AI locale per lo studio del commercialista: perché e quando (e quando no)

C'è una domanda che negli studi gira sempre più spesso: "posso usare l'intelligenza artificiale senza mandare i dati dei miei clienti su un server di qualcun altro?"

La risposta breve: sì. Nel 2026 si può fare sul serio, con una macchina che sta in studio e modelli liberamente utilizzabili anche a fini commerciali.

La risposta onesta: non sempre conviene. E chi vi dice il contrario, di solito, vi sta vendendo l'hardware.

Questo articolo mette in fila le due risposte: cosa significa "AI locale", perché il vantaggio vero è la riservatezza (non il risparmio), cosa gira davvero oggi su una macchina da studio, quanto costa e — soprattutto — quando ha senso e quando no.

Che cosa significa AI locale

Quando usate ChatGPT o un servizio simile, il testo che scrivete — e i documenti che allegate — viaggiano verso i server del fornitore, che li elabora e vi rimanda la risposta. AI locale significa ribaltare lo schema: il modello linguistico gira su una macchina vostra, in studio. Il dato non parte mai.

È possibile perché da qualche anno i laboratori pubblicano modelli "open-weights": il file del modello si scarica e si esegue dove si vuole. Non tutti sono liberi allo stesso modo — conta la licenza. Quelli rilasciati con licenze Apache 2.0 o MIT si possono usare anche commercialmente senza vincoli pratici: e nel 2026 questa categoria copre quasi tutti i modelli che interessano a uno studio.

Due termini tecnici, spiegati una volta sola:

• Quantizzazione: una compressione del modello (la sigla tipica è "Q4"). Riduce di 3-4 volte la memoria necessaria perdendo poco in qualità. È il motivo per cui modelli seri girano su macchine da ufficio.
• Token al secondo (t/s): la velocità di scrittura del modello. Sopra i 15-20 t/s la risposta scorre più veloce di quanto leggiate: come regola pratica, è la soglia dell'usabilità quotidiana.

Il vantaggio vero — il dato non esce

Qui sta il punto che rende il tema interessante per un professionista, ed è un punto strutturale, non di marketing.

Con l'AI in cloud, il fornitore tratta dati per conto vostro: va inquadrato (tipicamente come responsabile del trattamento, con contratto ex art. 28 GDPR), vanno verificati retention, uso per addestramento, dove risiedono i server, con quali garanzie i dati attraversano l'Atlantico. Fattibile — lo abbiamo raccontato nella guida quadro della serie — ma è lavoro, e ogni anello aggiunge un rischio.

Con l'inference locale quella catena non nasce proprio: nessun fornitore tratta i dati, perché i dati non vanno da nessuna parte.

E qui i tre "però" che il venditore di workstation di solito dimentica:

1. Il GDPR si applica comunque. Lo studio resta titolare del trattamento: misure di sicurezza ex art. 32 (controllo accessi, backup, aggiornamenti, log), registro dei trattamenti, informative. Cambia il perimetro dei problemi, non l'esistenza delle regole.
2. "Zero terzi" vale solo se la gestione è interna. Se il server ve lo amministra un tecnico informatico esterno, quel tecnico può accedere ai dati: e allora nomina ex art. 28 e impegni di riservatezza tornano dalla finestra.
3. Gli obblighi "AI" valgono anche in casa. L'obbligo di informare i clienti dell'uso di AI con linguaggio "chiaro, semplice ed esaustivo" (art. 13, L. 132/2025), i doveri deontologici (art. 21, commi 8-10) e l'alfabetizzazione del personale (art. 4, AI Act — già in vigore) non distinguono tra cloud e locale. La guida quadro della serie spiega tutti e tre.

Che il vento soffi in questa direzione lo dicono anche i numeri di mercato: nell'ultima rilevazione BARC sulla sovranità dei dati (maggio 2026), le iniziative di rimpatrio dal cloud sono raddoppiate in un anno (dall'8% al 16% delle aziende), e per il 51% la sovranità del dato è ormai "molto importante".

