Guida ai prompt per l'AI: tutto il metodo in una pagina
Non devi imparare il prompt engineering, cioè l'arte di scrivere richieste efficaci per l'AI. Devi smettere di lasciare decisioni aperte — e quasi sempre quelle che contano sono solo tre.
Da qualche parte nel tuo browser ci sono probabilmente due o tre guide salvate su come scrivere prompt migliori. Le hai lette, ti sono sembrate sensate, e la mattina dopo hai scritto "scrivi un'email di follow-up a questo cliente" esattamente come avresti fatto prima.
Non è un problema di disciplina. È quello che succede quando un consiglio viene presentato come una materia da studiare invece che come una cosa da fare nei dieci secondi che stavi comunque per spendere. Nessuno ti ha mai insegnato a chiedere — e la versione che resta deve essere abbastanza piccola da ricordarsela mentre scrivi.
Quindi ecco tutto il metodo, in una pagina, nell'ordine in cui lo useresti davvero.
Ogni risposta mediocre è una decisione che hai lasciato aperta
È l'unica idea da cui dipende tutto il resto. Un modello non può astenersi dal decidere. Dagli una richiesta con dei vuoti e riempirà ogni vuoto con la scelta plausibile più media — ed è esattamente per questo che l'output torna competente, generico e leggermente sbagliato per la tua situazione.
Chiedi "un post LinkedIn sull'AI" e hai lasciato aperti il pubblico, il taglio, la lunghezza, il tono, lo scopo e se debba contenere un esempio. Sei decisioni, prese al posto tuo, per media. È da lì che arrivano le risposte generiche, non dal fatto che il modello sia pigro.
Scrivere un prompt migliore è solo chiudere le decisioni a cui tieni davvero, lasciando aperte le altre di proposito.
Tre decisioni, nell'ordine in cui le prendi
Nell'ordine: risultato, contesto, output. Di' cosa vuoi, dai quello che il modello non può dedurre da solo, descrivi che aspetto deve avere la risposta.
Risultato — quello che vuoi esista alla fine. Non un argomento, un esito. "Aiutami con il marketing" indica un territorio; "cinque idee di contenuto per un'azienda SaaS B2B" indica una cosa che avrai in mano quando è finita. Questo passaggio richiede quattro secondi e toglie più ambiguità di qualsiasi altra cosa tu possa fare; la guida originale ai tre passaggi li prende uno alla volta, con calma.
Contesto — i fatti che cambierebbero la risposta. Non lo sfondo. Non il profilo della tua azienda. Le cose specifiche che il modello non ha modo di sapere: cosa è già successo, il materiale su cui si lavora, cosa hai già provato. Se cancellare una frase non cambierebbe la risposta, era riempitivo, e il riempitivo diluisce le parti che contano. Esiste un test rapido per distinguere il contesto dallo sfondo.
Output — quello che vuoi avere in mano. Un contenitore (tabella, cinque punti, un'email), una dimensione espressa come numero, la struttura se si ripete, e l'unica cosa da lasciare fuori. Una risposta corretta nella forma sbagliata costa più di una sbagliata, perché devi leggerla tutta prima di accorgertene. Specificare la forma richiede una riga, e scriverla bene è soprattutto questione di numeri invece che di aggettivi.
Messi insieme, in una richiesta vera:
Scrivi un post LinkedIn per fondatori di aziende SaaS B2B su come usare l'AI per ridurre il lavoro ripetitivo dell'assistenza clienti. Usano già l'AI, quindi salta le basi. Un esempio concreto, non un elenco di casi d'uso. Sotto le 180 parole, tono colloquiale, e non aprire con "l'AI sta trasformando".
Non è successo niente di ingegnoso. Tre decisioni le ha prese una persona invece di una media.
Altri due, quando il compito è delicato
Pubblico. Chi legge, e cosa sa già. Un CFO che valuta un acquisto e uno studente al primo anno che incontra lo stesso concetto hanno bisogno degli stessi fatti raccontati in modo completamente diverso. Facile confonderlo con il contesto: tienili separati, perché puoi avere un contesto perfetto e rivolgerti comunque alla persona sbagliata.
Vincoli. Cosa la risposta deve rispettare o evitare. Numero di parole, niente gergo, tre opzioni invece di un muro di testo, niente che lasci intendere una data che non abbiamo confermato. I vincoli sono ciò che impedisce a un modello di scivolare nel riempitivo quando finisce le cose da dire.
In tutto fanno cinque elementi, e non li userai quasi mai tutti e cinque. Alla maggior parte delle richieste quotidiane bastano risultato e output, con una riga di contesto.
Cosa i tre passaggi non coprono
Essere onesti sui limiti di un metodo è più utile che difenderlo.
I tre passaggi rendono una risposta specifica. Non fanno nulla per renderla vera. Niente in risultato, contesto e output dice al modello con quale criterio giudicherai il risultato, o gli chiede di ammettere su cosa era incerto — e una risposta sbagliata, scritta con sicurezza e ben formattata, è l'output che costa di più.
Due aggiunte chiudono quel vuoto, e vale la pena conoscerle quando le basi sono diventate automatiche:
Criteri di successo. Di' cosa dovrebbe riuscire a fare una buona risposta, non solo che aspetto debba avere. "Deve funzionare per qualcuno che non ci ha mai sentiti nominare" è un'asticella verificabile; "falla bella" no.
Un passaggio di verifica. Chiedi al modello di segnalare cosa ha dedotto invece di sapere, o di elencare cosa gli servirebbe da te per essere più sicuro. Una frase, e trasforma una scatola nera in qualcosa che puoi controllare.
Come si allinea al Prompt Quality Score
Se costruisci un prompt nell'editor di Promptliness, lo vedi valutato in tempo reale su una serie di dimensioni con un nome preciso — contesto, specificità, vincoli, formato, output, criteri di successo, passaggio di verifica e altre ancora. È la stessa idea, misurata più finemente.
La corrispondenza è diretta: contesto e specificità sono il secondo passaggio; formato e output sono il terzo; vincoli è l'estensione qui sopra. Criteri di successo e passaggio di verifica sono i due che questo metodo nella sua forma base non insegna — ed è esattamente per questo che vengono misurati a parte.
Impara i tre passaggi perché ti stanno in testa mentre scrivi. Usa lo score quando vuoi vedere quale decisione hai lasciato aperta stavolta.
Quando il problema non è il prompt
Non hai ancora deciso tu. Se non sai se l'email debba concedere il punto o tenere la posizione, nessun framework lo decide per te. Il modello sceglierà, a caso. Prima decidi, poi scrivi.
L'informazione non esiste. Numeri interni, quello che un concorrente ha annunciato ieri, il modo in cui il tuo team parla davvero. La precisione non crea conoscenza: quella devi fornirla tu.
La richiesta sta facendo troppi lavori. Quando un prompt è arrivato a quattro paragrafi e la risposta continua a perdere per strada un requisito, aggiungere dettagli peggiora le cose. Spezzalo in due e falli in sequenza.
In breve
Risultato, contesto, output. Aggiungi pubblico e vincoli quando il compito se li merita. Prima di inviare qualcosa che conta, chiediti quali decisioni hai lasciato al modello, e chiudi solo quelle a cui tieni davvero.
Costa una decina di secondi in più, ed è la differenza fra una risposta che usi e una che riscrivi.