L’ho letto e ho voluto rifare lo stesso percorso su Claude Code: è lì che vive tutta l’infrastruttura di skill e regole del mio studio. Quattro giorni dopo, quello strumento non è più un plugin installato. È mio, eseguito dal mio codice, indipendente dall’autore (grazie sempre!). Ci sono voluti un bug, un aneddoto imbarazzante su un controllo troppo zelante, e un fork.

Atto primo: diffidenza metodica

Prima di eseguire anche una sola riga di quel codice, l’ho clonato in una cartella isolata, marcata come quarantena, sola lettura. Ho passato al setaccio ogni file: nessuna telemetria, nessun tentativo di iniezione nelle 22 skill e nei 6 agenti “giuristi” che il progetto porta con sé, tutti gli endpoint puntati su fonti ufficiali — Normattiva, Italgiure (l’archivio della Cassazione, coperto dal 2020), CeRDEF per il tributario, Gazzetta Ufficiale, Consulta, CGUE, Garante, CONSOB, Brocardi. 2.634 test automatici nel repository. Verdetto: pulito, confidenza 8 su 10. Il punto debole dichiarato: un solo autore, quindi un solo punto di rottura. Installazione solo dal canale plugin ufficiale, mai lo script di installazione alternativo che il repository offre.

Atto secondo: gli inciampi

Il plugin non ha funzionato al primo colpo. I 217 strumenti non comparivano nella sessione, nonostante il server risultasse connesso: un bug di registrazione, non dello strumento. L’ho segnalato ad Anthropic (issue #82557, ancora aperta) e ho aggirato il problema con una configurazione diretta.

Poi è arrivato un aneddoto che vale più di una spiegazione tecnica. Il plugin porta un controllo automatico, una specie di antifurto, che blocca qualunque risposta contenga una norma citata senza passare prima da un tool di verifica. È scattato due volte durante il lavoro su questo stesso progetto, anche su semplici esempi scritti per altro. Fastidioso. Ma entrambe le volte, controllando per curiosità l’art. 2477 e l’art. 2086 del codice civile, il testo è arrivato vigente, con l’URL di Normattiva a fianco. L’antifurto suona troppo spesso. Però funziona.

Nel dubbio, ho tenuto il plugin acceso solo in questo progetto: 22 skill pensate per avvocati non dovevano mischiarsi con le mie, pensate per commercialisti.

Atto terzo: l’assimilazione

Il confinamento aveva un limite. Nelle altre sessioni di lavoro, quelle vere, sulle pratiche vere, i 217 strumenti restavano irraggiungibili. Da lì una domanda: come rendermi indipendente da un server che non controllo?

Sono due cose diverse, ed è una distinzione che vale la pena tenere ferma: usare il plugin di un altro, oppure assimilare il progetto rendendolo proprio. Nella prima, se l’autore smette di manutenerlo, lo strumento si ferma con lui. Nella seconda no: l’unica dipendenza che resta è verso i siti dello Stato, la stessa a cui affido già Normattiva e la Gazzetta Ufficiale. È la dipendenza giusta.

Una scoperta minore ha aiutato a decidere. Tra i file del repository clonato c’era una configurazione con i percorsi del computer dell’autore, innocua perché quei percorsi non esistono sul mio Mac, ma un caso da manuale del perché le configurazioni annidate nei repository altrui non si approvano mai, a prescindere da quanto sembrino innocenti.

La risposta, in cinque mosse. Prima, la verifica che l’aggiornamento alla versione successiva non nascondesse nulla: diff riga per riga tra quanto installato e quanto pubblicato, changelog confermato veritiero. Poi un fork privato dello studio, con la storia intera del progetto: un ramo di produzione basato sulla versione già auditata, un ramo che rispecchia l’originale, l’autore tenuto come fonte da cui importare, mai da cui dipendere. Il principio operativo: la licenza permette di copiare, quindi si copia, ma si esegue dal proprio codice, non da quello di un altro.

Terza mossa: i 217 strumenti registrati a livello di utente, disponibili in ogni sessione, ma dormienti, silenziosi finché non li chiamo per nome. Le skill e gli agenti “da avvocato” restano nel repository come documentazione, mai attivi: le collisioni sono azzerate per costruzione, non per promessa. Quarta: un vocabolario di invocazione scritto una volta sola, «verifica con legal-it», «testo vigente di…», «verifica le citazioni», con l’obbligo, sempre, di dichiarare fonte e URL.

La quinta mossa è quella che mi piace di più. Una sentinella automatica controlla ogni mese se l’autore ha pubblicato una versione nuova, e avvisa solo in quel caso. Non sono io ad andare a controllare: è l’aggiornamento che bussa da solo. Ha già funzionato, segnalando la versione successiva, 218 strumenti, ancora da rivedere prima di importarla.

Cosa cambia, davvero

Il punto non è avere 217 strumenti in più. È la differenza tra un tool che genera testo e uno che restituisce un dato fisso. Le soglie per l’organo di controllo di una srl, attivo, ricavi, dipendenti, per due esercizi consecutivi, arrivano dal codice, non dalla memoria del modello. Stesso input, stessa risposta, sempre, con la norma citata a fianco. È il pattern che vale la pena portarsi a casa: una risposta certa, una fonte scritta nel codice, un test che la protegge nel tempo.

Resta un limite che nessun fork elimina: i calcoli poggiano su tabelle scritte a mano, e prima o poi qualcuna invecchierà. Lo strumento riduce il rischio di errore. Non lo azzera.

Cosa ho verificato, cosa manca ancora

Due controlli puntuali sono andati a segno: il testo vigente dell’art. 2477 e dell’art. 2086 del codice civile, entrambi con URL Normattiva corretto. Il primo giorno, invece, un quesito vero, le agevolazioni per chi investe capitale di rischio in una startup innovativa, me lo sono dovuto rispondere a memoria, perché lo strumento non era ancora raggiungibile: confidenza 6 su 10, da rifare. Il confronto sistematico con la mia banca dati fiscale non è ancora cominciato. È il capitolo che manca, e lo scriverò quando ci sarà qualcosa da confrontare davvero.

Il bug di registrazione resta aperto. Lo strumento che ne è nato, invece, è già operativo per lo Studio.

Il sospetto che qualcosa non tornasse ce l’avevo. La certezza è arrivata quando ho affidato al nuovo modello di punta di Anthropic, Fable, un incarico preciso: fare la revisione del sistema. Aprire ogni skill, verificare ogni riferimento, incrociare ogni istruzione con le altre.

Il risultato in tre numeri

89 agenti hanno controllato 49 skill. Ne sono usciti 33 file corretti. E circa un quinto delle segnalazioni iniziali si è rivelato un falso allarme, eliminato prima di toccare qualsiasi file.

Quel quinto è il punto interessante, ci arrivo tra poco.

Cosa ha trovato

Errori che nessuna sessione di lavoro ordinaria avrebbe fatto emergere, perché nessuna sessione li attraversa tutti insieme:

Istruzioni che si contraddicevano. Una skill dichiarava in testa “i loghi sono inclusi nel file, non serve nulla di esterno” e nel corpo diceva l’esatto contrario. A seconda di dove Claude posava lo sguardo, faceva una cosa o l’opposta.

Un file troncato a metà parola. La skill con cui scrivo questi articoli finiva così: “coerente con la nuova lun”. Un salvataggio interrotto chissà quando. Funzionava lo stesso, per questo nessuno se n’era accorto.

Due skill invisibili. Mancava il blocco di intestazione che le rende visibili al selettore automatico: esistevano, ma Claude non poteva sceglierle da solo.

Regole di sicurezza che non bloccavano nulla. Nel file dei permessi, i divieti su Gmail e Calendar puntavano a nomi di strumenti che nel frattempo erano cambiati. Il blocco che credevo attivo da mesi non intercettava niente.

Un template che avrebbe indebolito le protezioni. La skill di scaffolding conteneva una copia embedded di un hook di sicurezza, più vecchia e più debole di quella reale: alla prima rigenerazione automatica avrebbe sostituito in silenzio la versione buona. Protezioni perse senza che nessun errore comparisse mai a video.

L’ultimo caso è quello che mi ha convinto della spesa. Un errore invisibile, latente, con effetto ritardato sulla sicurezza.

Come ha lavorato: il metodo conta più del modello

L’audit non è stata una domanda secca. È stato un flusso orchestrato in tre fasi, che Fable ha progettato e diretto:

1. Scansione: un agente per ogni skill, con l’obbligo di verificare fisicamente ogni riferimento. Se una skill cita un file, l’agente esegue un comando e controlla che esista. Niente fiducia nel testo.

2. Incrocio: un agente legge le descrizioni di tutte le 49 skill insieme e cerca le sovrapposizioni. Ha trovato sei casi in cui una stessa frase mia (”aggiorna la banca dati”, “fammi le pulci”) poteva attivare la skill sbagliata.

3. Verifica adversariale: per ogni difetto segnalato, un secondo agente con l’istruzione opposta: prova a smentirlo. In caso di dubbio, boccia.

La terza fase è quella che consiglierei a chiunque. Gli scettici (gli Agenti scettici, si essitono anche loro) hanno demolito circa il 20% delle segnalazioni: path che sembravano rotti ed erano solo scritti in forma abbreviata, file dati per mancanti che esistevano con un nome leggermente diverso. Senza quella fase avrei “corretto” cose giuste. Il principio operativo: mai applicare le conclusioni di un’analisi automatica senza una seconda analisi pagata per smontarla.

Cosa non ha funzionato

Tre cose, in ordine di fastidio.

Il primo lancio è morto in 29 millisecondi per un difetto banale nel passaggio dei parametri. Colpa mia e del tool, rimediabile in cinque minuti, ma resta il punto: anche l’orchestrazione più elegante parte col piede sbagliato. Vabbhe!

La quota si è esaurita due volte. Ottantanove agenti consumano milioni di token: a metà audit il piano ha detto basta, e ho dovuto riprendere il lavoro a finestre, sfruttando il fatto che i risultati già prodotti restano in cache. Chi ha un piano a consumo deve saperlo prima: questo tipo di lavoro si progetta attorno ai limiti di quota, non li scopre strada facendo.

E il modello di punta non serve dappertutto. Le correzioni materiali dei 33 file le hanno eseguite agenti col modello intermedio, a costo molto più basso, su istruzioni chirurgiche preparate dall’audit. Fable ha fatto il direttore dei lavori.

Il punto

La domanda che mi fanno i colleghi è sempre la stessa: “il modello nuovo scrive meglio i pareri?”.

Risposta: per il parere quotidiano la differenza raramente giustifica il costo. La differenza si vede altrove. I modelli di punta valgono sui lavori di supervisione: controllare, incrociare, verificare fisicamente, dirigere altri agenti. Il lavoro che in uno studio affideresti al partner esperto, non al praticante volenteroso.

Se usi l’AI da più di sei mesi, hai già un sistema che invecchia: prompt salvati, istruzioni accumulate, automazioni che si pestano i piedi. La revisione periodica di quel sistema è un lavoro vero. Adesso c’è chi può farla.

Il mio sistema, intanto, è tornato in bonis. Almeno fino al prossimo audit.

Negli ultimi mesi, usando quotidianamente Claude Code in studio, ho prodotto due famiglie di “oggetti” differenti: skill e software.

Sembrano fatti dalla stessa materia, perché nascono dallo stesso strumento e dalla stessa conversazione. Si comportano in modo diverso.

Una skill non vive fuori dalla conversazione

Una skill è una procedura scritta per Claude. A volte la chiamo io, a volte è l’agente a riconoscere che serve e ad attivarla da sé. Ma in entrambi i casi succede dentro un turno di lavoro: non c’è un momento in cui una skill gira mentre nessuno sta parlando con Claude. È questo che la separa da un software — non il fatto che la lanci a mano, ma che non esca mai dalla stanza in cui sto ragionando con l’agente.

Esempi concreti dallo studio: /framework-fiscale ragiona un quesito tributario per passi, dalla fattispecie alla catena di fonti. /verifica-epistemica controlla la coerenza interna di un documento di parte prima che io ci metta la firma. /formattazione-perizia-stima produce una perizia in Word conforme alle regole.

