Prompt AI: guida completa per scrivere prompt efficaci

Un prompt AI è il testo che scrivi a un modello linguistico come ChatGPT, Claude o Gemini per ottenere una risposta. Non è solo "la domanda": è l'insieme di istruzioni, contesto e vincoli che guidano il comportamento del modello. La qualità del prompt determina quasi sempre la qualità dell'output — più del modello scelto.

Il punto che molti non colgono è questo: un modello linguistico (LLM) non "capisce" cosa vuoi. Prevede la continuazione più probabile del testo che hai scritto. Se le istruzioni sono vaghe, la continuazione sarà generica. Se sono precise e strutturate, il modello si comporta come un professionista a cui hai dato un brief completo.

In questa guida vediamo cos'è un prompt AI, come si struttura, le tecniche principali, gli errori più comuni e come applicarlo in modo concreto in un contesto aziendale.

Cos'è un prompt AI e perché è importante

Un prompt è molto più di una domanda. Quando scrivi a un modello AI, stai fornendo l'unico input che ha per produrre la risposta: non conosce il tuo settore, la tua azienda, il tuo cliente, il formato che ti serve. Tutto quello che non scrivi, il modello lo inventa — scegliendo la continuazione più probabile in base ai dati su cui è stato addestrato.

Questo spiega perché lo stesso modello può dare risposte brillanti a un utente e risposte inutili a un altro: la differenza è quasi sempre nel prompt, non nella "bravura" del modello.

Scrivere prompt efficaci non è una competenza tecnica riservata agli sviluppatori. È una forma di comunicazione precisa: come scrivere un brief, un brief di agenzia o un capitolato. Chi sa spiegare bene cosa vuole, ottiene ciò che vuole.

La struttura di un prompt efficace

Ogni prompt che funziona ha quattro componenti. Non devono essere sempre tutti presenti, ma più compiti li richiedono.

1. Ruolo. Chi deve essere il modello in questo contesto? "Sei un commercialista esperto di PMI italiane", "Sei un copywriter B2B", "Sei un assistente HR". Assegnare un ruolo calibra il tono, il lessico e il livello di dettaglio della risposta.
2. Compito. Cosa deve fare esattamente? Più specifico è il verbo, meglio funziona: non "scrivi qualcosa su X" ma "scrivi una email di follow-up di 5 righe per un prospect che non ha risposto da 10 giorni, tono professionale ma diretto".
3. Contesto. Quali informazioni servono al modello per rispondere bene? Dati del cliente, testo da riassumere, email da analizzare, vincoli specifici. Senza contesto, il modello lavora su ipotesi.
4. Formato. Come deve essere strutturato l'output? Lista puntata, tabella, paragrafo, JSON, markdown. Se non lo specifichi, il modello sceglie il formato che ritiene più probabile — spesso non quello che ti serve.

Un esempio concreto. Prompt generico: "Scrivi una descrizione prodotto." Risultato: qualcosa di generico e inutile. Prompt strutturato:

Sei un copywriter specializzato in e-commerce. Scrivi una descrizione prodotto di 80 parole per le cuffie wireless XR-500, rivolte a professionisti che lavorano da casa. Caratteristiche chiave: 40h batteria, cancellazione attiva del rumore, USB-C. Tono: diretto, senza aggettivi vuoti. Formato: un paragrafo senza titolo.

Il secondo prompt produce un testo pubblicabile al primo tentativo. Il primo richiede tre iterazioni.

Le tecniche principali di prompt engineering

Il prompt engineering ha sviluppato alcune tecniche che funzionano in modo ripetibile. Queste sono le più utili nella pratica aziendale.

Zero-shot, one-shot, few-shot

La differenza riguarda quanti esempi includi nel prompt.

Il few-shot è la tecnica a più alto impatto per chi usa l'AI su processi aziendali: mostra al modello esattamente cosa ti aspetti, riducendo la varianza dell'output.

Chain-of-thought (ragionamento a passi)

Aggiungere "ragiona passo per passo" o "prima analizza, poi rispondi" migliora sensibilmente la qualità su task che richiedono logica o valutazioni. Il modello "mette in campo" ragionamenti intermedi invece di saltare direttamente alla risposta, riducendo gli errori logici.

Utile per: analisi di contratti, valutazione di opzioni, debugging di processi, calcoli con variabili multiple.

Role prompting

Assegnare un ruolo preciso al modello non è un trucco: cambia effettivamente il registro, il livello di tecnicità e le priorità della risposta. "Sei un avvocato esperto di diritto del lavoro italiano" produce un output diverso — e più adatto — rispetto a "sei un assistente generico".

Prompt di sistema vs prompt utente

Nei prodotti AI integrati (API, assistenti custom) esiste una distinzione tecnica:

• System prompt: istruzione persistente invisibile all'utente finale. Definisce ruolo, regole, limiti e tono del modello per tutta la sessione.
• User prompt: il messaggio del singolo turno.

Per uso individuale quotidiano la distinzione è meno rilevante, ma se costruisci un assistente aziendale o un agente questa separazione è fondamentale. Per capire come gli agenti usano i prompt in flussi automatizzati, vedi la guida sugli agenti AI.

