AI - L'aiuto intelligente per il commercialista

Analisi critica, riepilogo e valutazione tecnica

CNDCEC — Commissione di studio "Intelligenza Artificiale e Bilancio"

1. Riepilogo dei contenuti delle tre guide operative

Le tre guide operative pubblicate dal CNDCEC costituiscono un corpus unitario e progressivo dedicato all'integrazione dell'intelligenza artificiale nella professione del Dottore Commercialista. Il progetto è curato dalla Commissione di studio "Intelligenza Artificiale e Bilancio", sotto la delega del Consigliere Fabrizio Escheri per l'"Innovazione e digitalizzazione degli studi professionali e delle imprese".

1.1 Guida operativa #1 — Le basi dell'AI generativa per lo studio professionale

La prima guida introduce i concetti fondamentali dell'intelligenza artificiale applicata alla professione contabile e fiscale. I macro-temi affrontati sono:

• Automazione contabile tramite Machine Learning e RPA (Robotic Process Automation): analisi dell'elaborazione automatica delle fatture elettroniche XML tramite ChatGPT e Claude, con la generazione di script Python per l'estrazione dati.
• Acquisizione e strutturazione dati: tecniche per estrarre informazioni da documenti non strutturati (bilanci in PDF, visure camerali) e convertirle in formati tabulari (CSV, Excel).
• Analisi dei dati e reporting: utilizzo dei modelli LLM per analisi descrittive, calcolo di indicatori di bilancio (ROE, ROI, ROS, indici di liquidità) e creazione di dashboard.
• Redazione documenti e gestione social: creazione automatica di comunicazioni ai clienti, newsletter, email professionali e contenuti per i canali social dello studio.
• Efficientamento dei processi: elaborazione di circolari dell'Agenzia delle Entrate (es. Concordato Preventivo Biennale), analisi normativa e redazione di checklist operative.
• Formazione e ricerca: creazione di piani formativi personalizzati, ricerca in manuali operativi e supporto all'utilizzo dei software.
• Analisi delle condizioni di trattamento dati: valutazione comparata delle privacy policy di ChatGPT, Claude Sonnet, Microsoft Copilot e Google Gemini rispetto al GDPR.

1.2 Guida operativa #2 — AI specializzata, agenti autonomi e strumenti avanzati

La seconda guida approfondisce l'evoluzione tecnologica degli strumenti AI, con un focus sulle funzionalità avanzate e sulle nuove categorie di utilizzo professionale:

• AI generaliste ed AI specializzate: evoluzione dei modelli LLM, comparazione tecnica tra sistemi con funzionalità Deep Research (ChatGPT, Perplexity, Gemini), architetture RAG (Retrieval Augmented Generation) e sistemi di vettorizzazione semantica.
• Traduzione automatica di documenti tecnici: test pratico di traduzione multilingue (italiano-inglese-cinese) della Circolare AdE n. 22/E/2024 tramite ChatGPT e Gemini, con verifica della fedeltà al testo originale.
• Agenti autonomi e sistemi multiagente: architettura degli agenti AI, differenze tra chatbot, agenti singoli e sistemi multiagente, applicazioni pratiche per il monitoraggio fiscale e l'automazione delle comunicazioni ai clienti.
• GPTs personalizzati: creazione e configurazione di GPT custom con prompt preregistrati per attività specifiche dello studio (es. estrazione dati da visure camerali).
• NotebookLM di Google: guida alle funzionalità della piattaforma per la gestione e l'analisi di grandi volumi documentali, con la funzionalità "Audio Overview" per la conversione di testi in podcast.
• Sviluppo software con AI: possibilità di creare script e software personalizzati "al bisogno" anche senza competenze avanzate di programmazione.
• Integrazione nei software gestionali: panoramica sui moduli AI già integrati dai principali fornitori di software contabili per commercialisti.

1.3 Guida operativa #3 — Visione strategica, compliance e governance dell'AI

La terza guida affronta una dimensione più strategica e giuridica, proponendo un modello organizzativo e di compliance per lo studio professionale del futuro:

• Il commercialista del futuro: analisi del tramonto del modello tradizionale, proposta di aggregazione degli studi (50–100 risorse) come dimensione ideale per investire in innovazione e mantenere competitività, con economie di scala, forza contrattuale e capacità di investimento.
• Il commercialista "Regista": framework metodologico che propone al professionista un ruolo di coordinatore tecnologico (non di programmatore), con competenze per valutare, selezionare e orchestrare soluzioni AI senza svilupparle internamente. Approccio in tre fasi: mappatura/diagnosi, ricerca/selezione, implementazione coordinata.
• Anonimizzazione dei dati e GDPR: analisi approfondita della distinzione giuridica tra anonimizzazione e pseudonimizzazione ai sensi del GDPR, con rassegna di strumenti commerciali (Nymiz, Klippa DocHorizon) e open source (Microsoft Presidio, ARX, Amnesia) per il trattamento sicuro dei dati prima di inviarli a sistemi AI.
• Governance dell'AI nello studio professionale: guida pratica per la compliance all'AI Act europeo e al GDPR, con metodologie per la mappatura dell'uso dell'AI, la valutazione operativa del rischio e il monitoraggio continuo.

2. Analisi critica: errori, imprecisioni e criticità tecniche

Le tre guide, pur rappresentando un contributo significativo alla diffusione della cultura digitale nella professione, presentano alcune imprecisioni tecniche, lacune operative e scelte metodologiche discutibili. L'analisi che segue distingue tra errori fattuali, problemi informatici strutturali e criticità operative.

2.1 Errore nella denominazione del modello Claude

Errore di denominazione — Guida #1, Capitolo 10.2
Il capitolo 10.2 è intitolato "Claude – Sonet" (con una sola "n"). Il nome corretto del modello è Claude Sonnet (doppia "n"). Si tratta di un refuso ricorrente che si ripete nell'indice e nel corpo del documento, e che denota una verifica superficiale dei nomi propri dei prodotti citati.

2.2 Affermazione non aggiornata sulle capacità di Claude

Informazione obsoleta — Guida #1, Capitolo 1.10
Si afferma che Claude "richiede che il contenuto XML sia inserito come testo per poterlo analizzare" e che non può caricare direttamente file. Questa limitazione era vera nelle versioni precedenti, ma non corrisponde alle capacità attuali di Claude (dalla versione 3 in poi), che supporta l'upload diretto di file PDF, immagini e altri documenti. L'informazione avrebbe richiesto una verifica più aggiornata al momento della pubblicazione.

2.3 Uso acritico di Excel come riferimento standardcoordinatore tecnologico (non di programmatore)

In più sezioni della Guida #1 (capitoli 2.1, 2.2, 3.1), Excel viene citato come strumento predefinito e implicito per l'analisi dei dati e la gestione delle tabelle estratte. Frasi come "creare un database relazionale in Excel" o "chiedere di creare un file Excel da scaricare" assumono la disponibilità e la preferenza per un software proprietario a pagamento (Microsoft 365), senza mai citare alternative equivalenti e gratuite disponibili per gli studi più piccoli.

2.4 Raccomandazione di Adobe Acrobat Pro come unica soluzione per la redazione sicura

Scelta proprietaria non motivata — Guida #3, Capitolo 3.9.1
La guida raccomanda esplicitamente "le funzionalità di Redazione professionale presenti in software come Adobe Acrobat Pro" come metodo efficace di anonimizzazione manuale, senza menzionare alternative open source equivalenti come LibreOffice Draw con estensioni, Okular o lo strumento a riga di comando qpdf. Adobe Acrobat Pro ha un costo annuale significativo (~180–240 €/anno) che potrebbe non essere giustificato per studi di piccole dimensioni.

2.5 Errore logico nell'esempio del Concordato Preventivo Biennale

Allucinazione AI non sufficientemente contestualizzata — Guida #1, Capitolo 6.3
L'esempio di ChatGPT che commette un errore logico di base (confondere 2022 con un anno successivo al 2023) è presentato correttamente come dimostrazione del fenomeno delle "allucinazioni". Tuttavia, l'implicazione che sia sufficiente "correggere l'errore" chiedendo al sistema di rivedere la propria risposta è metodologicamente rischiosa: in ambito fiscale, non tutti gli errori sono così facilmente rilevabili, e il sistema potrebbe generare risposte plausibili ma scorrette su normative più complesse.