Ecco come si presenta una skill, vista dal suo file di definizione:

description: Verifica epistemica strutturata di un documento di parte (business plan, bilancio, perizia altrui, prospetto, piano finanziario, due diligence, dichiarazione del cliente). NON verifica il merito ma la FORMA dei dati - coerenza interna dei numeri, proiezioni spacciate per fatti, assunzioni implicite non dichiarate, ciò che non è attestabile.

Una skill è metodo codificato. È il saper fare una cosa scritto in modo che una macchina lo possa eseguire allo stesso modo ogni volta. Il valore non è la velocità, è la ripetibilità: la perizia esce formattata come voglio io, il quesito fiscale segue sempre i sette passi, il controllo sul documento non salta mai una riga perché ero di fretta.

Un software gira in autonomia

Un software è un programma autonomo. Ha un trigger, spesso un orario, e lavora senza che io apra nulla.

In studio sono soprattutto web app su Google Workspace. Il digest newsletter ogni mattina alle 6:30 legge 28 fonti, le fa analizzare, e mi manda una mail con il riassunto. L’hub documentale è un portale che dà ai clienti accesso ai loro documenti con un link, e traccia chi apre cosa. L’email intake importa in una cartella di progetto le email e gli allegati che gli indico. Il ponte fogli lascia che Claude legga e scriva qualsiasi foglio Google su richiesta.

Accanto alle web app ci sono i programmi a riga di comando, come la CLI per gestire le scadenze su Basecamp, e gli scraper: uno scarica i ruoli e le cartelle dall’Agenzia della Riscossione muovendosi nel portale come farebbe una persona, un altro aggiorna la banca dati fiscale.

Un software è infrastruttura. Non è il mio metodo reso eseguibile: è lavoro che prima non facevo, o che facevo a mano pagandolo in tempo. Il digest delle 6:30 nessuno lo compilava. Le cartelle esattoriali si scaricavano una alla volta. Adesso esiste e gira.

Perché tenerle separate

Il principio operativo: una skill si valuta sul metodo, un software si valuta sul funzionamento.

Quando rivedo una skill mi chiedo se la procedura è giusta. La perizia esce come la voglio? Il framework fiscale incrocia le fonti come ragionerei io? Il problema di una skill sbagliata è silenzioso: produce un output plausibile e formalmente corretto, che però segue un metodo che non condivido. Lo scopro solo rileggendo.

Quando controllo un software mi chiedo se ha lavorato. Il digest è partito stamattina? Lo scraper ha scaricato tutte le cartelle o si è fermato a metà? Il problema di un software rotto è rumoroso: la mail non arriva, la cartella resta vuota, il portale dà errore. Lo vedo subito, ma le conseguenze sono operative, non di metodo.

Anche il versioning è diverso. Una skill la modifico cambiando le istruzioni: riscrivo la procedura e dalla volta dopo l’agente la segue. Un software lo modifico cambiando il codice e poi va rimesso in funzione: c’è un deploy, e finché non lo fai la versione vecchia continua a girare per conto suo.

Da dove partire

Le skill sono l’investimento sul proprio modo di lavorare: hanno valore se hai un metodo che vale la pena rendere ripetibile. I software sono l’investimento sull’infrastruttura: hanno valore se c’è un lavoro materiale che ti costa tempo e che si può delegare a un programma.

Parte di questi software, va detto, serve solo a me: non li sto consigliando, sto raccontando cosa c’è in casa.

Chi adotta l’AI in studio non sta usando un chatbot più bravo. Sta accumulando due patrimoni diversi sotto lo stesso tetto.

bettercallclaude.it

Un plugin gratuito per Claude, pensato per gli avvocati italiani, comparso su GitHub a maggio. L’ho clonato e il “mio” Claude l’ha letto riga per riga, per studiarne la costruzione.

Come si mette insieme un oggetto del genere:

venti comandi, quattordici competenze, venti agenti, sette connessioni a banche dati, un controllo automatico sulla privacy, tutto dentro un solo pacchetto installabile. Per chi prova a costruire strumenti di lavoro su Claude, un esempio pubblico così completo è raro.

Ne è uscita una dashboard di tredici pagine (cioè una mia sintesi), pubblica, che racconta com’è fatto dentro: i meccanismi che vale la pena imitare e gli errori da evitare. Quello che segue è il sunto di cosa ho trovato aprendolo.

I pezzi, e come si parlano

Il plugin è l’opera di Federico Cesconi, sotto licenza aperta (AGPL). Ho analizzato la versione 1.0.6; nel frattempo è già alla 1.0.8, segno di uno sviluppo veloce.

La parte interessante non è la lista dei componenti, è il modo in cui dialogano. Sopra a tutto c’è un punto unico, un gateway, che riceve la richiesta, le assegna un punteggio di complessità e decide quanto chiedere all’utente prima di muoversi. Una pratica banale entra e parte; una complessa passa prima da un’intervista breve. Sotto, gli strati si impilano: comandi sottili che richiamano competenze più corpose, competenze che attivano agenti, agenti che interrogano le banche dati. Ognuno fa una cosa sola.

Il triangolo

Il meccanismo che mi ha colpito di più è quello che gestisce i pareri. Tre agenti lavorano sullo stesso quesito: uno sostiene la tesi, uno la attacca, uno giudica. Per una valutazione legale serve a contenere l’effetto “assistente compiacente”, quello per cui il modello tende a darti ragione. Tre voci in contraddittorio producono una risposta più solida di una sola.

C’è anche una libreria di flussi già pronti: un comando solo lancia una pipeline di più passaggi, dalla ricerca alla bozza dell’atto. Comodo, finché non devi cambiarne uno.

Il controllo privacy, e la sua onestà

Prima di ogni azione verso l’esterno parte uno script che legge il testo e decide se lasciarlo passare, chiedere conferma o bloccarlo. Funziona su parole-chiave, con tre livelli di severità. L’autore scrive nel manuale, in chiaro, cosa questo controllo non garantisce: se il testo riservato non contiene una delle parole sorvegliate, passa lo stesso. È una sincerità rara nel software, e va riconosciuta.

Cosa prendiamo?

Il valore, per chi costruisce, sta nei pattern. Sono indipendenti dal diritto e si spostano sul fiscale senza fatica:

> **Punteggio di complessità** prima di agire, per decidere quanto approfondire.

> **Modello di output trattato come un contratto**, scritto e fisso, non lasciato all’improvvisazione.

> **Triangolo in contraddittorio** per ogni valutazione delicata.

> **Difesa esplicita** nelle competenze che leggono documenti altrui, per non farsi dirottare da istruzioni nascoste nel testo.

Il principio operativo: per imparare a costruire uno strumento, conviene smontarne uno già fatto prima di scrivere il proprio.

Cosa invece evitare

Tre dei sei server cloud, per ammissione dello stesso autore, non rispondono in modo affidabile. Alcune tabelle di documentazione sono scritte a mano e già non corrispondono al codice reale. Un parametro di legge, il tasso di interesse legale, è scolpito dentro un agente: quando cambierà, l’agente continuerà col valore vecchio. Sono lezioni gratuite su cosa non fare.

Il plugin rende evidente una distinzione che spesso si confonde: uno strumento generale e uno strumento di dominio si costruiscono in modo diverso. Il primo deve restare neutro. Il secondo incorpora regole che invecchiano, e va progettato sapendo che invecchieranno.

Infine

Il modo più rapido per imparare a costruire è smontare l’oggetto di qualcun altro. Questo l’ho smontato. I pezzi buoni me li tengo.

Quello che NON troverete nella mia dashboard sono le adozioni e gli adattamenti al mio sistema ed al mio modo di lavorare, quelli sono personali. Però ci sono delle indicazioni che sono generiche e quindi ragionevoli per tutti.

Dashboard completa: https://studiomoccia.github.io/Anatomia-Plugin-Legale-Claude/

Me lo hanno chiesto dopo che avevo raccontato perché avevo scartato due strumenti open source per migliorare la mia banca dati. La risposta è un sistema più noioso di quello che si aspettavano, costruito attorno a un solo vincolo.

Il mio sistema

I due strumenti che ho provato sono fatti bene. Un grafo della conoscenza è potente quando l’obiettivo è scoprire connessioni che non sapevi di cercare: inchieste, antiriciclaggio, ricerca scientifica. Un distillatore di libri è utile quando vuoi riusare i framework di un manuale mentre lavori. Per quei problemi funzionano, e li userei.

Il mio lavoro ha una forma diversa. La forma del problema decide lo strumento.

> Scoprire connessioni nascoste (frodi, ricerca) → un grafo della conoscenza

> Riusare i framework di un libro tecnico → un distillatore in skill

> Rispondere su una norma citando le fonti → testo grezzo, ricerca sul testo, validazione umana

Ognuno vince nel proprio ambito. Il problema nasce quando usi uno strumento fuori dal suo.

La forma del mio problema: una catena di fonti

Un cliente mi chiede se, in una pratica ZES già presentata, può sostituire un macchinario con un altro. Le istruzioni del modello sono l’ultima fermata di quel percorso, non la prima.

Il percorso giusto scende per gradini. Prima la norma primaria, poi il decreto che la attua e ne fissa condizioni e controlli. Solo allora la prassi dell’Agenzia, la dottrina degli autori che contano e la giurisprudenza recente, fino alle Sezioni Unite quando c’è.

A ogni gradino la risposta è una frase precisa, e ogni gradino può spostare quello sotto: il decreto restringe ciò che la norma sembrava concedere, una circolare “interpreta” il decreto, una sentenza smonta la circolare. Se salto un gradino, o se leggo un riassunto al posto del testo, perdo la parola che decide.

Uno strumento che comprime quei testi butta via proprio la parte che conta. È l’invariante del mio mestiere, e tutto il sistema nasce da qui.

«Ma è retrieval con un umano nel giro»

Un tecnico a questo punto storce il naso: esistono già sistemi che recuperano il pezzo di testo e lo citano. Vero. La differenza è in cosa cerco.

La ricerca semantica, quella che molti strumenti usano di default, recupera per somiglianza di significato. Per quasi tutti i domini è il comportamento giusto. Per una norma è un rischio: il passaggio «più simile» può essere quello che non si applica. Due commi possono parlare della stessa cosa e disporre l’opposto. Io cerco la frase esatta nel testo reale, non il significato vicino.

Cosa vuol dire «costruito attorno a quel vincolo»

Primo: niente astrazione. La banca dati resta testo grezzo in markdown. Una ricerca legge i capitoli reali e mi restituisce la fonte tra virgolette. Una sintesi mi fa risparmiare tempo, finché non devo citarla davanti a un cliente o a un giudice: a quel punto serve la fonte, parola per parola.

Secondo: un gate di validazione umana. Un documento entra come fonte solo quando lo valido io. Ogni report che salvo porta in testa qualcosa di simile:

Affidabilità da 1 a 3, data di validazione, data entro cui il report va rivisto. Il database è la parte facile. Quel campo «validato» lo compila chiunque: la differenza la fa la firma di chi ce la mette, e il processo che decide cosa entra.

Terzo: il metodo, non le nozioni. La parte «intelligente» del sistema è una procedura di ragionamento. Una delle skill che uso si descrive così:

> Framework di ragionamento giuridico-tributario con metodo a 7 passi: qualificazione del quesito, catena normativa, incrocio delle fonti, gestione dell’incertezza, scala di confidenza da 1 a 10.

Questa skill non contiene risposte. Contiene un ordine di lavoro sul testo. Quando la norma cambia, il metodo regge: cambia solo la fonte che vado a leggere. Un riassunto delle norme, invece, sarebbe da rifare ogni volta.

Quarto: aggiornamento continuo. Ogni settimana la banca dati recepisce le novità della fonte fiscale. Il testo grezzo assorbe il comma esatto appena cambia, senza ridisegnare l’architettura di un grafo né rielaborare i concetti di una skill. La parte più noiosa, il testo così com’è, è anche la più robusta al cambiamento.

Perché un tool generale risolve un problema diverso

I miei strumenti sono noiosi, e sono miei. Un tool generale è tarato per dare flessibilità su più domini. Il mio è ancorato a un vincolo che quella flessibilità romperebbe: la responsabilità di firmare una risposta davanti a un cliente e, se serve, davanti a un giudice.

Quella responsabilità è il vincolo attorno a cui tutto il resto si dispone. E non si programma in astratto: si costruisce attorno al mestiere di chi userà il sistema.

