L’ingresso dell’intelligenza artificiale negli studi professionali
L’intelligenza artificiale generativa ha fatto ingresso negli studi dei dottori commercialisti ed esperti contabili con una rapidità priva di precedenti storici. In molti contesti, l’adozione è avvenuta in modo spontaneo o “dalla porta di servizio”, sperimentata dai collaboratori nei ritagli di tempo per alleggerire le incombenze più ripetitive e standardizzabili, spesso prima ancora che gli studi avessero il tempo di strutturare una riflessione organica sui rischi correlati.
Come evidenziato dal Consiglio dell’Ordine dei Dottori Commercialisti e degli Esperti Contabili di Torino nella guida pratica di giugno 2026, lo sviluppo dell’AI Commercialisti rappresenta un fenomeno già in corso che non può essere ignorato, ma che richiede di essere governato con rigorosa consapevolezza scientifica e professionale, superando sia i timori ingiustificati sia gli entusiasmi acritici.
Un motore statistico, non una banca dati giuridica
Per operare in modo professionalmente difendibile, è essenziale chiarire un equivoco di fondo di natura tecnica: i modelli linguistici di grandi dimensioni (LLM) alla base di piattaforme diffuse come ChatGPT, Claude o Gemini non possiedono una base di conoscenza in senso professionale.
Al contrario, essi operano come motori statistici. La generazione di una risposta avviene selezionando, parola dopo parola, il termine probabilisticamente più coerente in funzione dell’input ricevuto (prompt). Da ciò ne consegue che l’algoritmo:
- non ragiona in senso giuridico
- non effettua una verifica intrinseca delle fonti normative
- non incrocia autonomamente le norme con la prassi interpretativa
- non possiede il concetto logico di “vero” o “falso”, bensì esclusivamente quello di “verosimile”.
L’apparente solidità tecnica dell’italiano curato e della struttura argomentativa prodotta dai modelli può trarre in inganno il professionista, abbassandone la guardia e riducendone lo spirito critico di fronte a risposte che, pur sembrando formalmente ineccepibili, possono rivelarsi errate.
Cosa fa bene e cosa fa male l’intelligenza artificiale generativa
All’interno del flusso di lavoro quotidiano di uno studio commerciale, lo strumento generalista mostra netti punti di forza e altrettanto definiti limiti strutturali.
I punti di forza dello strumento
L’intelligenza artificiale si rivela particolarmente efficace in tre macro-ambiti:
- rielaborazione del testo: attività volte a redigere, riassumere, tradurre o adattare il registro comunicativo di un documento o di una circolare dello studio
- analisi documentale: capacità di estrarre dati strutturati, classificare informazioni e confrontare documenti caricati direttamente dall’utente
- supporto al ragionamento: generazione di prime bozze testuali, strutturazione di schemi argomentativi e proposta di alternative concettuali
I tre limiti strutturali da non ignorare
Sul versante opposto, permangono tre vincoli intrinseci alla tecnologia che impongono la massima cautela:
- le allucinazioni: la tendenza del modello a inventare fatti, citare norme abrogate o richiamare sentenze inesistenti con la medesima sicurezza espositiva utilizzata per i dati corretti
- l’assenza di conoscenza in tempo reale: il sapere dei modelli è limitato da una specifica data di taglio dei dati di addestramento, escludendo potenzialmente le novità normative più recenti
- i bias: la presenza di pregiudizi o inesattezze sistematiche ereditate dai dati di addestramento originari
Il mito della sostituzione e la realtà del semilavorato
I dati analizzati confermano che l’intelligenza artificiale generalista non è strutturata per sostituire la figura del commercialista. L’output generato dalla macchina deve essere tassativamente trattato alla stregua della bozza prodotta da un collaboratore junior: un materiale utile e talvolta eccellente, ma che necessita di una sistematica validazione prima di essere fatto proprio dal professionista.
La competenza strategica richiesta nel contesto attuale non risiede semplicemente nel saper interrogare l’algoritmo, ma nella capacità critica di riconoscere l’affidabilità o l’errore dell’output restituito, mantenendo fermo il principio cardine secondo cui l’intelligenza artificiale produce, ma il professionista valida.
