AI e consulenza: il mercato inizia a prezzare la fine del lavoro standardizzato
- L’AI non cancella domani la consulenza, ma comprime il valore delle attività standardizzate.
- Il mercato sta distinguendo tra società che vendono ore uomo e società capaci di trasformare l’AI in produttività, margini e risultati.
- La consulenza finanziaria segue la stessa traiettoria: l’informazione diventa abbondante, mentre processo, rischio e responsabilità restano scarsi.
- Il modello più credibile è ibrido: AI per aumentare la capacità analitica, professionista per decidere, implementare e sostenere il cliente nei momenti difficili.
L’intelligenza artificiale sta entrando nel cuore dei servizi professionali. Non perché possa già sostituire interamente un consulente, un advisor o un team di trasformazione aziendale. Il punto è più semplice e più scomodo: una parte del lavoro che veniva venduta come specialistica sta diventando veloce, replicabile e a basso costo.
Per anni le grandi società di consulenza hanno costruito valore sulla capacità di raccogliere dati, leggere documenti, confrontare scenari, preparare presentazioni, costruire modelli e trasformare tutto questo in una raccomandazione. Oggi una quota crescente di quella catena produttiva può essere accelerata da sistemi AI.
Il problema non è che un chatbot possa gestire da solo una trasformazione aziendale complessa. Non può. Il problema è che il cliente difficilmente continuerà a pagare lo stesso prezzo per attività preliminari che richiedono molto meno tempo rispetto al passato.
Accenture: il primo campanello d’allarme
Il 18 giugno 2026 Accenture ha riportato ricavi trimestrali per 18,72 miliardi di dollari, in crescita del 6%, ma nuove commesse pari a 19,32 miliardi, in calo del 2% in dollari rispetto all’anno precedente. La società ha inoltre ridotto la crescita annua attesa dei ricavi al 3-4% in valuta locale.1
La reazione del mercato è stata violenta: il titolo ha perso oltre il 17% in una sola seduta. Reuters ha collegato il movimento anche all’impatto della guerra con l’Iran sulle attività mediorientali, stimato in circa 400 milioni di dollari sulle commesse, oltre alla debolezza della spesa federale USA e a una maggiore prudenza dei clienti.2
Il crollo non va letto come prova che l’AI stia distruggendo Accenture. Sarebbe una forzatura. Va letto come segnale che il mercato sta pagando meno il modello costruito su staffing, grandi programmi generalisti, documentazione e consulenza tradizionale quando la domanda rallenta e l’automazione riduce il valore percepito delle fasi standard.
Accenture resta anche uno dei soggetti chiamati a implementare AI, cybersecurity, cloud e automazione nelle grandi aziende. La stessa tecnologia può quindi comprimere una parte del business e alimentarne un’altra. Il punto, per gli investitori, è capire quale delle due forze peserà di più su crescita e margini.
Gartner, Globant e il valore dell’informazione
Il caso Gartner mostra lo stesso meccanismo da un’altra angolazione. A febbraio 2026 il titolo ha perso oltre il 20% dopo una guidance inferiore alle attese e segnali di rallentamento nella domanda di consulenza. A maggio, però, il gruppo ha riportato un contract value di 5,3 miliardi di dollari, in crescita dell’1% a cambi costanti, e utili superiori alle attese.34
La lezione è chiara: la ricerca proprietaria, l’accesso agli analisti e la reputazione continuano ad avere valore. La semplice raccolta di informazioni pubbliche, invece, sarà sempre più difficile da vendere come prodotto esclusivo.
Globant è un altro segnale utile. Nel primo trimestre 2026 ha registrato ricavi per 607,1 milioni di dollari, in calo dello 0,7% anno su anno, e sta cercando di spostare il modello operativo verso servizi in abbonamento e unità di lavoro AI, i cosiddetti AI Pods.5
Non è la fine dei servizi tecnologici. È la fine della comoda equivalenza tra valore e quantità di persone allocate su un progetto.
Dove l’AI vince davvero
Le attività più vulnerabili all'automazione AI
Lettura rapida di bilanci, trimestrali, contratti, report settoriali e conference call. Qui l’AI riduce drasticamente il tempo di preparazione.
Prime bozze di presentazioni, sintesi, comparazioni, check-list, codice di base e scenari preliminari diventano più economici.
Confronto tra fonti, estrazione di KPI, ricerca di incongruenze e ricostruzione di ipotesi implicite.
Una struttura piccola può produrre output che prima richiedevano team più grandi. Questo cambia il pricing power dell’intero settore.
La pressione economica è già visibile nelle attività più esterne e standardizzabili. Un working paper del 2026, basato sui pagamenti aziendali verso marketplace di lavoro online e fornitori di modelli AI, stima che tra le imprese più esposte un dollaro in meno di spesa per lavoro online sia associato a circa tre centesimi di nuova spesa in servizi AI.8
Il punto non è usare o non usare l’AI. Il problema è usarla senza processo. Un modello può produrre un’analisi convincente, ma non garantisce che sia corretta, completa, contestualizzata o applicabile.
