Come usare l’intelligenza artificiale per ricerche e sintesi dei commercialisti: strumenti, metodi e cautele

Il 2025 ha segnato il passaggio dell'intelligenza artificiale dalla fase sperimentale a quella operativa negli studi professionali, grazie alla disponibilità di strumenti maturi e facilmente accessibili. Il loro obiettivo è ridurre i tempi delle attività a minor valore aggiunto, come la ricerca delle fonti, la sintesi e la formattazione, per consentire al professionista di dedicare più tempo all'analisi e alla relazione con il cliente. Un workflow di ricerca normativa che richiederebbe tradizionalmente due o tre ore può ridursi a venti minuti. La qualità del risultato finale resta però responsabilità esclusiva del professionista: l'AI è uno strumento, non un sostituto del giudizio professionale.

L'adozione di strumenti AI nell'attività professionale non è priva di implicazioni normative. Il professionista che integra questi strumenti nel proprio workflow opera all'intersezione di almeno quattro cornici regolatorie: il diritto europeo sull'AI, la disciplina sulla protezione dei dati personali, le norme deontologiche di categoria e le regole sulla responsabilità professionale.

Il Regolamento UE 2024/1689 (AI Act)

Il Regolamento (UE) 2024/1689, in vigore dal 1° agosto 2024, introduce il primo quadro normativo organico sull'AI, classificando i sistemi per livello di rischio e stabilendo obblighi differenziati per fornitori (providers) e utilizzatori (deployers). ChatGPT, Claude, Gemini e Perplexity rientrano nella categoria dei GPAI (General Purpose AI Models). Il commercialista che li utilizza opera come deployer: è tenuto a garantire la supervisione umana degli output e - quando l'AI contribuisce a decisioni che incidono su persone fisiche - a informare i clienti dell'uso di sistemi automatizzati. Le disposizioni sui GPAI sono pienamente operative dall'agosto 2025.

GDPR e protezione dei dati nel workflow AI

Caricare su piattaforme AI documenti contenenti dati personali dei clienti (fatture, contratti, comunicazioni fiscali) configura un trattamento ai sensi del GDPR. Il professionista opera come titolare del trattamento e deve verificare: la base giuridica; l'esistenza di un DPA con il fornitore (art. 28 GDPR); le condizioni di trasferimento extra-UE (la maggior parte dei provider ha server negli USA). La risposta operativa più efficace è la separazione netta: usare l'AI con fonti pubbliche (circolari AdE, testi normativi, sentenze) per la ricerca; non caricare mai dati personali del cliente su piattaforme non certificate.

Il Garante Privacy e l'uso di ChatGPT

Nel marzo 2023 il Garante ha disposto la limitazione provvisoria del trattamento dei dati degli utenti italiani da parte di OpenAI in relazione a ChatGPT, successivamente revocata a seguito di misure correttive. La vicenda evidenzia la tensione tra le modalità di addestramento dei modelli e i principi del GDPR. Per il professionista, il segnale operativo è verificare - prima di adottare qualsiasi piattaforma - se i dati caricati vengono usati per addestrare i modelli (disabilitabile su ChatGPT Enterprise, Claude Pro, Gemini Workspace).

Deontologia professionale e segreto professionale

Il Codice Deontologico CNDCEC impone obblighi di riservatezza sulle informazioni acquisite nell'esercizio dell'attività professionale. La trasmissione di dati riservati a piattaforme AI di terzi non è di per sé vietata, ma richiede la valutazione della sicurezza della piattaforma e - se i dati riguardano persone fisiche - l'informazione al cliente. Sul piano della responsabilità: il professionista risponde del contenuto dell'atto a sua firma. L'errore del sistema AI non lo esonera. Il principio di supervisione umana obbligatoria dell'AI Act trova qui il suo fondamento deontologico più diretto.

