La maggior parte delle persone interagisce con l'AI generativa nello stesso modo in cui farebbe una ricerca su Google: una frase breve, poco contesto, nessuna indicazione di formato o ruolo. Il risultato è un output generico che non rispecchia le esigenze reali. Il problema non è il modello. È il prompt.
Perché la qualità del prompt è determinante
Il prompt engineering è la capacità di strutturare le istruzioni per un modello generativo in modo da ottenere output di qualità e rilevanza elevata. Gartner lo include tra le competenze AI più impattanti che un'organizzazione può sviluppare nella propria forza lavoro, e nell'Hype Cycle for Generative AI 2025 lo classifica come tecnologia in fase di early mainstream, con una penetrazione già superiore al 20% del pubblico target.
Gli utenti principianti tendono a trattare la GenAI come se stessero conversando con una persona. In realtà, i modelli generativi richiedono istruzioni precise: cosa fare, come farlo, in quale formato, per quale pubblico, con quale tono. Più contesto viene fornito, più l'output è focalizzato e utile.
Il framework ReFLECT
Gartner ha sviluppato il framework ReFLECT per standardizzare la struttura di un prompt efficace. L'acronimo sta per Role, Format, Language, Example, Context e Task. Ogni componente contribuisce a orientare il modello verso l'output desiderato.
Role definisce chi deve essere il modello nel generare la risposta, sia come persona che come tipo di pubblico a cui l'output è destinato. Un esempio: "Sei un analista di dati esperto. Il destinatario è un manager senza background tecnico." Format specifica la struttura dell'output: lista, tabella, paragrafi, guida step-by-step. Language indica il registro e il tono: formale, diretto, persuasivo, conversazionale. Example fornisce un riferimento concreto di cosa si aspetta come risultato. Context include tutto il materiale di background necessario: documenti, dati precedenti, vincoli. Task definisce l'azione specifica richiesta con un verbo preciso.
Il ruolo dei verbi d'azione
Gartner identifica una seconda leva ad alto impatto: i verbi d'azione nei prompt. Usare verbi precisi migliora significativamente la qualità e la pertinenza degli output perché comunica al modello esattamente quale operazione cognitiva è richiesta. Le categorie principali sono: raccomandare, proporre, ottimizzare, migliorare per i task di raccomandazione; prioritizzare, organizzare, categorizzare, ordinare per i task organizzativi; creare, generare, progettare, sviluppare per i task creativi; spiegare, chiarire, semplificare, riassumere per i task esplicativi; analizzare, valutare, confrontare, valutare per i task analitici.
Un prompt che dice "dimmi qualcosa su Parigi" produce un output molto diverso da uno che dice "descrivi la cultura di Parigi confrontandola con altre città francesi in un paragrafo di 150 parole per un pubblico di viaggiatori esperti".
Il prompt come dialogo iterativo
Non è necessario inserire tutti i dettagli nel prompt iniziale. I modelli generativi supportano il raffinamento progressivo attraverso prompt successivi. Se il primo output ha il contenuto giusto ma il formato sbagliato, un secondo prompt come "converti i punti elenco in una tabella a due colonne" è sufficiente a riorientare il modello. Questo approccio iterativo riduce la frustrazione degli utenti principianti e accelera il percorso verso un uso efficace.
Un test utile per valutare la qualità di un prompt è chiedersi: se dessi questa stessa istruzione a un nuovo collaboratore al primo giorno di lavoro, senza ulteriori spiegazioni, cosa produrrebbe? Se la risposta è "qualcosa di casuale", il prompt ha bisogno di più contesto.
Dalle competenze individuali a quelle organizzative
Il prompt engineering diventa ancora più potente quando smette di essere una competenza individuale e diventa una capacità organizzativa. Le aziende che costruiscono programmi di formazione strutturati, distribuiscono framework condivisi e raccolgono i prompt migliori in repository accessibili a tutti i team stanno accelerando il proprio livello di utilizzo dell'AI in modo sistematico, non casuale.
Il punto
La produttività che l'AI può generare in un'organizzazione dipende in misura rilevante dalla qualità con cui le persone sanno interagire con i modelli. Il prompt engineering non è una competenza tecnica riservata agli sviluppatori: è una capacità operativa che chiunque lavori con strumenti AI generativi può e deve sviluppare. Investire nella formazione su questa competenza è uno dei ritorni più rapidi che un'organizzazione può ottenere dal proprio investimento in AI.