2.6 Omissione delle implicazioni di sicurezza nei workflow RPA

La Guida #1 dedica il Capitolo 1.14 all'implementazione di sistemi RPA per l'automazione del download delle fatture dal portale dell'Agenzia delle Entrate. Viene correttamente evidenziata la necessità di "protocolli di sicurezza" per la gestione delle credenziali, ma senza fornire indicazioni tecniche concrete: non si menzionano soluzioni per la gestione sicura dei segreti (secret management), come l'uso di vault crittografici (HashiCorp Vault o equivalenti), la rotazione automatica delle credenziali, o i rischi di privilege escalation in caso di compromissione del bot RPA. Non si mensionano i rischi dei token di sessione.

2.7 Mancata distinzione tra versioni consumer ed enterprise nell'analisi privacy

Gap metodologico — Guida #1, Capitolo 10
L'analisi delle condizioni di trattamento dati confronta le privacy policy di ChatGPT, Claude, Copilot e Gemini senza specificare chiaramente che si riferisce alle versioni consumer gratuite o a pagamento. Questa distinzione è cruciale: le versioni enterprise di tutti questi strumenti offrono garanzie radicalmente diverse (no training sui dati, DPA GDPR, isolamento del tenant), che la Guida #3 tratterà correttamente solo in un secondo momento. Il Capitolo 10 della Guida #1 rischia quindi di fuorviare i lettori che potrebbero estendere le conclusioni anche alle versioni business. All'utilizzatore di versioni "gratuite" non si segnala la mancanza di rispetto delle normative dettate dal GDPR, in particolare all'utilizzo di dati extra-UE e all'esfiltrazoine degli stessi.

2.8 Imprecisione nella descrizione della Deep Research e del RAG

La Guida #2 presenta correttamente i concetti di RAG (Retrieval Augmented Generation) e vettorizzazione semantica, ma li descrive come esclusivamente associati alle funzionalità "Deep Research" degli LLM commerciali. In realtà, il RAG è un'architettura generale applicabile a qualsiasi sistema, incluse soluzioni on-premise open source. L'omissione di questa dimensione rafforza implicitamente la dipendenza dai fornitori cloud commerciali.

2.9 Assenza di un modello di valutazione del ROI degli investimenti AI

La Guida #3 propone un approccio molto dettagliato alla governance e alla compliance, ma non fornisce strumenti pratici per la valutazione economica dell'investimento in AI (TCO — Total Cost of Ownership, Break Even Analysis, stima delle ore risparmiate). L'assenza di un modello di ROI rende difficile per il professionista giustificare internamente e verso i soci dello studio la spesa per strumenti e consulenze AI.

3. Critica all'uso di software proprietario e alternative open source

Le tre guide fanno ampio riferimento a strumenti proprietari, spesso senza motivare esplicitamente questa scelta né segnalare l'esistenza di valide alternative libere. Questa sezione analizza le principali occorrenze e propone alternative open source documentate, con motivazione della scelta.

3.1 Panoramica generale: una visione centrata sui GAFAM

Scorrendo le tre guide emerge un ecosistema tecnologico di riferimento quasi esclusivamente composto da prodotti di grandi aziende americane: OpenAI (ChatGPT), Microsoft (Copilot, Excel, Azure), Google (Gemini, NotebookLM, Google Drive, Google Docs) e Anthropic (Claude). Questo orientamento, comprensibile data la probabile scarsa conoscenza dei prodotti, la notorietà e la facilità d'accesso di questi strumenti, porta a trascurare un ecosistema open source maturo e in molti casi più adatto alle esigenze di conformità, sovranità dei dati e contenimento dei costi di uno studio professionale. Ecostistema al quale peraltro attingono a piene mani le stesse Big Tech... forse non è conosciuta questa parte?!

Il rischio maggiore non è tecnologico, ma strategico: costruire i processi di uno studio su strumenti interamente controllati da fornitori terzi espone a vendor lock-in, variazioni unilaterali delle condizioni contrattuali e di prezzo, e dipendenza da infrastrutture cloud estere soggette a normative extra-UE.

3.2 Microsoft Excel — Alternativa: LibreOffice Calc

Caratteristica	Dettaglio
Software citato	Microsoft Excel (parte di Microsoft 365)
Costo	Da €7/mese a €22/mese per utente (abbonamento)
Alternativa open source	LibreOffice Calc
Costo alternativa	Gratuito, licenza MPL 2.0
Motivazione	LibreOffice Calc supporta i formati .xlsx/.csv nativamente, offre Power Query equivalente (macro Basic/Python), tabelle pivot e grafici comparabili. Per le attività descritte nelle guide (estrazione dati, riclassificazione di bilancio, costruzione di dashboard semplici) le funzionalità sono sostanzialmente equivalenti.
Limitazione alternativa	Minore integrazione con l’ecosistema Microsoft 365 e con i plugin Copilot. L’interoperabilità con file .xlsx complessi (macro VBA) può essere parziale.

3.3 Microsoft Copilot — Alternativa: Ollama + Open WebUI

Microsoft Copilot viene citato in entrambe le Guide #1 e #2 come strumento di riferimento per l'AI integrata negli strumenti di produttività (Word, Excel, Outlook). Si tratta di uno strumento proprietario, disponibile solo con abbonamento Microsoft 365 Business Standard o superiore, che invia i dati elaborati alle infrastrutture Microsoft Azure. Più volte accusato di violaizone della Privacy eseguendo continue "schermate" del desktop dell'utente.

Un'alternativa open source completa è, ad esempio, Open WebUI (ex Ollama WebUI), combinato con Ollama come runtime locale per modelli LLM. Questo stack consente di eseguire modelli come Llama 3, Mistral, Phi-3 o Gemma direttamente sul server dello studio, senza trasmettere dati all'esterno. I vantaggi sei sistemi open source e self-hosted sono molteplici:

• Sovranità totale dei dati: i documenti dei clienti non lasciano mai il perimetro dello studio.
• Costo zero di licenza: i modelli open source come Llama 3.1 (Meta) o Mistral 7B hanno prestazioni competitive con i modelli commerciali su molti task professionali.
• Personalizzazione: possibilità di creare modelli specializzati su normativa fiscale italiana tramite fine-tuning o RAG locale.
• Conformità GDPR by design: l'elaborazione locale elimina alla radice il problema del trasferimento di dati a terzi.

Requisiti tecnici per Ollama + Open WebUI
Sono richiesti: un server con GPU (consigliata NVIDIA con almeno 8 GB VRAM per modelli da 7B parametri), sistema operativo Linux/Windows/macOS, e competenze di amministrazione di sistema di base. Per studi di dimensioni medie (10–30 professionisti), un investimento hardware di 2.000–4.000 € (server con GPU) può coprire le esigenze per diversi anni, a fronte di un abbonamento Copilot che supera i 3.000 €/anno per 10 utenti. E grazie alla licenza Open Source potrebbero essere messi a disposizoine dagli Ordini Territoriali o acquistati in comune tra colleghi (cosa tra l'altro citata dalle Guide Operative stesse): unirsi per non morire? Peccato che le licenze proprietarie non permettono di condividere software e risorse.

3.4 Google NotebookLM — Alternativa: AnythingLLM / Kotaemon

La Guida #2 dedica il Capitolo 5 a NotebookLM di Google, descritto come strumento per la gestione e l'analisi di grandi volumi documentali. NotebookLM invia tutti i documenti caricati ai server di Google per l'elaborazione, il che è incompatibile con la gestione di documenti riservati dei clienti, indipendentemente dalle garanzie della versione consumer.

Alternative open source funzionalmente equivalenti sono, ad esempio AnythingLLM e Kotaemon. Entrambe le piattaforme permettono di creare un sistema RAG locale: si caricano documenti PDF, Word o testo, questi vengono vettorizzati e indicizzati localmente, e il modello LLM (anche locale via Ollama) risponde alle domande basandosi esclusivamente sui documenti forniti, con citazione delle fonti. Questo approccio replica fedelmente le funzionalità chiave di NotebookLM — comprensione contestuale, analisi multi-documentale, ricerca con citazioni — senza trasmettere alcun dato all'esterno dello studio.

3.5 ChatGPT / GPTs — Alternativa: Dify.ai / Flowise (self-hosted)

I Capitoli 4 della Guida #2 illustrano come configurare agenti AI custom su ChatGPT. La piattaforma richiede un abbonamento ChatGPT Plus o Team (da $20/mese a $30/mese per utente) e comporta il trattamento dei dati da parte di OpenAI.