La dott.ssa Ferrara, commercialista con studio a Milano, riceve da un cliente — società manifatturiera di medie dimensioni — la richiesta di un parere urgente sull'applicabilità del regime Patent Box 2.0 (art. 6, D.L. 146/2021, conv. L. 215/2021) a tre brevetti sviluppati internamente nell'ultimo triennio. Il tema è complesso, e, con il metodo tradizionale, la sola raccolta delle fonti richiederebbe 3-4 ore. La dott.ssa Ferrara decide di integrare gli strumenti AI nel workflow, mantenendo la verifica sulle fonti primarie come passaggio obbligatorio.

Il workflow adottato dalla dott.ssa Ferrara si articola in quattro fasi sequenziali, ciascuna con uno strumento specifico e un output ben definito.

Fase 1 — Costruzione della base documentale con NotebookLM

La dott.ssa Ferrara crea un notebook tematico su NotebookLM e vi carica le fonti pubbliche: art. 6 D.L. 146/2021 coordinato; Circolare AdE 5/E/2023; risposte a interpello rilevanti; due contributi dottrinali in PDF. NotebookLM indicizza i documenti e genera automaticamente guida, FAQ e indice tematico. La dott.ssa Ferrara interroga poi il sistema: «Quali i requisiti soggettivi per il Patent Box 2.0?»; «Come si calcola la deduzione del 110%?»; «La Circolare 5/E chiarisce il trattamento dei brevetti co-sviluppati?» Ogni risposta include citazioni con link alle pagine originali, consentendo la verifica immediata.

In circa 25 minuti la dott.ssa Ferrara dispone di un quadro strutturato delle fonti principali; l'attività avrebbe richiesto almeno 2 ore con metodo tradizionale.

Fase 2 — Aggiornamento con Deep Research

Per gli aggiornamenti successivi alla Circolare 5/E/2023 — nuove risposte a interpello, sentenze di merito, circolari integrative — la dott.ssa Ferrara usa la Deep Research di ChatGPT (piano Plus/Pro) con il prompt: «Ricerca le novità normative, di prassi e giurisprudenziali sul Patent Box 2.0 italiano successive alla Circ. AdE 5/E/2023. Includi risposte a interpello, sentenze tributarie e pronunce di Cassazione. Cita le fonti originali.» In circa 8 minuti ChatGPT produce un report strutturato. La dott.ssa Ferrara verifica i riferimenti sulle fonti primarie: quelli imprecisi vengono scartati, quelli verificati integrati.

Fase 3 — Strutturazione del parere con Claude

Con il materiale verificato, la dott.ssa Ferrara usa Claude per strutturare lo schema del parere: «Crea lo schema di un parere professionale sul Patent Box 2.0 per una società manifatturiera titolare di brevetti propri. Struttura: premessa fattuale, quadro normativo, analisi dei requisiti, conclusioni. Tono formale.» Claude produce l'indice con i punti chiave per ciascuna sezione. La dott.ssa Ferrara lo rivede, lo integra con le proprie valutazioni e lo usa come traccia per la redazione, che scrive interamente con la propria competenza tecnica.

Fase 4 — Verifica sistematica e redazione finale

Prima della firma del parere, la dott.ssa Ferrara esegue una verifica sistematica: ogni riferimento normativo viene controllato sul testo ufficiale; ogni dato numerico (aliquota di deduzione, soglie, scadenze) viene verificato sulla norma primaria; le citazioni di prassi vengono riscontrate sul sito dell'Agenzia delle Entrate. Il parere finale è interamente opera sua: l'AI ha accelerato la fase di ricerca e strutturazione, ma il contenuto, l'analisi e le conclusioni sono frutto del suo giudizio professionale.

Il workflow AI ha ridotto la fase di ricerca e strutturazione da circa 4 ore a poco più di un'ora, con una copertura delle fonti più sistematica di quella ottenibile manualmente. Il tempo risparmiato è stato reindirizzato verso l'analisi approfondita del caso concreto del cliente.

1. Caricare documenti dei clienti senza valutare le implicazioni GDPR

L'errore più comune e potenzialmente più grave è caricare su piattaforme AI documenti contenenti dati personali o informazioni riservate dei clienti (bilanci, visure, contratti, comunicazioni fiscali) senza aver prima verificato: le politiche del fornitore sul trattamento dei dati; l'esistenza di un Data Processing Agreement conforme al GDPR; le condizioni di trasferimento dei dati verso Paesi terzi; la configurazione dell'account per escludere l'uso dei dati nel training dei modelli. La regola operativa: usare l'AI con fonti pubbliche per la ricerca normativa; gestire i dati dei clienti esclusivamente con strumenti certificati e conformi.