È anche il motivo per cui non ho scritto io quei due strumenti, e non li riscriverò. Per il loro scopo sono migliori di qualsiasi cosa farei. Il principio operativo è un altro: capire quale pezzo, nel tuo lavoro, non puoi delegare a uno strumento generale, e costruire solo quello.

Infine

Quando valuti uno strumento, la domanda utile riguarda la forma del tuo problema, prima della potenza dello strumento. Per gran parte del mio lavoro, la forma è una catena di frasi esatte, da leggere nell’ordine giusto.

Li ho provati sul serio, su un pezzo vero della mia banca dati: il credito d’imposta ZES unica, 32 documenti tra norme, prassi dell’Agenzia delle Entrate e note tecniche. Alla fine ho detto no a entrambi. Ecco perché, e come ci sono arrivato senza fidarmi di me stesso.

Due repository sulla scrivania

Il primo si chiama Graphify (https://github.com/safishamsi/graphify). Costruisce un grafo della conoscenza da una cartella di documenti: nodi e archi. L’idea è che invece di cercare nei file, interroghi una mappa di concetti collegati.

Il secondo è book-to-skill (https://github.com/virgiliojr94/book-to-skill). Prende un libro e lo distilla in una skill: modelli mentali, glossario, tabelle decisionali, riassunti per capitolo. L’idea è che il libro diventi uno strumento sempre a portata di mano, già masticato.

Due idee diverse, stessa promessa: meno testo grezzo, più struttura.

Il risultato, in una riga: il testo esatto ha battuto sia il grafo sia il riassunto. Ogni volta.

Prima prova: il grafo

Ho dato a Graphify i 32 documenti. Ha costruito un grafo da 86 nodi, raggruppati in 6 temi coerenti. Costo del primo build: 431.000 token, circa sette minuti.

Poi gli ho fatto una domanda vera, di quelle che arrivano da un cliente. In sede di consuntivo ZES, posso sostituire il bene comunicato in via preventiva con un altro bene agevolabile, di costo inferiore ma sopra la soglia minima?

Il grafo mi ha restituito 69 nodi su 86. Metà della mappa. La risposta vera, invece, era una frase precisa nelle istruzioni dell’Agenzia: nella comunicazione integrativa «non è possibile aumentare l’importo dell’investimento complessivo», e gli importi vanno indicati «di ammontare uguale o inferiore» a quelli già comunicati. Una regola scritta, non una connessione tra concetti. Il grafo non poteva contenerla, perché non è fatta di legami: è fatta di parole.

Stavo per tenerlo lo stesso. Mi ero detto: nascondo la mappa, che all’occhio umano non serve, e tengo il motore dietro le quinte. (Il modo classico di affezionarsi a uno strumento che non funziona.)

La voce che mi dà torto

Qui ho fatto una cosa che sto rendendo un’abitudine. Ho chiesto a un secondo modello, Gemini, di demolire la mia conclusione. Mandato esplicito, scritto nel prompt: nessuno sconto, attacca la tesi, trova dove mi sto raccontando una storia.

L’ha fatto. La sua sintesi sul grafo per la ricerca normativa: «una Ferrari a plutonio per andare a comprare il pane».

Aveva ragione. Nel mio lavoro il valore di quei collegamenti automatici è quasi nullo, perché la risposta sta sempre nel testo della fonte, e per leggerla devo comunque aprire il documento. Il grafo era un pedaggio in mezzo. Scartato.

Seconda prova: il riassunto

Il secondo strumento sembrava più adatto. Niente grafo, solo testo distillato. Ho pensato: sbagliato sulle norme, dove serve la parola esatta, ma giusto sulla dottrina, sui manuali di metodo. Bastava una regola di sicurezza: numeri, commi e date si copiano alla lettera, il resto si sintetizza.

Di nuovo Gemini, di nuovo mandato avversariale. E di nuovo torto mio.

Il punto che non avevo visto: in una norma il pericolo non sta nei numeri. Sta nella prosa. «Salvo che il contribuente non dimostri» è una frase, non una cifra, ed è lì che si gioca la portata di una disposizione. Affidare a un modello la decisione di cosa è “dato da copiare” e cosa è “discorso da riassumere” produce errori silenziosi, invisibili proprio perché il risultato sembra pulito.

E una tabella riassuntiva ben impaginata ha un effetto collaterale serio: sembra verificata. La consulti, ti fidi, firmi. Ma è una sintesi probabilistica, non un atto controllato. Una falsa autorità che scavalca le difese critiche di chi la legge. Verdetto di Gemini: tesi da abbandonare senza appello. Scartato anche questo.

Cosa hanno in comune i due no

Le due idee sono diverse, il difetto è lo stesso. Tutte e due astraggono il testo: una in una mappa, l’altra in un riassunto. Ma nel mio mestiere il testo è il mestiere. La risposta a una domanda fiscale vive nella parola esatta della fonte, nelle sue condizioni, nelle sue eccezioni. Qualsiasi strato che si mette in mezzo, per quanto elegante, toglie precisione invece di aggiungerla.

Vale ogni volta che il contenuto è la legge, il contratto, il bilancio. Dove conta la lettera, non si pre-digerisce. Si legge la fonte, citandola, e si ragiona sul testo con un metodo, non su un suo surrogato.

C’è anche una nota positiva, e riguarda chi questi strumenti li costruisce: sono open source, documentati, onesti su cosa fanno. Per altri usi, dove l’obiettivo è scoprire connessioni nascoste e non applicare regole scritte, possono valere molto. Vedremo.

Infine

Ho installato e disinstallato due strumenti in una serata. L’unica cosa che tengo è l’abitudine di farmi dare torto prima di decidere. Anche quando a darmi torto è un’altra macchina.

In due righe

Anthropic ha rilasciato un plugin pre-confezionato per piccole imprese. Per la PMI statunitense è un coltellino svizzero pronto all’uso; per la PMI italiana è soprattutto un’ottima libreria di metodi — non un prodotto chiavi in mano. Sotto, il perché, con la mappa skill-per-skill, i punti di rottura normativi e tre pattern che vale la pena rubare per il proprio studio.

Articolo lungo e dettagliato ma mi serviva mettere in ordine le idee e spero possa aiutare anche voi!

Cos’è un “plugin” in questo contesto

Un plugin per un assistente AI come Claude è un pacchetto installabile che aggiunge tre cose insieme:

• Skill — istruzioni operative che spiegano al modello come fare una certa cosa (un brief settimanale, una previsione di cassa, la bozza di un sollecito). Ogni skill è un piccolo manuale che il modello legge quando serve.

• Connettori — server MCP (Model Context Protocol) che danno al modello accesso a dati esterni: il gestionale, il CRM, la posta, il calendario, i pagamenti.

• Orchestrazione e routing — la “regia” che decide quale skill richiamare in risposta a una richiesta dell’utente, anche quando questa è espressa in linguaggio naturale (”ho il cliente arrabbiato”, “non so se riuscirò a pagare i dipendenti”).

Un plugin, in altre parole, non è una “app” e non è un “prompt”: è la combinazione di dati + procedura + interfaccia conversazionale. È il primo formato di distribuzione software pensato per essere consumato da un agente.

Quindi?

Il plugin “Small Business” di Anthropic non è un prodotto globale travestito da utility per piccoli imprenditori: è un manuale operativo per la PMI statunitense, con assunzioni implicite molto forti (modulistica 1099-NEC, imposte federali, payroll W-4, contratto “at will”, stack QuickBooks/HubSpot/PayPal). Tradotto in Italia funziona benissimo come libreria di metodi, meno bene come prodotto chiavi in mano.

Per i commercialisti italiani la domanda interessante non è “uso questo plugin per i miei clienti?” (oggi, in larga misura, no). La domanda interessante è: “quali idee architetturali di questo plugin posso replicare nel mio studio, costruendo l’equivalente italiano dei suoi connettori e dei suoi flussi fiscali?” Sotto, prima la mappa, poi tre pattern concreti.

Cosa troverai nell’articolo

L’articolo è una analisi tecnica del plugin Small Business v0.2.1 appena rilasciato da Anthropic, letto con gli occhi di uno studio professionale italiano. Si articola in dieci sezioni:

1. Architettura del plugin in tre livelli

2. I dodici connettori MCP previsti e la loro disponibilità in Italia

3. Le trentuno skill, una per una, con uno score di portabilità da 1 a 10

4. Riepilogo per fasce di applicabilità

5. I sette gap normativi macro che spiegano perché non basta “tradurre”

6. Quadro di sintesi: cosa è usabile oggi, cosa va riscritto, cosa va rifatto da zero

7. Tre pattern da “rubare” al plugin per il proprio studio

8. Conclusione

Iniziamo.

1. Architettura del plugin

Tre livelli sopra un mare di dati.

Livello 1 — Building blocks. Sedici skill atomiche, ciascuna fa una cosa sola e la fa bene: una previsione di cassa, un punteggio di priorità sui lead, una bozza di sollecito.

Livello 2 — Workflow. Quindici comandi (/plan-payroll, /run-campaign, /close-month, ecc.) che orchestrano una o due building blocks e impongono checkpoint di approvazione umana prima di azioni che toccano denaro o clienti.

Livello 3 — Router. Una skill speciale (smb-router) che fa da porta d’ingresso. Riceve frasi vaghe (”la cassa è tirata”, “i clienti si lamentano”, “cosa dovrei caricare sui social?”) e instrada alla skill o al workflow giusto.

Livello dati — Connettori MCP. Dodici server MCP dichiarati: i tubi che portano dati dentro al plugin.

2. I dodici connettori MCP previsti

I server MCP dichiarati in .mcp.json del plugin, con disponibilità reale per il mercato italiano:

Il dettaglio:

in sintesi, i dodici connettori si dividono in:

• Pienamente disponibili e compatibili in Italia (8): PayPal, Stripe, Canva, DocuSign, Microsoft 365, Gmail, Google Calendar, Google Drive.

• Disponibili ma con limiti (3): QuickBooks (non distribuito direttamente da Intuit in Italia: solo via partner Overeagles con add-on FCC); HubSpot (poco diffuso); Slack (diffusione limitata, Microsoft Teams molto più presente nelle PMI italiane).

• Sostanzialmente non disponibili (1): Square — l’app POS è installabile globalmente in Italia, ma il payment processing di Square non opera nel nostro paese (paesi attivi: USA, Australia, Canada, Francia, Giappone, Irlanda, Spagna, Regno Unito). Inoltre dal 1° gennaio 2026 le nuove regole italiane sui pagamenti POS impongono l’integrazione tra terminale e registratore telematico verso l’Agenzia delle Entrate — incompatibile con un POS estero non integrato.

Connettori cruciali per il sistema italiano che il plugin non prevede:

• Fatturazione elettronica via SDI.

• Cassetto fiscale e dichiarativi (Agenzia delle Entrate): nessun MCP ufficiale.

• Versamenti F24 (Agenzia delle Entrate, banche): nessuno.

• Posizioni contributive (INPS, INAIL): nessuno.

• Posta certificata (Aruba PEC, Register, Legalmail): nessuno.

• Firma digitale qualificata (Aruba, Namirial, InfoCert): nessuno.

Sono proprio gli ambiti più rilevanti per la gestione amministrativa di una PMI italiana — ed è la fascia in cui il plugin originale, pensato per il mercato USA, non interviene.

3. Le trentuno skill — analisi una per una

Score 1-10: 10 = utilizzabile in Italia senza modifiche; 1 = strutturalmente incompatibile.

In sintesi:

3.1 Soldi e finanza

• cash-flow-snapshot — 8/10. La logica del forecast 30/60/90 giorni, le bande di confidenza, l’output in foglio di calcolo: tutto universale. Il connettore QuickBooks va sostituito (Fatture in Cloud, TeamSystem); manca la consapevolezza delle scadenze F24, della liquidazione IVA periodica e dei contributi INPS che in IT pesano molto sul cash. Adattamento: arricchire i costi fissi con lo scadenziario fiscale italiano.

