Vai al contenuto
Indietro

Come scrivere prompt efficaci per l'AI (guida per iniziare)

Aggiornato:
Illustrazione di una riga di comando che alimenta una scintilla AI

Il “prompt engineering” è diventato in due anni un genere di contenuto pieno di formule magiche: liste di 500 prompt, incantesimi da copiare, la promessa che una frase segreta cambi tutto. Quasi niente di tutto questo è verificato.

Alcune tecniche, però, sono state misurate in studi pubblicati. Altre, comprese le più popolari, sono state misurate e hanno fallito. Questa guida separa le due cose e ricostruisce il metodo su ciò che regge alla prova.

Il modello mentale corretto

Un modello linguistico non “capisce” la tua richiesta: predice la continuazione più probabile del testo che gli hai dato. Non è una precisazione accademica, ha una conseguenza operativa immediata:

Il prompt non è un comando, è una specifica. Tutto ciò che non specifichi viene riempito con la scelta statisticamente più comune, che quasi mai è la tua.

Se non dici la lunghezza, ottieni la lunghezza media di quel tipo di testo. Se non dici il destinatario, ottieni un destinatario generico. Se non dici cosa escludere, ottieni tutto. La maggior parte delle risposte deludenti non è un errore del modello: è un vuoto nella specifica.

Cosa funziona, secondo gli studi

Tre tecniche hanno evidenza sperimentale seria alle spalle. Vale la pena conoscerle per quello che sono, senza esagerarne la portata.

Gli esempi (few-shot). Il lavoro che ha reso mainstream questa idea è Language Models are Few-Shot Learners (Brown et al., 2020): mostrare alcuni esempi di input e output desiderati nel prompt migliora sensibilmente l’aderenza al formato richiesto. È, in pratica, la tecnica con il miglior rapporto sforzo/risultato: due esempi del tuo output tipico valgono più di dieci righe di istruzioni su come dovrebbe essere.

La catena di ragionamento (chain-of-thought). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (Wei et al., NeurIPS 2022) mostra che chiedere passaggi intermedi migliora l’accuratezza su compiti che richiedono più passi, come aritmetica, ragionamento logico e problemi articolati. Un lavoro successivo, Large Language Models are Zero-Shot Reasoners (Kojima et al., 2022), ha mostrato che anche una semplice istruzione a procedere per passi produce parte dell’effetto.

Precisazione onesta e spesso omessa: il beneficio riguarda i compiti a più passaggi. Su una richiesta di riscrittura di un’email, chiedere di ragionare passo passo non serve a niente e ti fa solo leggere di più.

La struttura esplicita. Separare istruzioni, contesto e materiale di input con delimitatori chiari riduce l’ambiguità. È la raccomandazione costante nella documentazione dei fornitori, sia di OpenAI sia di Anthropic, e costa dieci secondi.

La tecnica popolare che non regge

Ecco il punto che quasi nessuna guida riporta, perché va contro il consiglio numero uno di tutte le altre.

“Agisci come un esperto di…” è la formula più diffusa in assoluto. Ma quando è stata testata sistematicamente, l’effetto sull’accuratezza non si è visto. Il lavoro di riferimento è When “A Helpful Assistant” Is Not Really Helpful: Personas in System Prompts Do Not Improve Performances of Large Language Models (Zheng et al., 2024): decine di persone diverse nei prompt di sistema, testate su un ampio insieme di domande, senza un miglioramento sistematico rispetto al non metterne nessuna.

Come leggerlo, senza buttare via il bambino con l’acqua sporca:

Quindi: usalo come indicazione stilistica, non come scorciatoia verso la competenza. La differenza è tutta qui.

La struttura in sei parti

Non è un incantesimo, è una lista di cose che, se le ometti, vengono decise per te. Non serve usarle tutte ogni volta.

ParteDomanda a cui rispondeEsempio
CompitoCosa devo fare, con un verbo preciso”Riscrivi”, “Riassumi”, “Confronta”
ContestoPer chi e in che situazione”Per un cliente che ha già ricevuto due solleciti”
MaterialeSu quale testo si lavoraIl documento, delimitato in modo chiaro
FormatoCome deve uscire”Tabella a tre colonne”, “massimo 150 parole”
VincoliCosa evitare”Niente elenchi puntati, niente superlativi”
EsempioChe aspetto ha un buon outputUn output precedente che ti è piaciuto

Confronto concreto sullo stesso obiettivo.

❌ “Scrivi un’email a un cliente che non ha pagato.”

✅ “Riscrivi questa email di sollecito. Destinatario: cliente storico, seconda fattura scaduta da 20 giorni, rapporto che voglio mantenere. Massimo 120 parole, tono fermo ma non minaccioso, chiusura con una proposta concreta di data. Niente formule tipo ‘come da accordi’. Testo attuale: […]”

La seconda richiesta è più lunga da scrivere e ti fa risparmiare tre giri di correzioni. È l’unico calcolo che conta.

Il limite tecnico che spiega metà dei fallimenti

Se incolli documenti lunghi, questo ti riguarda.