Piattaforme open source auto-ospitabili come Dify.ai o Flowise offrono funzionalità analoghe: creazione di agenti AI con prompt personalizzati, connessione a knowledge base locali, integrazione con API esterne, workflow multi-step con nodi logici. Entrambe le soluzioni supportano connessioni a LLM locali (via Ollama) o cloud (OpenAI, Anthropic, ecc.) in modo modulare, consentendo di scegliere il provider più adatto per ciascun caso d'uso, senza essere vincolati a un unico ecosistema.

Dify è una piattaforma open source + low-code per creare applicazioni basate su AI. E' come avere backend + orchestrazione + UI per AI già pronti. Permette di costruire chatbot, tool, agenti; si possono collegare documenti (RAG), gestisci prompt e workflow ed avere un deploy già pronto (API incluse).

Flowise è un tool open source per costruire flussi logici di LLM con interfaccia grafica. Invece di scrivere codice si trascinano blocchi per costruire pipeline AI (tipo LangChain). 

3.6 Strumenti RPA — Alternativa: n8n (self-hosted)

La Guida #1 raccomanda correttamente l'uso di "una soluzione RPA (Robotic Process Automation) open source" per l'automazione del download delle fatture, ma non specifica quale. Questa è una delle poche aperture esplicite all'open source nelle tre guide, ma resta vaga.

Lo strumento più adatto al caso d'uso descritto è n8n (licenza Fair-Code, auto-ospitabile gratuitamente), un'orchestrazione visuale di workflow che permette di automatizzare: autenticazione al portale dell'AdE, download delle fatture XML, parsing e trasformazione dei dati, inserimento nei gestionali contabili tramite API, notifiche via email o webhook. In alternativa, Apache Airflow è indicato per workflow più complessi con esigenze di scheduling avanzato. Entrambi si affiancano validamente a soluzioni commerciali come UiPath o Automation Anywhere, a frazioni del costo. Ma n8n è senza dubbio un ottimo orchestratore di automazioni.

3.7 Adobe Acrobat Pro per la redazione — Alternativa: qpdf + Ghostscript / Okular

Come evidenziato al punto 2.4, la Guida #3 cita Adobe Acrobat Pro come strumento per la redazione professionale di PDF. Si tratta di una scelta valida ma costosa e non necessaria per la maggior parte dei casi d'uso di uno studio professionale di medie dimensioni. Qui scade proprio nel banale. Adobe è pensate e inutile, quasi sempe:

• qpdf + Ghostscript: strumenti a riga di comando gratuiti e open source, disponibili su tutti i sistemi operativi, che permettono la rimozione permanente e verificabile di contenuti da documenti PDF.
• Okular (KDE): visualizzatore PDF open source con funzionalità di redazione disponibile su Linux e Windows, con interfaccia grafica intuitiva.
• LibreOffice Draw: per documenti originati in Word o OpenDocument, consente l'esportazione in PDF con rimozione selettiva dei contenuti prima della pubblicazione.
• PDFArranger: strumento grafico open source per la manipolazione di pagine PDF, utile per l'estrazione selettiva di parti di documenti.
• etc. etc. etc... c'è solo imbarazzo nella scelta

3.8 Riepilogo comparativo: software proprietario vs. alternative open source

Software proprietario	Costo indicativo	Alternativa open source	Sovranità dati
Microsoft Excel	~€7-22/utente/mese	LibreOffice Calc	Locale ✓
Microsoft Copilot	>~€25/utente/mese	Ollama + Open WebUI	Locale ✓✓
Google NotebookLM	Gratuito / Plus €20/mese	AnythingLLM / Kotaemon	Locale ✓✓
ChatGPT / GPTs	$20-30/utente/mese	Dify.ai / Flowise (self-hosted)	Locale ✓✓
RPA (non specificato)	Variabile (UiPath: €1.000+/anno)	n8n (self-hosted) / Apache Airflow	Locale ✓✓
Adobe Acrobat Pro	~€180-240/anno	qpdf + Ghostscript / Okular	Locale ✓

4. Licenze d'uso e termini e condizioni: cosa dicono (e non dicono) le guide

Un aspetto di primaria rilevanza per uno studio professionale che adotti strumenti AI è la comprensione del quadro contrattuale e licenziatario entro cui opera. L'analisi delle tre guide rivela un trattamento molto disomogeneo di questo tema: alcuni aspetti sono affrontati con cura, altri sono completamente assenti.

4.1 Cosa viene trattato: analisi delle privacy policy e licenze open source

Punto di forza delle guide: sia la Guida #1 (Capitolo 10) che la Guida #2 (Capitolo 10) dedicano sezioni specifiche alle condizioni di trattamento dati di ChatGPT, Claude Sonnet, Microsoft Copilot e Google Gemini. Vengono analizzati titolare del trattamento, categorie di dati raccolti, finalità del trattamento, tempi di conservazione, misure di sicurezza adottate e diritti GDPR degli interessati. È la parte più curata dal punto di vista giuridico-contrattuale di tutte e 3 le pubblicazioni.

La Guida #3, nel capitolo dedicato ai modelli LLM locali, affronta correttamente le licenze dei principali modelli open source:

• Llama 3 (Meta): Llama 3 Community License, con clausola che vieta l'uso alle aziende con oltre 700 milioni di utenti attivi mensili e obbligo di attribuzione. Non riconosciuta come licenza open source in senso stretto dalla Open Source Initiative.
• Mistral 7B / Mixtral 8x7B: Apache 2.0, tra le più permissive, con solo obbligo di attribuzione e avviso di copyright. Scelta a bassissimo rischio legale per uso commerciale.
• Microsoft Phi-3: MIT License, la più permissiva in assoluto. Consente qualsiasi uso inclusa l'integrazione in prodotti commerciali.
• OpenAI gpt-oss: Apache 2.0. Prima apertura significativa di OpenAI ai modelli a pesi aperti dopo GPT-2.
• DeepSeek: licenza personalizzata che, pur consentendo l'uso commerciale gratuito, vieta utilizzi militari, illegali o per la generazione di contenuti dannosi, con obbligo di propagare le restrizioni ai modelli derivati.

Viene anche illustrata correttamente la distinzione tra licenze permissive (MIT, Apache 2.0), con condizioni (Llama Community) e copyleft (GPL), con le relative implicazioni per l'uso commerciale professionale... ma ci si ferma qui.

La Guida #3 menziona inoltre, limitatamente alle versioni enterprise dei fornitori cloud, che "i clienti mantengono la piena proprietà dei loro input e output" — garanzia contrattuale che diventa il principale fattore di differenziazione delle offerte business rispetto alle versioni consumer.

4.2 Cosa manca: le lacune critiche per lo studio professionale

Le seguenti dimensioni contrattuali e licenziatorie sono completamente assenti nelle tre guide, pur essendo di primaria rilevanza operativa e legale per un professionista che utilizzi questi strumenti nell'attività di studio.

4.2.1 Acceptable Use Policy: cosa è vietato fare

Lacuna critica
Nessuna delle tre guide illustra i limiti operativi imposti dai fornitori attraverso le Acceptable Use Policy (AUP). ChatGPT, ad esempio, vieta contrattualmente l'uso per attività che richiedano licenze professionali specifiche in alcune giurisdizioni, la generazione di contenuti potenzialmente ingannevoli per terzi e l'automazione di decisioni ad alto impatto senza supervisione umana. Questi limiti sono direttamente rilevanti per un commercialista che utilizzi l'AI per produrre pareri, checklist fiscali o comunicazioni ai clienti.

4.2.2 Responsabilità per gli output errati

Lacuna critica — rischio legale per lo studio
I termini di servizio di tutti i provider citati (OpenAI, Anthropic, Microsoft, Google) escludono esplicitamente qualsiasi garanzia sulla correttezza degli output e qualsiasi responsabilità del fornitore per danni derivanti dal loro utilizzo. Le guide non citano mai questa clausola, che ha implicazioni dirette sulla responsabilità professionale del commercialista: se un output AI errato causa un danno al cliente, l'intera responsabilità ricade sul professionista, non sul fornitore dello strumento. Questo aspetto avrebbe meritato una trattazione esplicita, soprattutto nelle sezioni dedicate all'analisi fiscale e alla redazione di documenti. AI ACT potrebbe cambiare drasticamente questa situazione; e il softwre FLOSS (Free, Libre, Open Source Software) non vi rientra.

