Punti chiave
- I primi prompt sono destinati a essere imperfetti — falliscono per due ragioni prevedibili che non hanno nulla a che fare con il livello di competenza
- Ragione uno: non puoi comunicare tutto ciò che riguarda un'attività in un singolo messaggio, quindi contesto, vincoli e sfumature restano fuori
- Ragione due: non sai cosa vuoi finché non vedi cosa non vuoi. Il primo risultato chiarisce il tuo modo di pensare
- Il metodo approach-first — chiedere all'AI di delineare il suo piano prima di eseguire — previene il fallimento più comune nelle attività complesse
- L'iterazione è una parte normale del prompting, ed è ciò che produce buoni risultati
Come fare prompting con l'AI: perché il primo tentativo delude quasi sempre
Il primo prompt delude quasi sempre. Vale sia che tu abbia iniziato a usare l'AI la settimana scorsa sia che lo faccia da due anni. La differenza è che chi ha esperienza si aspetta la delusione e sa già cosa fare dopo. I principianti tendono a concludere che l'AI non funzioni o che stiano sbagliando qualcosa.
Ci sono due ragioni prevedibili.
Ragione 1 — Non puoi dire tutto in una volta
Un'attività di lavoro che potresti spiegare a un collega in cinque minuti di botta e risposta non si comprime bene in un singolo messaggio. Un po' di contesto resta fuori. I vincoli che dai per scontati non vengono mai menzionati. Il pubblico, il tono, il formato, l'ambito, le eccezioni: qualcosa viene sempre omesso. E ogni omissione è un'occasione per l'AI di indovinare male.
Ragione 2 — Impari cosa vuoi reagendo a una bozza
Il primo risultato dell'AI funziona come uno specchio. Ti mostra una versione di ciò che hai chiesto, e vedere quella versione chiarisce il tuo modo di pensare. "È troppo formale." "Volevo più dettagli sulla sezione del budget." "Le raccomandazioni dovrebbero essere più decise." Queste reazioni non potevano far parte del prompt originale. Emergono solo dopo che hai visto una bozza.
Entrambe le cose sono normali. Imparare a fare bene prompting con l'AI significa accettare che il primo tentativo è un punto di partenza e che il valore sta in ciò che accade dopo.
Cosa devo fare quando il primo risultato non centra l'obiettivo?
Costruisci a partire da lì. Non cancellare la conversazione per ricominciare da capo. Anche un primo risultato mediocre contiene materiale grezzo utile. Alcune parti potrebbero funzionare: la struttura potrebbe essere giusta anche se il tono è sbagliato, oppure le idee potrebbero essere solide anche se il formato va cambiato.
Invia un follow-up che dica all'AI esattamente cosa correggere. "Rendi l'apertura più diretta, inizia con la conclusione." "La terza sezione è troppo vaga, aggiungi numeri specifici dal report del Q3." "Dimezza il numero di parole e passa agli elenchi puntati." "Abbandona il tono accademico, rendilo colloquiale."
Due o tre cicli di perfezionamento ti portano di solito a qualcosa che saresti contento di inviare.
L'iterazione è il processo stesso. Chi ha esperienza la mette in conto. Scrive il primo prompt sapendo che è una bozza grezza e concentra l'impegno sul perfezionamento, che è dove il risultato prende forma. Che tu stia imparando a scrivere prompt AI per la prima volta o stia perfezionando un flusso di lavoro che usi da mesi, il ciclo resta lo stesso: scrivi il prompt, valuta, aggiusta. Quel ciclo è il nucleo di come fare prompting con l'AI in modo efficace, indipendentemente dalla piattaforma o dall'attività.
Cos'è il metodo approach-first e quando devo usarlo?
Il metodo approach-first previene il fallimento più costoso nelle attività complesse: l'AI che parte nella direzione sbagliata prima che tu possa correggere il tiro.
Il metodo è semplice. Prima di chiedere all'AI di eseguire un'attività complessa, chiedile di descrivere il suo approccio. "Prima di scrivere questo report, dimmi: quale struttura hai in mente, quali punti chiave affronterai e quali presupposti stai facendo?"