Cosa gira davvero oggi in uno studio

La sorpresa del 2026: i modelli utilizzabili in locale con licenza pulita sono tanti, e buoni. Questi i riferimenti nella classe che gira su hardware da studio (stato: luglio 2026):

Modello	Licenza	Memoria richiesta (Q4)	Nota
Qwen3.6-27B (Alibaba)	Apache 2.0	~17 GB → GPU da 24 GB	Il riferimento della categoria; contesto lungo (262K token), legge anche immagini
Gemma 4 (Google, varie taglie fino a 31B)	Apache 2.0	da pochi GB a ~19 GB	Famiglia flessibile; casi d'uso professionali documentati
gpt-oss-20b (OpenAI)	Apache 2.0	gira in 16 GB	Il punto d'ingresso: gira anche su un portatile recente
gpt-oss-120b (OpenAI)	Apache 2.0	GPU da 80 GB o macchina da 128 GB unificati	Il "grande" che uno studio può permettersi (è un MoE: grosso ma efficiente)
DeepSeek R1 distill 32B	MIT	~19 GB → GPU da 24 GB	Orientato al ragionamento

Cosa fanno bene, in concreto: riassumere e analizzare documenti anche lunghi, preparare bozze di email e lettere, estrarre dati da testi, e — con gli strumenti giusti (ne parliamo alla sezione 5) — rispondere a domande sui documenti del vostro archivio citando da dove viene la risposta. Per l'operatività quotidiana di uno studio, è già molto.

Cosa non aspettarsi, detto onestamente:

• Il livello dei migliori modelli cloud, no. Le analisi più serie (Epoch AI, maggio 2026) misurano per i migliori modelli aperti un ritardo medio di circa 4 mesi rispetto ai modelli di frontiera — e su benchmark privati il ritardo sale a 8-10 mesi, con il divario massimo proprio sul ragionamento complesso. E attenzione: quelle misure riguardano modelli giganteschi da datacenter; la classe 20-30B che gira in studio è più indietro ancora. Per riassunti e bozze la differenza spesso non si sente; per un quesito complesso sì.
• Niente ricerca web integrata. Il modello locale sa quello che sa: per la normativa aggiornata continua a servire altro.
• L'OCR è il tallone d'Achille. I PDF scansionati — pane quotidiano di ogni studio — non si leggono da soli: serve un passaggio di riconoscimento testo a monte, e le tabelle complesse restano imperfette.

Hardware — tre fasce oneste

Prezzi rilevati il 13-14 luglio 2026. Avvertenza: è in corso una crisi mondiale delle memorie che sta facendo salire i prezzi di mese in mese — ricontrollate prima di comprare.

Fascia "per provare" (quello che avete già, o poco più). Un portatile o desktop recente con 16 GB di RAM fa girare gpt-oss-20b o un modello da 14B: abbastanza per capire se lo strumento vi serve, non abbastanza per lavorarci in più persone.

Fascia "per lavorarci" — memoria unificata da 128 GB (€3.000-5.000). La categoria più interessante per uno studio: mini-PC e desktop compatti dove CPU e GPU condividono tanta memoria. Fanno girare anche il "grande" gpt-oss-120b a velocità usabili (30-55 t/s a seconda della configurazione), consumano quanto una lampadina robusta (60-110 W in lavoro), non fanno rumore e stanno su una scrivania. Riferimenti attuali: Framework Desktop con AMD "Strix Halo" 128 GB (~$3.450, in risalita e spesso in pre-ordine), ASUS Ascent GX10 con chip NVIDIA (~€3.350), NVIDIA DGX Spark (da ~€5.050). Nota per chi pensava al Mac: nel 2026 Apple ha tagliato a più riprese le configurazioni ad alta memoria del Mac Studio e la disponibilità resta altalenante — l'opzione concreta è il M4 Max 128 GB (~€4.100-4.300), con i 70B "densi" a 8-15 t/s.

Fascia "workstation GPU" (€5.000-8.000 di sistema). Una RTX 5090 da 32 GB (street price italiano attuale: da ~€3.000 a €4.600 secondo il modello, comunque sopra il listino) rende velocissimi i modelli fino a 32B (50-90 t/s) — ma i 70B in Q4 richiedono 40-43 GB e non entrano in una scheda sola. Consuma però come un piccolo condizionatore (500-550 W di sistema in lavoro, con picchi oltre i 600) e vuole un alimentatore da 1200 W. Sopra ancora c'è la fascia professionale (schede da 96 GB), ma a listini che nel 2026 sono schizzati oltre i 13.000 $: fuori scala per uno studio, salvo esigenze particolari.

