Come scrivere un prompt efficace: la struttura in 4 parti, con esempi
Il prompt medio è una riga scritta di fretta: "scrivimi una mail per il cliente". La risposta che arriva è generica, il tono non è il tuo, mancano i dettagli che contano — e la conclusione, quasi sempre, è "l'AI non fa per me". In realtà il problema è un altro: l'hai trattata come un motore di ricerca, quando andrebbe trattata come un collaboratore appena assunto. Bravissimo, velocissimo, ma che di te, del tuo cliente e del tuo lavoro non sa assolutamente niente.
Questa guida mostra la struttura in quattro parti che trasforma una richiesta vaga in un prompt efficace, con esempi prima/dopo da copiare e gli errori più comuni da evitare. Vale identica per ChatGPT, Claude, Gemini e qualsiasi altro assistente.
Perché il prompt di una riga fallisce
Quando la richiesta è vuota, il modello non si ferma a chiederti chiarimenti (a meno che tu non glielo chieda): riempie i vuoti con la scelta più tipica. Destinatario tipico, tono tipico, lunghezza tipica, contenuto tipico. Il risultato è quella prosa da manuale aziendale che riconosci al primo sguardo — corretta e inservibile.
Ogni informazione che non fornisci è una decisione che il modello prende al posto tuo, e la prende sulla media di tutto ciò che ha letto. Il prompt efficace non è una formula magica: è semplicemente il modo di prendere tu quelle decisioni.
La struttura in quattro parti
1. Il ruolo
Di' al modello chi deve essere. "Sei un commercialista che spiega a un cliente non esperto" produce un testo diverso — lessico, tono, priorità, livello di dettaglio — da "sei un avvocato tributarista che scrive a un collega". Il ruolo non è teatro: orienta migliaia di micro-scelte implicite che il modello farebbe comunque, ma a caso.
Funziona meglio se è specifico. "Sei un esperto" non dice nulla; "sei il responsabile assistenza di un software gestionale, parli con utenti non tecnici spesso frustrati" dice tutto.
2. Il contesto
Tutto quello che il collaboratore nuovo non può sapere: a chi è destinato il testo, cosa è successo prima, qual è l'obiettivo reale, cosa è già stato provato. È la parte che quasi tutti saltano ed è la più importante: la regola pratica del context engineering dice che la qualità della risposta dipende più da cosa metti nel contesto che da come formuli la domanda. Un prompt breve con un buon contesto batte un prompt elaborato scritto nel vuoto.
Il contesto include anche i materiali: se la risposta deve basarsi su un documento, incollalo (o allegalo). Il modello che lavora su un testo che gli dai sbaglia molto meno del modello che va a memoria.
3. Le istruzioni, con i vincoli espliciti
Non "scrivi una mail" ma "scrivi una mail di massimo 120 parole, tono cordiale ma fermo, che si chiude proponendo una data per una chiamata". I modelli seguono i vincoli espliciti sorprendentemente bene; quelli impliciti li inventano. Lunghezza, formato, cosa includere, cosa evitare, come chiudere: ogni vincolo che espliciti è un giro di revisione che risparmi.
Vale anche per i divieti: "non usare aperture di circostanza", "non scusarti", "niente elenchi puntati" sono istruzioni legittime e rispettate.
4. Un esempio
Se hai in mente com'è fatto un buon risultato, mostralo. Un esempio vale più di dieci aggettivi: è il few-shot prompting, la tecnica con il miglior rapporto sforzo/risultato che esista. Incolla una mail che hai scritto tu e che ti piaceva: "il mio tono è questo". Per compiti ripetitivi — classificare, riformattare, estrarre dati — due o tre esempi di input→output desiderato battono qualsiasi spiegazione astratta.
