Prompt engineering: le lezioni di Andrew Ng

Il prompt engineering è la progettazione delle istruzioni con cui chiediamo all’intelligenza artificiale di svolgere un compito. Per ottenere risposte utili servono un obiettivo comprensibile, informazioni pertinenti, un formato di uscita e criteri di verifica. Una richiesta elegante ma priva di contesto rimane un incarico spiegato male.

Parto dal video Full AI Prompting Course with Andrew Ng, pubblicato da DeepLearning.AI, per ragionare su come migliorare il nostro modo di lavorare con i chatbot. Qui trovi il video completo, una breve guida alla visione e alcuni esercizi originali che propongo per trasferire questi principi nel lavoro quotidiano.

Guarda il corso di Andrew Ng sul prompt engineering

Puoi anche guardare il corso direttamente su YouTube. Il video è in inglese e dura circa due ore e mezza.

Le idee del video da cui partire

Ng distingue un uso occasionale dell’AI da un uso più consapevole. Sottolinea il valore del contesto, delle domande neutrali e della revisione progressiva. Distingue inoltre la conoscenza appresa dal modello dalla ricerca sul web e dagli approfondimenti di tipo deep research.

Per orientarti nella visione, ecco alcuni passaggi:

• 0:00: le differenze tra principiante e utilizzatore esperto.
• 15:52: quando serve cercare informazioni sul web.
• 21:40: perché bisogna valutare le fonti recuperate.
• 1:14:11: il problema dell’AI che tende a darci ragione.
• 1:19:55: scrittura, contenuti generici e costruzione progressiva della scaletta.

La mia lettura è questa: vale la pena imparare a progettare l’intero incarico, dall’input alla verifica. Nei paragrafi seguenti sviluppo questa idea con esempi miei, senza attribuirli ad Andrew Ng.

1. Dai all’AI un incarico che si possa capire

Immagina di affidare a un collega la preparazione di un corso scrivendogli soltanto: «Fammi una bella presentazione». Ti chiederebbe per chi, su quale argomento, con quale durata e con quale risultato atteso. Prima di lamentarti delle slide, dovresti riscrivere il messaggio.

Nel mio metodo G.O.L. per creare prompt efficaci propongo una traccia: guidare il sistema, chiarire l’obiettivo, definire limiti e formato. È un promemoria pratico per esplicitare le informazioni che altrimenti lasciamo nella nostra testa.

Questa impostazione è coerente con la guida ufficiale di Google alla progettazione dei prompt: istruzioni specifiche, contesto, esempi e formato desiderato aiutano a orientare la risposta. Google ricorda anche che il processo è iterativo: le indicazioni sono punti di partenza da verificare sul proprio caso.

Ecco un esercizio da provare:

Aiutami a progettare un laboratorio di 90 minuti sull’AI per dodici impiegati amministrativi principianti. L’obiettivo è imparare a trasformare appunti disordinati in un verbale verificabile. Useremo soltanto dati fittizi. Proponi una scaletta con tempi, consegne, materiali e criteri per valutare il risultato. Segnala eventuali informazioni mancanti prima di fare ipotesi.

Per valutare la risposta, controlla se i tempi tornano, se gli esercizi sono davvero adatti a principianti e se il risultato finale è osservabile. «Capire l’AI» è troppo vago; produrre un verbale confrontabile con gli appunti è un obiettivo verificabile.

2. Stabilisci quali fonti possono sostenere la risposta

Quando progetto una richiesta di ricerca, preferisco indicare che cosa dovrebbe contare come prova. Un listino del produttore, una pagina istituzionale e un commento anonimo possono servire a scopi diversi. Metterli tutti nella stessa tabella senza distinguerli rende difficile capire che cosa fidarsi a usare.

Ti propongo questo prompt per confrontare strumenti software:

Confronta questi tre strumenti per l’attività descritta: [attività]. Cerca nelle pagine ufficiali prezzi, funzioni incluse e limiti. Per ogni informazione indica URL e data della verifica. Se un dato manca, scrivi “non verificato”. Separa i fatti documentati dalla tua valutazione. Non dedurre che una funzione esista soltanto perché sarebbe utile.

