Introduzione a Prompt Engineering | Una chiara spiegazione di come impartire istruzioni in un contesto aziendale pratico

Articoli
Introduzione a Prompt Engineering | Una chiara spiegazione di come impartire istruzioni in un contesto aziendale pratico

Introduzione

Questo articolo inquadrerà il prompt engineering non come una tecnica specialistica complessa, bensì come la "progettazione di istruzioni" riutilizzabili nelle operazioni aziendali. L'obiettivo è creare un sistema in cui chiunque possa produrre in modo coerente richieste di alta qualità all'IA e in cui le informazioni possano essere facilmente condivise in sessioni di studio e formazione interne.

Tatsuya Ito

Tatsuya Ito

Consulente di Intelligenza Artificiale

company-icon

Third Scope Inc.

Nato nel 1985 e originario della Prefettura di Mie, in Giappone. Nel 2012 è entrato a far parte di una startup di realtà aumentata (AR) a Hong Kong in qualità di ingegnere. Da allora ha partecipato allo sviluppo di nuovi business e al lancio di servizi basati sull’intelligenza artificiale presso diverse startup del settore AI. Nel 2018 ha fondato l’attuale Third Scope Inc., rilevando un servizio di intelligenza artificiale insieme al relativo team di sviluppo. Oggi supporta le aziende nell’adozione e nell’utilizzo dell’AI, con particolare attenzione allo sviluppo di nuovi business basati sull’intelligenza artificiale, alla trasformazione dei processi operativi e allo sviluppo di prodotti. Ha inoltre svolto attività di ricerca nel campo dell’intelligenza artificiale come Project Researcher presso l’Università di Tokyo. Attualmente continua a operare in prima linea nello sviluppo di progetti AI, offrendo consulenza pratica che integra competenze tecniche e prospettive di business.

Anche quando chiedo aiuto all’IA, la risposta che ottengo non è mai proprio quella che cerco.

È il problema che incontra, nello scenario descritto, il responsabile delle risorse umane e della trasformazione digitale che coordina un gruppo di studio interno sull’IA generativa. Lo stesso vale per chi lavora nelle vendite, nei servizi generali e nella pianificazione. Sei mesi fa, ciascuno poneva domande a ChatGPT o alla chat IA interna così come gli venivano in mente, e la qualità delle e-mail, dei verbali e degli appunti di ricerca prodotti variava da persona a persona. I responsabili ritenevano che «la verifica richiedesse tempo», gli addetti non sapevano «che cosa chiedere e come», mentre chi si occupava della formazione trovava «difficile diffondere internamente le buone pratiche».

Ora, in uno scenario ipotetico, 10 partecipanti al gruppo di studio utilizzano per un mese un modello comune che include obiettivo, contesto, formato, vincoli ed esempi, registrando il numero di revisioni apportate ai verbali e alle bozze di e-mail. Non si tratta di dati reali, ma un confronto di questo tipo aiuta a osservare gli effetti di prompt più precisi.

Questo articolo presenta l’ingegneria dei prompt, o prompt engineering, come la progettazione di istruzioni chiare e riutilizzabili nel lavoro, accessibile anche a chi non ha competenze specialistiche. L’obiettivo è consentire a chiunque di formulare richieste all’IA con una qualità costante e di condividerle facilmente nei gruppi di studio e nei corsi interni. Un buon prompt, tuttavia, non migliora da solo la qualità di ogni attività. È importante considerarlo insieme alla verifica dell’accuratezza delle informazioni, alla gestione dei dati riservati e alle regole operative del team. Se le risposte ottenute non corrispondono alle aspettative, usate gli esempi che seguono per rivedere i vostri prompt.

Che cos’è l’ingegneria dei prompt

Che cos'è l'ingegneria dei prompt

L’ingegneria dei prompt è un approccio che consiste nel definire «che cosa» si desidera ottenere dall’IA generativa, «a quali condizioni» e «in quale forma».

In questo contesto, un prompt è la domanda o l’istruzione operativa fornita all’IA generativa. Nell’uso professionale, più che come una tecnica specialistica, è utile considerarlo un incarico di lavoro da affidare all’IA.

Per esempio, quando si affida un compito a un collega, si potrebbe formulare la richiesta in questo modo:

Code
Per la riunione commerciale di domani, organizza in 3 punti le questioni relative alla proposta per l’azienda A.

Il destinatario è il direttore commerciale.

Presenta gli elementi utili alla decisione, evitando spiegazioni troppo dettagliate.

È un’istruzione naturale rivolta a una persona. Il principio di base è lo stesso per l’IA generativa. Più si specificano lo scopo, il destinatario e il formato dell’output, più la risposta si avvicina a una forma utilizzabile nel lavoro.

