Punti Chiave
- I primi prompt sono destinati ad 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 compito in un singolo messaggio — contesto, vincoli e sfumature vengono omessi
- Ragione due: non sai cosa vuoi finché non vedi cosa non vuoi — il primo risultato chiarisce il tuo stesso pensiero
- Il metodo approach-first — chiedere all'AI di delineare il suo piano prima di eseguire — previene il modo di fallire più comune nei compiti complessi
- L'iterazione non è un rimedio per il prompting sbagliato — è il processo che produce buoni risultati
Come fare prompt all'AI: perché il primo tentativo delude quasi sempre
Il primo prompt delude quasi sempre. Questo vale sia che tu abbia iniziato a usare l'AI la settimana scorsa sia che lo faccia da due anni. La differenza è che gli utenti esperti si aspettano la delusione e hanno un piano per ciò che viene dopo. I principianti tendono a concludere che l'AI sia rotta o che stiano facendo qualcosa di sbagliato.
Ci sono due ragioni prevedibili per questo.
Motivo 1 — Non puoi dire tutto in una volta
Prima: non puoi dire tutto in una volta. Un compito lavorativo che potresti spiegare a un collega in cinque minuti di dialogo non si comprime facilmente in un singolo messaggio. Un po' di contesto viene omesso. 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.
Motivo 2 — Non sai cosa vuoi finché non vedi cosa non vuoi
Seconda, e questa è più interessante: spesso non sai cosa vuoi finché non vedi cosa non vuoi. Il primo risultato dell'AI agisce come uno specchio. Ti mostra una versione di ciò che hai chiesto, e vedere quella versione chiarisce il tuo stesso pensiero. "È troppo formale." "Volevo più dettagli sulla sezione del budget." "Le raccomandazioni dovrebbero essere più audaci." Queste reazioni non avrebbero potuto far parte del prompt originale. Emergono solo dopo aver visto una bozza.
Entrambe le cose sono normali. Imparare a fare prompt all'AI bene significa accettare che il primo tentativo è un punto di partenza, e il valore sta in ciò che accade dopo.
Cosa dovrei fare quando il primo risultato non è all'altezza?
Costruisci su di esso. Non cancellare la conversazione e 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. Le idee potrebbero essere solide anche se il formato ha bisogno di cambiamenti.
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 Q3." "Riduci il conteggio delle parole della metà e passa agli elenchi puntati." "Abbandona il tono accademico, rendilo colloquiale."
Due o tre cicli di raffinamento di solito producono un output migliore di quello che la maggior parte delle persone potrebbe scrivere da zero nello stesso lasso di tempo.
L'intuizione chiave è che l'iterazione è il processo, non un fallimento nel fare le cose bene. Gli utenti esperti la pianificano. Scrivono il primo prompt sapendo che è una bozza approssimativa e spendono le loro competenze nel raffinamento, che è dove viene creato il vero valore. Che tu stia imparando per la prima volta come scrivere prompt AI o raffinando un workflow che usi da mesi, il ciclo rimane lo stesso: prompt, valuta, aggiusta. Quel ciclo è il nucleo di come fare prompt all'AI efficacemente, indipendentemente dalla piattaforma o dal compito.
Cos'è il metodo approach-first e quando dovrei usarlo?
Il metodo approach-first previene il fallimento più costoso nei compiti complessi: l'AI che va nella direzione sbagliata prima che tu possa correggere il tiro.
Il metodo è semplice. Prima di chiedere all'AI di eseguire un compito complesso, chiedile di descrivere il suo approccio. "Prima di scrivere questo report, dimmi: quale struttura stai pianificando di usare, quali punti chiave affronterai e quali presupposti stai facendo?"
L'AI risponde con il suo piano. Tu lo rivedi e ridirigi. "Buona struttura, ma sposta la sezione dei rischi prima delle raccomandazioni." "Stai assumendo un tono formale, rendilo colloquiale." "Hai perso l'analisi dei fornitori, aggiungila come sezione."
Poi l'AI esegue in base al piano corretto.
Il potere qui sta nel timing. Correggere un piano richiede un messaggio. Correggere un report finito di duemila parole richiede diversi cicli e molta pazienza. Il metodo approach-first anticipa l'allineamento e risparmia tempo di iterazione sul back end.
Due esempi in cui questo cambia il risultato:
Esempio: piano di rollout della formazione
Un piano di implementazione della formazione. Senza approach-first, l'AI produce una timeline generica che non corrisponde alla tua organizzazione. Con esso, rivedi le fasi proposte, le aggiusti per i tuoi vincoli specifici (ciclo di budget, priorità del dipartimento, facilitatori disponibili) e ottieni un piano che si adatta alla tua realtà.
Esempio: analisi competitiva
Un'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 all'integrazione) e quali concorrenti includere. L'output informa direttamente la tua decisione invece di richiedere un'ampia modifica.
Quando usarlo
Usa il metodo approach-first ogni volta che il compito coinvolge più sezioni, giudizi significativi o output più lungo di qualche paragrafo. Per un'email breve, aggiunge overhead di cui non hai bisogno. Per qualsiasi cosa complessa, è la singola tecnica più preziosa nel tuo arsenale. Questa è una di quelle cose che separa le persone che imparano il prompting AI seriamente da quelle che lo fanno solo superficialmente.
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 guadagni parziali.
Correggi quando l'output è parzialmente corretto
Correggilo quando l'output è parzialmente corretto. La struttura è buona ma il tono è sbagliato? Aggiusta il tono. Il contenuto è rilevante ma troppo lungo? Chiedi una versione più breve. Una sezione è forte e un'altra è debole? Punta specificamente alla sezione debole.
Correggi quando riesci a nominare il problema
Correggilo quando puoi nominare il problema. "Troppo formale", "mancano i dati finanziari", "deve essere una tabella comparativa invece di prosa". Questi sono correggibili con un singolo follow-up. Sapere come fare prompt all'AI attraverso 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 fondamentalmente sbagliata
Ricomincia da capo quando la direzione fondamentale è sbagliata. Se l'AI ha interpretato "analisi della concorrenza" come un'analisi SWOT quando volevi un confronto di funzionalità, l'intero output è costruito su un malinteso. Un nuovo inizio con un'istruzione più chiara è più rapido che cercare di riorientare.
Prova questo: Ricomincia da capo quando i messaggi iniziali hanno contaminato il contesto. Se i primi messaggi hanno impostato il tono, il pubblico o i vincoli sbagliati, continuano a influenzare tutto ciò che segue. Una nuova conversazione con un contesto corretto funziona meglio che combattere lo slancio stabilito.
La regola di una o due frasi
Una regola utile: se puoi descrivere la correzione in una o due frasi, invia un follow-up. Se dovresti riformulare l'intero compito da zero, apri una nuova chat. In entrambi i casi, stai sviluppando il giudizio che separa qualcuno che sa come scrivere prompt AI da qualcuno che sta ancora indovinando.
Per un percorso strutturato attraverso queste competenze, come parlare con l'AI copre le basi per principianti e come imparare il prompting AI da zero costruisce iterazione e diagnosi nelle settimane intermedie. 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.