Perché gli studi di consulenza sono 5 anni indietro rispetto al SaaS negli strumenti

Entrate in un'azienda SaaS da 40 persone e troverete strumentazione ovunque: ogni trial tracciato, ogni passo del funnel misurato, ogni segnale di churn valutato, l'intera macchina dei ricavi visibile su una dashboard che qualcuno guarda davvero.

Entrate in uno studio di consulenza da 40 persone — spesso con fatturato simile — e troverete proposte assemblate copiando l'ultima proposta, sapere di scoping che vive nella testa di due partner, stato della delivery raccolto chiedendo in riunione, e margine per incarico calcolato trimestralmente, se va bene, in un foglio chiamato final_v3_DEFINITIVO.

Stesso decennio. Stessa dimensione. Cinque anni di distanza negli strumenti — e direi che è la stima gentile.

Il divario è strutturale, non culturale

La spiegazione pigra è che i consulenti siano tecnofobi. È sbagliata; sono persone intelligenti che consigliano ad altre aziende come modernizzarsi. La spiegazione vera sono i loop di feedback.

Il SaaS si è attrezzato perché il ricavo ricorrente non perdona. Rilasciate un onboarding scadente e il churn vi punisce entro il trimestre, in modo visibile, nell'unico numero che il board legge. Quella pressione ha finanziato un'intera industria della strumentazione — CRM, product analytics, revenue ops — perché la cecità operativa compariva nella metrica che conta.

Il ricavo a progetto della consulenza nasconde gli stessi fallimenti. Un incarico sottostimato non compare come churn; compare come un team che lavora nei weekend in silenzio, un margine che nessuno calcola prima della chiusura dell'esercizio, un senior partner che assorbe il dolore e lo chiama servizio al cliente. La perdita è reale — spesso il 20–30% dell'economia dell'incarico — ma non atterra mai in un solo numero in un momento in cui qualcuno possa agire. Nessun dolore visibile, nessun budget per gli strumenti. Per vent'anni quell'equilibrio ha retto.

Perché la tregua è appena finita

Essere uniformemente indietro andava bene finché tutti erano indietro. Anche i vostri concorrenti definivano i perimetri a intuito e tracciavano la delivery chiedendo in giro, quindi nessuno perdeva una trattativa per gli strumenti. Una tregua stabile, di settore.

L'IA l'ha rotta, in un modo facile da fraintendere. Il fraintendimento: "l'IA ora scrive proposte, facciamole scrivere le nostre". La realtà: l'IA è una macchina che compone sapere sistematizzato — e non rende quasi nulla su sapere che vive nelle teste.

Uno studio i cui perimetri, stime, consuntivi ed esiti passati esistono come artefatti strutturati può puntarci l'IA e ottenere qualcosa di genuinamente nuovo: proposte redatte da ciò che è davvero successo in incarichi simili, stime verificate contro il bias reale dello studio, confini di perimetro messi alla prova prima della firma. Uno studio il cui sapere istituzionale è la memoria di due partner può puntare l'IA sul nulla. Il prompt è vuoto.

Questa è la parte che il settore non ha ancora prezzato. Il divario quinquennale negli strumenti era un handicap condiviso. Ora è la differenza tra studi che possono comporre e studi che non possono — e a differenza dell'ondata di strumenti SaaS, che la consulenza poteva ignorare senza rischi, questa sposta l'economia delle trattative: chi definisce il perimetro più in fretta, chi offre più preciso, chi entra nel pitch con evidenze invece che aggettivi.

Come si presenta davvero il recupero

Non come un programma di trasformazione. Gli studi che ci riescono fanno qualcosa di quasi imbarazzante nella sua ristrettezza: prendono l'unica pipeline attraverso cui passa ogni trattativa — richiesta, discovery, perimetro, stima, proposta — e la fanno produrre artefatti strutturati invece di documenti usa e getta.

Quella singola mossa paga tre volte. Il ritorno immediato è la velocità: i cicli di proposta scendono da settimane a giorni perché l'assemblaggio smette di essere archeologia. Il secondo ritorno è la precisione: quando perimetri e consuntivi sono confrontabili tra incarichi, la sottostima diventa un bias misurabile invece di una sorpresa ricorrente. Il terzo ritorno è quello che compone: ogni incarico lascia ora dati che il prossimo può usare — esattamente l'asset che l'IA moltiplica.

Il giudizio resta umano. Cosa serve davvero a un cliente, quanto vale il rischio, quando ritirarsi — nessuno strumento tocca questo, e gli studi che vendono giudizio dovrebbero offendersi con chi sostiene il contrario. Ma il giudizio che opera su realtà strumentata batte il giudizio che opera sulla memoria, ogni volta — e il SaaS l'ha dimostrato dieci anni fa sulla propria macchina dei ricavi.

Gli studi di consulenza dicono ai clienti che ciò che non si misura non si può migliorare. Il divario di cinque anni è l'aspetto che ha il non aver seguito il proprio consiglio. La buona notizia nascosta nell'hot take: il divario è largo cinque anni ma profondo una sola pipeline — e colmarlo non è mai stato così economico.