Al contrario, una richiesta come la seguente metterebbe in difficoltà anche un collega:

Code
Riassumi bene la questione dell’azienda A.

Questa istruzione non chiarisce lo scopo del riepilogo, il destinatario, la lunghezza necessaria o ciò che va evitato. Anche l’IA generativa tenta di produrre una risposta senza avere informazioni sufficienti. Di conseguenza, l’output può diventare generico, troppo lungo o difficile da usare così com’è.

Nel lavoro, l’ingegneria dei prompt non significa trattare l’IA come qualcosa di speciale. Significa scomporre le normali istruzioni operative e organizzarle in una forma comprensibile anche per l’IA.

Qual è la differenza tra una ricerca e un prompt

Qual è la differenza tra una ricerca e un prompt

Quando si inizia a usare l’IA generativa, può capitare di inserire le richieste come se si stesse usando un motore di ricerca.

In una ricerca, per esempio, si potrebbero digitare queste parole chiave:

Code
come scrivere prompt ChatGPT

Un motore di ricerca può trovare articoli e pagine pertinenti anche con parole chiave di questo tipo. Ma, se si chiede all’IA generativa di produrre un output professionale, queste informazioni non bastano.

Quando si formula una richiesta all’IA generativa, occorre indicare anche obiettivo e formato:

Code
Sto preparando materiale per un corso interno sull'IA generativa.

Spiega a un pubblico principiante come scrivere un prompt per impartire istruzioni di lavoro a ChatGPT.

  

# Destinatari

Addetti operativi che hanno appena iniziato a usare l'IA generativa

  

# Formato dell'output

- 5 punti principali

- Per ciascuno, un esempio negativo e uno migliorato

- Evitare un uso eccessivo di termini tecnici

  

# Vincoli

- Usare espressioni che possano essere riportate direttamente nel materiale formativo interno

- Mantenere un tono pratico, evitando affermazioni troppo categoriche

La ricerca serve a «trovare informazioni». Un prompt per l’IA generativa serve invece a «progettare un output».

Comprendere questa differenza cambia il modo di interagire con l’IA. Anziché elencare parole, è importante comunicare l’obiettivo operativo, il destinatario, il contesto e le caratteristiche del risultato desiderato.

Perché gli output dell’IA variano

Perché gli output dell'IA variano

Le variazioni negli output dell’IA generativa non dipendono soltanto dalle prestazioni dell’IA. Spesso derivano dalle differenze nella quantità di informazioni e nelle condizioni incluse nelle istruzioni.

Se l’obiettivo è vago, la risposta tende a essere generica

Supponiamo di formulare questa richiesta:

Code
Scrivi un'e-mail commerciale.

Con questa istruzione, l’IA deve dedurre molte informazioni.

Si tratta di acquisire un nuovo cliente o di contattarne uno esistente? Il destinatario è un dirigente o un addetto operativo? L’obiettivo è ottenere un incontro, inviare documenti o concordare una data? Serve un testo formale o breve e diretto?

Se l’obiettivo rimane vago, l’IA tende a restituire un testo prudente e generico. Il risultato è un output che «non è sbagliato, ma deve essere adattato prima di poterlo usare».

Per migliorarlo, occorre prima di tutto indicare l’obiettivo.

Code
Scrivi un'e-mail commerciale destinata a un nuovo potenziale cliente, con l'obiettivo di concordare la data del primo incontro.

Anche questa sola aggiunta aiuta a circoscrivere l’output dell’IA.

Se manca il contesto, destinatario e situazione non coincidono

Il contenuto di un documento di lavoro cambia in base al destinatario.

Anche quando si illustrano gli stessi «vantaggi dell’introduzione dell’IA generativa», per un dirigente saranno importanti il ritorno sull’investimento e la gestione dei rischi. Un responsabile IT si concentrerà su sicurezza, gestione degli account e integrazione con i sistemi esistenti. Per un responsabile marketing o vendite, saranno centrali la creazione di contenuti, la preparazione degli incontri commerciali e la conoscenza dei clienti.

Se non si fornisce il contesto, l’IA tende a restituire una spiegazione «valida per chiunque». Per un uso professionale, è importante indicare a chi è destinato l’output, in quale situazione sarà utilizzato e quali informazioni deve considerare.

Senza un formato specificato, l’output è difficile da usare

Quando una risposta dell’IA sembra «non male, ma poco utilizzabile», può darsi che non sia stato indicato il formato dell’output.

