Come imparare il prompting con l'AI da zero — Un piano settimana per settimana

Come imparare il prompting con l'AI: settimana 1 — Come l'AI genera testo

Prima di qualsiasi tecnica ti serve un modello mentale. L'AI è un sistema di previsione. Genera la parola successiva più probabile in base ai pattern nei suoi dati di addestramento, una parola alla volta, finché non ha una risposta completa. Non pensa e non capisce. Riconosce pattern su una scala tale che l'output sembra comprensione, ma il meccanismo è la previsione statistica.

Perché iniziare da qui? Perché ogni tecnica che segue è solo un modo diverso di dare al modello pattern migliori. Se vuoi imparare a fare prompting con l'AI con vera sicurezza, questo modello mentale è da dove nasce quella sicurezza. Una volta capita la previsione, le tecniche di prompting smettono di sembrare regole arbitrarie e iniziano a sembrare conseguenze logiche di come funziona il sistema.

Esercizio: scegli un'attività che svolgi al lavoro ogni settimana. Scrivi due prompt per la stessa attività. Il primo deve essere minimo: "scrivimi un aggiornamento di stato." Il secondo deve includere il nome del progetto, il pubblico, i punti chiave, il formato e il tono. Confronta i due output affiancati. La differenza dimostra in modo diretto perché la qualità dell'input determina la qualità dell'output.

Settimana 2 — Chiarezza, contesto e vincoli

La settimana 2 traccia una linea tra dettagliato e chiaro. Non sono la stessa cosa. Un prompt può essere ricco di dettagli e restare ambiguo. "Scrivi un breve riepilogo professionale" ha tre parole che possono significare cose diverse a seconda di chi legge: "breve" (100 parole o 500?), "professionale" (formale? gergo di settore? stile LinkedIn?) e "riepilogo" (di cosa, esattamente?).

Questa settimana costruisci tre competenze. La chiarezza significa riscrivere i prompt perché ogni istruzione si possa leggere in un solo modo; sostituisci le parole soggettive con specifiche concrete. Caricare il contesto significa dare al modello le quattro cose di cui ha bisogno: chi sei, la situazione, le informazioni specifiche che contano e il formato che vuoi. I vincoli significano fissare limiti su lunghezza, formato, ambito, stile e su cosa lasciare fuori.

Se stai capendo come imparare il prompt engineering per l'AI dalle basi, questa è la settimana che dà i frutti più rapidi. La maggior parte degli output AI scadenti nasce da un contesto mancante, non da una tecnica mancante. Chi cerca come imparare il prompting per l'AI si aspetta spesso un elenco di trucchi ingegnosi. Se imposti bene il contesto, di quei trucchi ti serve molto meno.

Esercizio: trova un prompt che hai scritto la settimana scorsa. Individua ogni parola ambigua. Riscrivilo con specifiche concrete. Aggiungi contesto sul pubblico e sulla situazione. Aggiungi almeno due vincoli (un limite di lunghezza e un requisito di formato). Esegui entrambe le versioni e confronta.

Settimana 3 — Role prompting, esempi e chain-of-thought

Role prompting

Il Role prompting assegna all'AI un'identità o una competenza specifica. "Sei un senior HR manager che sta esaminando questo piano di miglioramento delle prestazioni" produce un output diverso rispetto allo stesso prompt senza il ruolo. I tre scenari su cui vale la pena esercitarsi: competenza di dominio (profondità da specialista), adattamento al pubblico (regolare la complessità per un lettore specifico) e revisione critica (ottenere un parere scettico sul tuo lavoro).

Esempi few-shot

Gli esempi few-shot consistono nel mostrare all'AI il pattern che vuoi attraverso coppie input-output. Invece di descrivere il formato, dai due o tre esempi e di' "segui questo pattern." Se hai un modo preciso in cui ti piace che le email siano formattate, o uno stile particolare per i riepiloghi dei dati, questa tecnica lo fissa più in fretta di qualsiasi descrizione.

Chain-of-thought

Il chain-of-thought consiste nel chiedere all'AI di ragionare passo per passo. "Ragiona passo per passo prima di darmi la risposta" costringe il modello a generare un ragionamento intermedio, che produce un output più approfondito per le domande analitiche complesse. È una riga di istruzione, e su una domanda difficile la differenza di qualità si vede subito.

Esercizio: prendi un lavoro che devi rivedere, un documento, una proposta, un piano. Usa il Role prompting per esaminarlo da tre prospettive: un collega che ti sostiene, un dirigente scettico e un esperto del settore. Nota come ogni ruolo fa emergere feedback diversi. Quella varietà è il motivo per cui questa tecnica vale la pratica.

Settimana 4 — Suddividere le attività complesse in passi

Questa è la settimana che separa chi usa l'AI per attività veloci da chi la usa per il lavoro vero.

La scomposizione significa suddividere un'attività grande in prompt sequenziali più piccoli, dove ognuno alimenta il successivo. Il processo ha quattro fasi: raccogliere (mettere insieme le informazioni grezze), organizzare (strutturarle in temi o categorie), sviluppare (costruire il contenuto o l'analisi) e perfezionare (rifinire l'output finale).