Prima e dopo: tre esempi reali
La mail al cliente. Prima: "scrivimi una mail per un cliente che non risponde". Dopo:
Sei il responsabile clienti di una piccola agenzia web [ruolo]. Il cliente Rossi ha ricevuto il preventivo 10 giorni fa e non risponde; è un cliente storico, non voglio pressarlo [contesto]. Scrivi una mail di massimo 120 parole, cordiale, che si chiude proponendo una chiamata questa settimana [istruzioni]. Il mio tono è tipo: "Ciao Marco, ti scrivo perché..." [esempio].
Il riassunto che serve a qualcosa. Prima: "riassumi questo documento". Dopo: "Sei un analista che prepara il brief per un dirigente con 3 minuti di tempo [ruolo]. Il documento è il verbale allegato; il dirigente deve decidere se approvare il budget [contesto]. Riassumi in 5 punti, massimo 20 parole l'uno, mettendo per primi i punti che richiedono una decisione [istruzioni]."
La spiegazione su misura. Prima: "spiegami il RAG". Dopo: "Sono un project manager senza background tecnico, sto valutando un fornitore che propone 'RAG sui documenti aziendali' [contesto]. Spiegami cos'è in 10 righe usando un'analogia da ufficio [istruzioni + formato], poi elencami 3 domande intelligenti da fare al fornitore [seconda istruzione]."
Gli errori più comuni
Il primo è chiedere tutto in una volta: analisi, riscrittura, tabella e piano d'azione nello stesso prompt. Meglio spezzare: ogni risposta diventa il contesto della richiesta successiva, e la conversazione converge. Il secondo è non dare via d'uscita sui fatti: se la richiesta tocca dati che il modello potrebbe non sapere, aggiungi "se non hai l'informazione, dillo esplicitamente invece di stimare" — riduce le invenzioni. Il terzo è trattare la prima risposta come un verdetto: è una bozza. Chiedi due varianti, fai tagliare, fai cambiare tono; la seconda iterazione costa dieci secondi e di solito vale più della prima.
C'è anche l'errore opposto: il prompt-rituale di quindici righe copiato da internet, pieno di "agisci come un esperto di livello mondiale" e istruzioni contraddittorie. La lunghezza non è qualità: ogni riga deve portare un'informazione che il modello non ha.
Costruisci la tua libreria di prompt
L'ultimo salto di produttività non è scrivere prompt migliori: è smettere di riscriverli. Quando un prompt funziona — la mail che esce col tuo tono, il riassunto tagliato come serve a te — salvalo. Un file di note basta: titolo, il prompt completo, un esempio di output buono. Dopo un mese avrai una decina di modelli collaudati che coprono l'80% delle tue richieste ricorrenti, e ogni nuovo compito partirà dalla versione già rodata invece che da zero. È la differenza tra chi "usa l'AI" e chi ci lavora: i secondi hanno una libreria. Nel percorso questa pratica ha una casa dedicata (la prompt library del progetto di Livello 1), ma il principio vale ovunque: ciò che funziona si conserva, ciò che si conserva migliora.
Quando il prompt non basta
Il prompt perfetto non ripara tre problemi strutturali. Se il modello non conosce i tuoi dati, serve dargli i documenti (o un sistema RAG, dal Livello 3 del percorso). Se il compito richiede informazioni aggiornate, serve la ricerca web attiva, non un prompt migliore. E se il risultato deve essere affidabile su fatti specifici, serve la verifica umana: nessuna formulazione elimina le allucinazioni. Riconoscere quale problema hai davanti — di prompt, di contesto o di verifica — è metà della competenza.
Prova subito
Prendi l'ultima richiesta vera che hai fatto a un assistente AI e riscrivila con i quattro pezzi: ruolo, contesto, istruzioni con vincoli, esempio. Manda entrambe le versioni e confronta le risposte. Quel confronto — sul tuo caso, non su un esempio da manuale — è la lezione che nessun articolo può darti.
Per il quadro completo c'è la dispensa del Livello 1 (anatomia del prompt, tag XML, few-shot, chain-of-thought); il quiz nell'app ti dice quando sei pronto per il livello successivo.