La differenza tra una risposta mediocre e una eccellente, spesso, non sta nel modello che usi ma in come glielo chiedi. Il "prompt engineering" non e' magia ne' una serie di formule segrete: e' un insieme di tecniche concrete per comunicare meglio con ChatGPT, Claude e Gemini. Questa guida ne raccoglie sette, con esempi copiabili e il risultato che puoi aspettarti, piu' gli errori da evitare.
A chi serve e cosa otterrai
Va bene per chiunque usi un assistente IA per lavoro o studio e abbia la sensazione di "non farsi capire". Non servono competenze tecniche: solo un account su uno dei principali strumenti. Alla fine saprai costruire richieste piu' precise e ottenere output piu' utili, riducendo il numero di tentativi.
Quale strumento scegliere per partire
- ChatGPT (OpenAI) - GPT-5 e GPT-4o: ottimo tuttofare, forte nel ragionamento e nel codice, app mobile matura. Piano gratuito generoso ma con limiti sui modelli piu' avanzati; versione Plus per uso intensivo.
- Claude (Anthropic) - famiglia Sonnet/Opus: eccelle nella scrittura lunga, nell'analisi di documenti e nel seguire istruzioni complesse e strutturate. Buon piano gratuito; piani a pagamento per piu' volume.
- Gemini (Google): forte sull'integrazione con l'ecosistema Google e sui contesti molto lunghi, utile per analizzare tanti documenti insieme.
Prima scelta per iniziare: ChatGPT, per la diffusione e la quantita' di materiale disponibile. Ma la buona notizia e' che le sette tecniche che seguono funzionano su tutti e tre: cambia poco l'interfaccia, non il principio.
1. Sii specifico e dai un ruolo
Il primo errore e' chiedere troppo poco. "Scrivi un'email" produce qualcosa di generico; piu' dettagli dai (destinatario, tono, obiettivo, lunghezza, vincoli), migliore e' il risultato. Assegnare un ruolo aiuta il modello a calibrare registro e competenze.
Sei un responsabile delle risorse umane con dieci anni di esperienza. Scrivi un'email di 120 parole per invitare un candidato a un secondo colloquio in presenza, tono cordiale ma professionale, proponendo due date e chiedendo conferma. Firmati come "Il team HR".
Risultato atteso: un'email pronta da inviare, della lunghezza richiesta, con le due date e una richiesta di conferma chiara, senza fronzoli.
2. Mostra degli esempi (few-shot)
Se vuoi un formato o uno stile preciso, mostralo invece di descriverlo. Bastano due o tre esempi (da qui "few-shot") per far capire al modello lo schema da seguire.
Classifica il sentiment di queste recensioni come POSITIVO, NEGATIVO o NEUTRO.
"Spedizione velocissima, prodotto perfetto" - POSITIVO
"E' arrivato rotto e nessuno risponde" - NEGATIVO
"Fa il suo dovere, niente di speciale" - NEUTRO
"Costa troppo per quello che offre" -
Risultato atteso: il modello completa con "NEGATIVO" e mantiene lo stesso formato per tutte le recensioni successive che gli darai.
3. Chiedi di ragionare per passi (chain-of-thought)
Per problemi di logica, matematica o decisioni articolate, invitare il modello a procedere "passo per passo" riduce gli errori, perche' lo costringe a esplicitare i passaggi invece di saltare alla conclusione.
Un negozio applica uno sconto del 20% e poi, alla cassa, un ulteriore 10% sul prezzo gia' scontato. Su un prodotto da 200 euro, qual e' il prezzo finale? Ragiona passo per passo mostrando i calcoli, poi dammi il risultato.
Risultato atteso: il modello calcola prima 200 meno 20% (160), poi 160 meno 10% (144), spiegando ogni passaggio e concludendo con 144 euro. Sui modelli piu' recenti il ragionamento e' spesso automatico, ma chiederlo esplicitamente resta utile per i casi delicati.