Il controllo che farei io è semplice: aprire i collegamenti decisivi e verificare che parlino proprio della versione, del piano e della funzione citati. Una bibliografia lunga non sostituisce questa lettura.

3. Chiedi una valutazione senza suggerire il voto

La tendenza a compiacere l’interlocutore viene chiamata sycophancy. La ricerca di Anthropic Towards Understanding Sycophancy in Language Models ha documentato comportamenti di questo tipo nei sistemi studiati, mostrando anche come le preferenze umane possano favorire risposte allineate alle opinioni dell’utente.

Per questo eviterei di aprire una richiesta di valutazione con «Ho avuto un’idea geniale». Preferisco consegnare una proposta e una griglia:

Valuta la proposta allegata rispetto a quattro criteri: chiarezza del destinatario, problema affrontato, fattibilità e differenziazione. Per ciascuno indica gli elementi a favore, quelli contrari e le informazioni mancanti. Non assegnare punteggi quando non hai prove sufficienti. Chiudi con tre domande da porre a potenziali clienti per verificare le ipotesi principali.

Attenzione anche all’eccesso opposto: chiedere sempre di distruggere un’idea rischia di trasformare l’esercizio in una gara a trovare difetti. Io cercherei obiezioni sostenute da elementi concreti, insieme alle condizioni in cui la proposta potrebbe funzionare.

4. Progetta il testo prima di correggere le virgole

Quando lavoro a un articolo, mi interessa decidere che cosa deve portarsi a casa il lettore. Una prosa scorrevole non compensa una tesi poco chiara. Ti suggerisco quindi un esercizio in tre consegne distinte:

1. Progetto: «Dai miei appunti ricava la domanda del lettore, la tesi e due possibili scalette. Segnala le affermazioni ancora senza fonte».
2. Verifica: «Nella scaletta scelta individua ripetizioni, salti logici ed esempi mancanti. Proponi correzioni motivate».
3. Stesura: «Sviluppa la scaletta approvata. Usa soltanto i fatti verificati e gli esempi forniti. Mantieni separati fatti, opinioni e ipotesi».

Aggiungerei una revisione finale molto concreta: evidenziare ogni frase che potrebbe comparire identica in un articolo su un argomento completamente diverso. Se una frase va bene per qualunque cosa, probabilmente spiega poco di quella che stiamo raccontando.

5. Misura il risultato su un compito reale

Il mio esercizio preferito, per chi vuole migliorare il prompt engineering, è ripetere lo stesso compito con istruzioni diverse. Scegli un’attività piccola: una mail di follow-up, un verbale, la scaletta di una riunione. Prepara poi una versione essenziale del prompt e una con contesto, vincoli ed esempio di risultato desiderato.

Confronta gli output usando una griglia definita prima:

Annota anche il tempo speso a preparare gli input e a correggere l’output. Ti propongo di considerare utile il cambiamento quando migliora il lavoro complessivo. Ottenere una risposta in dieci secondi, per poi riscriverla per venti minuti, merita almeno una riflessione.

Il mio corso di prompt engineering con Fastweb Digital Academy

Per un approfondimento in italiano trovi la scheda del mio corso PROMPT ENGINEERING: come ottenere risposte precise e utili dall’AI, realizzato con Fastweb Digital Academy.

Il programma comprende il metodo G.O.L. e la variante G.O.L.D., il reverse prompt engineering, il metodo SO.C.RA.T.E. ed esercizi pratici. La pagina indicata riguarda l’edizione del 30 gennaio 2026 e riporta iscrizioni chiuse: la segnalo come riferimento al programma, non come iscrizione a un nuovo appuntamento.

Se vuoi portare questi esercizi nella tua organizzazione, scrivimi attraverso il modulo qui sotto. Possiamo costruire un laboratorio sui documenti e sulle attività che le persone devono gestire davvero.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.