Per un verbale, per esempio, una struttura come la seguente è più facile da verificare rispetto a un semplice testo continuo:

Code
## Dati della riunione


## Decisioni


## Attività da svolgere

| Responsabile | Azione | Scadenza |


## Punti da verificare entro la prossima riunione

Per un’e-mail, occorre separare l’oggetto dal corpo. Per un confronto, è preferibile usare una tabella. Per il materiale formativo, è utile usare titoli ed elenchi.

Specificare prima il formato riduce il lavoro necessario per riorganizzare successivamente il contenuto.

Senza vincoli, le risposte possono essere troppo lunghe o categoriche

I testi professionali sono soggetti a vincoli.

Un’e-mail, per esempio, potrebbe dover rimanere entro 200 caratteri. Una relazione per il proprio responsabile potrebbe dover presentare subito la conclusione. Una spiegazione destinata a un cliente potrebbe dover evitare affermazioni eccessivamente categoriche o dati incerti.

Senza vincoli, nel tentativo di essere esauriente l’IA può produrre testi lunghi o presentare come certi contenuti che richiedono una verifica.

Condizioni come le seguenti rendono quindi l’output più adatto all’uso pratico:

Code
- Entro 200 caratteri

- Indicare la conclusione all'inizio

- Contrassegnare i contenuti incerti con «da verificare»

- Non inventare dati numerici

- Spiegare brevemente i termini tecnici al primo utilizzo

I vincoli non servono soltanto a ridurre la libertà dell’IA. Sono condizioni che avvicinano l’output a una forma utilizzabile nel lavoro.

La struttura di base di un prompt professionale

La struttura di base di un prompt professionale

Per organizzare un prompt professionale è utile considerare i 5 elementi seguenti:

  1. Obiettivo
  2. Contesto
  3. Formato
  4. Vincoli
  5. Esempi

Non è necessario descrivere tutti e 5 gli elementi in dettaglio ogni volta. Se l’output varia, però, è possibile che ne manchi uno.

Obiettivo: che cosa si vuole ottenere

L’obiettivo indica all’IA a che cosa serve l’output.

Un esempio negativo è:

Code
Riassumi gli appunti della riunione.

In questo caso, l’IA non sa a quale scopo debba riassumerli. Il metodo cambia a seconda che servano per una consultazione personale, per riferire al proprio responsabile o per condividerli con i partecipanti.

Un esempio migliorato è:

Code
Per condividerli con il responsabile che non ha partecipato alla riunione, riassumi gli appunti separando i punti principali dalle decisioni.

Indicando l’obiettivo, l’IA riesce più facilmente a stabilire le priorità dell’output.

Contesto: chi userà l’output, per quale scopo e in quale situazione

Il contesto comprende destinatario, situazione d’uso e informazioni di base.

Code
# Contesto

- Destinatario: direttore commerciale

- Situazione d'uso: riunione di domani per esaminare le opportunità commerciali

- Motivazione: decidere l'impostazione della proposta per l’azienda A

- Stato attuale: primo incontro completato; budget e responsabile della decisione ancora da identificare

Con queste informazioni, l’IA può stabilire più facilmente che cosa descrivere nel dettaglio e che cosa sintetizzare.

Soprattutto nel B2B, la posizione dell’interlocutore e la fase del processo di acquisto sono importanti. A parità di tema, un documento per la direzione e un appunto condiviso con il team operativo richiedono stili diversi.

Formato: quale forma deve avere l’output

Il formato rende più facile riutilizzare la risposta dell’IA nel lavoro.

Tra i formati più comuni vi sono:

  • elenco puntato
  • tabella
  • e-mail
  • verbale
  • FAQ
  • tabella comparativa
  • schema di una proposta
  • titoli per il materiale formativo
  • checklist

Per chiedere un confronto, per esempio, si può specificare:

Code
Confronta 3 opzioni.

Presenta l'output in una tabella con le colonne «Opzione», «Vantaggi», «Svantaggi», «Situazioni d’uso» e «Aspetti da considerare».

Definire il formato facilita il trasferimento della risposta dell’IA in un documento o nella chat interna.

Vincoli: indicare che cosa evitare e quali condizioni rispettare

I vincoli comprendono lunghezza, tono, divieti ed elementi da verificare.

Code
# Vincoli

- Entro 300 caratteri

- Tono cortese, ma non troppo formale

- Non usare troppi termini tecnici

- Non inventare dati e segnala quelli incerti

- Separare fatti e ipotesi

Nell’uso professionale è particolarmente importante chiedere di «non presentare come certi i contenuti incerti».

L’IA sa produrre testi plausibili. Può quindi inserire con naturalezza dati, riferimenti o esempi di cui non è stata verificata l’esistenza. I testi destinati all’esterno e i documenti usati per decisioni interne devono sempre essere verificati da una persona.