Lo studio Lost in the Middle: How Language Models Use Long Contexts (Liu et al., Transactions of the ACL, 2024) documenta un effetto sistematico: le prestazioni sono migliori quando l’informazione rilevante si trova all’inizio o alla fine del contesto, e peggiorano quando si trova in mezzo. La curva ha la forma di una U.

Tre conseguenze pratiche, che valgono più di qualunque formula:

  1. Metti l’istruzione all’inizio e ripetila in fondo quando il materiale è lungo. Non è ridondanza inutile: è collocare la richiesta dove viene effettivamente usata.
  2. Taglia il materiale invece di allungarlo. “Gli do tutto, così ha contesto” è il ragionamento sbagliato: più materiale irrilevante diluisce quello rilevante.
  3. Spezza i compiti lunghi. Due prompt su metà documento ciascuno battono quasi sempre un prompt su tutto.

Il ciclo che vale più di ogni prompt singolo

Nell’uso reale, il primo prompt non è quasi mai quello buono, e non è un problema: il valore sta nel secondo giro.

1. Chiedi cosa manca prima di far produrre. “Prima di scrivere, elenca le tre informazioni che ti servono e che non ti ho dato.” Ribalta il carico: sei tu a colmare i vuoti, invece di lasciarli riempire a caso.

2. Correggi indicando la differenza, non l’aggettivo. “Troppo formale” è inutile. “Sostituisci le formule burocratiche con l’equivalente parlato, tieni il lei” è azionabile.

3. Fai criticare il risultato prima di consegnarlo. “Elenca i tre punti più deboli di questo testo per un lettore scettico.” Spesso è il passaggio con il ritorno più alto dell’intera sessione.

4. Salva quello che funziona. Un file con dieci prompt tuoi, testati sul tuo lavoro, vale più di qualunque raccolta da 500 trovata online, perché contiene il tuo contesto: l’unica parte che nessuno può scrivere al posto tuo.

Gli errori che costano di più

Chiedere due cose insieme. “Analizza e riscrivi” produce un’analisi superficiale e una riscrittura mediocre. Separali.

Accettare la prima risposta. È la versione più probabile, non la migliore. Chiedere una seconda versione con un vincolo diverso costa dieci secondi.

Dire cosa non vuoi senza dire cosa vuoi. “Non essere generico” non contiene informazione utilizzabile. “Cita due dati numerici presi dal testo che ti ho dato” sì.

Fidarsi dei fatti. Vale ripeterlo perché è l’errore che costa davvero: su norme, cifre, date e citazioni, l’output va verificato alla fonte. Il motivo strutturale è spiegato in come usare ChatGPT sul lavoro.

Cosa ne penso: un esempio vale più di molte istruzioni

La tecnica che consiglierei per prima non è nessuna di quelle con un paper alle spalle. È dare un esempio del risultato che vuoi, un testo scritto da te e che ti piace, e chiedere di lavorare in quel registro.

Ha senso anche teoricamente: è la variante few-shot applicata a te, e risolve il problema che nessuna istruzione stilistica risolve davvero, cioè descrivere a parole come scrivi. Non è stata misurata in modo controllato, quindi resta un consiglio pratico, non un dato.

Domande frequenti

I prompt funzionano uguale su tutti i modelli? No, e conviene non costruirci sopra abitudini rigide. I principi generali (specifica, esempi, formato) reggono ovunque; i dettagli di formattazione cambiano tra fornitori e tra versioni. La documentazione ufficiale di OpenAI e Anthropic è l’unica fonte che si aggiorna.

Meglio in italiano o in inglese? Sui modelli attuali la differenza sull’italiano è piccola per usi ordinari. Se il testo finale deve essere in italiano, scrivi il prompt in italiano: eviti calchi sintattici che poi devi correggere a mano.

Esiste un prompt che risolve tutto? No, e le raccolte che lo promettono sono il segnale più affidabile che chi le scrive non usa lo strumento. Un prompt è utile quanto il contesto che contiene, e il contesto è tuo.

Serve saper programmare? No. Serve saper scrivere una specifica chiara, che è una competenza di comunicazione: la stessa che rende utile un brief a un collega. Non a caso compare tra le competenze più richieste.

Devo dichiarare l’uso dell’AI? Dipende dal contesto: in ambito accademico e in molte redazioni è la regola. Il Regolamento UE 2024/1689 introduce inoltre obblighi di alfabetizzazione per chi impiega questi sistemi al lavoro. Noi dichiariamo il nostro uso nella pagina come scriviamo.

Fonti

Fondatore di UpSkillLab, con un Master in Digital Marketing all'Università degli Studi di Firenze. Ogni articolo parte da fonti pubbliche citate nel testo ed è redatto con l'assistenza di strumenti di intelligenza artificiale, sotto la mia revisione e responsabilità editoriale: nessun contenuto comprato, niente pubblicato senza controllo umano. Leggi il metodo editoriale oppure segnalami un errore.


Condividi questo articolo:

Vedi tutti gli articoli di AI sul Lavoro

Articolo precedente
LinkedIn: come ottimizzare il profilo per farti trovare
Articolo successivo
Sindrome dell'impostore: perché colpisce chi è competente e come superarla