei processi, fatti affiancare da chi progetta e costruisce questi sistemi ogni giorno — come il team di Boezio AI, che unisce professionisti e ingegneri.

In sintesi: un cambio di metodo, prima che di tecnologia

L’AI generativa non premia chi compra lo strumento più costoso, ma chi la tratta da collaboratore: istruzioni precise, contesto ricco, fonti allegate, verifica sistematica, regole di governo chiare. Il prompting si impara e rende da subito; l’integrazione nei processi — agenti, connettori, automazioni — moltiplica il beneficio ma va progettata con competenze che uniscono la pratica professionale e l’ingegneria. Chi affronta questo passaggio con metodo si trova, nel giro di pochi mesi, uno studio più veloce, più tracciabile e più redditizio; chi lo rinvia lavorerà come prima, in un mercato che nel frattempo ha cambiato passo.

Nota: il presente articolo ha finalità informativa e divulgativa e non costituisce parere professionale. Per una consulenza personalizzata, contattare un professionista qualificato.