Esempi: fornire un output ideale o un esempio da evitare

Gli esempi aiutano l’IA a capire quale risultato si desidera.

La richiesta «sii conciso» può essere interpretata in modi diversi. Un esempio come il seguente aiuta invece a chiarire come deve essere formulata la risposta.

Code
# Esempio positivo

Conclusione: raccomandiamo l'opzione A.

Motivo: sebbene il costo iniziale sia elevato, il carico operativo è ridotto e la soluzione può essere utilizzata facilmente da 3 reparti.

Attenzione: prima dell'introduzione è necessario consultare il reparto sistemi informativi.

  

# Esempio da evitare

Ritengo che l'opzione A sia molto valida. Offre diversi vantaggi e, introducendola, ci si possono attendere risultati positivi.

È utile fornire non solo un buon esempio, ma anche uno da evitare. Questo vale quando si vogliono evitare espressioni astratte, un tono eccessivamente promozionale o conclusioni poco chiare.

Un modello di base pronto all’uso

Un modello di base pronto all'uso

Quando non sapete come formulare una richiesta di lavoro, potete usare il modello seguente.

Code
Sei {ruolo}.

  

# Obiettivo

{che cosa si vuole ottenere con questo output}

  

# Contesto

- Destinatario: {chi lo leggerà}

- Situazione d'uso: {dove verrà usato}

- Informazioni di base: {informazioni necessarie per decidere}

  

# Formato dell'output

{tabella, elenco puntato, e-mail, verbale e così via}

  

# Vincoli

- {lunghezza}

- {tono}

- {espressioni da non usare}

- Contrassegnare i contenuti incerti con «da verificare»

  

# Esempio di riferimento

{esempio ideale o da evitare}

  

Sulla base di quanto sopra, crea {contenuto richiesto}.

Non è necessario compilare ogni volta tutte le voci del modello. In alcune situazioni è sufficiente una richiesta breve.

Se l’output risulta poco utilizzabile, verificate quale voce manca. Spesso basta aggiungere «obiettivo», «contesto», «formato» o «vincoli».

Esempi di prompt per diverse attività

Esempi di prompt per diverse attività

Vediamo ora alcuni esempi rappresentativi di prompt utilizzabili nelle attività quotidiane. Sono tutti scenari ipotetici. Prima di usarli, adattateli alle regole e alla politica di gestione delle informazioni della vostra azienda.

Prompt per la bozza di un’e-mail

Un esempio negativo è:

Code
Scrivi un'e-mail per il cliente.

Non chiarisce né il rapporto con il destinatario né l’obiettivo.

Un esempio migliorato è:

Code
Il tuo compito è aiutare a redigere e-mail commerciali B2B.

  

# Obiettivo

Ringraziare dopo il primo incontro commerciale e concordare la data del successivo.

  

# Contesto

- Destinatario: responsabile del reparto sistemi informativi di un'azienda manifatturiera

- Situazione: ieri si è svolto un incontro online di 30 minuti

- Interesse del destinatario: rendere più efficiente la gestione delle richieste interne

- Prossimo passo desiderato: un ulteriore colloquio con i reparti interessati

  

# Formato dell'output

- 3 proposte per l'oggetto

- 1 proposta per il corpo

  

# Vincoli

- Corpo entro 300 caratteri

- Tono cortese, ma non troppo formale

- Evita un tono eccessivamente promozionale

- Non inserire date nel corpo; scrivere «Invieremo separatamente le date disponibili»

  

Redigi l'e-mail rispettando queste condizioni.

Con queste indicazioni è più facile ottenere un testo adatto alla situazione del destinatario.

Prompt per redigere un verbale

In un verbale è importante separare le decisioni dalle attività da svolgere.

Code
Organizza i seguenti appunti come verbale da condividere internamente.

  

# Obiettivo

Consentire a chi non ha partecipato di comprendere le decisioni e le azioni successive.

  

# Formato dell'output

## Dati della riunione

- Data e ora:

- Partecipanti:

- Obiettivo:

  

## Decisioni

-

  

## Attività da svolgere

| Responsabile | Azione | Scadenza |

  

## Punti principali della discussione

-

  

## Elementi da verificare

-

  

# Vincoli

- Escludere conversazioni informali e digressioni

- Contrassegnare dati o date incerti con «da verificare»

- Se il responsabile di un'attività non è chiaro, scrivere «da assegnare»

- Non mescolare fatti e ipotesi

  

# Input

{incollare qui gli appunti della riunione}

Per elaborare registrazioni e appunti di riunione si possono usare anche strumenti di sintesi basati sull’IA o strumenti di trascrizione. Kanata, per esempio, prevede la sintesi di registrazioni, appunti e materiali secondo un formato specificato. Per le riunioni periodiche da organizzare ogni volta nello stesso modo, sono utili funzioni di generazione personalizzata o modelli.

