Formazione sul prompt engineering: cosa deve imparare il tuo team

Una buona formazione sul prompt engineering insegna al tuo team a fornire a un modello di IA il contesto, il compito e il formato di output di cui ha bisogno, per poi testare e affinare il risultato finché non diventa affidabile. La formazione che ripaga va un passo oltre: si esercita sui vostri compiti reali, stabilisce regole su quali dati possono entrare in quale strumento e si conclude trasformando i prompt che funzionano in flussi di lavoro ripetibili. Una lezione singola su "trucchi e consigli" non fa nulla di tutto questo.
Questa guida è pensata per fondatori, titolari e responsabili di team che vogliono che le proprie persone ottengano lavoro vero da strumenti come ChatGPT e Claude. Spiega cosa contiene un programma utile, come scegliere il formato, cosa proteggere e come capire se la formazione ha funzionato.
In breve
- Il prompt engineering è un piccolo insieme di abitudini che si possono imparare: dare contesto, dichiarare l'obiettivo, fissare il formato dell'output, iterare e salvare ciò che funziona.
- La formazione lascia il segno quando i partecipanti lavorano sulle proprie e-mail, offerte, richieste di assistenza e documenti, non su esempi generici.
- Decidete prima della sessione quali dati possono entrare in quale strumento di IA. In Svizzera l'autorità per la protezione dei dati si è espressa pubblicamente sull'IA generativa, quindi questo tema fa parte della formazione, non è un dettaglio da aggiungere alla fine.
- Misurate il risultato in minuti risparmiati e rilavorazioni evitate su due o tre compiti ben definiti, poi automatizzate i prompt che il team usa ogni giorno.
- Teniamo masterclass sull'IA in presenza o da remoto e costruiamo l'automazione che ne deriva.
Cos'è davvero il prompt engineering
Un prompt è l'istruzione che dai a un modello di IA. Il prompt engineering è la pratica di scrivere quelle istruzioni in modo che la risposta sia utile al primo o al secondo tentativo, non al settimo. È meno una disciplina tecnica che una disciplina della comunicazione: stai dando un briefing a un assistente velocissimo che sa molte cose in generale e nulla della tua azienda, a meno che tu non glielo dica.
Chi sviluppa i modelli lo descrive con le stesse parole semplici. Il centro assistenza di OpenAI invita gli utenti a essere clear and specific, with enough context perché il modello capisca la richiesta, e a trattare il prompting come un processo iterativo: si parte da un primo prompt, si esamina la risposta, poi si modifica la formulazione, si aggiunge contesto o si semplifica. La documentazione di Anthropic per Claude affronta gli stessi temi con tecniche più avanzate come examples, XML structuring and step-by-step thinking.
Questo significa che le basi si possono insegnare in una giornata. Ciò che richiede più tempo è trasformarle in abitudine e adattarle alla tua attività.
Cosa copre un buon programma
Se confronti i programmi, quelli validi condividono la stessa struttura portante. Usala come lista di controllo quando valuti una formazione, la nostra o quella di chiunque altro.
1. L'anatomia di un prompt
I partecipanti imparano a scomporre una richiesta in parti:
- Contesto: chi è il destinatario, qual è la situazione, cosa deve sapere il modello.
- Compito: un'azione chiara, per esempio "riassumi", "classifica", "riscrivi" o "confronta".
- Formato: una tabella, tre punti elenco, JSON, un'e-mail da 120 parole.
- Vincoli: cosa tralasciare, quale tono usare, su quali fonti basarsi.
Un esempio concreto. Prompt debole: "Scrivi una risposta a questo cliente." Prompt migliore: "Sei un addetto all'assistenza di un'azienda di software di Zurigo. Rispondi all'e-mail del cliente qui sotto con un tono cordiale e diretto, in meno di 120 parole. Conferma che abbiamo ricevuto la segnalazione del bug, indica il prossimo passo e non promettere una data. E-mail: [testo incollato]." La seconda versione richiede trenta secondi in più per essere scritta e di solito fa risparmiare diversi giri di correzioni.