• invoice-chase — 5/10. L’idea di graduare il tono del sollecito in base alla storia del cliente è ottima. Ma presuppone “invoice via PayPal” o email: in Italia la fattura è elettronica e già notificata via SDI, la nota di credito è atto formale ex art. 26 DPR 633/1972, i termini di pagamento commerciali sono disciplinati dal D.Lgs. 231/2002. Da riscrivere come sollecito su fatture elettroniche già emesse, integrando scadenziario contabile e termini di legge.

• margin-analyzer — 8/10. Marginalità unitaria e scenari di prezzo: logica universale. Manca la consapevolezza dell’IVA come componente di prezzo. Adattamento: gestire prezzi IVA inclusa/esclusa e contributi previdenziali sulle prestazioni di servizi.

• month-end-prep — 3/10. L’idea di un “pacchetto di chiusura” mensile è utile, ma la riconciliazione QB ↔ processore pagamenti non si traduce nel contesto italiano: la chiusura mensile fa rima con liquidazione IVA periodica (art. 7 DPR 542/1999), prima nota, registri IVA. Un P&L narrativo non sostituisce il bilancio CEE ex artt. 2424-2425 c.c. Riscrittura sostanziale: integrare liquidazione IVA, controllo registri, scadenziario F24.

• tax-season-organizer — 1/10. Solo il concetto di “dossier per il consulente” è salvabile. Tutto il resto è hard-coded sul sistema fiscale federale USA: imposta federale + Self-Employment Tax, soglia $600 per il 1099-NEC, modulistica W-9. Nessuna corrispondenza con Certificazione Unica, modello 770, ritenuta d’acconto, IRPEF/IRES/IRAP, regime forfettario, soglie italiane (es. € 5.000 per collaboratori occasionali ex art. 67 TUIR). Da rifare da zero; il pattern è replicabile, il contenuto va integralmente riscritto.

• tax-prep — 1/10. Workflow di livello superiore che richiama la skill di sopra. Stesso problema, stesso intervento.

3.2 Vendite e marketing

• lead-triage — 8/10. Logica di scoring universale; richiede HubSpot o CRM equivalente con MCP. Si porta bene anche su Pipedrive.

• content-strategy — 9/10. Universale; richiede dato di vendita da QuickBooks o PayPal — sostituibile con qualsiasi gestionale italiano.

• canva-creator — 9/10. Canva e i social funzionano allo stesso modo. HubSpot Marketing Hub è opzionale ma richiesto per lo staging degli invii — alternativa: bozze via Microsoft 365 o Mailchimp.

• sales-brief — 9/10. Workflow sopra content-strategy, stessa logica.

• run-campaign — 8/10. Orchestra le tre skill di marketing.

3.3 Clienti e operazioni

• customer-pulse — 8/10. Aggregazione di reclami, ticket e recensioni: logica universale. Yelp non è significativo in Italia — sostituire con recensioni Google Maps, TripAdvisor (settore Horeca), Trustpilot.

• customer-pulse-check — 8/10. Workflow sopra customer-pulse.

• ticket-deflector — 6/10. Bozza di risposta universale. Il refund su PayPal in Italia richiede però l’emissione di nota di credito elettronica (art. 26 DPR 633/1972) tracciata: il rimborso da solo non chiude la partita fiscale.

• handle-complaint — 8/10. Workflow di gestione reclamo, universale.

• crm-maintenance — 8/10. Universale, dipende dal connettore CRM.

• crm-cleanup — 8/10. Stessa cosa.

• contract-review / review-contract — 5/10. Le mappature di red flag sono pensate sulla contrattualistica anglosassone (limitation of liability, indemnification, governing law). Per i contratti italiani serve riscrivere su categorie civilistiche: clausole vessatorie ex art. 1341 c.c., recesso, foro competente, condizioni generali ex art. 1342 c.c., tutele B2C ex D.Lgs. 206/2005 (Codice del consumo). Il meccanismo è ottimo, il dizionario dei rischi va italianizzato.

3.4 Personale

• job-post-builder — 3/10. Il pacchetto “annuncio + guida ai colloqui + lettera di assunzione” è replicabile concettualmente. Ma in Italia: (a) il CCNL applicabile determina quasi tutto (livello, retribuzione minima, scatti, TFR); (b) la comunicazione obbligatoria UNILAV è preventiva all’assunzione, ex art. 9-bis L. 608/1996; (c) il rapporto “at will” non esiste — il tempo determinato è disciplinato dal D.Lgs. 81/2015; (d) la lettera di assunzione italiana ha forma e contenuti regolati. Senza riscrittura, l’output non è utilizzabile.

3.5 Cruscotti e onboarding

• business-pulse — 8/10. “Degrada con grazia” rispetto ai connettori — funziona anche con uno solo. Logica universale.

• monday-brief / friday-brief — 8/10. Workflow sopra business-pulse.

• month-heads-up — 7/10. Manca consapevolezza delle scadenze fiscali italiane (liquidazione IVA mensile/trimestrale, F24 entro il 16 del mese, ecc.).

• quarterly-review — 7/10. Generico ma utile; in Italia il “trimestre” non ha valenza fiscale piena (l’anno solare è la base).

• plan-payroll — 2/10. Il concetto di forecast del payroll è universale, ma il payroll italiano è un cedolino mensile gestito dal consulente del lavoro, con ritenute IRPEF a scaglioni, addizionali, INPS, INAIL, TFR. Nessun parallelo concettuale con W-4/withholding statunitense. Riscrittura totale.

• smb-onboard — 7/10. Walkthrough di setup utile; vanno cambiati i tool suggeriti.

• smb-router — 8/10. Pattern eccellente, da replicare in italiano con frasi-trigger italiane.

• call-list — 9/10. Universale.

4. Riepilogo per fasce di applicabilità

Direttamente applicabili oggi (score ≥ 8) — 17 skill (55%). cash-flow-snapshot, margin-analyzer, lead-triage, content-strategy, canva-creator, sales-brief, run-campaign, customer-pulse, customer-pulse-check, handle-complaint, crm-maintenance, crm-cleanup, business-pulse, monday-brief, friday-brief, smb-router, call-list. Sono le skill di logica “universale” (forecast, scoring, sintesi, generazione contenuti). Restano vincolate alla presenza di connettori italiani equivalenti.

Applicabili con riscrittura mirata (score 5-7) — 7 skill (23%). invoice-chase, month-heads-up, quarterly-review, ticket-deflector, contract-review, review-contract, smb-onboard. Il pattern regge, ma serve adattamento normativo (D.Lgs. 231/2002 sui pagamenti commerciali, scadenzario fiscale italiano, art. 26 DPR 633/1972 sulle note di credito, contrattualistica civilistica).

Strutturalmente incompatibili (score ≤ 3) — 5 skill (16%). month-end-prep, tax-season-organizer, tax-prep, job-post-builder, plan-payroll. Da rifare da zero: troppo incollate al sistema fiscale federale USA, al payroll W-4 e al modello contrattuale “at will”.

5. Sette punti di rottura — perché non basta tradurre

I principali punti in cui il plugin urta contro l’ordinamento italiano, in ordine di gravità.

Fatturazione elettronica obbligatoria via SDI. Base normativa: D.Lgs. 127/2015, esteso a tutti i soggetti passivi IVA con la L. 178/2020 e modifiche successive. Tutto il filone “invoice / refund / payment processor” del plugin presuppone che la fattura sia un PDF o un link a pagamento. In Italia la fattura non esiste se non transita per lo SDI. Ogni skill che agisce sulle “invoices” va riscritta per agire su “fatture elettroniche già emesse e accettate”. Aggiornamento ViDA: la deroga italiana che consente l’e-invoicing domestico obbligatorio è in vigore fino al 31 dicembre 2027; l’armonizzazione del formato SDI allo standard europeo EN 16931 è ora prevista entro gennaio 2035 (originariamente 2027, prorogata per consentire ai paesi con regimi domestici già operativi di assorbire il passaggio). L’Italia ha fatto il primo passo formale verso ViDA con la L. 36 del 17 marzo 2026 (legge di delegazione europea 2025). Nei prossimi due anni il quadro SDI resta com’è.

Sistema impositivo IRPEF / IRES / IRAP. Il plugin assume federal income tax + self-employment tax + state tax. In Italia: IRPEF (TUIR — DPR 917/1986, artt. 1-23), IRES (TUIR Titolo II), IRAP (D.Lgs. 446/1997), addizionali regionali e comunali, regime forfettario (L. 190/2014, art. 1, commi 54-89), contributi previdenziali. La logica degli estimated quarterly tax USA ricorda il meccanismo italiano di saldo e acconti (art. 17 DPR 435/2001), ma aliquote, soglie e scadenze sono diverse.

Cedolino e contributi vs payroll W-4. Il payroll USA è una funzione interna gestita dal titolare con software (Gusto, ADP). In Italia il cedolino è competenza del consulente del lavoro, le ritenute IRPEF sono a scaglioni con conguaglio annuale (art. 23 DPR 600/1973), i contributi INPS e INAIL hanno regole settoriali, il TFR è disciplinato dall’art. 2120 c.c. e dal D.Lgs. 252/2005. Non c’è una skill che possa “fare il payroll” senza appoggiarsi a un software paghe italiano (Zucchetti, TeamSystem, INAZ, Sistemi).

Contratti di lavoro. Il modello “at will employment” non esiste in Italia. Il rapporto è regolato dal CCNL applicabile, dal D.Lgs. 81/2015 (tipologie contrattuali), dalla L. 300/1970 (Statuto dei lavoratori, con soglia di 15 dipendenti per l’art. 18) e dalla comunicazione obbligatoria UNILAV. Una “offer letter” generata senza queste coordinate è inutile.

Contrattualistica commerciale. Le checklist di red flag di contract-review sono mappate su categorie di common law (limitation of liability, indemnification, governing law, severability). In Italia il sistema civilistico ragiona su categorie diverse: clausole vessatorie (art. 1341 c.c., che richiede doppia sottoscrizione), recesso, condizioni generali di contratto (art. 1342 c.c.), tutele B2C ex D.Lgs. 206/2005.

Note di credito e rettifiche IVA. Ogni rimborso su PayPal o Stripe in Italia richiede, se ha generato una fattura, l’emissione di nota di credito ai sensi dell’art. 26 DPR 633/1972, con regole precise su termini e causali. ticket-deflector non lo prevede.

Tutela dei dati personali (GDPR + Codice privacy). Il plugin sposta dati personali di clienti e dipendenti tra connettori cloud, non sempre con basi giuridiche esplicitate. Per uno studio professionale italiano, ogni flusso va valutato sotto Reg. UE 2016/679 e D.Lgs. 196/2003 come modificato dal D.Lgs. 101/2018. Aspetto trasversale, non trattato dal plugin.

6. Quadro di sintesi — cosa fai oggi, cosa no

• Applicabile oggi. Marketing (content-strategy, canva-creator, sales-brief, run-campaign), CRM (lead-triage, crm-maintenance, crm-cleanup, call-list), cruscotti generici (business-pulse, monday-brief, friday-brief), operazioni clienti (customer-pulse, handle-complaint), router e onboarding. Condizione: il titolare usa HubSpot/Pipedrive, Gmail/Outlook, Canva — stack effettivamente diffuso tra PMI innovative.

• Applicabile con limiti. Cassa e margini (cash-flow-snapshot, margin-analyzer). Condizione: funzionano anche via caricamento CSV dal gestionale italiano; la riconciliazione richiede però export manuali se il gestionale non ha MCP.

• Da riscrivere su misura. Sollecito fatture (invoice-chase), revisione contratti (contract-review), risposta a reclamo con rimborso (ticket-deflector). Condizione: schema OK, contenuto da italianizzare.

• Non applicabile. Fiscale (tax-season-organizer, tax-prep), chiusura mensile (month-end-prep), payroll (plan-payroll), assunzioni (job-post-builder). Condizione: da rifare ex novo con catena normativa italiana e connettori a gestionali IT.

7. Tre pattern da rubare al plugin per il proprio studio

Per il commercialista o il professionista italiano la domanda giusta non è “uso questo plugin per i clienti?” — oggi, in larga misura, no. La domanda giusta è: “quali pattern del plugin posso replicare nel mio studio o per i miei clienti PMI?”

Il router in linguaggio naturale come unico punto d’ingresso. L’utente non deve sapere quale comando invocare; descrive il problema, l’AI lo qualifica e lo instrada. Replicabile in italiano con un router che riconosca frasi tipo “ho ricevuto un avviso bonario”, “il mio dipendente vuole le ferie”, “devo fare la dichiarazione IVA”, “il cliente non paga”.

