Risposte precise dell'IA senza allucinazioni e chiacchiere

Creare istruzioni efficaci per intelligenze artificiali conversazionali, con esempi e tecniche di prompt engineering per risposte precise e utili

Avete presente quando date un testo lungo a un'intelligenza artificiale e lei risponde con un riassunto che sembra scritto da qualcuno che ha letto solo l'inizio e la fine? Capita spesso. Ci è successo di recente cercando di analizzare dei contratti di affitto: l'IA ha saltato proprio le clausole sul recesso, che erano le più importanti, cambiando completamente il senso del documento. Il problema non è che l'algoritmo non sia capace, ma che spesso gli diamo istruzioni confuse, come se gli consegnassimo un'enciclopedia senza indice e gli chiedessimo di trovare un dettaglio specifico senza dirgli in che capitolo guardare.

Gli sviluppatori di Anthropic, l'azienda che ha creato Claude, hanno studiato proprio questo fenomeno. Hanno scoperto che per ottenere risposte precise non serve "essere gentili" con la macchina, ma serve organizzare l'informazione in modo che l'IA non faccia confusione. Ecco come applicare i loro metodi per smettere di lottare con i prompt.

Di seguito ho fatto una sintesi introduttiva della guida ai prompt di Anthropic che può essere conservata e studiata con calma partendo da questa pagina https://docs.anthropic.com/en/docs/overview. È gratuita. È incredibilmente ben scritta. E copre casi d'uso reali di Claude che possono valere anche per ChatGPT ed altre AI.

L'importanza di una mappa chiara

Un comando generico come "parla di business" è inutile. Produce risposte piatte che non servono a nessuno. Per l'IA, la chiarezza è tutto: se non specifichiamo l'argomento, la lunghezza, il tono e a chi ci rivolgiamo, lei riempirà i vuoti a caso.

La differenza tra un risultato mediocre e uno professionale sta nei dettagli. Invece di scrivere "scrivi di marketing", che è un prompt debole, è molto più efficace chiedere di scrivere un articolo di 600 parole sulle strategie di marketing digitale per startup, con un tono chiaro e tre esempi pratici. Definire il formato (una mail, una lista, un report) evita che l'IA inizi a divagare.

Usare i tag per non creare confusione

Immaginate di dare a un assistente un mucchio di fogli sparsi e dirgli cosa fare mentre glieli consegnate. È facile che si perda qualche passaggio. L'intelligenza artificiale funziona allo stesso modo: legge tutto come un unico, lungo filo di testo. Se scriviamo l'ordine e subito dopo incolliamo dieci pagine di documenti, l'IA rischia di confondere le istruzioni con il contenuto del testo.

La soluzione è usare i tag, che funzionano come delle etichette o delle scatole. Invece di buttare tutto nel campo di testo, racchiudiamo i materiali tra marcatori chiari. Ad esempio, usiamo <documento> all'inizio e </documento> alla fine. In questo modo l'IA capisce che tutto ciò che sta "dentro la scatola" è materiale da studiare, mentre ciò che sta "fuori" sono gli ordini da seguire. Questo metodo è fondamentale quando gestiamo contesti estesi, come l'analisi di report aziendali di migliaia di parole.

Dare un'identità precisa invece di un ruolo generico

Dire all'IA "comportati da esperto" è un errore comune. Il problema è che l'IA è stata addestrata su tutto: dai manuali di idraulica ai forum di cucina. Se le chiediamo di essere un "esperto", lei sceglie una via di mezzo che risulta piatta.

Bisogna assegnare un ruolo specifico, come se stessimo dando una parte a un attore. Invece di "esperto di finanza", chiediamo di agire come un analista finanziario specializzato in criptovalute, che deve creare un report per un investitore prudente. Più l'identità è definita, più il software scarterà le parole inutili e userà il linguaggio giusto per quel contesto. È la differenza tra chiedere a un attore di "recitare" e chiedergli di "interpretare un avvocato cinico in un tribunale di New York".

