Cos'è un prompt?
Un prompt non è un comando: è una direzione. La differenza sembra sottile, ma è quella che separa cinque ore di frustrazione da cinque minuti di lavoro fatto bene.
Pensa a un attore di teatro bravissimo, ma senza copione e senza regista. Sa recitare, ha memoria, ha tecnica. Non sa cosa stai mettendo in scena. Tu sei il regista. Il prompt è la tua direzione: chi è il personaggio, dove siamo, cosa deve succedere, in quale tono. Senza queste indicazioni l'attore improvviserà — e magari farà una commedia mentre tu volevi un dramma.
Perché conta
I modelli di linguaggio (LLM) come ChatGPT, Claude o Gemini sono attori formidabili. Hanno letto più di quanto leggeresti tu in venti vite. Conoscono ogni stile, ogni registro, ogni mestiere. Ma non leggono nel pensiero — e nemmeno tra le righe.
Un prompt scarso ti dà una risposta scarsa. Non perché l'AI sia stupida: perché stai chiedendo a un attore di recitare senza dirgli che ruolo ha. Un prompt buono — anche di poche righe in più — può cambiare la qualità dell'output del 200%. Letteralmente. È la leva più sottovalutata del lavoro con l'AI.
La buona notizia: scrivere prompt si impara. È un'abilità trasversale. Funziona con qualsiasi modello, oggi e fra cinque anni. Quello che impari qui non scade.
Stesso modello. Stesso report. Stessa giornata. L'unica cosa cambiata è il prompt.
Verifica
Cosa è davvero un prompt?
Perché due prompt diversi sullo stesso modello danno risultati molto diversi?
Quale affermazione su prompt e modelli è corretta nel 2026?
- Il prompt è una direzione, non un comando.
- Stesso modello + prompt diverso = risultato radicalmente diverso.
- Saper "parlare all'AI" è la leva più sottovalutata e meno deperibile del lavoro con l'AI.
L'anatomia del prompt
Un prompt forte ha quattro ingredienti. Non sempre tutti e quattro insieme: a volte ne bastano due. Ma quando un prompt non funziona, il problema è quasi sempre uno di questi quattro che manca.
Pensa alla ricetta del ragù di tua nonna. Per riuscire bene servono ingredienti (cipolla, carne, pomodoro), contesto (chi mangia, in che stagione, quanti siamo), istruzioni (rosolare, sfumare, cuocere lento), e un formato finale atteso (bagnato? asciutto? per tagliatelle o per lasagne?). Tolto un elemento, esce un altro piatto. Coi prompt funziona uguale.
I quattro elementi
1 · Ruolo — Dici al modello chi deve essere. "Sei un commercialista esperto di partite IVA forfettarie". Il modello attinge dal suo enorme archivio le voci, lo stile, il vocabolario di quel ruolo. Senza ruolo, parla "in generale" — e generale non è quasi mai quello che ti serve.
2 · Contesto — Il quadro in cui sta succedendo la cosa. "Sono freelance da 2 anni, fatturato annuo €38k, regime forfettario al 5%." Più il modello sa, meno deve indovinare. E quando indovina, sbaglia.
3 · Istruzione — La cosa che vuoi davvero. Il verbo conta: riscrivere, riassumere, generare, criticare, confrontare, tradurre, trovare. Verbo specifico, sostantivo specifico.
4 · Formato — Come deve apparire. Lista puntata? Email pronta da inviare? JSON? Massimo 120 parole? Tabella con tre colonne? Specifica. Il formato cambia il modo in cui il modello "pensa" alla risposta.
Costruisci il tuo
Tocca i pezzi in ordine per assemblare un prompt completo. C'è un ordine "naturale" — vediamo se lo trovi.
Tocca i pezzi nell'ordine giusto: Ruolo → Contesto → Istruzione → Formato.
Verifica
Quale dei quattro elementi manca più spesso nei prompt che falliscono?
Perché specificare il formato cambia la qualità della risposta?
Hai questo prompt: "Scrivimi una mail per il cliente." Cosa manca, secondo l'anatomia?
- Ruolo · Contesto · Istruzione · Formato — i quattro ingredienti.
- Quando un prompt non funziona, controlla quale dei quattro hai dimenticato.
- Non servono sempre tutti e quattro, ma più sono, più la risposta è precisa.
Zero-shot e Few-shot
Due tecniche, due velocità. Zero-shot: dai l'istruzione e basta. Few-shot: prima mostri al modello come si fa. Sembra una sfumatura, è invece una delle decisioni più frequenti che farai.