La lettura d'insieme: per il caso d'uso "riservatezza" di uno studio, la fascia di mezzo è quella giusta — silenziosa, parca, e fa girare i modelli MoE grandi che sono il miglior compromesso qualità/costo del momento.

Il software — la parte semplice

La parte che è maturata di più. Per iniziare da soli, su Windows, senza terminale:

• LM Studio: si installa come qualsiasi programma, si sceglie il modello da un catalogo, si chatta. Gratuito anche per uso lavorativo (dal 2025, per policy ufficiale).
• Ollama: open source (MIT), app nativa Windows, trascinate un PDF nella chat e funziona. La scelta giusta se poi vorrete collegarci altro.

Per farlo usare a tutto lo studio, lo standard di fatto è Open WebUI: un'interfaccia web installata sulla macchina di studio, a cui colleghi e collaboratori accedono dal browser con il proprio account (permessi, cronologie separate, anche login Microsoft/Google). Gratuita per le dimensioni di uno studio.

Per interrogare il proprio archivio documentale (il cosiddetto "RAG"), la soluzione chiavi in mano più citata è AnythingLLM: in un benchmark indipendente di maggio 2026 è risultata la più affidabile della categoria (6% di risposte allucinate contro l'11-14% delle alternative) ed è l'unica che cita file e pagina da cui viene la risposta — dettaglio che per un professionista fa la differenza. Con un limite di scala onesto: oltre le ~10.000 pagine su hardware consumer le prestazioni degradano.

Due avvertenze da non saltare:

1. Sicurezza in rete locale: questi strumenti nascono senza autenticazione sulla porta di servizio. Finché restano sul singolo PC va bene; appena li esponete alla rete di studio serve configurarli dietro un accesso autenticato. È il punto dove farsi aiutare da chi ne sa.
2. La manutenzione esiste: aggiornamenti frequenti (ogni 1-3 settimane), modelli nuovi da valutare, backup. Le stime serie parlano di 2-4 ore al mese per un uso leggero, fino a 8-20 per un'installazione multi-utente curata. Qualcuno in studio deve averle in carico.

Il conto della serva — non si fa per risparmiare

Diciamolo prima che lo dica il vostro commercialista interiore. I listini cloud business attuali (luglio 2026, per utente/mese, IVA esclusa): ChatGPT Business 20 $ (annuale), Claude Team 20 $, Microsoft 365 Copilot per PMI €18,20 di listino Italia (in promo €15,60), Google Workspace da 7 a 22 $ con Gemini incluso.

Uno studio di 10 persone su un piano da 20 $ spende quindi ~2.400 $ l'anno, zero pensieri, aggiornamenti automatici al modello migliore.

La macchina locale costa €3.000-5.000 una tantum, più elettricità, più — la voce che tutti dimenticano — quelle 2-20 ore al mese di gestione, che valorizzate a tariffa di studio sono la vera fattura. Come ha scritto un'analisi di settore: "il pareggio funziona solo se ignorate il valore del vostro tempo".

La conclusione onesta: sul puro costo, per uno studio piccolo, il locale non pareggia quasi mai. Il locale si compra per un'altra ragione — la riservatezza strutturale della sezione 2, il segreto professionale, il controllo — ed è una ragione che per certi dossier vale più del delta di costo. Ma va scelta ad occhi aperti, non venduta come risparmio.

Quando ha senso, quando no, e la via ibrida

Il locale ha senso quando:

• trattate con regolarità documenti che non volete far uscire dallo studio nemmeno con le migliori garanzie contrattuali (contenziosi delicati, operazioni straordinarie, dati particolarmente sensibili);
• c'è in studio (o vi affianca) un referente tecnico che si prende in carico macchina e aggiornamenti;
• l'uso è ricorrente: la macchina ferma è costo puro.

Il cloud con garanzie resta più sensato quando:

• l'uso è saltuario o esplorativo;
• vi serve il massimo della qualità (ragionamento complesso, ricerca web integrata, funzioni agentiche);
• nessuno può occuparsi della gestione — un server locale abbandonato a sé stesso è un rischio, non una protezione.