4.2.3 Proprietà degli output nelle versioni consumer e Plus

La Guida #3 affronta correttamente la proprietà degli output nelle versioni enterprise, ma non dice nulla sulla stessa questione per le versioni consumer e Plus, che sono quelle più utilizzate dagli studi professionali di piccole e medie dimensioni. Le policy dei principali fornitori in versione consumer prevedono che l'utente conceda al fornitore una licenza ampia sugli input forniti, con finalità che includono il miglioramento del servizio e, salvo opt-out, potenzialmente il training dei modelli. Questa distinzione è fondamentale e avrebbe dovuto essere esplicitata sin dalla Guida #1, dove i test vengono condotti prevalentemente con versioni gratuite o Plus.

4.2.4 Versioni consumer vs. versioni a pagamento: differenze nei termini d'uso

Le guide comparano spesso versioni gratuite e a pagamento degli strumenti AI dal punto di vista delle prestazioni, ma non evidenziano mai che le condizioni d'uso delle due versioni sono sostanzialmente diverse sul piano contrattuale. In particolare:

• Nelle versioni gratuite di ChatGPT e Gemini, i contenuti inseriti possono essere utilizzati per il training dei modelli salvo disattivazione esplicita nelle impostazioni.
• Nelle versioni a pagamento (Plus, Pro) le condizioni migliorano ma non raggiungono le garanzie delle versioni enterprise o API.
• Solo le versioni enterprise o API garantiscono contrattualmente il divieto di training sui dati del cliente e la firma di un Data Processing Addendum (DPA) conforme all'art. 28 GDPR.

4.2.5 Prezzi e costi dei software commerciali raccomandati

Le guide non forniscono mai una panoramica sistematica dei costi degli strumenti raccomandati. I riferimenti ai prezzi sono sporadici e non aggiornati. Un professionista che legga le guide non dispone degli elementi necessari per valutare la sostenibilità economica delle soluzioni proposte, né per costruire un budget di digitalizzazione dello studio.

4.2.6 Licenze dei software di produttività citati

I software di produttività citati nelle guide (Microsoft Excel, Word, Adobe Acrobat Pro, Visual Studio Code) vengono presentati come strumenti di riferimento senza alcuna menzione delle relative condizioni di licenza. In particolare:

• Microsoft 365: disponibile solo in abbonamento. Alcuni piani personali vietano esplicitamente l'uso per attività professionali conto terzi al di sopra di determinate soglie o tipologie di attività.
• Adobe Acrobat Pro: la licenza non è trasferibile ed è vincolata a un numero massimo di dispositivi. Le funzionalità di redazione sicura citate nella Guida #3 sono disponibili solo nelle versioni a pagamento.
• Visual Studio Code: citato come strumento per lo sviluppo di script AI, è gratuito e open source (licenza MIT per il codice, con alcune componenti proprietarie nella distribuzione Microsoft). Questa distinzione non viene esplicitata.

4.2.7 Clausole di modifica unilaterale dei termini e rischio di vendor lock-in

Rischio strategico non segnalato
Tutti i fornitori citati (OpenAI, Anthropic, Microsoft, Google) si riservano il diritto di modificare unilateralmente termini di servizio, prezzi e funzionalità con preavviso minimo (tipicamente 30 giorni, in alcuni casi anche meno per variazioni non sostanziali). Uno studio che abbia costruito i propri processi su uno di questi strumenti può trovarsi esposto a aumenti di prezzo improvvisi, rimozione di funzionalità essenziali o modifiche alle condizioni di privacy senza possibilità di rifiuto. Questo rischio di vendor lock-in operativo non viene mai nominato nelle tre guide, nonostante la Guida #3 tratti diffusamente il tema della strategia tecnologica dello studio.

4.3 Riepilogo delle lacune su licenze e termini d'uso

Aspetto	Trattato nelle guide	Rilevanza per lo studio
Privacy policy e trattamento dati (versioni consumer)	Sì — Guida #1 e #2, Cap. 10	Alta
Garanzie enterprise (DPA, no training, Zero Data Retention)	Sì — Guida #3, Cap. 3.4	Alta
Licenze modelli LLM open source	Sì — Guida #3, Cap. sui modelli locali	Media
Acceptable Use Policy (cosa è vietato)	NO	Alta ⚠️
Responsabilità per output errati	NO	Alta ⚠️
Proprietà degli output (versioni consumer/Plus)	NO	Alta ⚠️
Differenze contrattuali consumer vs. enterprise	Parziale — solo Guida #3	Alta
Prezzi e costi sistematici	NO	Media
Licenze software di produttività (Excel, Adobe, ecc.)	NO	Media
Clausole di modifica unilaterale / vendor lock-in	NO	Alta ⚠️

5. Software libero e open source: storia, filosofia e vantaggi pratici

Le sezioni precedenti hanno citato ripetutamente alternative open source ai software proprietari raccomandati dalle guide CNDCEC. Per apprezzarne pienamente il valore, non solo economico, ma culturale e strategico, è utile ripercorrere la storia del movimento del software libero, comprenderne i principi fondativi e analizzarne i vantaggi concreti per gli studi professionali.

5.1 Una breve storia: da GNU a Linux, i padri del software libero

"Free software is a matter of liberty, not price. To understand the concept, you should think of 'free' as in 'free speech', not as in 'free beer'."
— Richard M. Stallman, fondatore del progetto GNU e della Free Software Foundation, 1985

La storia del software libero inizia nei corridoi del MIT nei primi anni Ottanta. Nel 1983, Richard Matthew Stallman, programmatore e ricercatore del laboratorio di intelligenza artificiale del MIT, lancia il progetto GNU (acronimo ricorsivo di GNU's Not Unix) con l'obiettivo di creare un sistema operativo completamente libero, compatibile con Unix ma non vincolato dalle sue restrizioni proprietarie. L'anno successivo, nel 1985, fonda la Free Software Foundation (FSF), ancora oggi punto di riferimento mondiale per la difesa dei diritti degli utenti di software.

L'intuizione di Stallman era radicale per l'epoca: il software non doveva essere una merce da possedere, ma uno strumento da condividere, studiare e migliorare collettivamente. Per dare forza giuridica a questa visione, nel 1989 crea la GNU General Public License (GPL), una licenza che usa il diritto d'autore in modo paradossale: invece di restringere la distribuzione, la garantisce. Chiunque riceva software sotto GPL ha il diritto di usarlo, studiarlo, modificarlo e redistribuirlo, a patto che le versioni derivate rimangano sotto la stessa licenza. Questo meccanismo — definito "copyleft" — è uno dei contributi intellettuali più originali del XX secolo al diritto dell'informatica.

Il progetto GNU aveva quasi tutti i componenti di un sistema operativo completo, ma mancava del cuore: il kernel. Nel 1991, un giovane studente universitario finlandese di 21 anni, Linus Benedict Torvalds, pubblica in una mailing list un messaggio diventato storico:

"Hello everybody out there using minix — I'm doing a (free) operating system (just a hobby, won't be big and professional like gnu) for 386(486) AT clones."
— Linus Torvalds, messaggio alla mailing list comp.os.minix, 25 agosto 1991

Il kernel Linux, unito agli strumenti GNU, dà vita al sistema operativo GNU/Linux, comunemente noto come Linux. In pochi anni, da progetto amatoriale di un singolo studente, Linux diventa il kernel più diffuso al mondo: oggi alimenta oltre il 90% dei supercomputer, il 100% dei telefoni Android, la quasi totalità dei server web e cloud, i router, i televisori smart, le automobili e i satelliti. Ah, il Linux non ha niente a che vedere con il nome di Torvalds.

Accanto a Stallman e Torvalds, altri personaggi hanno segnato la storia del software libero: Eric S. Raymond, teorico del modello di sviluppo distribuito e autore del saggio "The Cathedral and the Bazaar" (1997); Bruce Perens, co-fondatore della Open Source Initiative (OSI) e autore della prima definizione formale di "open source" nel 1998; Ian Murdock, fondatore di Debian, la distribuzione Linux che ha ispirato Ubuntu; e Lawrence Lessig, giurista di Harvard che ha applicato i principi del copyleft al mondo creativo con le licenze Creative Commons.