2. Usare l'output AI senza verifica sulle fonti primarie

Un errore ricorrente consiste nel considerare l'output dell'AI come una fonte verificata. I modelli linguistici possono infatti generare informazioni plausibili ma inesatte (le cosiddette «allucinazioni»), come riferimenti normativi o giurisprudenziali errati. Anche quando le citazioni sono ancorate ai documenti caricati, come avviene con NotebookLM, o derivano da strumenti di ricerca, è sempre necessario verificare le fonti primarie. L'AI può tuttavia diventare un valido supporto anche nella fase di controllo. Una prima tecnica consiste nel costruire una skill di fact-checking e applicarla in una chat separata, priva del contesto e quindi del bias di conferma della conversazione in cui la bozza è nata: un'istanza «pulita» che legge il testo e segnala, senza indulgenza, ogni affermazione e ogni citazione da riscontrare.

Un secondo approccio è chiedere al modello di estrarre tutti i riferimenti normativi e di prassi senza alcun commento, e poi interrogarlo fonte per fonte — «cosa contiene?» — costringendolo a dichiarare il contenuto: le citazioni inventate o incoerenti emergono immediatamente, perché il modello fatica a descrivere ciò che non esiste.

Entrambe le tecniche organizzano e accelerano il controllo, ma non lo esauriscono: restano un filtro intelligente a monte, non un sostituto della lettura diretta della fonte ufficiale, che rimane l'unico passaggio dirimente prima della firma.

3. Ignorare il knowledge cutoff dei modelli

Molti modelli AI sono basati su dati aggiornati solo fino a una determinata data e, pertanto, possono non conoscere le novità normative successive. Il limite è particolarmente rilevante in materia fiscale, caratterizzata da frequenti interventi legislativi e di prassi. La Deep Research con accesso al web mitiga il problema, ma anche in quel caso la qualità dell'indicizzazione delle fonti recenti italiane non è sempre ottimale.

4. Affidarsi alla Deep Research per la normativa italiana di dettaglio

I modelli AI sono stati addestrati prevalentemente su corpus in lingua inglese e su normativa di common law. La normativa fiscale italiana di dettaglio - aliquote specifiche, soglie di deducibilità, scadenze precise, eccezioni e regimi speciali - è un'area in cui il rischio di errore è strutturalmente più alto. La Deep Research funziona bene per ricerche comparative a livello UE o internazionale; per il dettaglio normativo italiano è indispensabile la verifica diretta su AdE, Gazzetta Ufficiale e banche dati specializzate.

5. Sostituire il proprio giudizio con quello dell'AI

L'AI può strutturare uno schema di parere, ma non conosce i dettagli della situazione del cliente, la sua storia fiscale, i rischi specifici del suo settore, le prassi locali degli uffici dell'Agenzia. Il parere firmato dal professionista deve essere frutto del suo giudizio: l'AI è uno strumento di supporto alla ricerca, non un consulente.

7. Conclusioni

La tecnologia è già matura e il quadro normativo sufficientemente definito: l'AI Act introduce obblighi per i deployer professionali; il GDPR impone cautele sui dati dei clienti; la deontologia richiede che il giudizio del commercialista resti centrale. Si tratta di vincoli che, se correttamente gestiti, consentono un utilizzo consapevole dell'AI.

L'approccio più efficace è procedere per gradi, adottando inizialmente un solo strumento su casi concreti e ampliandone l'utilizzo solo dopo averne acquisito una piena padronanza. Meglio uno strumento padroneggiato che cinque usati male. L'obiettivo finale è liberare tempo dalle attività ripetitive per reinvestirlo in analisi, strategia e relazione con il cliente: attività non delegabili ad alcun sistema automatizzato, che rappresentano il valore distintivo del professionista.