Prompt engineering: l'arte di parlare con l'IA

01Cos'è il prompt engineering

Quando spiego questo concetto in aula parto sempre dalla stessa frase: la qualità dell'output dipende dalla qualità dell'input. Detta così sembra ovvia, ma è il cuore di tutto. Un modello linguistico come ChatGPT, Claude o Gemini non legge nel pensiero. Risponde a quello che gli scrivi, né più né meno. Se la richiesta è vaga, la risposta sarà vaga. Se la richiesta è precisa, la risposta avrà molte più possibilità di esserlo.

Prompt è semplicemente l'istruzione che dai all'IA. Il prompt engineering è l'abilità di scrivere quell'istruzione in modo che porti dove vuoi tu. La buona notizia, quella che ripeto sempre a chi pensa di partire svantaggiato, è che non si tratta di una competenza tecnica. Non c'è codice da imparare. C'è da imparare a comunicare bene, a essere chiari su cosa si vuole, in che forma e con quali vincoli.

È un po' come delegare un compito a un collaboratore bravissimo ma alla sua prima settimana di lavoro: sa fare tantissime cose, ma non conosce il contesto, non sa quali sono le tue preferenze e non immagina il risultato che hai in testa. Quanto più sei chiaro nel briefing, tanto migliore sarà quello che ti riporta.

02Cinque principi che funzionano

Nei miei corsi vedo spesso persone bloccate non perché lo strumento sia complicato, ma perché nessuno ha mai mostrato loro come impostare una richiesta. Questi cinque principi sono quelli che faccio applicare per primi, perché danno il risultato più grande con lo sforzo più piccolo.

1. Sii specifico: contesto, formato, tono

La differenza tra una risposta mediocre e una utile sta quasi sempre nei dettagli che fornisci. Invece di "scrivi un testo sul vino", prova con: "scrivi un post Instagram di tre frasi per cantina toscana che presenta un Chianti biologico, tono caldo e diretto, rivolto a chi non è esperto di vino". Più gli dici per chi, in che formato e con che tono, più quello che ricevi assomiglia a quello che ti serve.

2. Assegna un ruolo

Dire al modello "chi" deve essere cambia il registro della risposta. "Comportati come un commercialista che spiega la fattura elettronica a un artigiano" produce un testo diverso da "comportati come un consulente finanziario per startup". Il ruolo orienta vocabolario, livello di dettaglio e prospettiva. È uno dei trucchi più semplici e più sottovalutati.

3. Dai esempi (few-shot)

Se hai uno stile preciso in mente, mostralo. Incolla uno o due esempi di come vuoi che venga il risultato e chiedi all'IA di seguirli. Questa tecnica si chiama few-shot prompting: invece di descrivere a parole lo stile, lo fai vedere. Funziona benissimo per email, descrizioni di prodotto, risposte a recensioni, qualsiasi cosa abbia un formato ripetibile.

4. Struttura le richieste complesse

Quando la richiesta è articolata, separala in blocchi: contesto, istruzione, formato di output, vincoli. Un prompt ben organizzato è più facile da seguire per il modello esattamente come lo sarebbe per una persona. Usare elenchi, titoletti o anche solo righe separate riduce drasticamente le risposte fuori bersaglio.

5. Itera e raffina

Questo è il punto che cambia tutto e che quasi nessuno applica all'inizio. La prima risposta è una bozza, non il prodotto finito. Leggila, dì cosa non va e chiedi di correggere: "più breve", "tono più formale", "togli il terzo punto", "aggiungi un esempio concreto". La conversazione è lo strumento. Chi ottiene i risultati migliori non è chi scrive il prompt perfetto al primo colpo, è chi sa dialogare.

03Tecniche avanzate

Una volta assimilati i cinque principi, ci sono due tecniche che alzano sensibilmente la qualità del lavoro. Le insegno appena vedo che le basi sono solide, perché senza fondamenta non servono.

Chain-of-thought: far ragionare il modello

Per i compiti che richiedono logica, calcoli o più passaggi, chiedere al modello di ragionare passo per passo migliora l'accuratezza. Basta aggiungere una frase come "ragiona un passo alla volta prima di darmi la risposta". Invece di sparare subito una conclusione, il modello espone il percorso, e questo riduce gli errori. È lo stesso motivo per cui a scuola ci chiedevano di mostrare i passaggi: il ragionamento esplicito si controlla, l'intuizione no.