Un singolo prompt che chiede all'AI di "creare una revisione aziendale trimestrale" produce contenuti superficiali. Un approccio scomposto, che prima raccoglie i dati chiave, poi organizza per tema aziendale, poi sviluppa il testo di ogni sezione e infine perfeziona il documento completo, produce qualcosa che un dirigente potrebbe davvero presentare.

Se fai sul serio su come imparare il prompting con l'AI a livello professionale, la scomposizione è il punto in cui la competenza inizia a ripagare.

Esercizio: scegli un'attività a più fasi dal tuo lavoro reale. Un report, una presentazione, un'analisi. Scrivila prima come un singolo prompt. Valuta l'output. Poi scomponila in quattro passi con raccogliere-organizzare-sviluppare-perfezionare. Confronta i risultati.

Settimana 5 — Iterazione e diagnosi

Il primo prompt è sempre una prima bozza. È incompleto per due motivi: non puoi comunicare tutto in una volta, e non sai fino in fondo cosa vuoi finché non vedi cosa non vuoi. La competenza sta nell'imparare a costruire su ciò che funziona invece di ricominciare da zero.

Tre strategie di correzione, dalla più leggera alla più pesante: spinta, riscrittura, riavvio

La spinta è un aggiustamento minimo: "rendilo più breve", "usa un tono più diretto", "aggiungi una sezione sui rischi." La riscrittura è un cambio di rotta più ampio: "ristruttura questo come tabella comparativa invece di prosa", "riformula le raccomandazioni intorno al risparmio sui costi." Il riavvio è l'ultima risorsa, per quando la direzione di fondo è così lontana dall'obiettivo che recuperarla richiederebbe più tempo che ripartire da zero.

La capacità diagnostica si sviluppa con la pratica

La capacità diagnostica, cioè la capacità di capire perché un output non ha centrato l'obiettivo, si sviluppa solo con la pratica. Dopo ogni risultato deludente, chiediti: l'istruzione era poco chiara? Mancava il contesto? I vincoli erano troppo larghi? Il Role prompting o la scomposizione avrebbero aiutato? Col tempo smetti di chiedertelo di proposito e inizi semplicemente a vederlo. Questa è una parte importante di come imparare il prompt engineering per l'AI: esercita la diagnosi insieme alle tecniche. Chi vuole imparare a fare prompting con l'AI a livello professionale passerà più tempo in questa fase che in qualsiasi altra.

Esercizio: prendi un'attività complessa e scrivi di proposito un primo prompt incompleto. Valuta l'output. Usa tre cicli di prompt di follow-up per avvicinarlo a ciò che ti serve davvero. Fai attenzione a come ogni ciclo migliora il risultato e a come il tuo feedback diventa più specifico con la pratica.

Settimana 6 — Consapevolezza dei rischi e verifica

La maggior parte delle guide al prompting non ne parla mai, e conta più di qualsiasi singola tecnica.

Framework di verifica a tre livelli

Prima di fidarti di un output, collocalo in uno dei tre livelli. Il livello 1 (usa direttamente) copre gli output a bassa posta in gioco come le liste di brainstorming e le bozze interne grezze. Il livello 2 (verifica prima di usare) copre gli output a media posta in gioco come le comunicazioni ai clienti e i riepiloghi dei dati: controlla i fatti e le affermazioni specifiche. Il livello 3 (verifica a fondo) copre gli output ad alta posta in gioco come i documenti di conformità e le analisi finanziarie: risali alla fonte di ogni affermazione.

Prompting rispettoso della privacy

Questo va di pari passo con la verifica. Sappi quali informazioni è sicuro includere in un prompt, cosa lasciare fuori e come anonimizzare i dettagli sensibili quando ti serve l'aiuto dell'AI con dati riservati.

Esercizio: dai all'AI un prompt fattuale su un argomento che conosci bene: il tuo settore, il mercato della tua azienda, un'area tecnica. Controlla l'accuratezza dell'output. Conta quante affermazioni specifiche sono verificabili e quante sono inventate o impossibili da controllare. Questo singolo esercizio ricalibra il tuo senso di quando fidarti e quando verificare.

Questa progressione di sei settimane rispecchia la struttura che Practical Prompting Academy usa nel suo programma: ogni competenza si costruisce sulle basi poste dalla precedente. Che tu sia arrivato qui cercando come imparare il prompting per l'AI o ti sia imbattuto in questo piano per caso, il percorso è lo stesso: capisci il sistema, poi accumula una competenza alla volta con pratica deliberata.

Dopo aver completato questo piano, i migliori corsi di prompting con l'AI possono darti un rinforzo strutturato e tecniche più avanzate. Per il quadro tecnico completo di come tutte queste tecniche si collegano, il prompt engineering copre l'intera metodologia. E se vuoi rivedere le basi per principianti in qualsiasi momento, come parlare con l'AI e come fare prompting con l'AI coprono gli elementi di base che sostengono tutto il resto.