Lo snapshot one-page con degradazione graziosa. business-pulse è notevole proprio perché funziona anche con un solo connettore — la qualità migliora aggiungendone, ma il valore parte dal minimo. Replicabile: una skill “pulse-studio” che dia al titolare la fotografia settimanale di scadenze fiscali, F24 in pendenza, fatture insolute oltre una soglia e contributi a calendario.

Il dossier di preparazione per il consulente. tax-season-organizer è esplicitamente non un sostituto del CPA: produce solo il fascicolo su cui il CPA lavora. In Italia questo stesso schema, rovesciato (l’AI prepara il fascicolo per il commercialista — non lo sostituisce), è probabilmente il modello più promettente per integrare AI e studio professionale. Cambia il rapporto: AI a monte, professionista a valle.

8. Conclusione

Il plugin “Small Business” di Anthropic è un manufatto interessante per due ragioni diverse e simultanee.

La prima: è la prima volta che vediamo un pacchetto operativo per piccole imprese, scritto in linguaggio naturale, distribuito come oggetto installabile e pensato per essere consumato da un agente AI. Non è un’app, non è una integrazione: è un nuovo formato.

La seconda: per la PMI italiana, oggi, questo specifico plugin è prevalentemente un’ispirazione architetturale, non uno strumento utilizzabile fuori dai casi marketing/CRM/cruscotti generici. La metà delle skill (le 17 universali) gira, un quarto richiede italianizzazione di contenuto, un sesto va riscritto da zero perché incollato a un sistema fiscale e contrattualistico che non è il nostro.

Per chi fa il commercialista in Italia il punto importante è il terzo: i pattern. Il router in linguaggio naturale, lo snapshot one-page che degrada con grazia, il dossier preparato dall’AI per il professionista. Questi tre concetti, presi insieme, descrivono il prossimo livello di un servizio professionale assistito dall’AI — un servizio in cui il consulente non viene sostituito ma posizionato a valle di un layer che gli prepara il lavoro.

La buona notizia è che le fondamenta tecnologiche per costruire l’equivalente italiano stanno arrivando. La cattiva è che chi vuole farlo seriamente deve mettersi a costruire — i pezzi non si trovano già pronti a marketplace.

In una frase: questo plugin va letto, non installato.

Il risultato è un report sulle attività svolte negli ultimi 30 giorni

Dopo aver constatato le ore trascorse su Claude Code la domanda è nata spontanea:

Tutto quel lavoro — la conversazione, le obiezioni, i ripensamenti, le idee laterali che sono emerse — dove va a finire?

In nessun posto in modo automatico (o quasi).

Il problema (l’opportunità)

Quando lavoriamo con uno strumento come Claude, ogni conversazione tende ad esplodere e ramificarsi in molte direzioni differenti: partiamo con un obiettivo ma strada facendo si aprono percorsi e scenari differenti.

Claude offre già diversi modi per non perdere contesto — ne parlerò più avanti. Il punto è che nessuno di questi modi fa automaticamente il lavoro analitico che serve per estrarre valore strutturato da una sessione. Il sistema sa ricordare che cosa abbiamo discusso. Non sa, da solo, dirti cosa di quella discussione meritava di diventare una regola, un appunto, un articolo, una skill, un framework.

Quel passaggio richiede una procedura (una skill).

La domanda che cambia il gioco

La domanda non era “come faccio a salvare tutto?”. Quella la risposta è facile ma riempie cartelle, non aiuta a ritrovare nulla.

La domanda vera era un’altra:

Cosa di questa sessione potrebbe servirmi la prossima volta?

E qui la cosa interessante è che la risposta dipende dal punto di vista. Una sessione di lavoro non produce un solo tipo di valore. Ne produce almeno quattro, sovrapposti l’uno all’altro, ognuno utile in un modo diverso.

4 punti di vista differenti

Il primo mostra i fatti nudi. Le ripetizioni, le sequenze di passi che hai fatto in un certo ordine, le correzioni che hai applicato. Se hai fatto due volte lo stesso passaggio, probabilmente c’è un automatismo che aspetta solo di nascere. Se hai corretto Claude tre volte sullo stesso punto, c’è una regola da scrivere nero su bianco. Questa lente non chiede creatività — chiede solo attenzione.

Il secondo. Mostra quello che hai pensato senza scrivere. Le ipotesi che hai considerato e poi scartato, perché contengono i vincoli reali del problema. Le analogie con cui hai spiegato qualcosa a Claude — che spesso sono il vero punto del ragionamento. Le domande nuove che ti sono venute in mente durante la conversazione e che non hai approfondito. Questo è lo strato in cui si nasconde il ragionamento profondo, quello che non si capisce mai del tutto se non lo si guarda a freddo.

Il terzo collega il presente al passato. Quel caso di due anni fa che, ripensandoci adesso, era lo stesso schema visto da un altro lato. La sentenza che hai letto a marzo che oggi torna utile. La regola che credevi specifica a un tipo di cliente e che invece è generale. Questo punto di vista trasforma una sessione in un nodo di una rete più grande.

Il quarto guarda al futuro. Il pezzo di lavoro che, ripreso e generalizzato, diventa un servizio standardizzato da proporre ad altri clienti. L’idea per un articolo. Un nuovo modo di organizzare una pratica ricorrente.

Servono tutti e quattro, in ordine.

Da una domanda, una skill

Una volta messo nero su bianco questo schema, mi sono accorto che stavo costruendo una procedura ripetibile. Non più un’occasione che dipendeva dalla mia voglia di fermarmi a riflettere ma un protocollo: dopo ogni sessione di lavoro importante, applico le quattro lenti (punti di vista), raccolgo i candidati, decido cosa salvare per il futuro.

Una procedura ben fatta, applicata con costanza, che trasforma le sessioni di lavoro da isole separate in un arcipelago collegato. Una rete di conoscenza che cresce con il tempo, invece di disperdersi ogni venerdì sera.

Nel mondo di Claude, una procedura come questa si chiama skill. È una ricetta scritta in un file di NON poche righe, che lo strumento sa leggere e applicare ogni volta che gliela chiedi. Le quattro lenti diventano quattro passaggi automatici. Tu chiudi la sessione, scrivi una parola, e dieci secondi dopo hai sotto gli occhi quello che vale la pena conservare:

Analisi post-sessione per l’estrazione di valore trasversale.

Questa skill identifica candidati a nuove skill, automazioni, rule, template e contenuti editoriali latenti.

Opera su 4 strati:

esplicito (ripetizioni, sequenze),

implicito (ragionamenti, ipotesi scartate),

connettivo (cross-sessione e cross-progetto),

inventivo (ricombinazioni, prodotti, contenuti latenti).

Legge CLAUDE/.sessions/ per contesto cross-Mac (che è la parte più difficile).

E fa tante altre cose belle!

A presto!

Matteo

Ecco la versione Obsidian a colori (ma senza Obsidian)

340 righe. In ogni sessione.

Claude Code legge un file di istruzioni all’avvio di ogni sessione — si chiama CLAUDE.md e contiene tutto quello che vuoi che Claude sappia di te: come lavori, che strumenti usi, che regole deve seguire. Il mio si era gonfiato nel tempo fino a 340 righe.

Fin qui, nessun problema apparente. Il problema è che quelle 340 righe non sono istruzioni “una tantum”. Vivono nella finestra di contesto di ogni singola risposta. Circa 4.500 token fissi di overhead, presenti in ogni turno della conversazione.

Non è un problema economico — con un abbonamento piatto non paghi per token. È un problema di attenzione del modello: più istruzioni carichi, meno il modello riesce a concentrarsi sul task specifico. I ricercatori lo chiamano lost in the middle: quando un testo è molto lungo, le informazioni che finiscono al centro vengono trattate con meno cura di quelle all’inizio e alla fine. Le regole sepolte in fondo al file iniziano a essere ignorate.

La documentazione ufficiale di Anthropic lo dice esplicitamente: un CLAUDE.md gonfio fa sì che il modello inizi a trascurare le istruzioni. Lo confermano i numeri che vedevo nella pratica — skill che avrei voluto attivate automaticamente venivano saltate, regole di naming file trascurate.

Ho ridotto il file da 340 a 115 righe. Il resto — regole specifiche per la gestione dei file, strumenti specializzati, workflow per i documenti — l’ho spostato in moduli separati (le skill) che vengono caricati solo quando servono per un task preciso. Stesso contenuto operativo, peso in contesto diverso.

Il modello sbagliato per il task sbagliato

Claude non è un unico modello. Sono tre, con caratteristiche e consumo di risorse molto diversi. Al momento in cui scrivo (aprile 2026) la famiglia corrente è:

Opus 4.7 — il più potente. Ragionamento complesso, analisi multi-fonte, perizie articolate, pareri normativi con molte fonti. Rilasciato il 16 aprile 2026.

Sonnet 4.6 — il bilanciato. Gestisce buona parte del lavoro professionale quotidiano. Anthropic lo posiziona come default per “tutti i giorni”.

Haiku 4.5 — il veloce. Ricerche, classificazioni, operazioni meccaniche (rinominare, formattare, estrarre).

Opus costa 1,67 volte Sonnet per token. Ma sul piano Max — che è quello che uso io — la cosa cambia radicalmente. Il piano Max 5x include circa 140-280 ore di Sonnet a settimana e solo 15-35 ore di Opus. In pratica: ogni ora di Opus mi costa quota equivalente a 8-9 ore di Sonnet.

Il mio setup usava Opus come default. Per tutto. Includendo una ricerca automatizzata nel database clienti per verificare quali fossero soggetti a una certa scadenza. Un task che Haiku avrebbe risolto in due secondi. Opus ci ha messo lo stesso tempo, ma mi è costato molto di più in quota.

Ho configurato Sonnet come default. Ho poi aggiunto una regola: quando lavoro su un task che richiede ragionamento complesso — parere normativo su più fonti, valutazione aziendale con molte variabili, analisi di un contenzioso — Claude mi segnala con una riga sola che sarebbe utile passare a Opus. Decido io, in due secondi.

Il contrario funziona altrettanto bene: per operazioni meccaniche, un promemoria a passare a Haiku. Non sempre lo accetto, ma la segnalazione è utile.

Non è automatico — è un sistema di routing assistito. Non fa scelte al posto mio, mi ricorda di farle.

Come funziona davvero la quota su Max

Con l’abbonamento piatto non si paga per i token. Si hanno due limiti sovrapposti: una finestra oraria di 5 ore (rolling, parte al primo messaggio di ogni blocco) e un tetto settimanale.

Dentro questi limiti, la quota viene consumata da quattro cose, in ordine di impatto:

Una sessione in cui leggo un PDF di 60 pagine (una perizia, un contratto complesso) con Opus può consumare buona parte della quota Opus della settimana. La stessa sessione con Sonnet costa molto meno, e per la maggior parte dei documenti professionali il risultato è equivalente. Uso Opus quando il ragionamento è davvero a più strati — non quando è “solo” un documento lungo.

Ho aggiunto una regola operativa: prima di leggere un file grande, Claude controlla le dimensioni. Se supera una soglia, propone di delegare la lettura a un sotto-agente separato — che legge, sintetizza, e mi restituisce solo il risultato utile. Il contesto principale resta pulito. È una funzionalità che Anthropic chiama sub-agent orchestration, pensata esattamente per questo.

Una sessione ben configurata

Alla fine di questa esplorazione, ho in mente un’immagine diversa di come funziona una sessione di lavoro con Claude.

Non è una conversazione lineare dove accumulo tutto. È più simile a un tavolo di lavoro che si ingombra: se non lo pulisco periodicamente, ci metto più tempo a trovare quello che cerco — e Claude fatica a concentrarsi.

Cosa cambia in pratica

Niente di rivoluzionario. Tre file di configurazione modificati, qualche regola aggiunta, un’abitudine nuova — pulire il contesto dopo un blocco di lavoro pesante invece di lasciare che si accumuli all’infinito.

Il risultato è uno strumento che si comporta in modo più coerente: usa il motore giusto per il task giusto, non porta in giro il peso di ogni conversazione precedente, mi segnala quando sta per fare qualcosa di costoso.