5.2 Le quattro libertà fondamentali del Free Software

La Free Software Foundation definisce il software libero attraverso quattro libertà essenziali, numerate da zero a tre per convenzione informatica. Non si tratta di un manifesto ideologico astratto, ma di diritti pratici e verificabili che determinano concretamente ciò che un utente può o non può fare con un programma.

0	Libertà di eseguire il programma Il diritto di usare il software per qualsiasi scopo, senza dover chiedere permesso a nessuno e senza dover pagare royalty o canoni d’uso. Un medico può usarlo per diagnosi, un avvocato per contratti, un commercialista per bilanci: nessuna licenza d’uso ne limita l’applicazione.
1	Libertà di studiare il funzionamento del programma Il diritto di accedere al codice sorgente e di capire come il programma funziona internamente. Questa libertà è il fondamento della fiducia tecnologica: solo chi può leggere il codice può verificare che non ci siano backdoor, comportamenti nascosti o raccolta occulta di dati. Per uno studio professionale che tratta dati riservati dei clienti, questa trasparenza è un valore inestimabile.
2	Libertà di ridistribuire copie Il diritto di condividere il software con chiunque, gratuitamente o a pagamento. Uno studio può installare lo stesso software su tutti i computer senza acquistare licenze aggiuntive, condividerlo con colleghi di altri studi associati, o donarlo a enti no-profit. Non esiste un contatore di licenze, un server di attivazione o una scadenza artificiale.
3	Libertà di migliorare il programma e distribuire le modifiche Il diritto di adattare il software alle proprie esigenze specifiche e di condividere le modifiche con la comunità. Uno studio può commissionare a un programmatore l’aggiunta di una funzionalità specifica (es. l’integrazione con un gestionale fiscale italiano) senza che il fornitore originale possa opporsi o richiedere royalty. Le migliorie tornano alla comunità, creando un circolo virtuoso di miglioramento collettivo.

 

5.3 Free Software vs. Open Source: una distinzione importante

I termini "free software" e "open source" sono spesso usati come sinonimi, ma nascono da filosofie diverse:

Free Software (Software Libero)	Open Source
Approccio etico e politico. Il codice sorgente aperto è un mezzo per garantire la libertà dell’utente, che è il fine ultimo.	Approccio pragmatico e tecnico. Il codice aperto è valorizzato per i vantaggi pratici che produce: qualità superiore, sicurezza, innovazione, riduzione dei costi.
Fondato da Richard Stallman (FSF, 1985). Licenze tipiche: GPL, LGPL, AGPL, che impongono il copyleft.	Formalizzato da Eric Raymond e Bruce Perens (OSI, 1998). Licenze tipiche: MIT, Apache 2.0, BSD, che non impongono copyleft.
Un software proprietario che pubblica il codice sorgente senza garantire le quattro libertà NON è free software. La licenza è il discrimine, non la visibilità del codice.	L’open source ammette anche licenze meno restrittive, che consentono l’incorporazione in prodotti proprietari senza obbligo di rendere pubblico il codice modificato.
Stallman usa “FLOSS” (Free/Libre and Open Source Software) per includere entrambe le tradizioni, ma sottolinea che la libertà dell’utente è non negoziabile.	In pratica, la stragrande maggioranza dei progetti open source è anche free software e viceversa. La distinzione è più filosofica che operativa per la maggior parte degli utenti.

5.4 Il paradosso delle BigTech: grandi consumatrici, piccole contributrici

Uno dei fenomeni più significativi e controversi del panorama tecnologico contemporaneo è il rapporto ambivalente che le grandi aziende tecnologiche intrattengono con il software libero e open source. La realtà è che le BigTech devono la propria esistenza, in misura molto maggiore di quanto ammettano pubblicamente, al lavoro gratuito di decine di migliaia di sviluppatori volontari.

• Google è costruita interamente su Linux, utilizza Python, Go (da essa sviluppato e poi aperto), Kubernetes (creato internamente e rilasciato open source), TensorFlow e decine di librerie fondamentali. Android è basato sul kernel Linux.
• Microsoft, storicamente il più acerrimo avversario del software libero (il suo CEO Steve Ballmer definì Linux "un cancro" nel 2001), è oggi uno dei maggiori contributor a progetti open source al mondo. Possiede GitHub, ha aperto il codice di VS Code e TypeScript, e ha integrato Linux in Windows tramite WSL. Azure si regge in larga parte su infrastrutture Linux.
• Amazon Web Services (AWS), la più grande infrastruttura cloud del mondo, funziona quasi interamente su Linux e software open source. Ha costruito servizi commerciali di grande successo su codice open source di terzi senza restituire contributi proporzionali, scatenando controversie che hanno portato alcuni progetti (Elasticsearch, MongoDB) a cambiare licenza per proteggersi.
• Meta ha rilasciato React, PyTorch, Llama e centinaia di altri progetti. Apple usa Darwin (basato su BSD) come fondamenta di macOS e iOS, e contribuisce al compilatore LLVM/Clang.

Il problema del "free riding" tecnologico
Il progetto OpenSSL — la libreria che protegge le comunicazioni sicure di quasi tutto Internet, incluse le transazioni bancarie e i pagamenti online — era mantenuto da un team di due sviluppatori a tempo parziale con un budget annuale di circa 2.000 dollari. Nel 2014, la scoperta della vulnerabilità Heartbleed (che aveva messo a rischio l'intero Internet per oltre due anni) costrinse le grandi aziende a finanziare il Core Infrastructure Initiative. Ma si trattò di un intervento d'emergenza, non di un cambiamento strutturale. La dipendenza dell'economia digitale globale da infrastrutture open source cronicamente sottofinanziate rimane uno dei problemi più gravi e meno discussi del settore tecnologico.

5.5 Dove vive il software libero: dalla cucina al satellite

Infrastrutture di rete e telecomunicazioni

La quasi totalità dei router domestici e aziendali, degli switch, dei firewall e degli access point Wi-Fi funziona con firmware basati su Linux. OpenWrt, DD-WRT e pfSense/OPNsense sono distribuzioni Linux specializzate per apparati di rete che sostituiscono o integrano il firmware proprietario dei produttori, offrendo funzionalità avanzate (VPN, QoS, firewall granulare) che i produttori riservano ai modelli di fascia alta. OPNsense è usato in ambienti bancari e ospedalieri.

Server, cloud e web

Oltre il 96% dei server web del mondo usa software open source: Apache HTTP Server e Nginx gestiscono la quasi totalità del traffico web globale. Il 100% dei sistemi di cloud computing di primo livello (AWS, Google Cloud, Azure, OpenStack) è costruito su Linux. I database più diffusi al mondo (MySQL, PostgreSQL, MariaDB, MongoDB, Redis) sono open source. Si, MongoDB è la base di AmazonAWS...

Dispositivi embedded e IoT

Linux è il sistema operativo dei televisori smart, delle automobili (il sistema di infotainment di Tesla è Linux), dei droni, dei sistemi di controllo industriale SCADA, delle casse automatiche dei supermercati, dei bancomat e delle stampanti di rete. Android (basato su Linux) è installato su circa 3,5 miliardi di dispositivi attivi nel mondo. Se cercate nelle impostazioni del vostro smartphone Android (ma anche su iPhone) la parola "licenze" troverete un menù dove si elencano centinaia di librerie libere utilizzate da Androird e da Google. Ricordiamoci che esistono anche progetti di Sistemi Operativi per smartphone de-google: LineageOS, Calyx, Ubuntutouch, GrapheneOS.

Scienza, ricerca e supercalcolo

Il 100% dei 500 supercomputer più potenti al mondo usa Linux. Il software che ha permesso di fotografare per la prima volta un buco nero (Event Horizon Telescope, 2019) e quello che ha guidato il rover Perseverance su Marte sono open source. CERN, ESA e NASA basano la propria infrastruttura su software libero. Ma ci sono ancora professionisti che ogni giorno mi dicono: "Bah, se è gratis vuol dire che non funziona!" (Partirei dal dirgli di impare l'inglese: Free = Libero e non solo gratis.. forse è lui a non essere libero di testa).

Uso quotidiano e enterprise

LibreOffice è usato da governi e pubbliche amministrazioni in tutto il mondo. Firefox, VLC, GIMP, Inkscape, Blender, Audacity, Thunderbird, OpenVPN sono strumenti open source usati quotidianamente da centinaia di milioni di persone. Nel mondo enterprise, Red Hat Enterprise Linux (acquisita da IBM per 34 miliardi di dollari nel 2019) dimostra che il modello open source è compatibile con grandi profitti commerciali.