Prompt per riassumere un documento

Per riassumere un documento, chiedere soltanto di «accorciarlo» non basta. Occorre specificare che cosa mantenere.

Code
Riassumi il documento seguente come nota di sintesi destinata a un direttore.

  


# Obiettivo

Organizzare i punti necessari per decidere, nella riunione della prossima settimana, se procedere con l'introduzione.

  


# Destinatario

Direttore di divisione, interessato soprattutto al rapporto costi-benefici, ai rischi e all’impatto interno, più che ai dettagli tecnici.

  


# Formato dell'output

1. Conclusione

2. Punti necessari per la decisione

3. Vantaggi

4. Rischi

5. Ulteriori elementi da verificare

  


# Vincoli

- Massimo 800 caratteri complessivi

- Usare soltanto i dati numerici presenti nel documento

- Non dedurre le informazioni mancanti; scrivere «da verificare»

- Aggiungere una breve spiegazione ai termini tecnici

  


# Input

{incollare il testo del documento}

Specificare il destinatario cambia la prospettiva dell’output anche quando il documento di partenza è lo stesso.

Prompt per avviare una ricerca

Nella ricerca, l’IA generativa è utile soprattutto per organizzare le domande e individuare gli aspetti da approfondire. La conclusione definitiva richiede invece una valutazione umana.

Code
Tema: progettazione della formazione iniziale per introdurre l'IA generativa in azienda

  

In preparazione di un documento di valutazione interno, organizza gli aspetti da esaminare per questo tema.

  

# Formato dell'output

1. 7 questioni importanti

2. Informazioni da verificare per ciascuna questione

3. Materiali o reparti da consultare come fonti primarie

4. Rischi facili da trascurare

5. Differenze tra gli interessi di dirigenti, responsabili IT e responsabili operativi

  

# Vincoli

- Non inventare dati numerici specifici

- Contrassegnare i contenuti incerti con «da approfondire»

- Separare le considerazioni generali dagli aspetti da verificare nella propria azienda

In questo caso non si chiede all’IA una «risposta», ma una «mappa della ricerca». È particolarmente utile quando si affronta un tema per la prima volta.

Prompt per creare contenuti formativi interni

Quando un responsabile delle risorse umane o della trasformazione digitale organizza un gruppo di studio interno, è importante specificare le conoscenze iniziali dei partecipanti.

Code
Ti occupi della progettazione di materiali formativi interni sull'IA generativa.

  

# Obiettivo

Spiegare ai dipendenti che hanno appena iniziato a usare l'IA generativa le basi dei prompt applicabili al lavoro.

  

# Partecipanti

- Hanno già provato a usare l'IA generativa

- Non conoscono però una struttura per i prompt

- Svolgono funzioni diverse, tra cui vendite, servizi generali e pianificazione

  

# Formato dell'output

Crea la struttura di 10 slide formative.

Per ogni slide includi:

- Titolo

- Contenuto da comunicare

- Esempio

- Punto che il docente deve approfondire

  

# Vincoli

- Ridurre al minimo i termini tecnici

- Un messaggio per slide

- Evitare affermazioni come «con l'IA l'efficienza migliora sempre»

- Concludere con un esercizio per i partecipanti

Nella formazione è importante non soltanto trasmettere conoscenze, ma anche aiutare i partecipanti ad applicarle al proprio lavoro. Video didattici, portale interno, LMS e chat IA sono alcune delle possibili modalità operative.

Oltre a chat e sintesi basate sull’IA, Kanata include anche funzioni di e-learning che consentono di creare materiali a partire da video e distribuirli ai membri dell’organizzazione. Nella gestione della formazione interna è opportuno progettare non solo la creazione dei prompt, ma anche le modalità di fruizione, condivisione e riutilizzo.

5 suggerimenti per migliorare i prompt

5 suggerimenti per migliorare i prompt

Una volta compresa la struttura di base, alcuni accorgimenti possono rendere l’output ancora più stabile.

Non chiedere subito la versione definitiva

Chiedere fin dall’inizio un testo definitivo può produrre un risultato diverso dalle aspettative.

Soprattutto per proposte, articoli, materiali formativi e regole interne, nei quali la struttura è importante, è consigliabile chiedere prima uno schema.

Code
Fornisci prima soltanto lo schema.

Non scrivere ancora il testo: organizza i titoli e i punti da comunicare in ciascuna sezione.

