Venerdì stavo aiutando qualcuno che non era riuscito ad avere il risultato desiderato dall’AI. Il documento che aveva prodotto conteneva degli errori e la persona visto che ero lì mi ha chiesto un aiuto. Mi sono messo al pc, ho scritto il mio prompt commentando il perché di ogni componente, e al primo tentativo è arrivato il risultato corretto. Certo, ho dovuto dargli un aiutino quando l’AI si è bloccata e fornire le indicazioni che servivano, ma fondamentalmente ha funzionato subito. Gli ho spiegato che la differenza stava nell’aver strutturato il prompt con il framework TCREI, scoperto nei corsi di Google, oltre ad essermi lasciato ispirare dai 7 pilastri del prompt perfetto e aver aggiunto un controllo sul risultato. In quel momento mi è venuto in mente di scrivere un articolo con una sintesi di questi due corsi.
Ho fatto quattro corsi sull’intelligenza artificiale. Il primo era uno su Udemy sul prompting, roba base per iniziare. Poi qualche mese fa ne ho fatto uno più lungo e strutturato, che è durato due mesi e copriva parecchi argomenti. Per chiudere il 2025, ho completato due corsi su Coursera: Google AI Essentials e Google Prompting Essentials. Molto più corti dei precedenti, ma paradossalmente i più utili, perché mi hanno dato strumenti concreti e mi hanno permesso di affinare quello che avevo già imparato in modo un po’ sparso.
Siccome ho preso appunti durante i corsi e poi ho creato una sintesi usando (indovina?) proprio l’intelligenza artificiale, ho pensato di condividere qui una specie di guida “for dummies”. Il nome mi è venuto in mente pensando alla vecchia collana Hoepli che ho ancora in libreria, quella con le copertine gialle e nere che ancora oggi esiste. Ecco, questa è la versione blog di quella filosofia: niente fronzoli, solo roba che serve.
Alcuni argomenti li ho già trattati in altri articoli sul mio sito, ma era bene riprenderli anche qui per avere tutto insieme, proprio come una guida completa.
Se vuoi approfondire singoli temi:
- L’intelligenza artificiale non è davvero intelligente: i suoi limiti e come usarla al meglio
- L’illusione dei “tre candidati”: bias cognitivi tra psicologia e intelligenza artificiale
I limiti che non puoi ignorare
Prima di iniziare a smanettare con ChatGPT, Gemini, Claude o quello che preferisci, devi sapere con cosa hai a che fare. I modelli linguistici (LLM) non sono magici, hanno dei limiti precisi che se non conosci ti fanno perdere un sacco di tempo.
Il knowledge cutoff è il primo: questi modelli sono addestrati su dataset enormi ma statici. Hanno un limite temporale oltre il quale non sanno nulla, a meno che non siano collegati a strumenti di ricerca in tempo reale. Se chiedi a un modello tagliato a gennaio 2024 cosa è successo a marzo 2024, non può saperlo. Sembra ovvio detto così, ma quante volte vedo gente incazzarsi perché “l’AI non sa una cosa recentissima”?
Le allucinazioni sono il secondo problema, e questo è più subdolo. Siccome l’AI predice la parola successiva su base statistica, può generare risposte completamente false ma scritte in modo così convincente che ti ci fai fregare. La verifica è sempre necessaria, sempre. Non importa quanto sembri sicuro di sé il modello.
I bias sono il terzo: i modelli riflettono i pregiudizi presenti nei dati di addestramento. Pregiudizi sociali, di genere, culturali. Non sono neutri, non possono esserlo.
E qui entra in gioco un principio che Google presenta come cardine del proprio approccio, il Human-in-the-Loop (HITL): l’uomo deve essere parte attiva del processo. Supervisiona, corregge, valida l’output dell’AI per garantire sicurezza ed etica. L’AI è uno strumento, non un sostituto del cervello.
Il framework TCREI: come pensare prima di scrivere
Quello che ho capito è che non “scrivi” un prompt, lo “progetti”. E per farlo Google propone un approccio mentale strutturato, l’acronimo TCREI:
T – Thoughtfully (Con attenzione): Rifletti sull’obiettivo finale prima di digitare. Che cosa vuoi ottenere davvero? Non partire a scrivere a caso.
C – Create (Creare): Componi l’input includendo tutti gli elementi necessari. Non dare per scontato che il modello sappia cosa intendi.
R – Really (Davvero): Chiediti se ciò che hai scritto è davvero chiaro. Sul serio, rileggilo.
E – Excellent (Ottimo): Il prompt deve essere ottimo, privo di ambiguità. Se tu stesso faticheresti a capire cosa intendi, figurati l’AI.
I – Inputs (Input): La qualità dell’output dipende al 100% dalla qualità dell’input. Garbage in, garbage out. Sempre.
Quando ho aiutato quella persona, mi sono messo al pc e ho scritto il mio prompt applicando questo schema, commentando il perché di ogni componente mentre lo facevo. Ho specificato il task, il formato desiderato, il contesto, e soprattutto ho aggiunto istruzioni di verifica per evitare gli errori che c’erano stati nel tentativo precedente. Il risultato è arrivato subito, anche se poi abbiamo fatto qualche aggiustamento successivo. Ma non era un’attività così complessa alla fine, gestita con il giusto prompt si risolveva velocemente.
I sette pilastri del prompt perfetto
Secondo le linee guida Google, un prompt efficace deve contenere il maggior numero possibile di questi elementi. Non sempre servono tutti e sette, ma più ne usi, migliore sarà il risultato.
Task (Compito): L’azione specifica che l’AI deve compiere. “Analizza i dati di vendita del Q4” è un task. “Dimmi qualcosa sulle vendite” non lo è.