Hai un nuovo tirocinante. Devi assegnargli di scrivere risposte alle email dei clienti. Ci sono due strade: spiegargli a parole ("rispondi cordiale, sintetico, firma in fondo") oppure fargli vedere tre tue email passate e dire "imitale". La prima è zero-shot. La seconda è few-shot. Entrambe possono funzionare; non sono mai equivalenti.
Quando zero-shot
Zero-shot funziona bene per compiti standard: riassumere, tradurre, classificare, riformulare. Sono cose che il modello ha visto milioni di volte; non gli serve un esempio per capire.
Funziona anche quando non ti importa lo stile esatto: l'output deve essere ragionevole, non identico a un riferimento.
Quando few-shot
Few-shot brilla quando vuoi un formato preciso — il tuo template di nota spese, il tuo modo di scrivere il post LinkedIn, il tuo tono di marca. Il modello copia il pattern dagli esempi e lo applica al caso nuovo.
Anche per compiti rari o personalizzati: classificare contatti secondo categorie tue, estrarre dati da un formato proprietario, generare titoli nello stile della tua newsletter.
Le tecniche in tasca
Tocca le carte per scoprire i due approcci e quando usarli.
Scenari: tu cosa scegli?
Per ognuno dei seguenti casi, scegli la tecnica più adatta. Non c'è sempre una sola risposta corretta — ma una è chiaramente migliore.
Verifica
Quando conviene few-shot rispetto a zero-shot?
Quanti esempi servono di solito per few-shot efficace?
Cosa fa "esempi negativi"?
- Zero-shot: compiti standard e una tantum.
- Few-shot: stili personali, formati custom, compiti rari.
- Se devi spiegare lo stile a parole più di tre volte, è il momento di passare a few-shot.
Chain-of-thought
Far ragionare il modello a voce alta. Sembra una richiesta strana, ma è una delle scoperte più importanti degli ultimi anni: chiedere al modello di "pensare passo per passo" prima di rispondere migliora drasticamente i compiti che richiedono logica.
Ricordi i problemi di matematica delle medie? La maestra non si accontentava del risultato. "Mostra come ci sei arrivato." Non era pignoleria: scrivere i passaggi ti costringeva a non saltarli. Con l'AI vale uguale. Se le chiedi solo il risultato, lo "spara". Se le chiedi i passaggi, è obbligata a fermarsi e pensare — e pensa meglio.
Perché funziona
I modelli di linguaggio non hanno una "memoria di lavoro" nascosta dove ragionare prima di parlare. Tutto il loro pensiero è il testo che producono. Se dici "rispondi solo sì o no", non hanno spazio per ragionare. Se dici "ragiona passo passo, poi rispondi", il ragionamento diventa parte dell'output — e il risultato finale ne beneficia.
È controintuitivo: scrivere di più rende il modello più preciso. Ma è proprio così.
Come si attiva
Tre frasi magiche che funzionano sempre:
- "Pensa passo per passo prima di rispondere."
- "Spiegami il tuo ragionamento, poi dammi la conclusione."
- "Elenca prima i fattori da considerare, poi sintetizza."
Riordina il ragionamento
Hai chiesto al modello di decidere se accettare un cliente potenzialmente difficile. La risposta arriva con i passaggi… ma in ordine sparso. Trascinali (o usa le frecce) per metterli nella sequenza logica giusta.
- Confronto pro e contro: il rischio del cliente difficile vs il valore economico del progetto.
- Identifico i fatti rilevanti: budget proposto, durata progetto, segnali di difficoltà nei primi contatti.
- Decisione: accetto con clausola di anticipo del 50% e brief scritto controfirmato.
- Definisco il criterio di scelta: in che caso accetto, in che caso rifiuto.
Verifica
Perché chain-of-thought migliora le risposte logiche?
In quale di questi casi NON ti serve chain-of-thought?
Qual è il modo migliore di "attivare" chain-of-thought?
- Chiedere "ragiona passo per passo" è la singola tecnica più potente per problemi di logica.
- Lasciagli spazio per pensare: tutto il suo ragionamento è il testo che produce.
- Non serve sempre — per compiti creativi o di stile può anzi peggiorare.
Meta-prompting: l'AI che ti scrive il prompt
Quando non sai da dove partire, chiedi all'AI di scrivere il prompt al posto tuo. È il trucco più sottovalutato del 2026 — e quello che fa la differenza fra chi usa l'AI bene e chi la usa benissimo.
Devi scrivere una mail importante al direttore della banca. Non sai da dove iniziare. Telefoni a un amico avvocato e gli dici: "Aiutami a impostare la mail. Quali domande devi farmi per capire cosa scrivere?". È esattamente quello: invece di scrivere tu il prompt, fai scrivere il prompt a chi sa più di te. E in questo caso, "chi sa più di te" è proprio l'AI.