Verificare la struttura prima di passare al testo aiuta a evitare revisioni sostanziali.

Chiedere più proposte e farne spiegare le differenze

Con una sola proposta può essere difficile stabilire se sia valida.

Code
Fornisci 3 proposte.

Per ciascuna, indica in una frase quando è adatta, quali vantaggi offre e quali aspetti richiedono attenzione.

Confrontare più proposte facilita la scelta della soluzione più vicina alle proprie esigenze.

Separare fatti, ipotesi ed elementi da verificare

Nell’uso professionale dell’IA è particolarmente importante non mescolare fatti e ipotesi.

Code
Dividi l'output in 3 sezioni: «Fatti», «Ipotesi» e «Da verificare».

Classifica ciò che non è indicato esplicitamente nel documento come ipotesi o elemento da verificare.

Questa sola indicazione rende l’output più facile da riesaminare.

Procedere con 1 chat e 1 tema

Se si continuano a trattare più temi in una chat, le informazioni precedenti possono influenzare le nuove risposte.

Per esempio, se in una chat usata inizialmente per un’e-mail commerciale si comincia a creare materiale formativo interno, stile e contesto potrebbero mescolarsi.

Anche la guida Kanata alle migliori pratiche per il lavoro quotidiano suggerisce di dedicare ogni chat a un solo tema e di aprire una nuova chat quando cambia l’argomento.

Questo metodo non vale soltanto per Kanata, ma aiuta a organizzare l’uso professionale dell’IA generativa. Separare le chat per progetto, documento o obiettivo facilita anche le consultazioni successive.

Conservare e riutilizzare i prompt efficaci

Un buon prompt non dovrebbe restare sepolto negli appunti personali, ma diventare riutilizzabile dal team.

Prompt come i seguenti possono diventare risorse riutilizzabili:

  • modello per verbali
  • modello per bozze di e-mail
  • modello per organizzare appunti commerciali
  • modello per creare materiali formativi
  • modello per rispondere alle FAQ interne
  • modello per riassumere documenti

I prompt possono essere archiviati in un foglio di calcolo, una wiki interna, uno strumento di gestione della conoscenza o una piattaforma per l’uso dell’IA, in base alle procedure aziendali.

In Kanata, la «libreria» è organizzata come archivio di impostazioni IA, prompt e dati di riferimento riutilizzabili nei progetti; nella libreria dei prompt è possibile registrare le istruzioni usate di frequente.

Trasformare le pratiche efficaci dei singoli in uno standard condiviso dal team è importante per estendere l’uso dell’IA generativa.

Come gestire il riutilizzo dei prompt in azienda

Come gestire il riutilizzo dei prompt in azienda

Un prompt non si scrive una volta per tutte. Quando cambiano le attività o le regole interne, deve essere riesaminato.

Classificare per finalità

Per prima cosa, classificate i prompt in base alla finalità.

Esempi di classificazione dei prompt per finalità
Categoria Esempi di prompt
Riunioni Creazione di verbali, estrazione delle attività, preparazione dell’ordine del giorno
Vendite Organizzazione di appunti commerciali, bozze di e-mail, struttura di proposte
Funzioni amministrative FAQ sui regolamenti, risposte alle richieste, comunicazioni sulla formazione
Marketing Struttura di articoli, proposte per i social media, organizzazione delle esigenze dei clienti
Risorse umane/trasformazione digitale Materiali formativi, test di comprensione, documenti esplicativi interni

Questa classificazione aiuta i dipendenti a trovare il prompt adatto.

Definire regole di denominazione

Se i nomi dei prompt non sono uniformi, il riutilizzo diventa difficile.

Si consiglia di includere finalità e versione.

Code
modello_verbale_standard_v1

e-mail_commerciale_dopo_primo_incontro_v1

materiale_formativo_basi_IA_v2

FAQ_interne_risposte_regolamenti_v1

Un nome che rende immediatamente riconoscibile la finalità facilita l’uso da parte del team.

Registrare data di aggiornamento e responsabile

Se i vecchi prompt restano disponibili, possono essere usate istruzioni non più adatte alle attività correnti.

È consigliabile registrare almeno:

  • data di creazione
  • data dell’ultimo aggiornamento
  • autore
  • responsabile
  • situazione d’uso
  • aspetti da considerare

Soprattutto i contenuti relativi all’ambito legale, alle risorse umane, alla finanza e alla sicurezza possono risentire dei cambiamenti normativi e delle regole interne, perciò richiedono verifiche periodiche.

Riesaminare 1 volta al mese i prompt utilizzati

Per esempio, ogni team potrebbe dedicare 30 minuti al mese alla revisione dei prompt.

