Prompt Engineering: la guida pratica per risposte affidabili dall’AI

Di cosa parla questa guida

Due persone aprono lo stesso modello, lo stesso giorno, con la stessa licenza a pagamento. La prima ottiene una bozza pronta da rivedere in cinque minuti, la seconda un testo generico che richiede un’ora di correzioni. La differenza non sta nel software: sta nelle istruzioni che hanno scritto.

Il prompt engineering non è programmazione e non è una raccolta di frasi magiche da incollare. È il metodo con cui rendi una richiesta abbastanza precisa da produrre, in modo prevedibile e ripetibile, il risultato che ti serve. Serve scrivere bene in italiano, con chiarezza e ordine, come quando deleghi un compito a una persona competente appena arrivata.

Un filo attraversa tutte le pagine: il modello è affidabile quando trasforma materiali che gli fornisci tu, è inaffidabile quando deve recuperare da solo dati puntuali. Da questa distinzione nascono le tecniche, i vincoli e le verifiche che la guida propone, insieme alla parte sulla responsabilità di chi firma il risultato.

Tre idee dalla guida

Le quattro leve che decidono la risposta

Un prompt efficace combina quattro elementi. Ruolo e contesto dicono chi deve essere il modello e per chi lavora, e orientano lessico e livello di dettaglio. Il compito specifico usa un verbo solo, uno per volta: riassumi, classifica, confronta, estrai. I vincoli fissano lunghezza, tono, struttura e cosa evitare, e sono la leva più sottovalutata: indicare cosa non fare conta quanto indicare cosa fare. Gli esempi mostrano l’output desiderato. L’ordine non è obbligatorio, la presenza sì: quando una risposta delude, quasi sempre si capisce quale delle quattro mancava.

Gli esempi giusti, non molti esempi

Il few-shot consiste nel mostrare due o tre esempi del risultato prima di chiedere il lavoro vero. Vale per le classificazioni, dove senza esempi il modello inventa categorie diverse ogni volta, e vale per lo stile: due riscritture a confronto comunicano un tono aziendale meglio di un paragrafo di spiegazioni. Il salto di qualità grande è tra zero esempi e uno; oltre tre si guadagna poco e si consuma contesto. Conta la scelta: includi anche un caso limite, perché un esempio difficile insegna più di tre esempi banali.

Il metodo in sei passi

Quando un prompt non rende, il problema è quasi sempre un passaggio saltato. Definisci cosa vuoi ottenere, un obiettivo solo. Contestualizza chi sei, chi legge, a cosa serve. Fornisci i materiali invece di farli ricordare al modello. Vincola lunghezza, tono, formato e cosa evitare. Mostra uno o due esempi, se il formato conta. Rivedi, indicando con precisione cosa correggere. I primi cinque passi costruiscono il prompt, il sesto lo migliora, ed è quello che si salta più spesso: ci si accontenta della prima bozza quando una correzione mirata avrebbe alzato molto il risultato.