4. Imponi un formato di output
Se ti serve un risultato in una forma precisa - una tabella, un elenco, del JSON da usare in un programma - chiedilo in modo esplicito. Cosi' eviti di dover riformattare a mano.
Estrai da questo testo nome, azienda e ruolo di ogni persona citata e restituiscili in formato JSON, come lista di oggetti con le chiavi "nome", "azienda", "ruolo". Non aggiungere altro testo.
Risultato atteso: solo un blocco JSON valido, pronto da copiare in un foglio di calcolo o in uno script, senza introduzioni o commenti.
5. Poni vincoli e di' cosa NON fare
I limiti migliorano la qualita'. Indica lunghezza, cosa includere e cosa escludere, il pubblico di destinazione.
Spiega cos'e' una criptovaluta a una persona di 70 anni che non usa il computer. Massimo 100 parole, niente termini tecnici in inglese, usa un'analogia con il denaro contante. Non parlare di investimenti.
Risultato atteso: una spiegazione breve, semplice, con un'analogia comprensibile e senza i tecnicismi che avresti ricevuto in una risposta standard.
6. Scomponi i compiti complessi
Per lavori lunghi, non chiedere tutto in un colpo. Spezza il compito in fasi e procedi una alla volta, controllando i risultati intermedi.
Dobbiamo scrivere un piano editoriale per un blog di cucina. Procediamo in tre fasi: 1) propmi prima 8 categorie tematiche; mi fermo e scelgo. 2) Per le categorie scelte, 5 titoli ciascuna. 3) Per i titoli che indichero', una scaletta. Iniziamo dalla fase 1.
Risultato atteso: il modello si ferma dopo le categorie e aspetta la tua scelta, evitando di produrre un blocco enorme e poco mirato. La conversazione diventa un dialogo guidato.
7. Fai correggere e migliorare al modello stesso
Una delle tecniche piu' sottovalutate: chiedere all'IA di rivedere il proprio lavoro con occhio critico. Spesso la seconda versione e' nettamente migliore.
Questa e' la tua risposta precedente. Ora fai il revisore severo: elenca 3 punti deboli del testo, poi riscrivilo correggendoli. Indica alla fine cosa hai cambiato e perche'.
Risultato atteso: un'autocritica puntuale seguita da una versione rifinita, con la spiegazione delle modifiche. E' utile soprattutto per testi importanti, dove la prima bozza raramente e' quella definitiva.
Errori comuni da evitare
- Prompt troppo vaghi: "miglioralo" senza dire in che direzione. Specifica sempre l'obiettivo.
- Troppe richieste in una frase sola: meglio scomporre (tecnica 6) che impilare dieci istruzioni contraddittorie.
- Fidarsi senza verificare: i modelli possono "allucinare", cioe' inventare con sicurezza fatti, date e citazioni. Per dati e numeri, controlla sempre alla fonte.
- Non iterare: il primo output e' una bozza. Correggere e raffinare in piu' giri e' la normalita', non un fallimento.
- Caricare dati riservati senza pensarci: su strumenti cloud, evita di incollare informazioni sensibili; per quelle, valuta un modello locale.
Quando il prompt non basta
Ci sono casi in cui nessuna tecnica salva la situazione: se ti serve un dato in tempo reale, attiva la ricerca web dello strumento; se devi lavorare su molti documenti, usa le funzioni di caricamento file o un sistema RAG; se ti serve precisione assoluta su calcoli o codice, falli eseguire davvero (con gli strumenti di code interpreter) invece di fidarti del testo. Il prompt engineering ti porta lontano, ma e' una parte di un kit piu' grande.
Come continuare a migliorare
Il modo migliore per progredire e' tenere una tua piccola "libreria" di prompt che funzionano, da riusare e adattare. Parti da queste sette tecniche, combinale (un ruolo + un formato + un vincolo nello stesso prompt fa miracoli) e osserva cosa cambia. Con un po' di pratica scoprirai che, a parita' di modello, sei tu a fare la differenza nella qualita' delle risposte.