Gli elementi da controllare sono:

  • quali prompt vengono utilizzati
  • quali hanno presentato problemi di qualità dell’output
  • se vi sono presupposti o espressioni superati
  • se occorrono nuovi modelli
  • se la gestione delle informazioni riservate presenta problemi

Non serve organizzare una lunga riunione. Anche migliorare gradualmente i prompt usati più spesso può rendere più stabile l’uso dell’IA da parte dell’intero team.

Precauzioni nelle istruzioni all’IA generativa

Precauzioni nelle istruzioni all'IA generativa

Organizzare il prompt rende l’output dell’IA più utilizzabile. Occorre però ricordare che, quanto più l’output appare ben rifinito, tanto più è facile trascurarne la verifica.

Trattare l’output dell’IA come una bozza

L’IA generativa sa produrre testi naturali, ma il contenuto non è sempre corretto.

In particolare, una persona deve sempre verificare:

  • dati numerici
  • date
  • nomi propri
  • leggi e disposizioni normative
  • condizioni contrattuali
  • regolamenti interni
  • informazioni sui clienti
  • fonti delle citazioni
  • dati sui risultati

L’output dell’IA è una bozza, non un prodotto finito. Per i testi destinati all’esterno o i documenti che incidono sulle decisioni, prevedete sempre una revisione umana.

Verificare dati personali e informazioni riservate prima dell’inserimento

Prima di scrivere un prompt, occorre verificare se le informazioni possono essere inserite.

Nomi di clienti e referenti, importi contrattuali, numeri identificativi dei dipendenti, dati sanitari e informazioni HR non pubbliche, per esempio, richiedono attenzione.

Il profilo NIST sull’IA generativa segnala anche i rischi di divulgazione e uso non autorizzato dei dati personali. Nell’impiego professionale occorre controllare regole interne e condizioni contrattuali, distinguendo le informazioni utilizzabili da quelle da escludere.

Nella pratica, sostituzioni come le seguenti possono aumentare la sicurezza.

Esempi di mascheramento delle informazioni nei prompt
Informazione originale Esempio di sostituzione
Società A {grande azienda manifatturiera}
Nome e cognome del referente {referente del reparto sistemi informativi}
120.000 euro {contratto annuo nell’ordine di 100.000 euro}
13 maggio 2026 {metà maggio 2026}
Matricola del dipendente e indirizzo Eliminare

In caso di dubbio, è preferibile non inserire l’informazione.

È importante anche progettare il prompt affinché l’IA dica “non lo so”

Nel lavoro è importante non costringere l’IA a produrre una risposta.

Per rispondere su un regolamento interno, per esempio, si può specificare:

Code
Non dedurre ciò che non è indicato nel regolamento interno; scrivi «Non è possibile verificarlo nel regolamento».

Per una risposta destinata a un cliente, si può indicare:

Code
Non presentare come certi i contenuti incerti; scrivi «Verificheremo e la ricontatteremo».

Per l’IA, produrre una risposta è semplice. Nel lavoro, tuttavia, vi sono situazioni in cui è più importante riconoscere che un’informazione non è disponibile.

Come gestire i prompt con Kanata

Come gestire i prompt con Kanata

Per gestire i prompt esistono diverse opzioni, tra cui wiki interne, fogli di calcolo, strumenti di gestione documentale e piattaforme per l’uso dell’IA. Oltre alla scelta dello strumento, conta il modo in cui si conservano le istruzioni più frequenti: il team deve poterle condividere e aggiornare facilmente.

Kanata è una piattaforma di supporto al lavoro che riunisce in un unico luogo chat IA, sintesi IA, e-learning e altre funzioni di IA necessarie alle attività. Con la chat IA si possono redigere testi, sviluppare idee e svolgere ricerche attraverso il dialogo con l’IA.

Dal punto di vista dell’ingegneria dei prompt, si possono considerare gli usi seguenti.

Registrare nella libreria dei prompt le istruzioni usate di frequente

Se si riscrive più volte la stessa istruzione, quel prompt potrebbe essere riutilizzabile dal team.

Verbali, e-mail commerciali, materiali formativi e FAQ interne, per esempio, possono spesso seguire una struttura comune anche quando cambia chi li prepara.

La libreria di progetto di Kanata conserva impostazioni dell’IA, prompt e dati di riferimento. La sezione dedicata ai prompt permette di salvare le istruzioni usate più spesso.

Distinguere i dati di apprendimento dai prompt

Il prompt indica come rispondere. In questa sezione, l’espressione «dati di apprendimento» indica i dati di riferimento: documenti e informazioni che l’IA consulta per formulare la risposta.