I Governi sono tutti OpenSurce oriented con le normative, ma poi inseriscono sempre scappatorie affinchè possano giustificare le commesse da miliardi di € con google per la sucola, Microsoft per la sanità e la giustizia, Amazon per il fisco. Eppure esisteva un CAD di AGID!

5.6 Vantaggi specifici per gli studi professionali

5.6.1 Riciclo dell'hardware e lotta all'obsolescenza programmata

Quando Microsoft termina il supporto a una versione di Windows, milioni di computer perfettamente funzionanti vengono dichiarati "incompatibili" con il nuovo sistema operativo non per ragioni tecniche reali, ma per scelte commerciali. Il risultato è un enorme spreco di risorse e denaro.

• Linux può funzionare su hardware con oltre 10–15 anni di anzianità che Windows 11 rifiuta. Distribuzioni come Linux Mint, Xubuntu o MX Linux sono progettate per hardware di fascia bassa e vecchia generazione, offrendo un'esperienza utente moderna su macchine altrimenti destinate alla discarica. Ma Debian va sempre bene.
• Uno studio con 20 computer acquistati 8 anni fa può migrare a Linux anziché acquistare nuove macchine, risparmiando decine di migliaia di euro e riducendo il proprio impatto ambientale.
• L'obsolescenza programmata del software proprietario è una forma di spreco sistematico: il software libero la neutralizza, restituendo valore a hardware già ammortizzato.

5.6.2 Condivisione tra colleghi e studi associati

Le licenze proprietarie sono strutturate per massimizzare il numero di licenze vendute: ogni installazione su un nuovo computer richiede l'acquisto di una nuova licenza. Con il software libero:

• Uno studio può installare LibreOffice, Thunderbird o qualsiasi altro strumento su tutti i computer dello studio, dei collaboratori da remoto e dei colleghi di uno studio associato, senza acquistare licenze aggiuntive. Ah, lo sapevi che le PEC su Outlook perdono valore legale?
• Template, macro e configurazioni personalizzate possono essere condivisi liberamente tra colleghi senza restrizioni. Un modello di lettera o un foglio di calcolo per la riclassificazione di bilancio può essere condiviso con tutta la rete professionale senza violare alcuna licenza.
• In caso di fusione o collaborazione tra studi, l'adozione di software libero elimina i costi di "allineamento" delle licenze.

5.6.3 Integrazione con altri software e formati aperti

Gli standard aperti sono il complemento naturale del software libero: ODF (OpenDocument Format https://it.wikipedia.org/wiki/OpenDocument), PDF/A, XML, CSV, JSON non appartengono a nessuna azienda e possono essere letti e scritti da qualsiasi software, ora e in futuro.

• Un documento in formato ODF sarà leggibile tra vent'anni con qualsiasi software, senza dipendere dalla disponibilità di una specifica versione di Microsoft Word — particolarmente rilevante per la conservazione a lungo termine degli atti professionali.
• Il software libero supporta nativamente API aperte e protocolli standard (IMAP/SMTP, CalDAV/CardDAV, LDAP), consentendo integrazioni tra strumenti diversi senza middleware proprietari costosi.
• L'ecosistema open source è la base naturale per le integrazioni AI descritte nelle guide CNDCEC: strumenti come n8n, Flowise, AnythingLLM e Ollama si integrano nativamente tra loro senza richiedere costosi connettori proprietari.

5.6.4 Riduzione del lock-in tecnologico

Il lock-in tecnologico: un rischio spesso sottovalutato
Il vendor lock-in è la condizione in cui un cliente diventa talmente dipendente da un fornitore specifico da non poter cambiare senza costi proibitivi: formati proprietari, dati inaccessibili senza il software originale, costi di migrazione elevati. Uno studio che abbia archiviato vent'anni di documenti in formati proprietari è di fatto ostaggio del produttore di quel software.

Il software libero rompe strutturalmente il lock-in tecnologico:

• Il codice sorgente è sempre disponibile: anche se l'azienda fallisce o abbandona il progetto, il codice rimane accessibile e può essere mantenuto dalla comunità.
• I formati aperti garantiscono la portabilità dei dati: la migrazione da un software all'altro non comporta la perdita dei dati storici.
• Per gli studi professionali che trattano dati sensibili, il lock-in è anche un rischio di compliance: se il fornitore modifica le condizioni di trattamento dei dati, lo studio non può semplicemente scegliere un'alternativa se tutti i propri processi sono costruiti su quel software. Il software libero on-premise elimina questa dipendenza alla radice.

Dai vostri fornitori pretendete sempre adeguate clausole per integrazoini ed accesso ai dati.... 

5.6.5 Sicurezza e trasparenza

Il principio di Kerckhoffs formulato nel 1883, e ancora valido, afferma che la sicurezza di un sistema non deve dipendere dalla segretezza del suo meccanismo. Il software libero applica questo principio: il codice è pubblico e ispezionabile da chiunque, il che significa che le vulnerabilità vengono scoperte e corrette più rapidamente, e che non esistono backdoor nascoste per design. La base della crittografia moderna, mentre noi ancora perdiamo le password e non usiamo Matrix perchè è tropo difficile. Difficile = sicuro.

5.6.6 Risparmio economico a lungo termine

• Uno studio con 10 postazioni che usa LibreOffice al posto di Microsoft 365 risparmia circa 2.000–4.000 €/anno solo di licenze. In 10 anni, il risparmio supera i 30.000 €.
• A questi si aggiungono i risparmi sull'hardware (mancato rinnovo di macchine ancora funzionanti), sul server (Linux vs. Windows Server), sui sistemi di posta (Postfix/Dovecot vs. Exchange), sui firewall (OPNsense vs. appliance commerciali).
• Il TCO (Total Cost of Ownership)  software libero + formazione + eventuale supporto esterno risulta quasi sempre vantaggioso rispetto al software proprietario per studi di medie dimensioni.

ℹ️ Un cambio di prospettiva necessario
Il software libero non è semplicemente una versione "gratuita" del software proprietario. È un modello radicalmente diverso di sviluppo, distribuzione e uso della tecnologia, fondato sulla condivisione, sulla trasparenza e sulla sovranità dell'utente. Per uno studio professionale che lavora con dati riservati, è tenuto a obblighi etici e deontologici, e vuole costruire un'infrastruttura tecnologica sostenibile nel lungo periodo, il software libero e open source non è un'alternativa di ripiego: è spesso la scelta più professionale.

7. L'indifferenza dei professionisti: un errore che non riguarda solo sé stessi

"Il mondo non è minacciato dalle persone cattive, ma da quelle che permettono il male."
— Albert Einstein

Dopo aver descritto la storia, i principi e i vantaggi concreti del software libero, rimane da affrontare la questione forse più difficile: perché la stragrande maggioranza dei professionisti — commercialisti, avvocati, consulenti — continua a ignorarla, a perpetuare comportamenti che danneggiano sé stessi e gli altri, e lo fa con una disinvoltura che ha tutto l'aspetto dell'indifferenza consapevole?

7.1 Il catalogo dell'autoassoluzione: le frasi che bloccano il progresso

Chiunque abbia provato a introdurre il tema del software libero in un ambiente professionale ha incontrato un repertorio di risposte sorprendentemente uniforme. Non sono innocue: sono le fondamenta culturali su cui si regge il potere crescente del software proprietario.