Cosa deve monitorare il mercato
| Variabile | Perché conta | Lettura operativa |
|---|---|---|
| Nuove commesse | Sono il primo indicatore della domanda futura. | Debolezza persistente = rischio ricavi. |
| Book-to-bill | Misura la qualità della pipeline rispetto ai ricavi correnti. | Sotto 1 segnala rallentamento. |
| Revenue per employee | Indica se l’AI aumenta davvero la produttività. | In crescita = automazione monetizzata. |
| Margine operativo | Verifica se l’AI migliora efficienza o comprime prezzi. | Margini deboli = pricing power in calo. |
| Mix AI, cloud, cyber | Mostra dove si sposta il valore. | Più mix proprietario = maggiore difesa. |
| Multipli di mercato | Misurano il de-rating del vecchio modello. | P/E in contrazione = rischio strutturale prezzato. |
Schema di lettura editoriale: non costituisce raccomandazione d’investimento.
Watchlist settoriale
| Società | Rischio AI | Opportunità AI |
|---|---|---|
| Accenture | Compressione dei servizi più standardizzati. | Implementazione enterprise, cloud, cybersecurity. |
| Gartner | Commoditizzazione della ricerca generica. | Dati proprietari, analisti, advisory ad alta fiducia. |
| Globant | Modello people-based sotto pressione. | AI Pods e servizi in abbonamento. |
| EPAM | Guidance ciclica e sensibilità al pricing. | Engineering, AI transformation, software complesso. |
| Cognizant | Automazione della delivery tradizionale. | AI implementation e ottimizzazione dei processi. |
| Capgemini / IBM | Legacy consulting e pressione sui grandi programmi. | Integrazione enterprise, hybrid cloud, governance. |
Quando il consulente finanziario diventa un chatbot
L'AI nella consulenza finanziaria: opportunità e limiti
La stessa dinamica arriva nella consulenza finanziaria. Un investitore può usare l’AI per leggere una trimestrale, confrontare valutazioni, sintetizzare dati macro, costruire scenari e preparare una prima ipotesi di portafoglio. È un enorme progresso.
Ma una buona analisi non è automaticamente un buon investimento. Un sistema pubblico non conosce necessariamente patrimonio complessivo, fiscalità, bisogno di liquidità, reddito futuro, vincoli familiari, orizzonte temporale e perdita massima realmente sopportabile dall’investitore.
L’ESMA ha avvertito gli investitori di non affidarsi esclusivamente a strumenti AI pubblici per decisioni capaci di incidere sul benessere finanziario, perché possono produrre indicazioni inaccurate, fuorvianti o inappropriate.6
Qui bisogna essere onesti: il punto non è difendere il consulente umano in quanto tale. Un cattivo consulente umano vale meno di un buon sistema AI usato correttamente. Il vero discrimine è la qualità del processo: raccolta delle informazioni, suitability, costruzione del rischio, fiscalità, monitoraggio e responsabilità della raccomandazione.
Il limite diventa evidente quando arriva la perdita. Un investitore può seguire un suggerimento generato dall’AI, vedere il titolo scendere del 15% e tornare al chatbot chiedendo cosa fare. A seconda del prompt, il sistema può costruire una risposta plausibile per mantenere, vendere o mediare la posizione.
Il problema nasce prima: se l’investimento è stato aperto senza tesi, dimensione coerente, condizioni di invalidazione e limite di perdita, la risposta dell’AI rischia di diventare una giustificazione ex post.
La ricerca comportamentale parla di algorithm aversion: dopo aver osservato un errore, le persone tendono a perdere fiducia negli algoritmi più rapidamente di quanto facciano con gli esseri umani, anche quando l’algoritmo resta complessivamente valido.7
Negli investimenti questo può essere letale. Si segue la macchina nella fase iniziale, si subisce una perdita e si abbandona il processo proprio quando servirebbe disciplina.
Il vecchio pricing non torna
La traiettoria più credibile non è la scomparsa della consulenza, ma la scomparsa di una parte del suo vecchio valore economico. La produzione di analisi diventerà abbondante. La capacità di trasformarla in decisioni corrette, implementazione reale e comportamento disciplinato resterà scarsa.
L’AI non cancella la consulenza. Cancella la possibilità di vendere come raro ciò che sta diventando abbondante.
Fonti
- Accenture — Third Quarter Fiscal 2026 Results Comunicato ufficiale con ricavi, nuove commesse, EPS e guidance. Apri la fonte
- Reuters — Accenture forecast takes hit from Iran war, shares tumble over 17% Analisi della reazione di mercato e dell’impatto geopolitico sulle attività mediorientali. Apri la fonte
- Reuters — Gartner forecasts downbeat annual results Articolo sul calo del titolo e sulla guidance inferiore alle attese. Apri la fonte
- Gartner — First Quarter 2026 Financial Results Risultati Q1 2026, contract value, ricavi, EPS e outlook. Apri la fonte
- Globant — First Quarter 2026 Financial Results Ricavi, guidance e riferimento al modello AI Pods. Apri la fonte
- ESMA — Warning on the use of AI for investing Avvertenza agli investitori sull’uso di strumenti AI pubblici per decisioni finanziarie. Apri la fonte
- Dietvorst, Simmons, Massey — Algorithm Aversion Studio sulla perdita di fiducia negli algoritmi dopo l’osservazione di un errore. Apri la fonte
- Ryan Stevens — Payrolls to Prompts Working paper sulla sostituzione parziale tra lavoro online commissionato e spesa aziendale per AI. Apri la fonte
Contenuto (testo e/o immagini) realizzato con l’ausilio dell’intelligenza artificiale, sotto responsabilità editoriale della redazione.