L’industria della consulenza direzionale sta affrontando una crisi strutturale, la fine del modello di business basato sull’attività di analisi. Per restare al passo, le società di consulenza si stanno trasformando in tech-company.
Indice degli argomenti
Consulenza: la crisi del modello tradizionale
La proposta di valore delle MBB (McKinsey, BCG, Bain) e delle grandi società di consulenza aveva tra i suoi punti di forza la capacità di ottenere e macinare dati da mercato e aziende, costruire modelli Excel complessi e sintetizzare benchmark di mercato in slide impeccabili.
Oggi, questo motore analitico è diventato una commodity. L’intelligenza artificiale ha democratizzato l’accesso ai dati e la capacità di analisi. Ciò che richiedeva due settimane di lavoro di un team di analisti può oggi essere generato in pochi minuti tramite Large Language Models addestrati su dati aziendali proprietari.
Online, il trend “RIP McKinsey” riflette l’insofferenza delle aziende: non si è più disposti a pagare per slide che un software può generare quasi gratis.
Certo, l’AI va saputa usare. In Nuova Zelanda, il Tesoro ha pagato profumatamente Deloitte per un rapporto che si è rivelato un prodotto grezzo dell’AI, pieno di errori e allucinazioni.
Consulenza e AI: 10 prompt che possono sostituire i consulenti
Il vero shock per il settore è la facilità con cui tool accessibili possono ora replicare i “framework” storici della consulenza.
Ecco 10 esempi di come un manager, oggi, può ottenere in pochi secondi output che prima costavano decine di migliaia di euro:
- Analisi SWOT: “Agisci come un business strategy aziendale. Crea un’analisi SWOT per [Azienda] nel settore [Industria] utilizzando dati del panorama competitivo e fattori interni.”
- Leve di Crescita: “Identifica 5 leve di crescita scalabili per un [Tipo di Business], concentrandoti su crescita dei ricavi, leva operativa e potenziamento del brand.”
- Piano 30-60-90 giorni: “Crea un piano di obiettivi a 30-60-90 giorni per un nuovo [Ruolo] che entra in [Azienda], inclusi obiettivi di onboarding, KPI ed early wins.”
- Revenue Model Canvas: “Costruisci un modello di ricavi snello per un business che offre [Prodotto/Servizio], includendo prezzi ideali, CAC, LTV e proiezioni ricavi ricorrenti”
- Riduzione del Churn: “Raccomanda 3 strategie basate su dati per ridurre il churn di un prodotto SaaS che serve [Target], utilizzando il comportamento degli utenti e i feedback.”
- Blueprint Dashboard KPI: “Elenca i 7 KPI più importanti per un [Tipo di Business] da monitorare per acquisizione, retention, utilizzo del prodotto e situazione finanziaria.”
- Strategia di Pricing: “Agisci come esperto di pricing. Suggerisci 3 strategie per [Offerta] destinate a [Segmento], utilizzando value-based pricing, tiering e posizionamento competitivo.”
- Piano Go-to-Market: “Sviluppa una strategia GTM per il lancio di [Prodotto] in [Mercato Target], coprendo posizionamento, canali, acquisizione e metriche di lancio.”
- Proposta di Valore (Value Proposition): “Scrivi una proposta di valore convincente per [Brand o Prodotto] che evidenzi il problema del cliente, la soluzione e i principali elementi di differenziazione.”
- Idee di Pivot: “Suggerisci 3 possibili pivot per una startup in difficoltà con [Problema specifico], inclusi nuovi segmenti di clientela o elementi del prodotto.”
Prompt suggeriti da Hamna Aslam Kahn e Khizer Abbas.
Consulenza e AI: i segnali del mercato
La riduzione della domanda per i servizi di consulenza sta producendo i suoi effetti:
- Contrazione della forza lavoro: McKinsey nel 2025 ha tagliato circa 5.000 posti di lavoro (il 10% del personale globale), per la prima volta nella sua storia.
- Corsa all’M&A tecnologico: Le società di consulenza stanno cercando di internalizzare competenze tecniche native. Accenture nel 2023 ha acquisito due società di AI, l’italiana Ammagamma e l’indiana Flutura.
- Investimenti per sviluppare cabilities interne: PwC ha stanziato 1 miliardo di dollari nell’AI generativa per trasformare le proprie modalità operative, con partnership con Microsoft e OpenAI e programmi di upskilling dei propri dipendenti
L’evoluzione della consulenza
Il passaggio a un modello di consulenza potenziato dall’intelligenza artificiale porta a rafforzare il suo valore di supporto strategico. Se nel modello pre-AI, le aziende pagavano per la raccolta, la sintesi e la formattazione di grandi moli di dati, il valore distintivo risiede ora nel giudizio strategico critico, nella gestione delle implicazioni etiche e nella capacità di guidare l’implementazione pratica del cambiamento.
Questa transizione impone una revisione della struttura dei team. La piramide classica — dove una base numerosa di analisti junior sosteneva il lavoro di pochi partner — sta scomparendo. Emerge una struttura a “diamante”: la base junior è molto sottile, ci sono molti meno “generalisti” mentre il centro è popolato da esperti di settore ed esperti di AI. Questo riduce il turnover tipico del settore e richiede profili con competenze ibride, capaci di parlare sia il linguaggio del business che quello degli algoritmi.
Il cambiamento investe anche la logica del pricing. Visto che l’AI riduce il tempo di analisi, il modello basato sulle ore lavorate (Time & Material) non regge più. Il futuro appartiene a chi vende risultati (Value-based pricing), fatturando sulla base dell’impatto economico generato o sul successo della trasformazione digitale effettivamente realizzata.
Anche la velocità di esecuzione subisce un’accelerazione, con analisi in tempo reale e iterazioni continue. Il rapporto tra consulente e cliente si trasforma in una collaborazione costante.
Infine, la governance stessa evolve. Il processo decisionale viene integrato da algoritmi predittivi e “AI Board Member”, che permettono di simulare l’impatto di una decisione prima che venga presa.
I nuovi pilastri della consulenza
Le società leader della consulenza si stanno già riposizionando su tre nuovi pilastri:
Co-piloting e rischio condiviso: Le aziende cercano partner che “mettano le mani nel codice” e siano pagati in base ai risultati reali ottenuti dalla trasformazione digitale.
AI orchestration & governance: Creazione dell’infrastruttura tecnologica e dei processi necessari affinché l’azienda possa utilizzare l’AI come supporto decisionale in sicurezza.
Specializzazione verticale estrema: Il valore si sposta su competenze ultra-specialistiche: geopolitica applicata, regolamentazione europea complessa (AI Act), M&A in settori ad alta intensità tecnologica.