Per chi usa Claude come assistente professionale — e non come strumento di coding — queste ottimizzazioni sono quasi più importanti delle funzionalità nuove. Non servono nuove feature. Serve capire come funziona quello che già si ha.

Fonti principali (per chi vuole verificare):

• Models, usage, and limits in Claude Code — Anthropic Help Center

• Manage extra usage for paid Claude plans — Anthropic Help Center

• Claude Platform release notes — docs.claude.com

• Piano Max 5x/20x: limiti settimanali introdotti da Anthropic il 28 agosto 2025

784 file in una cartella, nessun ordine

Un collega ti manda uno ZIP. Dentro: 151 fatture emesse, 624 ricevute, 4 file LIPE, due dichiarazioni IVA, una visura camerale del 2024, un PDF di compensazioni dal cassetto fiscale. Tutto nella stessa cartella. Nomi file tipo IT016417907022025B_03cDC.xml.

È il momento in cui di solito apri il gestionale, il foglio Excel della checklist, e cominci. Rigo per rigo. Quadro per quadro. Incroci manuali tra dichiarazione e LIPE, tra SDI e registri, tra credito anno precedente e F24. Se hai un praticante bravo, ci metti mezza giornata. Se lo fai da solo, di più. Se lo fai di fretta — e capita — qualcosa lo salti.

Da 784 file a un report interattivo in 20 minuti

Quest’anno abbiamo cambiato metodo. Abbiamo costruito un framework che prende quella cartella disordinata e produce una checklist completa: 161 controlli eseguiti, dashboard HTML navigabile, PDF delle fatture campionate. Il professionista non esce dal processo — ci entra dopo che la macchina ha fatto il lavoro pesante.

Come funziona: 6 fasi sequenziali

Il framework lavora in 6 fasi. Ogni fase è un gate: se fallisce con severità critica, le successive non partono.

Fase 0 — Ordinamento

I file vengono classificati automaticamente. Gli XML FatturaPA vanno in emesse o ricevute (in base alla P.IVA del cedente). Le LIPE vengono riconosciute dal namespace IVP18. I PDF vengono smistati tra dichiarazioni, visura, registri, compensazioni. In tre minuti, la cartella è strutturata:

Fase 1 — Completezza

Verifica che ci sia tutto: fatture emesse e ricevute, registri, LIPE per tutti i 12 mesi, dichiarazione anno corrente e precedente, visura, documentazione compensazioni. Se manca qualcosa, segnala quali controlli restano bloccati.

Fase 2 — Anagrafica e coerenza

Il sistema confronta P.IVA, codice fiscale e ATECO tra visura e dichiarazione. Poi verifica ogni singolo file XML: la P.IVA del cedente/cessionario corrisponde? La data è nell’anno imposta? I file estranei e fuori periodo vengono isolati e segnalati con un box rosso nel report. Su 775 fatture conformi, ne abbiamo trovate 4 con data 31/12 dell’anno precedente — cavallo d’anno, da verificare ma non da ignorare.

Fase 3 — Estrazione dati

Parsing delle dichiarazioni IVA (quadri VA, VE, VF, VJ, VL, VX), estrazione LIPE mese per mese, aggregazione fatture XML per tipo documento, lettura compensazioni dal prospetto del cassetto fiscale. Tutto viene strutturato per alimentare i controlli.

Fase 4 — 161 controlli incrociati

Sette sezioni di controllo (CL1-CL7), dalla verifica del codice attività alle quadrature algebriche, dalla riconciliazione VH/LIPE al campionamento documentale.

Il campionamento fatture merita una nota. La circolare 57/2009 prevede una soglia del 10% dell’IVA detratta (VF71). Il nostro framework seleziona 4 gruppi di fatture per lato (emesse e ricevute):

• Gruppo A: le 10 fatture con imponibile più alto

• Gruppo B: tutti i documenti non ordinari (note credito, integrazioni reverse charge)

• Gruppo C: fatture relative a beni ammortizzabili

• Gruppo D: fatture con IVA singola superiore alla soglia

Un dettaglio che ha fatto la differenza: per un esportatore abituale, le top 10 per imponibile hanno quasi sempre IVA zero (sono esportazioni). Se il Gruppo D risulta vuoto perché nessuna fattura supera la soglia, il sistema attiva un fallback e seleziona le top 10 per IVA. Risultato: su un caso reale, il Gruppo A copriva il 39% dell’imponibile con 0% dell’IVA, mentre il Gruppo D (fallback) copriva l’80% dell’IVA. Senza il fallback, il campionamento sarebbe stato formalmente corretto ma sostanzialmente cieco.

Per ogni fattura campionata, il sistema genera un PDF leggibile dal file XML originale. 40 PDF pronti nella cartella di lavoro.

Fase 5 — Report

Una dashboard HTML interattiva con navigazione per sezioni, semaforo riepilogativo (quanti OK, quanti semi-automatici, quanti manuali), accordion espandibili per ogni sezione di controllo, barre di copertura del campionamento, tabelle LIPE mensili, quadrature algebriche. Più un PDF senza fronzoli per la carta di lavoro.

19 controlli restano al professionista

Dei 161 controlli, 90 sono completamente automatici e 52 semi-automatici.

Ma 19 restano manuali.

Il registro plafond, le dichiarazioni d’intento, la conservazione elettronica, i presupposti del rimborso: sono verifiche che richiedono accesso a informazioni che nessun XML contiene. Il giudizio professionale su un’anomalia segnalata dal sistema — un file fuori periodo, uno scostamento LIPE di 1 euro — resta del commercialista.

Chi obietta che “l’AI non può apporre il visto” ha ragione. Non è quello il punto. Il punto è che il professionista che arriva ai 19 controlli manuali avendo già verificato gli altri 142 è un professionista che lavora meglio. E che, in caso di accertamento, ha una carta di lavoro documentata che dimostra come ogni controllo è stato eseguito.

Il prossimo visto

Se il tuo metodo attuale per il visto IVA è una checklist cartacea con le caselle da spuntare, non è sbagliato. È incompleto. 161 controlli non si spuntano — si eseguono. La differenza è nel campionamento che copre davvero l’IVA, nelle quadrature che tornano al centesimo, nei file estranei intercettati prima che diventino un problema.

#VistoConformità #IVA2026 #DichiarazioneIVA #Commercialisti #AIprofessionisti #StudioMoccia #ClaudeAI #FatturaElettronica #CampionamentoFatture #ControlliIVA

Chiudi il tab (in Claude Code)

Il giorno dopo riapri Claude. E ricominci da zero.

Questo è il vero problema dell’AI nell’uso professionale quotidiano. Non l’intelligenza — quella c’è. Ma la continuità. Il contesto di uno splendido progetto collegato con un altro progetto con idee nuove da sviluppare evapora, o perde dei pezzi importanti.

Precisazione: Non parliamo di una sessione singola di lavoro con un solo obiettivo preciso ma di analisi che portano anche a sviluppare progetti e idee differenti

Sei cassetti, non uno

La soluzione non è un unico strumento. È un ecosistema di sei tool, ciascuno con un compito preciso.

/compact — La RAM

Quando una conversazione diventa troppo lunga, Claude inizia a dimenticare le cose dette all’inizio. /compact comprime la conversazione in un riassunto e libera spazio. È una soluzione intra-sessione: aiuta a continuare a lavorare nello stesso tab. Quando chiudi, sparisce tutto.

memory — Il disco rigido

Il sistema di memoria persistente. Fatti duraturi, preferenze, feedback, stato dei progetti. Claude lo legge all’inizio di ogni sessione e lo aggiorna alla fine. È quello che permette a Claude di sapere chi sei, come lavori e dove eravate rimasti — anche a distanza di settimane.

Due livelli: una memoria globale (chi sono, come voglio lavorare) e una memoria di progetto (cosa stiamo facendo su questo cliente specifico).

/cattura — Il post-it

A metà di un’analisi fiscale ti viene un’idea per un automatismo. Non c’entra nulla con quello che stai facendo, ma se non la scrivi subito la perdi. /cattura la annota in due secondi in un file inbox dedicato, senza interrompere il flusso. Poi, con /cattura review, si smaltiscono insieme: cosa diventa un progetto, cosa diventa una regola, cosa si scarta.

/pin — Il segnalibro

Diverso dalla cattura. Il pin non salva un’idea nuova — salva un passaggio della conversazione in corso. Quel momento in cui Claude ha prodotto la tabella comparativa perfetta, o il ragionamento che ricostruisce la catena di fonti normative in modo impeccabile.

Senza il pin, quel passaggio finisce sepolto nel flusso della chat, o peggio compresso da un /compact. Con il pin, lo ritrovi.

/handoff — La chiavetta USB

Apro un nuovo tab e voglio portarmi dietro solo un pezzo della sessione precedente. Non tutta la memoria (troppo), non il compact (muore col tab), non il context bridge (troppo pesante per restare dentro Claude Code). L’handoff genera un pacchetto mirato — massimo 2.000 caratteri — con le decisioni prese, i problemi aperti e il prossimo passo. Lo incolli nel nuovo tab e riparti.

/context-bridge — La valigia

Quando cambi proprio ambiente — da Claude Code sul terminale a Claude sul web, o viceversa. Il più strutturato dei sei: genera un dump completo del progetto con file inclusi, stato, decisioni, contesto tecnico. Serve quando il salto è grande e il nuovo ambiente non ha accesso al filesystem.

Perché sei e non uno

La domanda legittima è: non bastava un unico strumento che salva tutto?

No. Ogni strumento risponde a un’urgenza diversa con un costo diverso.

Il compact è istantaneo ma effimero. La memory è permanente ma lenta da aggiornare. La cattura è veloce ma riguarda il futuro, non il presente. Il pin riguarda il presente ma non viaggia. L’handoff viaggia ma solo tra tab. Il bridge viaggia tra ambienti ma è pesante.

Se li comprimi in un unico strumento, ottieni qualcosa che fa tutto male. Se li tieni separati, ciascuno costa il minimo indispensabile nel momento in cui serve. La cattura costa due secondi. Il pin ancora meno. L’handoff un minuto. Il bridge cinque.

È lo stesso principio dei cassetti in ufficio: potresti buttare tutto in un unico armadio, ma poi non trovi nulla.

Cosa ho imparato costruendoli

Il sistema non l’ho progettato. È cresciuto dal bisogno.

Ho iniziato con la memory, poi ho aggiunto la cattura quando mi sono accorto che perdevo le idee. Poi il pin quando ho perso un ragionamento che mi era costato un’ora. Poi l’handoff quando ho capito che aprire un nuovo tab significava ricominciare. Ogni pezzo è nato da una frustrazione concreta, non da un disegno.

La velocità è tutto.

Se catturare un’idea richiede più di cinque secondi, non la catturo. Se pinnare un passaggio richiede di pensare a come etichettarlo, non lo pinno. Gli strumenti che funzionano sono quelli che costano zero attrito nel momento dell’uso. Il costo va tutto nella progettazione, non nell’esecuzione.

Claude non ha memoria — ma tu puoi costruirgliela.

E una volta costruita, cambia radicalmente il modo in cui lavorate insieme. Non è più un assistente che riparte da zero ogni mattina. È un assistente che sa dove eravate rimasti, conosce le tue preferenze, e ha imparato dai propri errori. La differenza tra un collega nuovo e un collega che lavora con te da mesi.

Il cassetto che manca ancora

Il sistema ha un buco: la ricerca. Posso salvare, pinnare, catturare, trasferire — ma cercare nelle conversazioni passate resta macchinoso. La ricerca integrata di Claude Code lavora sui titoli auto-generati, non sul contenuto. Servirebbe un settimo strumento — un /search che interroga tutto: pin, catture, memory, conversazioni. Per ora compenso con la ricerca a riga di comando sui file salvati su disco. Funziona, ma non è elegante.

È il prossimo pezzo del puzzle.

Ogni professionista che usa l’AI tutti i giorni prima o poi sbatte contro lo stesso muro: non è l’intelligenza che manca, è la continuità. Costruire un sistema di memoria non è un esercizio tecnico — è decidere che il tuo tempo vale troppo per rispiegare le stesse cose ogni mattina.