System prompt e user prompt

Quando si costruiscono applicazioni o assistenti basati su IA, entra in gioco la distinzione tra due livelli di istruzione. Il system prompt definisce una volta per tutte come deve comportarsi l'assistente: ruolo, tono, regole, cosa può e non può fare. Lo user prompt è invece la singola richiesta dell'utente. Separare le regole permanenti dalle richieste del momento è ciò che rende un assistente coerente in azienda, dove le risposte devono restare allineate alla voce del marchio.

Non serve scrivere il prompt perfetto. Serve saper correggere il tiro, una richiesta dopo l'altra.

04Gli errori che vedo più spesso

Dopo tante ore in aula, gli inciampi sono quasi sempre gli stessi quattro. La cosa interessante è che sono tutti evitabili, e una volta che li conosci difficilmente ci ricaschi.

1. Prompt troppo brevi e vaghi. "Scrivimi un'email" non basta. A chi? Per dire cosa? Con che obiettivo? Le richieste di una riga producono risposte generiche.
2. Aspettarsi la perfezione al primo tentativo. Chi si arrende dopo la prima risposta deludente non ha sbagliato lo strumento, ha saltato il passaggio dell'iterazione.
3. Non verificare i fatti. L'IA può "allucinare", cioè produrre informazioni false ma scritte con la stessa sicurezza di quelle vere. Date, nomi, numeri e citazioni vanno sempre controllati. Questo è il punto su cui insisto di più.
4. Chiedere ciò che il modello non può sapere. Se l'informazione che ti serve non è nei dati e non gliel'hai fornita tu, il modello non la inventa per magia: la inventa e basta. Per i dati interni o riservati, vanno passati nel prompt.

05Dove serve davvero

Il prompt engineering non è un esercizio astratto. Lavorando con aziende ed enti in Toscana lo vedo applicato in contesti molto concreti, dove libera tempo da attività ripetitive e lo restituisce al lavoro che conta. Qualche esempio dai settori che incontro più spesso.

• Agroalimentare. Descrizioni di prodotto, schede per l'e-commerce, testi per etichette ed eventi, risposte alle richieste dei clienti.
• Turismo. Itinerari personalizzati, descrizioni di strutture, risposte rapide e ben scritte alle recensioni, contenuti per i social in più lingue.
• Manifattura. Documentazione tecnica, manuali, sintesi di report, bozze di comunicazioni commerciali.
• Servizi professionali. Prima stesura di email e preventivi, riassunti di documenti, riorganizzazione di appunti in testi presentabili.

In tutti questi casi il vantaggio non è "l'IA fa il lavoro al posto mio". È che le parti meccaniche si fanno in una frazione del tempo, e l'energia si sposta sulle decisioni, sulle relazioni, sulla strategia. Le cose che una macchina, per ora, non sa fare.

Si impara facendo. Il prompt migliore lo scrivi alla decima volta, non alla prima.

Quello che ripeto in ogni corso

06Cosa cambierà e cosa no

La tecnologia corre. Gli strumenti di oggi non sono quelli di un anno fa e gli agenti AI, sistemi che non si limitano a rispondere ma compiono azioni in autonomia, stanno già cambiando il quadro. È lecito chiedersi se imparare a scrivere prompt valga ancora la pena.

La mia risposta è sì, e con convinzione. Possono cambiare le interfacce, i modelli e i nomi commerciali, ma il principio sotto resta sempre lo stesso: per ottenere un buon risultato devi saper esprimere con chiarezza cosa vuoi. Che tu stia parlando a un chatbot, configurando un agente o impostando un'automazione, l'abilità di formulare istruzioni precise non andrà in pensione. Anzi, conterà di più.

Per questo, quando qualcuno mi chiede da dove cominciare, non rispondo "studia l'ultimo modello uscito". Rispondo: impara a essere chiaro. È una competenza che resta, qualunque strumento avrai davanti. E si allena con la pratica, una richiesta alla volta.