Per creare FAQ basate sui regolamenti interni, per esempio, un prompt ben organizzato non basta se mancano i regolamenti da consultare.

In questo caso, occorre distinguerli come segue:

Dati di riferimento
Regolamento del personale, regolamento sulle spese, regolamento sulle trasferte, raccolta di FAQ
Prompt
Rispondere soltanto in base a ciò che è indicato nei regolamenti. In assenza di fondamento, contrassegnare la risposta come da verificare

Il manuale di Kanata descrive la registrazione nella libreria dei dati di riferimento dei documenti interni che l’IA deve consultare, rendendoli accessibili dalle applicazioni di chat e sintesi.

Collegare formazione e gestione operativa

Il modo di scrivere i prompt difficilmente si consolida dopo un solo corso.

È quindi utile creare un flusso in cui si apprende la struttura di base durante la formazione, si consulta la libreria dei prompt nelle attività quotidiane e si apportano miglioramenti periodici.

Si può ipotizzare il processo seguente:

  1. apprendere in un corso per tutti i dipendenti la struttura basata su obiettivo, contesto, formato, vincoli ed esempi
  2. creare in ogni reparto 3 prompt per le attività più frequenti
  3. registrare in un’area condivisa i prompt efficaci
  4. riesaminare una volta al mese i prompt utilizzati
  5. condividere i prompt standard con i nuovi assunti e con chi cambia reparto

Questo percorso trasforma le iniziative individuali in pratiche condivise dal team.

Riepilogo

Riepilogo

L’espressione «ingegneria dei prompt» può sembrare riferita a una tecnica specialistica.

Nel lavoro, però, più che tecniche complesse, servono istruzioni chiare e ben formulate.

I 5 elementi di base sono:

  1. indicare l’obiettivo
  2. indicare il contesto
  3. specificare il formato
  4. indicare i vincoli
  5. fornire esempi

Prestare attenzione a questi 5 elementi può rendere più stabile l’output dell’IA generativa.

Naturalmente, i prompt da soli non risolvono tutto. L’uso dell’IA si consolida nel lavoro quando alla verifica umana degli output si affiancano regole per gestire le informazioni riservate e modalità di riutilizzo condivise dal team.

Iniziate scegliendo un’attività standard vicina al vostro lavoro, come la bozza di un’e-mail, un verbale o la sintesi di un documento. Create quindi un prompt professionale seguendo il modello presentato.

Un prompt efficace non dovrebbe restare in un appunto personale, ma essere condiviso con il team. È così che si possono costruire gradualmente modalità d’uso dell’IA generativa ripetibili e condivise in azienda.

Domande e risposte

L’ingegneria dei prompt è riservata agli specialisti?

No. Lo sviluppo avanzato di sistemi di IA e l’ottimizzazione dei modelli richiedono competenze specialistiche, ma nell’uso quotidiano è sufficiente considerarla un «modo per impartire istruzioni chiare all’IA». Anche soltanto includere obiettivo, contesto, formato, vincoli ed esempi rende l’output più utilizzabile.

È necessario scrivere ogni volta un prompt lungo?

No. In alcune situazioni basta una richiesta breve. Se però l’output non assume la forma prevista, aggiungere obiettivo, destinatario, formato e vincoli facilita il miglioramento. Per le attività standard è utile trasformare i prompt più frequenti in modelli.

Si può chiedere all’IA generativa di fornire dati numerici ed esempi?

Si può usare come punto di partenza per una ricerca, ma dati ed esempi devono sempre essere verificati nelle fonti. L’IA generativa può produrre con naturalezza dati o fonti inesistenti. Se il contenuto è destinato all’esterno o a una decisione, occorre verificarlo su fonti primarie, come pubblicazioni di enti pubblici e documenti interni originali.

A che cosa prestare attenzione quando si inseriscono informazioni interne in un prompt?

Prima di inserire dati personali, informazioni sui clienti, condizioni contrattuali, dati finanziari non pubblici o informazioni HR, verificate le regole interne. Se necessario, mascherate ragione sociale, nomi, importi e date. Come principio di base, non inserite informazioni se avete dubbi sulla possibilità di usarle.

Come si possono diffondere internamente i prompt efficaci?

Iniziate creando modelli per attività frequenti come verbali, e-mail e sintesi di documenti. Per ciascun prompt, registrate data di creazione, finalità, responsabile e aspetti da considerare. Riesaminate i prompt circa una volta al mese. Per facilitarne la gestione, raccoglieteli in una wiki interna, in un foglio di calcolo, in uno strumento di gestione delle conoscenze o in una piattaforma di IA che l’azienda possa mantenere nel tempo.

Condividi questo articolo