Mostrare l'esempio invece di spiegare

A volte spiegare a parole come vogliamo che sia un testo è quasi impossibile. In questi casi, la tecnica migliore è il few-shot prompting: mostriamo un prototipo e chiediamo di replicarlo.

Se vogliamo che l'IA scriva dei consigli per risparmiare in vacanza, non scriviamo una guida di dieci righe. Le diamo un esempio concreto: "Usa il formato: Consiglio: Descrizione (max 50 parole). Esempio: Prenota in anticipo: acquistare voli e alloggi con mesi di anticipo può ridurre i costi fino al 30%". L'algoritmo coglie lo schema all'istante e lo replica su tutti i dati successivi con una precisione chirurgica.

Obbligare l'IA a pensare ad alta voce

L'IA spesso sbaglia i calcoli o i ragionamenti logici perché cerca di dare la risposta finale immediatamente. È come un alunno che scrive solo il risultato di un'operazione matematica senza fare i passaggi sul quaderno: se sbaglia un numero a metà, sbaglia tutto.

Per evitare questo, forziamo il ragionamento a tappe (o chain of thought). Chiediamo all'IA di scrivere i suoi passaggi logici all'interno di un tag <pensiero> prima di dare la risposta definitiva. Se ci troviamo davanti a un codice che non funziona, questa è la rotta di Navigaweb per capire dove l'IA sta sbagliando. Leggendo il "pensiero" dell'algoritmo, possiamo accorgerci esattamente in quale punto ha preso una cantonata e correggerlo nel prompt successivo.

Trucchi avanzati per risultati professionali

Esistono alcune manovre che pochi usano ma che cambiano drasticamente la qualità dell'output.

Il pre-filling (evitare i preamboli): Le IA amano fare discorsi lunghi e inutili prima di arrivare al punto. Per evitarlo, possiamo "iniziare la frase" per loro. Se chiediamo un paragrafo sulla medicina e scriviamo nel prompt: Inizia la risposta con: "L'IA sta trasformando la sanità...", l'algoritmo salterà i saluti e i preamboli, andando dritto al sodo.
Il prompt chaining (lavorare a fasi): Per progetti complessi, non chiediamo tutto insieme. Dividiamo il lavoro in una catena di comandi. Prima chiediamo di analizzare i temi di un report, poi di sintetizzarli e, solo alla fine, di trasformare quella sintesi in un post per LinkedIn.
Bloccare le allucinazioni: Per evitare che l'IA si inventi i fatti, basta aggiungere il vincolo: "se la risposta non è presente nel testo fornito, dichiara esplicitamente di non avere le informazioni sufficienti".

Per chi vuole testare queste variabili in un ambiente controllato, consigliamo di usare il Workbench all'interno della Documentazione ufficiale di Anthropic, che permette di confrontare diverse versioni dello stesso prompt.

Un pizzico di scetticismo sull'etica dell'IA

Sentiamo spesso parlare di IA "etica" e "sicura". È vero che modelli come Claude sono progettati per essere più affidabili, ma non dimentichiamo che queste macchine riflettono i pregiudizi (bias) presenti nei dati con cui sono state addestrate. Il controllo umano resta l'unico vero filtro. Non condividete mai dati sensibili e verificate sempre le risposte su temi delicati come la salute o il diritto: l'IA può sembrare sicura di sé anche quando sta dicendo una sciocchezza colossale.

diario di bordo di Navigaweb

Dopo aver testato centinaia di prompt, ho capito che l'errore più grande è trattare l'IA come un essere umano che "capisce al volo". Non è così. L'IA è più simile a un dipendente estremamente veloce ma incredibilmente letterale: se non gli dici esattamente dove guardare e come ragionare, farà di testa sua, convinto di fare un buon lavoro. Il mio consiglio spassionato è di smettere di scrivere prompt lunghi e discorsivi e iniziare a usare i tag e il pre-filling. Sembra di scrivere codice, ma è l'unico modo per avere il controllo totale della risposta e non perdere ore a chiedere "per favore, riprova, ma stavolta non inventare".