Persona: Il ruolo o l’identità che l’AI deve assumere. “Agisci come un esperto di marketing strategico” cambia completamente il tono e l’approccio rispetto a “Agisci come un copywriter creativo”.
Format (Formato): La struttura finale che vuoi. Tabella? Lista? Email? Codice? Specificalo, altrimenti l’AI sceglie per te e magari ti dà un formato inutile.
Context (Contesto): Informazioni di sfondo e obiettivi del progetto. “Siamo una startup che vende software SaaS in Italia” dà all’AI il frame di riferimento per calibrare la risposta.
References (Riferimenti): Esempi o risorse che illustrano lo stile desiderato. “Usa lo stesso tono professionale di questo esempio” seguito da un campione di testo è oro colato.
Evaluate (Valutare): Istruzioni su come l’AI deve autocontrollarsi. “Prima di rispondere, verifica che i dati siano coerenti” riduce le allucinazioni.
Iterate (Iterare): Raffinare il prompt in base al primo risultato ottenuto. “Rifallo, ma rendi il tono meno formale” è parte del processo, non un fallimento.
Le tecniche che fanno la differenza
A seconda della complessità del compito, si usano strategie diverse. Le principali sono tre.
Zero-Shot vs Few-Shot Prompting: Nel primo caso chiedi all’AI di eseguire un compito senza fornire esempi, ideale per roba semplice e diretta tipo “Traduci questo testo”. Nel Few-Shot invece fornisci alcuni esempi, coppie input/output, prima della domanda finale. È la tecnica migliore per insegnare al modello uno stile specifico o un formato complesso. Se vuoi che l’AI scriva email nello stile della tua azienda, dargli tre esempi di email reali funziona meglio di mille spiegazioni.
Chain-of-Thought (CoT): Invece di chiedere solo la risposta, istruisci il modello a “pensare passo dopo passo”. Questo riduce le allucinazioni e migliora le performance nei compiti logici, matematici o di problem solving. È tipo quando a scuola ti facevano scrivere tutti i passaggi, non solo il risultato finale.
Prompt Chaining: Mentre la CoT avviene in un unico prompt, il Chaining divide un compito enorme in più passaggi, dove l’output del primo diventa l’input del secondo. Esempio: primo prompt crea l’indice di un documento, secondo prompt scrive il capitolo 1 basandosi sull’indice, terzo prompt revisiona il capitolo 1. È utile per gestire flussi di lavoro complessi che un singolo prompt non riesce a gestire bene.
L’ecosistema Google (che poi è quello che ho usato per i corsi)
Gemini e Gemini Gems: Le Gems sono versioni personalizzate di Gemini. Puoi creare un “coach personale”, un “partner di programmazione”, quello che ti serve. Incapsulano Persona e Context per compiti ricorrenti, così non devi riscrivere sempre le stesse istruzioni.
NotebookLM: Questo è uno strumento che sto usando, per gli esami universitari e non solo. Ti permette di caricare documenti, PDF, articoli e fonti specifiche, e l’AI lavora esclusivamente su quel materiale. Niente allucinazioni basate su conoscenza generica, solo risposte ancorate ai tuoi documenti. In azienda è perfetto per analizzare report, policy interne, documentazione tecnica senza il rischio che l’AI inventi dati.
AI Studio: È l’ambiente gratuito di Google per sperimentare con i modelli Gemini. Perfetto per testare prompt, confrontare diverse versioni del modello (Gemini Pro, Flash, etc.), e soprattutto per iterare velocemente senza dover configurare nulla. È il playground ideale prima di portare qualcosa in produzione su Vertex AI.
Vertex AI: È la piattaforma enterprise di Google Cloud. Ha il Model Garden, una libreria vasta di modelli sia di Google che open source, e il Generative AI Studio, l’ambiente dove testare e raffinare i prompt con tuning avanzato.
Agenti AI: Strumenti avanzati che possono interagire con applicazioni, database e API esterne per agire per conto dell’utente. Roba tipo prenotare un volo o analizzare file audio/video in automatico.
Il workflow che uso (e che funziona)
Alla fine, il processo che seguo è questo:
- Analisi: Identifico il problema. Cosa voglio ottenere esattamente?
- Design (TCREI): Progetto il prompt con i sette pilastri, o almeno quelli rilevanti.
- Tecnica: Scelgo tra Zero-Shot, Few-Shot o CoT in base alla complessità.
- Esecuzione: Interagisco con l’intelligenza artificiale che trovo più adeguata allo scopo, visto che ognuna ha le sue peculiarità. Avendo Perplexity Pro ne ho sei a disposizione in un unico strumento. Oltre a poter usarne altre come Mistral, DeepSeek, Grok, Qwen, Copilot e diverse ancora da sperimentare.
- Validazione (HITL): Controllo allucinazioni e bias. Sempre.
- Ottimizzazione: Itero e affino finché non ottengo quello che serve.
Quando ho applicato questo workflow per aiutare quella persona, il risultato è arrivato al primo colpo, con qualche piccolo aggiustamento. Certo, non era un’attività particolarmente complessa, ma proprio per questo è stato un buon esempio di come il metodo faccia la differenza. Non è magia, è metodo.
L’intelligenza artificiale è uno strumento potente, ma funziona bene solo se sai come usarla. Questi corsi Google mi hanno dato il metodo per strutturare quello che già faceva funzionare i miei prompt, riducendo i tentativi necessari e migliorando la qualità del risultato. Se dovete partire, partite da qui: TCREI, i sette pilastri, e tanta pratica. Il resto viene da sé.