#ClaudeCode #AIperProfessionisti #Commercialisti #StudioProfessionale #ProductivityAI #PromptEngineering #KnowledgeManagement #ClaudeAI #DigitalTransformation

Mercoledì mattina. Apri la posta, trovi la circolare dell’Agenzia delle Entrate. Quaranta pagine. Devi leggerla, capire chi dei tuoi clienti è impattato, preparare le comunicazioni. Nel frattempo hai tre bilanci da chiudere, un visto di conformità da completare e il telefono che suona.

La circolare resta lì. Due giorni, a volte una settimana. Non perché non sia importante — perché il tempo è quello che è.

Oggi Anthropic ha annunciato qualcosa che cambia i termini del problema. Non il problema del tempo — quello resta. Ma il modo in cui lo affronti.

Cosa ha annunciato Anthropic, in parole semplici

Si chiamano Claude Managed Agents. Il nome è tecnico, il concetto no.

Un Managed Agent è un programma basato su Claude che lavora da solo, per ore, su un compito che gli hai assegnato. Non è una chat. Non è un assistente che aspetta la tua prossima domanda. È un collaboratore che prende un incarico, lo esegue, e ti consegna il risultato.

Tre cose lo distinguono da quello che usiamo oggi:

Autonomia prolungata.

L’agente lavora per ore senza supervisione. Tu definisci l’obiettivo — “analizza questa circolare, incrocia con i clienti dello studio, prepara le bozze delle comunicazioni” — e lui esegue. Anche se nel frattempo chiudi il computer.

Coordinamento multi-agente.

Un agente può lanciarne altri. L’agente principale riceve la circolare, ne lancia uno che la analizza dal punto di vista normativo, uno che la incrocia con l’anagrafica clienti, uno che redige le comunicazioni. Lavorano in parallelo, non in sequenza.

Infrastruttura gestita.

Non devi costruire nulla. Anthropic fornisce l’ambiente sicuro, i permessi, il tracciamento di ogni azione. Tu definisci cosa deve fare l’agente e con quali regole. Il resto è gestito.

Tutto questo è in beta pubblica da oggi. Il coordinamento multi-agente è ancora in anteprima limitata. Ma la direzione è chiara.

Perché interessa a uno studio di commercialisti

La domanda legittima è: ma questo non è roba da sviluppatori?

Sì e no. Oggi, per costruire un Managed Agent serve scrivere codice e usare l’API di Anthropic. Non è un bottone che premi su claude.ai. Ma il punto non è il come — è il cosa.

Il lavoro di uno studio professionale è fatto di compiti che seguono regole precise, attingono a fonti note, e producono output standardizzati. Questo è esattamente il terreno dove gli agenti autonomi funzionano meglio.

Pensiamo ai compiti ricorrenti di uno studio:

Il monitoraggio normativo è il caso più ovvio. Ogni giorno escono circolari, risoluzioni, sentenze. Un agente che gira di notte, scansiona le fonti, classifica per rilevanza, incrocia con la tua base clienti, e la mattina ti consegna un report con le azioni suggerite. È ingegneria applicata a regole che già conosci.

La preparazione dei bilanci, raccolta dati, controlli di coerenza, bozza della nota integrativa, verifica dei principi contabili applicati. Un agente che fa il lavoro preparatorio e ti segnala le anomalie prima che tu apra il fascicolo.

Le scadenze e gli adempimenti,un agente che monitora il calendario fiscale, lo incrocia con i dati dei clienti, prepara i promemoria, e ti segnala cosa manca prima della scadenza. Non un calendario. Un collaboratore che ragiona.

La critica onesta

Vero. Oggi no. Ma il punto non è costruirlo tu. Il punto è capire che questa è la direzione, e che chi inizia a strutturare il proprio lavoro in modo compatibile con gli agenti — regole esplicite, fonti organizzate, procedure documentate — si troverà pronto quando la tecnologia diventerà accessibile senza codice. E quel momento è più vicino di quanto pensi.

Giusto. E infatti il modello non è sostituzione — è preparazione. L’agente prepara, tu revisioni e firmi. Esattamente come fai con un collaboratore junior, con la differenza che l’agente non dimentica una voce, non salta un controllo, e lavora alle 3 di notte.

Il prezzo è a consumo: le tariffe standard dei token Claude più 0,08 dollari per ogni ora di sessione attiva. Per un agente che gira due ore di notte analizzando le novità normative, parliamo di costi marginali. La domanda vera non è quanto costa l’agente — è quanto costa NON averlo, in ore del professionista spese su compiti meccanici.

Cosa puoi fare oggi, concretamente

Non devi aspettare i Managed Agents per iniziare. Puoi preparare il terreno.

Documenta le tue regole.

Ogni volta che spieghi a un collaboratore come si fa qualcosa — come si analizza una circolare, come si prepara un visto, come si comunica con un certo tipo di cliente — scrivilo. In un file, in un documento, in una nota. Quelle regole sono il carburante degli agenti. Senza regole esplicite, un agente non sa cosa fare. Con regole precise, fa esattamente quello che faresti tu.

Organizza le tue fonti.

Se le circolari sono sparse tra email, cartelle, e banche dati, nessun agente potrà trovarle. Se sono in una cartella strutturata con nomi coerenti, il lavoro dell’agente (e il tuo) diventa immediato.

Sperimenta con Claude oggi.

Ogni volta che usi Claude per analizzare un documento, incrociare dati, o preparare una bozza, stai facendo manualmente quello che un agente farà da solo. La differenza è che oggi premi invio tu, domani lo farà il sistema. Ma le istruzioni, le regole, il metodo — quelli li costruisci adesso.

Nel mio studio, abbiamo già costruito questo tipo di infrastruttura: skill riutilizzabili per l’analisi normativa, per l’incrocio con l’anagrafica clienti, per la redazione di comunicazioni. Quando i Managed Agents saranno accessibili senza codice, queste skill diventeranno i mattoni degli agenti. Zero lavoro aggiuntivo — solo un cambio di contesto.

Lo studio che non dorme

La visione è questa: uno studio che lavora anche quando tu non ci sei. Non al posto tuo — per te. L’agente normativo che alle 6 del mattino ha già letto tutto quello che è uscito ieri. L’agente scadenze che tre giorni prima del 16 giugno ti ha già preparato l’elenco degli acconti IMU con gli importi calcolati. L’agente bilanci che durante la notte ha verificato la coerenza dei dati e ti segnala le tre anomalie da controllare.

Tu arrivi la mattina, revisioni, correggi dove serve. Il lavoro meccanico è già fatto. Il tempo che ti resta è per pensare, consigliare, decidere. Che poi è il motivo per cui hai scelto questa professione.

Non ci siamo ancora. Ma oggi, con questo annuncio, il percorso è diventato più corto.

#ManagedAgents #Claude #AI #Commercialisti #StudioProfessionale #AutomazioneStudio #IntelligenzaArtificiale #FiscoProfessionale #AgentiAutonomi #Anthropic

Una domenica mattina passata a costruire qualcosa che avrei dovuto avere da anni: un modo per dire “prendi le email di quel cliente e mettile nel progetto giusto” senza farlo a mano.

Un cliente ti manda quattro PDF, un estratto conto, uno screenshot, un audio, un messaggio con piccione viaggiatore e molto altro in maniera totalmente asincrona e scollegata.

Tu sai a CHI appartengono ed quale pratica (COSA) appartengono.

Li scarichi, li metti nella cartella giusta. Una settimana dopo, stesso cliente, altri nove allegati. Stesso progetto? Sì. Ma quei quattro di settimana scorsa li avevi già letti? Ce n’era uno doppio? L’estratto conto era quello aggiornato o il precedente?

Il collegamento tra la posta e i progetti sei tu. La tua memoria. E la tua memoria, dopo il terzo cliente della giornata, non è più affidabile.

Una riga di comando, tredici allegati al loro posto

Il risultato (dopo le peripezie che racconto sotto): dico “importa le email del progetto Alfa, ultime due settimane” e gli allegati appaiono nella cartella giusta, già rinominati, deduplicati, con un registro che mi dice cosa è arrivato, quando, da chi, e cosa c’era scritto nell’email.

Due pezzi che non parlano la stessa lingua

L’architettura ha due componenti che si passano i file attraverso Google Drive — l’unico terreno comune.

Il braccio: Google Apps Script.

Poche centinaia di righe deployate come web app privata. Riceve quattro parametri: la label Gmail del cliente, le date, l’identificativo della cartella Drive. Cerca le email, scarica corpo e allegati, aggiorna un manifest che traccia cosa è stato già importato. .

Il cervello: una skill per Claude Code.

Claude Code è il mio ambiente di lavoro principale — accesso diretto al filesystem del Mac, Drive montato in locale. La skill invoca lo script, aspetta la sincronizzazione, poi fa il lavoro che nessuno script può fare: legge i file, raggruppa i messaggi per thread, rimuove firme e testo citato dalle risposte, estrae un sommario, produce un registro navigabile.

Il valore non è nell’idraulica

Lo script scarica file. È utile, ma è meccanica. Il valore reale è nella skill — nella capacità di Claude di leggere quei file e inserirli nel contesto del progetto. “Sono arrivate 6 email con 13 allegati. Due email erano già presenti, le ho saltate. I nuovi documenti riguardano un accertamento: ci sono l’avviso, tre fatture e un estratto conto. Vuoi che analizzi i nuovi documenti?”

Quella frase è il passaggio da “ho dei file in una cartella” a “so cosa c’è nel mio progetto”.

Lo stesso passaggio che facevo io manualmente — aprire, leggere, capire, collegare — solo che adesso è riproducibile, incrementale, e non dipende dalla mia memoria di giovedì scorso.

La prossima email sa già dove andare

Se il tuo studio ha Gmail — e probabilmente ce le hai — la metà del lavoro è fatta. Il ponte tra la posta e il progetto non è un prodotto da comprare. È uno script, una procedura.

Buona Pasqua!

#Commercialisti #StudioProfessionale #Claude #ClaudeCode #AppsScript #GoogleDrive #GmailAutomation #AutomazioneStudio #AIperProfessionisti #WorkflowFiscale

Ogni volta che apro una nuova chat, lancio una skill, Claude sa troppo di me ed in maniera frammentata.

La soluzione non sono i prompt, le istruzioni generali ma la sequenza in cui Claude legge chi sono e cosa voglio e sopratutto cosa posso modificare io e cosa no, perche sì ci sono cose che non possono essere modificate dall’utente.

Iniziamo con la struttura degli ambienti

Tre ambienti, sei strati

Uso Claude in tre ambienti diversi, a seconda del tipo di lavoro.

Claude web per ragionare su temi nuovi ed avere tutto a portata di mano visto che si sincronizza perfettamente con l’applicazione sul cellulare (no Dispatch per adesso).

Cowork per eseguire operazioni lunghe e autonome sul computer, con sessioni che durano ore su progetti specifici.

Claude Code per costruire automazioni, gestire file, sviluppare gli strumenti che poi uso negli altri ambienti.

Il problema è che questi tre ambienti non si parlano, molto bene, tra loro. Ogni volta che cambi contesto, rischi di perdere informazioni preziose (e se poi utilizzi 2 Macbook il delirio è totale ma ipotizziamo un solo computer per adesso).

L’idea di base del sistema che ho costruito è semplice: invece di portare il contesto dentro ogni prompt, lo rendi permanente. Lo scrivi una volta, lo metti nel posto giusto, e Claude lo legge automaticamente prima di fare qualsiasi cosa. Sei strati, ognuno con una funzione precisa.

Strato 0 — Identità

Il primo strato risponde a una domanda sola: chi sei e come vuoi lavorare?

Su Claude web si chiama Preferenze personali, accessibili dalle impostazioni del tuo profilo. Qui scrivi il tuo profilo professionale, le preferenze di stile, le regole che vuoi sempre attive: come vuoi che Claude risponda, cosa non deve mai fare, come devono essere nominati i file.

Su Cowork la stessa sezione si chiama Istruzioni globali. Non va duplicata: basta scrivere solo quello che è diverso rispetto alle Preferenze personali di Claude web. Il resto lo eredita automaticamente.

Su Claude Code il meccanismo è diverso: c’è un file chiamato CLAUDE.md in una cartella di sistema, che Claude legge automaticamente a ogni avvio, senza che tu debba fare niente.