 

La frase	Cosa significa davvero
“Cosa ci posso fare? Il mondo va così.”	Significa: ho rinunciato a pensare che le mie scelte abbiano conseguenze. Ma ogni acquisto di una licenza Microsoft, ogni accesso a Google con dati aziendali, ogni fotografia caricata su Facebook è un voto consapevole per un modello tecnologico. Il mercato è fatto di scelte individuali aggregate. “Il mondo va così” è vero solo finché abbastanza persone smettono di interrogarsi su come potrebbe andare diversamente.
“Non devo certo essere io a cambiarlo.”	Questa frase, ripetuta da abbastanza persone, è esattamente ciò che impedisce qualsiasi cambiamento. La logica del “non tocca a me” funziona perfettamente per mantenere lo status quo: ognuno aspetta che qualcun altro faccia il primo passo, e nessuno lo fa. Nel frattempo, le BigTech consolidano posizioni di monopolio che diventano sempre più difficili da scalfire.
“Fanno tutti così.”	L’argomento della conformità universale è storicamente il più pericoloso: è stato usato per giustificare qualsiasi comportamento collettivo dannoso. “Fanno tutti così” con i dati dei clienti su Google Drive non rende quella pratica conforme al GDPR. “Fanno tutti così” con WhatsApp per le comunicazioni professionali non la rende sicura. La norma sociale non è una norma giuridica, e spesso nemmeno una norma etica.
“Abbiamo sempre fatto così.”	L’appello alla tradizione è l’antitesi del pensiero professionale. Un commercialista non accetterebbe mai come risposta a una domanda fiscale “l’abbiamo sempre fatto così”: esigerebbe il riferimento normativo aggiornato. Eppure lo stesso professionista applica il criterio della consuetudine alle proprie scelte tecnologiche, che hanno implicazioni legali (GDPR, segreto professionale) almeno altrettanto rilevanti.
“Cosa vuoi che succeda se uso Google o Facebook?”	Questa è forse la più sottile, perché ragiona in termini di probabilità individuale: a me specificamente, cosa accadrà? La risposta onesta è: probabilmente nulla di direttamente visibile. Ma questo confonde il rischio individuale con il danno collettivo. Ogni dato condiviso alimenta modelli predittivi che vengono usati per influenzare comportamenti, mercati, elezioni. Il danno non è alla singola persona: è al sistema di libertà collettive di cui anche quella persona fa parte.

7.2 L'errore non è privato: come l'indifferenza individuale diventa danno collettivo

Il software proprietario si nutre di dati: più dati, più potere

I modelli di business di Google, Meta, Microsoft e OpenAI non si basano sulla vendita di software: si basano sulla raccolta, l'analisi e la monetizzazione dei dati degli utenti. Ogni documento caricato su Google Drive, ogni email tramite Gmail, ogni conversazione con ChatGPT gratuito è un mattone che costruisce il vantaggio competitivo di questi attori.

Ogni parola scritta sulla tastiera di android, ogni parola detta ad un microfono, ogni post sui social, ogni acquisto tracciato sono cibo che alimenta la loro supremazia

Il professionista che usa strumenti proprietari per gestire dati riservati dei clienti non sta solo assumendo un rischio per sé stesso. Sta contribuendo attivamente, con i dati altrui, spesso senza il loro consenso informato e di cui è nominato spesso co-responsabile, a rafforzare la posizione dominante di aziende che utilizzeranno quei dati per sviluppare prodotti che poi rivenderanno allo stesso professionista a prezzi sempre più alti, in un circolo vizioso di dipendenza crescente.

Peter Thiel e Palantir: il capitalismo della sorveglianza al suo vertice

Fondata nel 2003 da Peter Thiel (cofondatore di PayPal e primo investitore esterno di Facebook) con il finanziamento iniziale della CIA tramite la sua divisione di venture capital In-Q-Tel, Palantir è una società tecnologica il cui software aiuta organizzazioni a dare senso a enormi quantità di dati, raccogliendo fonti diverse e fornendo strumenti per ricercarle e correlare i risultati.

Il modello operativo è brutalmente efficace: il software setaccia fonti di dati disparate (documenti finanziari, prenotazioni aeree, tabulati telefonici, post sui social media) cercando connessioni che gli analisti umani potrebbero non notare, presentando poi i collegamenti in grafici colorati a forma di ragnatela. Non raccoglie dati direttamente: li sintetizza. Gli ingegneri e i prodotti di Palantir non fanno spionaggio in proprio; sono più simili al cervello di una spia, che raccoglie e analizza le informazioni alimentate da mani, occhi, naso e orecchie.

I clienti principali sono governi e agenzie di intelligence: Palantir ha fatto le sue prime esperienze lavorando per il Pentagono e la CIA in Afghanistan e Iraq, contribuendo (secondo fonti aperte OSINT) alla caccia a Osama bin Laden. Ma il campo si è esteso rapidamente al privato e alla sorveglianza interna: in JPMorgan, il software di Palantir ha "succhiato" email, cronologie di navigazione, posizioni GPS da smartphone aziendali, attività di stampa e download, trascrizioni di telefonate, arrivando a segnalare automaticamente i dipendenti che iniziavano a timbrare l'entrata più tardi del solito, interpretandolo come possibile segno di malcontento.

Oggi Palantir sta diventando un sistema operativo per l'intero governo americano: nell'ambito dell'amministrazione Trump, è stata incaricata di compilare un "database principale" incrociando dati fiscali, immigrazione e altro ancora, con un contratto da 30 milioni di dollari con ICE per fornire visibilità quasi in tempo reale sui movimenti dei migranti.

Il nome scelto da Thiel non è casuale: Palantir prende il nome dalle pietre veggenti del Signore degli Anelli  sfere magiche note per il loro potenziale di corrompere chi le usa. Tolkien non avrebbe potuto immaginare una metafora più calzante.

Il punto che riguarda direttamente i professionisti italiani: tutto ciò è possibile perché milioni di utenti, aziende, studi legali, ospedali, pubbliche amministrazioni, affidano quotidianamente i propri dati a infrastrutture cloud americane, convinti che "non succederà nulla" ("quato rompi, ma cosa vuoi che succeda"). Palantir aspira enormi quantità di dati raccolti da governi e aziende, compresi quelli che ignari professionisti europei caricano su Google Drive, Microsoft 365 e altri servizi soggetti al Cloud Act americano, che obbliga le aziende USA a consegnare dati alle autorità federali su richiesta, indipendentemente da dove siano fisicamente archiviati.

L'effetto rete negativo: l'adozione di massa blocca le alternative

Il software proprietario beneficia di un potente effetto rete: più persone lo usano, più diventa difficile non usarlo. Quando l'intera rete professionale usa Microsoft Word, inviare un documento in formato ODF diventa un gesto di attrito sociale. Questo effetto non è neutrale: è attivamente costruito dai produttori attraverso formati incompatibili, ecosistemi chiusi e integrazione forzata tra prodotti.

Ogni professionista che normalizza l'uso di strumenti proprietari contribuisce a rendere più alto il costo di uscita per sé stesso e per i colleghi. Non è una scelta neutrale: è una scelta che riduce la libertà di scelta di tutti.

Ogni volta dico: "ma perchè mi mandi un file in formato .docx? Me lo mandi in .rtf o meglio .odt" ... si, rompo le scatole, ma è più forte di me!

Il sottofinanziamento del software libero: una responsabilità condivisa

Il software libero che protegge l'infrastruttura digitale globale è cronicamente sottofinanziato. Le donazioni al kernel Linux, a LibreOffice, a Mozilla Firefox, a OpenSSL, a Python sono una frazione minima del valore economico che questi software generano. Il professionista che usa LibreOffice ogni giorno senza mai aver fatto una donazione, segnalato un bug o contribuito a una traduzione, sta consumando un bene comune senza contribuire alla sua manutenzione. Non è illegale. Ma non è eticamente neutro.

Almeno usateli al posto del software proprietario e fate opera di divulgazione, quanto meno. 

Commercialisti, "fare rete", vi piace la frase vera, la dite almeno una volta al giorno, e come pretendete di farla se non ne avete le disponbilità tecniche e legali? Allora partiamo dalle basi. E attenzione perchè le varie software house di grido (non dico i nomi per evitare problemi) sono e si comportano da produttori di software proprietario non c'avete fatto caso? forse è l'ora di dare una svolta al sistema.... a no, "abbiamo sempre fatto così e fanno tutti così".

7.3 La conoscenza è un bene comune: il tradimento del mandato professionale

C'è una contraddizione profonda nell'atteggiamento del professionista intellettuale che abbraccia l'indifferenza tecnologica. Questi professionisti fondano la propria utilità sociale sulla condivisione della conoscenza. La loro professione esiste perché la conoscenza circolata liberamente,  attraverso leggi pubbliche, circolari, giurisprudenza accessibile, così può essere mediata e applicata.

Il paradosso dell'intellettuale che privatizza la conoscenza
Un commercialista che usa Google Drive per archiviare i documenti dei clienti sta affidando dati prodotti nell'esercizio di una funzione quasi-pubblica (la consulenza fiscale e contabile, regolata dallo Stato e soggetta a obblighi deontologici) a un'infrastruttura privata straniera, senza garanzie verificabili sulla riservatezza e senza il consenso informato dei clienti.