E per la maggior parte degli studi la risposta vera è: entrambi. L'architettura che il mercato sta convergendo a chiamare ibrida è semplice da enunciare: i dati dei clienti passano dal modello locale; le domande generiche — normativa, bozze senza dati personali, ricerca — vanno al cloud con le dovute garanzie contrattuali. Chi vuole spingersi oltre può pseudonimizzare i documenti prima di mandarli al cloud (nomi e importi sostituiti in locale, risposta ri-personalizzata al rientro): strumenti in maturazione, principio già solido. E per completezza: sta crescendo anche l'offerta di "cloud sovrano" europeo — la Commissione UE ha aggiudicato ad aprile 2026 una gara da 180 milioni a quattro fornitori europei — una terza via per chi vuole garanzie di giurisdizione senza gestire ferro.

Checklist in sei domande

Risposta secca:

1. Ci sono categorie di documenti che oggi non caricate su nessuna AI proprio per riservatezza? (Se no, il problema che il locale risolve non ce l'avete.)
2. Avete un referente tecnico — interno o di fiducia — disposto a metterci 2-8 ore al mese? (Se esterno: ricordate il punto art. 28 della sezione 2.)
3. L'uso previsto è quotidiano o quasi?
4. Un budget di €3.000-5.000 una tantum è sostenibile senza aspettarsi un "risparmio" che non arriverà?
5. Avete già adempiuto agli obblighi che valgono comunque (informativa clienti ex art. 13 L. 132/2025, formazione ex art. 4 AI Act)?
6. I vostri archivi sono digitalizzati decentemente (PDF nativi o scansioni OCR-izzate)?

Quattro "sì" o più: ha senso approfondire, partendo dalla fascia "per provare". Meno di quattro: cloud con garanzie contrattuali fatte bene, e se ne riparla tra un anno.

Domande frequenti

L'AI locale mi mette automaticamente in regola col GDPR?

No. Elimina la catena fornitore/sub-fornitori/trasferimenti per quell'elaborazione, che non è poco. Ma titolarità, misure di sicurezza, registro e informative restano in capo allo studio — e l'obbligo di informare i clienti sull'uso dell'AI (art. 13, L. 132/2025) vale identico.

Che macchina serve per iniziare?

Per provare: un PC recente con 16 GB di RAM e gpt-oss-20b via LM Studio o Ollama. Per lavorarci in studio: una macchina a memoria unificata da 128 GB (fascia €3.000-5.000).

I modelli locali capiscono l'italiano?

I riferimenti attuali (Qwen, Gemma, gpt-oss) sono multilingue e in italiano lavorano bene per i compiti da studio. Su sfumature e stile i modelli cloud di frontiera restano avanti.

Il locale è più sicuro "per definizione"?

No: è più riservato per costruzione, ma la sicurezza dipende da come lo gestite. Un server locale senza autenticazione, backup e aggiornamenti è meno sicuro di un buon cloud contrattualizzato.

Conviene aspettare che i prezzi scendano?

I prezzi hardware nel 2026 stanno salendo (crisi delle memorie), non scendendo. Se il caso d'uso c'è, la fascia attorno ai €3.500 è già matura; se non c'è urgenza, la fascia "per provare" costa zero ed è il modo giusto di aspettare.

---

Fonti principali: - Qwen3.6-27B — model card ufficiale - Google — Gemma 4 (Apache 2.0) - OpenAI — Introducing gpt-oss - Epoch AI — il ritardo dei modelli open (maggio 2026) - J. Simon — What to Buy for Local LLMs (aprile 2026) - LM Studio — free for use at work - Diritto.it — IA e dati personali negli studi professionali - BARC — Data Sovereignty 2026

Articoli correlati su StudioCloud.it: - Intelligenza Artificiale nello Studio del Commercialista: la Guida Completa alla Normativa 2026 - Campagna 730/2026: Guida Operativa per il Commercialista

Articolo aggiornato al 14 luglio 2026. I prezzi hardware indicati sono rilevazioni puntuali e possono variare. Contenuto informativo: non costituisce consulenza legale o professionale sul caso specifico.