Strato 1 — Memoria

La memoria che si accumula nel tempo, senza che tu debba aggiornarla a mano.

Claude web e Cowork hanno una sezione chiamata Memoria: piccole note che Claude accumula su di te nel corso delle sessioni. Non le scrivi tu — le propone Claude, tu approvi. Con il tempo si accumulano: chi sei, cosa stai seguendo, quali strumenti usi, quali clienti hai menzionato.

Claude Code gestisce la memoria in modo diverso, su file locale, separato da quello degli altri ambienti.

La regola che ho imparato a forza: tenere la Memoria pulita. Ho iniziato con diciassette voci, ridondanti e contraddittorie. Sono arrivato a dieci. Dieci voci precise fanno più lavoro di venti voci generiche.

Strato 2 — Contesto di progetto

Tutto quello che cambia da progetto a progetto.

Questo strato esiste solo in Cowork e Claude Code — i due ambienti con accesso al filesystem locale. Claude web non ce l’ha: non può leggere file persistenti sul tuo computer, quindi è l’ambiente per ragionare in profondità, non per gestire archivi strutturati.

Claude Web ha i progetti con le sue istruzioni specifiche ma non sono la stessa cosa

In Claude Code è un secondo file CLAUDE.md, questa volta nella cartella del progetto specifico: nome del cliente, scadenza, regole particolari di quel lavoro, decisioni prese, persone coinvolte.

Attenzione qui la confusione inizia a farsi sentire: Claude è molto autoreferenziale ha deciso che per due funzioni differenti il nome del file è sempre lo stesso ma è salvato in posizioni differenti, quindi avremo un Claude.md GLOBALE, ed un file Claude.md di PROGETTO

Una regola di design che ho imparato a rispettare: questo strato deve contenere solo contesto statico.

Non deve diventare un diario — quello va in un diario vero e proprio che si aggiorna lavoro per lavoro task per task. Non deve contenere logica — quella va nelle skill. Se diventa troppo lungo, Claude lo segnala e propone di suddividerlo.

Strato 3 — Skill

Istruzioni specializzate per task specifici, disponibili da tutti e tre gli ambienti.

Le skill sono file di testo salvati su Google Drive, nel mio caso. Quando dico “scrivi un articolo” o “inizializza il progetto” o “incrocia con i clienti”, Claude trova il file corrispondente su Drive e lo usa come guida per eseguire il lavoro. Le skill vivono in un posto solo — Drive — e sono disponibili da tutti e tre gli ambienti (ma NON automaticamente, questo è un problema)

Ogni skill segue automaticamente una sequenza standard: prima di iniziare, Claude legge il contesto, controlla cosa esiste già, organizza lo spazio di lavoro, propone un piano e aspetta conferma. Dopo aver finito, verifica il risultato, fa un’auto-revisione, lascia una nota con stato e prossimi passi. Questi passi non sono scritti dentro ogni skill — sono definiti una volta nel file di configurazione globale e si applicano automaticamente a tutte.

La skill che inizializza tutto

Per non dover creare manualmente cartelle e file di configurazione ogni volta che inizia un nuovo progetto, ho costruito una skill chiamata inizio. Si invoca con un semplice comando da Cowork o Claude Code, chiede il profilo di permessi desiderato — autonomo, che gestisce tutto tranne le operazioni distruttive, oppure controllato, che chiede conferma su ogni operazione — e crea in automatico tutta la struttura: file di contesto del progetto con scadenza obbligatoria, file di memoria delle sessioni, cartelle per input, output e archivio.

Non ha senso eseguirla su Claude web: richiede l’accesso al filesystem. È una di quelle skill che esistono solo dove possono davvero funzionare, e questo è già un criterio di design.

Il falso problema

Sei livelli sembrano tanti. La sensazione naturale è che un sistema del genere richieda una manutenzione continua — un’altra cosa di cui occuparsi, un altro file da tenere aggiornato.

Non è così che funziona nella pratica. Il novanta per cento del sistema si configura una volta e poi si dimentica.

Le Preferenze personali e le Istruzioni globali le scrivi in un pomeriggio e non le tocchi per mesi.

La Memoria si aggiorna da sola su proposta di Claude.

Le skill si creano quando ne hai bisogno e poi le riusi all’infinito. L’unica cosa che si aggiorna regolarmente è il contesto di progetto — e anche lì, è Claude che propone le modifiche con un riepilogo delle differenze, tu approvi o rifiuti.

C’è però un limite da dichiarare onestamente: questo sistema vale la pena solo se usi Claude in modo strutturato, su più progetti, con una certa frequenza. Sopratutto se pensi di ampliarlo con regole ed agenti che si attivano in sequenza per produrre output sul tuo computer.

Se apri Claude per domande occasionali, decorrelate rispeto a clienti o progetti: sei strati sono eccessivi. Bastano le Preferenze personali e qualche voce di Memoria. Il sistema scala verso il basso, non solo verso l’alto — e questo è intenzionale.

Infine

La prossima volta che ti ritrovi a spiegare a Claude per la terza volta chi sei, non è colpa sua. Il problema è che il contesto non ha ancora un posto dove vivere tra una sessione e l’altra. Dagli un posto, e smette di dimenticare.

#Commercialisti #AIWorkflow #Claude #StudioProfessionale #ProduttivitàAI #PromptEngineering #AIFirst #GestioneStudio

Ho una skill che incrocia le novità fiscali con i miei clienti. Le dico “a chi si applica questa circolare?”, lei carica l’anagrafica da ClickUp, filtra per regime, forma giuridica, codice ATECO, e mi restituisce i nomi di chi è impattato.

Si perche prima o poi succede che si passa ad utilizzare Claude in locale sul proprio Macbook, per cui se usi solo Claude Web e Claude Cowork nessun problema non leggere oltre. Non ti servirebbe.

Un giorno passo dal browser al terminale per fare la stessa cosa.La skill in locale punta a un CSV, quella su web punta ancora a ClickUp. Una è aggiornata, l’altra no. Non me ne ero accorto.

Uso Claude in tutti i modo possibili, anche solo per imparare: terminale, VS Code, app desktop, browser. Ognuno ha il suo sistema di skill. Nessuno dei quattro sa cosa fanno gli altri tre. Il problema non è che non funzionano — è che funzionano diversamente.

Un file, due formati, zero attesa

Adesso l’anagrafica viene da un unico Google Sheet — lo stesso che i collaboratori dello studio usano ogni giorno. Uno script Apps Script lo esporta automaticamente in due formati: CSV per Claude Code, Google Doc per claude.ai web. Le skill stanno in una cartella su Drive, un symlink le rende visibili a tutti gli ambienti locali. Otto secondi diventati zero, meno errori, piu automazioni.

Il percorso, errori compresi

Il punto di partenza era ClickUp. L’anagrafica clienti stava in un documento ClickUp — X clienti con regime contabile, forma giuridica, codice ATECO, previdenza, dipendenti, fatturazione. La skill chiamava l’API ClickUp con clickup_get_document_pages, parsava il risultato, faceva il matching. Funzionava, ma era lento e fragile.

Primo tentativo: CSV locale. Esportare l’anagrafica in un CSV e metterlo nella cartella di lavoro su Google Drive. Claude Code lo legge dal disco in un decimo di secondo. Il miglioramento è immediato. Ma c’è un problema: il Google Sheet originale — la “Fonte” dei clienti — è condiviso con i collaboratori. Non volevo che Claude ci accedesse direttamente. Rischio di modifiche accidentali. Quindi: la bibbia resta intoccabile, lo script ne fa una copia.

Secondo tentativo: usarlo da web. Apro claude.ai dal browser, lancio la stessa skill. Fallisce. Claude web cerca il CSV su Drive, non lo trova. Prova con il Google Sheet, non lo legge (per adesso Claude non lo fa). Va a cercare su Notion — un database che non c’entrava nulla. Qui ho scoperto una cosa: claude.ai web legge solo i Google Doc da Drive. Non i CSV, non i Google Sheet. Solo Google Doc.

Terza iterazione: doppio formato. Lo script Apps Script adesso genera sia il CSV (per Claude Code) che un Google Doc (per il web). Stessi dati, due formati. Non è elegante. Ma funziona su tutti gli ambienti senza passaggi manuali.

Per il web è diverso: le skill vanno caricate manualmente come file ZIP da Customize > Skills. Quando aggiorni una skill su Drive, devi ricordarti di ricaricare lo ZIP su web. Per non dimenticarlo, Claude me lo ricorda ogni volta che modifichiamo una skill.

Infine

La skill più utile che ho scritto non è quella che fa l’incrocio con i clienti. È quella che mi ha costretto a mettere per iscritto come lavoro. Un processo nella tua testa funziona finché ci sei tu. Un processo in un file funziona anche quando non ci sei.

La prossima volta che Claude ti dà la risposta giusta, prova a fargli la stessa domanda da un altro ambiente. Se la risposta cambia, sai da dove partire.

#ClaudeAI #AIperProfessionisti #StudioDigitale #Commercialisti #AutomazioneStudio #SkillAI #GoogleWorkspace #WorkflowAI #ProcessiDiStudio #AIpratica

Un connettore è un collegamento tra Claude e un’app che già usi. Email, calendario, gestione pratiche, archivio documenti. Una volta attivato, Claude può accedere a quelle informazioni direttamente — senza che tu debba portargliele ogni volta.

La differenza non è di velocità. È di tipo di lavoro.

Senza connettori, Claude risponde alle tue domande. Con i connettori, Claude opera nel tuo flusso di lavoro. Legge la email del cliente, consulta le note del dossier, recupera il documento, prepara la bozza di risposta. Tu rivedi e invii.

Ho analizzato l’intero catalogo di connettori disponibili su Claude — circa 150, ed aumentano ogni giorno. La maggior parte è pensata per altri settori e altri mercati. Per uno studio commercialista italiano, quelli utili adesso si contano sulle dita di una mano.

I più concreti:

Email e calendario. Se la comunicazione con i clienti passa da Google Workspace, Claude può creare bozze, inserire scadenze, riassumere conversazioni lunghe prima di una riunione.

Gestione dossier e knowledge base. Se hai organizzato le pratiche o le note normative su un’app dedicata, Claude può interrogarle direttamente — senza che tu debba rispiegare il contesto ogni volta.

Automazioni tra app. Alcuni strumenti permettono di collegare app diverse tra loro. Email di un cliente → aggiornamento della scheda → notifica al collaboratore. Senza scrivere codice.

Trascrizione riunioni. Alcune app trascrivono automaticamente i colloqui con i clienti. Claude estrae gli impegni assunti, le scadenze, i punti da seguire. Il verbale si produce da solo.

Dove stiamo andando

Oggi il catalogo riflette il mercato globale. Per noi, in Italia, mancano ancora le integrazioni più utili:

le banche dati giuridiche e fiscali a cui siamo abbonati,

e i gestionali con cui lavoriamo ogni giorno.

Questo cambierà. Il protocollo su cui si basano i connettori è uno standard aperto: chiunque può costruirne uno. Il fornitore di banche dati o di software gestionale che per primo si integrerà con Claude avrà un vantaggio immediato sul mercato. E gli studi che lo adotteranno avranno un assistente AI che conosce davvero ogni cliente — non in astratto, ma con i dati reali.

Il passo successivo è ancora più profondo: i nuovi software contabili non si integreranno con l’AI in un secondo momento — la includeranno fin dall’inizio. Il confine tra gestionale e assistente intelligente si farà sempre più sottile.

Non è una previsione lontana. È la direzione in cui si sta muovendo il mercato, adesso.

Da dove iniziare

Non c’è bisogno di aspettare. Inizia con quello che già esiste.

Scegli un connettore — uno solo — tra quelli compatibili con gli strumenti che usi già. Attivalo. Usa Claude per una settimana con accesso a quella fonte. Osserva cosa cambia nel tuo modo di lavorare.

La dashboard collegata a questo articolo analizza tutti i connettori disponibili oggi, valutati per la pratica professionale del commercialista italiano. Per ognuno trovi una spiegazione semplice: perché può essere utile, e perché no.

È un punto di partenza. Il resto lo costruisci tu.

#Commercialisti #IntelligenzaArtificiale #ClaudeAI #TransizioneDigitale #StudioProfessionale #AIPerCommercialisti #Automazione #GestioneStudio #MCPConnectors