Un avvocato che discute di strategie processuali su WhatsApp sta trasmettendo informazioni coperte da segreto professionale attraverso una rete di proprietà di Meta Inc., soggetta alla giurisdizione americana e alle sue leggi di sorveglianza (FISA, Cloud Act). Non è una questione di probabilità che "qualcosa vada storto": è una questione di principio e di rispetto degli obblighi deontologici.

La libertà di circolazione della conoscenza è il presupposto storico su cui si fondano le professioni intellettuali moderne. Senza la stampa a caratteri mobili di Gutenberg, la prima grande tecnologia di democratizzazione della conoscenza, non ci sarebbero stati la Riforma protestante, l'Illuminismo, la Rivoluzione scientifica e, con essi, le professioni liberali come le conosciamo oggi.

Il software libero è il Gutenberg del nostro tempo: la tecnologia che permette alla conoscenza, sotto forma di codice sorgente, algoritmi, modelli AI, dati scientifici, di circolare liberamente, di essere studiata, migliorata e condivisa. Il professionista intellettuale che lo ignora non sta solo facendo una scelta tecnologica sbagliata: sta tradendo, inconsapevolmente, i fondamenti stessi della propria esistenza professionale.

7.4 Non è stupidità: è abitudine strutturata

Sarebbe sbagliato liquidare l'indifferenza tecnologica dei professionisti come semplice ignoranza. Si tratta di abitudini strutturalmente rinforzate da un sistema che ha tutto l'interesse a mantenerle:

• Il software proprietario viene insegnato nelle scuole e nelle università, spesso attraverso accordi commerciali tra i produttori e le istituzioni educative. Un professionista che ha imparato su Windows e Office durante tutta la propria formazione ha costruito competenze e riflessi su quella piattaforma. Cambiare significa un costo di apprendimento reale, anche se temporaneo.
• I colleghi di studio, i clienti, gli ordini professionali, i software gestionali usano tutti gli stessi strumenti proprietari. L'effetto rete è reale e potente.
• Il marketing del software proprietario opera a più livelli: certificazioni professionali legate agli ecosistemi Microsoft, partnership con ordini e associazioni di categoria, sponsorizzazioni di convegni e formazione. Le alternative open source, prive di budget marketing comparabili, rimangono invisibili nei contesti dove i professionisti si formano.

Tutto ciò non giustifica l'indifferenza: la spiega. E proprio perché la spiega, indica la strada per superarla: non attraverso la colpevolizzazione individuale, ma attraverso la formazione, la consapevolezza collettiva e percorsi di adozione graduale che riducano il costo del cambiamento.

7.5 La posta in gioco: libertà tecnologica come libertà civile

Quando un numero sufficiente di professionisti, aziende e istituzioni dipende da un ristretto gruppo di fornitori privati per le proprie infrastrutture digitali fondamentali, si crea una concentrazione di potere senza precedenti. Questi fornitori possono:

• Aumentare i prezzi senza alternative reali per i clienti intrappolati nell'ecosistema.
• Cambiare unilateralmente le condizioni di trattamento dei dati, includendo finalità di addestramento AI non originariamente previste.
• Sospendere l'accesso a singoli utenti, aziende o paesi interi per decisioni politiche o commerciali.
• Utilizzare i dati aggregati di milioni di professionisti per sviluppare prodotti AI che competono direttamente con le professioni stesse.

Il principio fondamentale: la conoscenza libera è il motore dello sviluppo umano
Tutta la storia dello sviluppo scientifico, tecnologico e civile dell'umanità è la storia della condivisione delle conoscenze. La scienza avanza perché i risultati vengono pubblicati e replicati. Il diritto evolve perché le sentenze sono pubbliche. La tecnologia progredisce perché le invenzioni, dopo un periodo di protezione brevettuale, diventano patrimonio comune su cui altri costruiscono.

Il software libero è l'applicazione di questo principio al codice informatico: la conoscenza che circola liberamente genera più conoscenza, più innovazione, più valore per tutti. Il software proprietario chiuso applica il principio opposto: la conoscenza come merce da proteggere, accumulare e vendere. Entrambi i modelli sono legali. Ma uno è allineato con la direzione in cui la civiltà umana si è sviluppata per millenni. L'altro no.

Il professionista che dice "cosa vuoi che succeda" non sta solo facendo una scelta sbagliata per sé stesso: sta votando, con il proprio comportamento quotidiano, per un modello di sviluppo tecnologico che privatizza la conoscenza collettiva, concentra il potere in poche mani e ostacola la libertà tecnologica, e con essa, una quota crescente di libertà civile, di tutti.

7.6 Cosa può fare concretamente un professionista

Riconoscere il problema non significa dover cambiare tutto domani mattina. Significa iniziare un percorso consapevole, graduale e sostenibile:

1	IMMEDIATO Leggere le condizioni d’uso degli strumenti che si usano ogni giorno. Scoprire cosa succede ai dati dei clienti quando vengono caricati su Google Drive o elaborati da ChatGPT gratuito. La consapevolezza è il primo passo.
2	BREVE TERMINE Installare LibreOffice su almeno una macchina e iniziare a usarlo per i documenti interni. Salvare i documenti in formato ODF. Verificare che i colleghi e i clienti possano aprirli senza problemi.
3	BREVE TERMINE Sostituire Google Chrome con Firefox o Brave. Usare DuckDuckGo o Startpage come motore di ricerca predefinito. Sono cambiamenti a costo zero che riducono immediatamente la quantità di dati condivisi con le BigTech.
4	MEDIO TERMINE Valutare l’adozione di un sistema di posta e calendario self-hosted (Nextcloud + Roundcube) o di un provider europeo conforme al GDPR (Proton Mail, Tutanota) per le comunicazioni professionali più sensibili.
5	MEDIO TERMINE Fare una donazione — anche piccola, anche una tantum — a uno dei progetti open source che si usano quotidianamente: LibreOffice, Firefox, Signal, Python Software Foundation. È un atto concreto di sostegno all’ecosistema che si beneficia.
6	LUNGO TERMINE Valutare la migrazione del parco macchine a Linux in occasione del prossimo rinnovo hardware, o per le macchine più vecchie che non reggono più Windows. Coinvolgere un consulente IT esperto in migrazioni open source.
7	STRUTTURALE Portare il tema nelle associazioni di categoria, negli ordini professionali, nelle reti di studi associati. Chiedere che i corsi di formazione includano il confronto tra soluzioni proprietarie e libere. La pressione collettiva sui fornitori istituzionali è lo strumento più potente per il cambiamento sistemico.

 

"Non sono responsabile di quello che ho fatto senza pensare. Sono responsabile di quello che faccio dopo aver capito."
— Rielaborazione di un principio etico classico, applicato alle scelte tecnologiche

8. Considerazioni conclusive

Le tre guide operative del CNDCEC rappresentano un contributo pionieristico e di grande valore per la professione contabile italiana. La qualità dei contenuti, la progressione logica tra i tre volumi e l'approccio pratico ed esemplificativo sono elementi che ne favoriscono l'adozione concreta negli studi professionali.

Tuttavia, alcune aree meritano un rafforzamento nelle eventuali future edizioni:

• Maggiore attenzione alla sovranità del dato: le guide dovrebbero sistematicamente distinguere tra strumenti cloud consumer, cloud enterprise e soluzioni on-premise, aiutando il professionista a scegliere in base al livello di sensibilità dei dati trattati.
• Integrazione dell'ecosistema open source: le alternative open source esistono, sono mature e in molti casi più aderenti ai principi di privacy by design e by default richiesti dal GDPR. Il loro sistematico inserimento nelle guide rafforzerebbe sia la qualità tecnica sia l'indipendenza tecnologica degli studi.
• Verifica delle informazioni sui prodotti AI: la rapidità di evoluzione degli strumenti citati richiede un processo di aggiornamento continuo. Alcune affermazioni sulle capacità dei modelli (es. Claude) erano già superate alla data di pubblicazione.
• Sicurezza operativa: i workflow di automazione (RPA, agenti AI) richiedono linee guida più specifiche sulla gestione sicura delle credenziali e sulla gestione del rischio operativo in caso di errori o compromissione dei sistemi automatizzati.
• Modelli economici: l'integrazione di strumenti di valutazione del ROI degli investimenti AI aiuterebbe i professionisti a giustificare e pianificare la propria trasformazione digitale in modo economicamente sostenibile.

...buon lavoro, domandandomi come mai il documento non è distributio con una licenza annessa, magari una Creative Commons come ad esempio le normative fiscali.