Quando è utile
Tre situazioni tipiche:
- Compito complesso, vuoto di idee. "Devo presentare il bilancio al consiglio di amministrazione, mai fatto, mi aiuti a capire cosa serve nel prompt?"
- Hai un risultato in mente, non sai come arrivarci. "Voglio una cosa che faccia X. Quale prompt mi conviene?"
- Devi automatizzare un processo. "Dovrò usare lo stesso tipo di prompt 50 volte. Aiutami a costruire il template perfetto."
Le formule che funzionano
Tre meta-prompt da memorizzare:
"Voglio fare X. Prima di darmi una risposta, dimmi che informazioni ti servono da me per darmi il miglior risultato possibile."
"Aiutami a scrivere un prompt efficace per [obiettivo]. Suggerisci tu il prompt, poi spiegamelo."
"Ti darò il mio prompt iniziale. Critica le sue debolezze e proponi una versione migliore."
Migliora questo prompt
Tocca le parole arancioni: ognuna è un "punto debole" del prompt. Vedrai alternative migliori — scegli la migliore. Più punti deboli sistemi, più sale la "forza" del prompt.
Verifica
Cos'è il meta-prompting?
Quando NON conviene usare meta-prompting?
- Quando sei bloccato, chiedi all'AI di scrivere il prompt al posto tuo.
- "Che informazioni ti servono da me per darmi il miglior risultato?" è la frase più potente che puoi imparare.
- Meta-prompting funziona meglio quando devi imparare un dominio nuovo o costruire un template riutilizzabile.
Prompt per il lavoro: la cassetta degli attrezzi
Sei tipi di compito ricorrenti coprono il 90% del lavoro intellettuale. Per ognuno, un template che puoi tenere in tasca, copiare e adattare in trenta secondi.
Il coltellino svizzero non ha cento attrezzi. Ne ha sei o sette, scelti bene, ognuno per una situazione che capita spesso. La libreria di prompt funziona così: meglio sei template che usi davvero che cento che dimentichi.
Tocca uno scenario, vedi il template
Sei pulsanti sotto. Cliccane uno e ti mostro il template pronto da copiare, con i punti in cui inserire le tue informazioni.
Scegli il tuo scenario:
Verifica
Perché conviene avere template di prompt invece di riscriverli ogni volta?
Quante categorie di prompt coprono il grosso del lavoro intellettuale?
- Sei template ben fatti battono cento prompt improvvisati.
- Salva i template nei tuoi appunti, dai loro un nome, riusali.
- Ogni mese, rivedili: aggiorna il contesto, aggiungi quello che hai imparato.
Errori comuni e debugging
I prompt che falliscono falliscono quasi sempre per uno di cinque motivi. Riconoscerli è metà del lavoro: una volta che li vedi, smetti di farli.
Il cuoco principiante fa sempre gli stessi errori: il fuoco troppo alto, i tempi troppo brevi, troppo sale, il piatto piatto invece della padella. Riconoscerli è il primo passo per non rifarli. Coi prompt è uguale.
I cinque errori capitali
- Vago. "Aiutami con questo." Cosa? Come? In che forma? Il modello tira a indovinare e quasi sempre sbaglia bersaglio.
- Contraddittorio. "Sii sintetico ma esauriente. Tono casual ma formale. 50 parole ma copri tutti i casi." Il modello obbedisce a una richiesta a caso e ne tradisce un'altra.
- Senza contesto. "Riscrivimi questa mail." Mail per chi? Su cosa? Quale tono nel tuo settore? Senza contesto la riscrittura è generica.
- Senza esempi per formati custom. "Genera nel mio stile." Senza vedere il tuo stile, il modello inventa uno stile suo.
- Impossibile. Chiedere dati che il modello non può avere ("dimmi il fatturato esatto di Esselunga 2025"), o garanzie ("dammi una risposta sicura al 100%").
Detective: trova i bug
Nel prompt qui sotto si nascondono 3 errori. Tocca ogni parola o frase che ti sembra problematica. Per ognuna ti dirò se è un bug e quale.
🏁 Quiz finale
Qual è l'errore più frequente in assoluto?
Hai un prompt che dice "rispondi sicuro al 100%". Cosa c'è di sbagliato?
Il tuo prompt funzionava bene, oggi dà risposte mediocri. Cosa controlli per primo?
Quale di queste è una tecnica di "debugging" del prompt?
- Cinque errori capitali: vago, contraddittorio, senza contesto, senza esempi, impossibile.
- Quando un prompt non funziona, controlla questi cinque prima di tutto.
- L'AI può debuggare i tuoi prompt: chiedile cosa le manca per fare meglio.
- Ora hai gli strumenti. Vai a metterli in pratica. ☕