L'AI risponde con il suo piano. Tu lo rivedi e correggi la rotta. "Buona struttura, ma sposta la sezione dei rischi prima delle raccomandazioni." "Stai dando per scontato un tono formale: rendilo invece colloquiale." "Ti è sfuggita l'analisi dei fornitori, aggiungila come sezione."
Poi l'AI esegue in base al piano corretto.
È una questione di tempismo. Correggere un piano richiede un solo messaggio. Correggere un report finito di duemila parole richiede diversi cicli e molta pazienza. Chiarire la direzione all'inizio ti risparmia il botta e risposta dopo.
Due esempi in cui questo cambia il risultato:
Esempio: piano di implementazione della formazione
Senza approach-first, l'AI produce una tempistica generica che non corrisponde alla tua organizzazione. Con esso, rivedi le fasi proposte, le adatti ai tuoi vincoli specifici (ciclo di budget, priorità dei reparti, facilitatori disponibili) e ottieni un piano adatto alla tua realtà.
Esempio: analisi della concorrenza
Senza approach-first, l'AI confronta i concorrenti su dimensioni che non contano per la tua decisione. Con esso, specifichi quali dimensioni contano (modello di prezzo, funzionalità enterprise, supporto alle integrazioni) e quali concorrenti includere. L'output alimenta direttamente la tua decisione invece di richiedere una revisione pesante.
Quando usarlo
Usa il metodo approach-first ogni volta che l'attività prevede più sezioni, valutazioni discrezionali importanti o un output più lungo di qualche paragrafo. Per un'email breve aggiunge un peso di cui non hai bisogno. Per qualsiasi cosa complessa è l'abitudine più utile che puoi costruire, ed è il punto in cui imparare il prompting con l'AI inizia a dare frutti.
Come faccio a sapere se correggere un prompt o ricominciare da capo?
La maggior parte delle volte, correggilo. Ricominciare da capo butta via tutto ciò che la conversazione ha costruito: il contesto, la direzione, i risultati parziali.
Correggi quando l'output è in parte giusto
La struttura è buona ma il tono è sbagliato? Aggiusta il tono. Se il contenuto è pertinente ma troppo lungo, chiedi una versione più breve. Quando una sezione è forte e un'altra è debole, intervieni proprio su quella debole.
Correggi quando riesci a dare un nome al problema
"Troppo formale", "mancano i dati finanziari", "deve essere una tabella comparativa invece di prosa". Si risolvono con un solo follow-up. Saper fare prompting con l'AI tramite follow-up mirati, invece di ricominciare da zero, è a sua volta una competenza che si affina con la pratica.
Ricomincia quando la direzione è del tutto sbagliata
Se l'AI ha interpretato "analisi della concorrenza" come un'analisi SWOT quando volevi un confronto tra funzionalità, l'intero output è costruito su un malinteso. Ripartire da zero con un'istruzione più chiara è più rapido che cercare di riorientarla.
Prova questo: ricomincia da capo quando i primi messaggi hanno contaminato il contesto. Se hanno impostato il tono, il pubblico o i vincoli sbagliati, continuano a influenzare tutto ciò che segue. Una nuova conversazione con il contesto corretto funziona meglio che contrastare lo slancio già preso.
La regola di una o due frasi
Se puoi descrivere la correzione in una o due frasi, invia un follow-up. Se dovresti riformulare da zero tutta l'attività, apri una nuova chat. In entrambi i casi stai sviluppando il giudizio che distingue chi sa scrivere prompt AI da chi sta ancora tirando a indovinare.
Per un percorso strutturato attraverso queste competenze, come parlare con l'AI copre le basi per principianti e come imparare il prompting con l'AI da zero inserisce iterazione e diagnosi nelle settimane centrali. Per il quadro completo di come le tecniche di prompting si collegano e si costruiscono l'una sull'altra, il prompt engineering copre l'intera progressione.