Come scrivere un prompt: guida passo per passo

1. Definisci l'obiettivo in una frase. Cosa deve produrre esattamente il modello? Se non riesci a descriverlo in una frase, il task è troppo vago.
2. Assegna un ruolo pertinente. Scegli un ruolo che conosca il dominio del tuo task: commercialista, copywriter, analista dati, supporto clienti.
3. Fornisci il contesto minimo necessario. Solo ciò che il modello non può sapere da solo: dati del cliente, testo di riferimento, vincoli specifici dell'azienda.
4. Specifica il formato di output. Lunghezza, struttura (lista, tabella, paragrafo), tono (formale/informale), cosa escludere.
5. Aggiungi un esempio se il formato è insolito. "Come questo: [esempio]" risolve il 90% dei problemi di formato.
6. Testa, misura, itera. Cambia un elemento per volta. Se l'output non va, identifica quale componente del prompt manca o è ambigua.

Differenze tra i modelli principali

ChatGPT, Claude e Gemini rispondono bene agli stessi principi di struttura, ma hanno sfumature operative diverse (verifica sempre le versioni attuali sulle pagine ufficiali, perché i modelli evolvono rapidamente).

Per approfondire le differenze operative, puoi leggere le guide specifiche su ChatGPT, Claude AI e Gemini AI.

Esempi pratici

1. Studio legale — analisi contratto. Il prompt include: ruolo ("avvocato esperto di contratti commerciali italiani"), compito ("identifica le clausole rischiose per il cliente"), contesto (il testo del contratto incollato), formato ("lista puntata con: clausola, rischio, raccomandazione"). Il modello produce una prima analisi in 20 secondi. Il legale la verifica e corregge, invece di partire da zero.

2. E-commerce — risposta ai reclami. Prompt few-shot: il gestore incolla 3 esempi di reclamo ricevuto con la relativa risposta approvata dalla direzione. Poi chiede al modello di rispondere al nuovo reclamo nello stesso stile. Il tono è coerente, il tempo di gestione scende da 8 a 2 minuti. Per un caso simile orientato ai contenuti, vedi ChatGPT per contenuti.

3. Commerciale — email di follow-up. Prompt con ruolo ("commerciale B2B"), compito ("scrivi un follow-up dopo un incontro senza esito definitivo"), contesto ("nome del prospect, azienda, prodotto discusso, data dell'incontro"), formato ("5 righe, oggetto incluso, tono diretto non aggressivo"). Il commerciale personalizza 2-3 dettagli e invia. Risultato: più follow-up gestiti, più coerenza nel messaggio. Per email in generale, vedi ChatGPT per email.

Quando usare tecniche avanzate e quando no

Errori da evitare

• Prompt troppo vaghi. "Scrivimi qualcosa su X" non dà al modello abbastanza per produrre qualcosa di utile. Ogni componente (ruolo, compito, contesto, formato) che manca è un'ipotesi che il modello fa per conto suo.
• Dare per scontato il contesto. Il modello non sa chi sei, cosa fa la tua azienda, chi è il cliente, quali sono i tuoi standard. Tutto questo va scritto nel prompt.
• Cambiare tutto insieme quando l'output non va. Se modifichi ruolo, compito e formato allo stesso tempo, non sai cosa ha migliorato il risultato. Cambia un elemento per volta.
• Fidarsi ciecamente dell'output su dati critici. Le allucinazioni AI possono produrre numeri, nomi o date plausibili ma errati. Su dati che entrano in documenti ufficiali, offerte o comunicazioni ai clienti, verifica sempre.
• Prompt diversi ogni volta sullo stesso task. Se un prompt funziona, salvalo. Un'azienda dovrebbe avere una libreria di prompt testati per i task ricorrenti, non ricominciare ogni volta da zero.

Come applicarlo in azienda

Introdurre una cultura del prompt in azienda non richiede un progetto IT. Richiede metodo.

I passaggi concreti per partire:

• Identifica i 3 task ripetitivi in cui il team usa già l'AI o potrebbe usarla (email, riassunti, classificazioni).
• Scrivi un prompt strutturato (ruolo + compito + contesto + formato) per ciascuno.
• Testa con 5-10 esempi reali e misura se l'output è accettabile senza revisione pesante.
• Salva e condividi il prompt con chi svolge quel task, con note su come personalizzarlo.
• Misura il tempo prima e dopo: ore risparmiate, errori ridotti, coerenza migliorata.

Se il volume di task giustifica un assistente integrato con i tuoi strumenti (CRM, email, gestionale), il passo successivo è costruire un agente AI che usa questi prompt in modo automatizzato. Puoi approfondire con la nostra guida agli agenti AI o esplorare cosa facciamo su The Lab.

Conclusione

Un prompt AI è lo strumento più immediato e a più alto impatto per chiunque usi modelli linguistici nel lavoro. Non richiede competenze tecniche: richiede precisione comunicativa. Struttura ogni prompt con ruolo, compito, contesto e formato; usa il few-shot sui task ripetitivi; salva i prompt che funzionano.

Il passaggio da "uso l'AI ogni tanto" a "l'AI mi risparmia ore ogni settimana" passa quasi sempre di qui — non da un modello più potente, ma da istruzioni più precise.

Se vuoi passare dai test con ChatGPT a un sistema AI integrato nei processi aziendali, Giallo Studio progetta agenti e automazioni su misura.