2. Iterazione al posto della fortuna al primo colpo
L'errore più comune di chi inizia è giudicare un modello dalla sua prima risposta. Chi è formato tratta la prima risposta come una bozza: segnala cosa non va, aggiunge il contesto mancante e chiede di nuovo. Le indicazioni di OpenAI citate sopra dicono la stessa cosa, ed è proprio l'abitudine che distingue chi usa lo strumento di tanto in tanto da chi ci lavora ogni giorno.
3. Esempi e struttura
Mostrare al modello due o tre esempi dell'output che desideri (quello che spesso si chiama few-shot prompting) è uno dei modi più affidabili per ottenere risultati coerenti. Chiedergli di ragionare passo per passo aiuta nei compiti di analisi. Delimitatori come tag o virgolette triple tengono separate le tue istruzioni dal testo che il modello deve elaborare. La guida di Anthropic tratta tutti e tre gli aspetti per i modelli Claude, e le stesse idee valgono anche per altri strumenti.
4. Testare un prompt come un piccolo software
Un prompt che funziona su un input può fallire su quello successivo. Un buon workshop prevede un esercizio in cui esegui lo stesso prompt su diversi input, annoti dove si rompe e correggi l'istruzione. I partecipanti dovrebbero uscire con un criterio di verifica semplice: dà risultati coerenti su input diversi, gestisce i casi limite più frequenti, un collega riesce a leggerlo in mezzo minuto e dichiara onestamente ciò che non può fare?
5. Una libreria di prompt condivisa
Un prompt che vive nella cronologia chat di una sola persona aiuta una sola persona. Prompt salvati, denominati e versionati aiutano tutto il team: il modello di offerta, il riassunto delle note di riunione, la lista di controllo per valutare i bandi. La formazione dovrebbe concludersi con l'inizio di una libreria del genere, affidata a un responsabile che la tiene aggiornata.
6. Gestione dei dati e limiti
Ogni sessione dovrebbe chiarire cosa non va mai incollato in uno strumento pubblico, come riconoscere una risposta sicura di sé ma sbagliata (un'allucinazione) e chi controlla l'output prima che arrivi a un cliente. Più avanti ne parliamo in dettaglio.
Esercitatevi sul vostro lavoro, non su dimostrazioni
La differenza maggiore tra una formazione che cambia i comportamenti e una dimenticata entro venerdì sta nel materiale. Gli esercizi generici ("scrivi una poesia sul caffè") insegnano l'interfaccia. Gli esercizi sui vostri input reali insegnano la competenza: un lungo reclamo di un cliente, un'offerta di un fornitore, la sintesi di una bozza di contratto, la descrizione di un prodotto in tre lingue, cosa che conta in un paese con quattro lingue nazionali e molti team bilingui.
Ecco come prepararsi, chiunque tenga la sessione:
- Raccogli da cinque a dieci compiti reali che il tuo team ripete ogni settimana. Elimina in anticipo i dati personali e riservati.
- Ordinali per tempo richiesto e per tolleranza all'errore. I riassunti interni tollerano più errori delle risposte dirette ai clienti.
- Scegline due o tre come casi di esercitazione. Ogni partecipante ne porta uno.
- Mettetevi d'accordo su cosa significa "buono" per ciascun caso prima che qualcuno scriva un prompt: lunghezza, tono, formato, informazioni obbligatorie.
Una tecnica che vale la pena mostrare agli utenti più avanzati è il lavoro su materiale di partenza lungo. Trasformare per esempio la registrazione di un webinar o il video di prodotto di un concorrente in appunti strutturati è un tipico compito prompt più input, e gli strumenti che offrono AI summaries of video transcripts permettono a un team di esercitarsi con prompt di estrazione su materiale che già guarda.
Chi in azienda dovrebbe partecipare
Non tutti hanno bisogno della stessa profondità. Una suddivisione utile:
| Gruppo | Di cosa ha bisogno | Risultato tipico |
|---|---|---|
| Chiunque scriva, riassuma o faccia ricerche | Anatomia del prompt, iterazione, regole sui dati | Prime bozze più rapide, meno riscritture |
| Utenti esperti (operazioni, marketing, finanza, responsabili assistenza) | Esempi, output strutturato, prompt di ragionamento, test | Prompt affidabili per compiti ricorrenti |
| Titolari e responsabili di team | Governance, politica sui dati, dove l'IA si inserisce nel processo | Regole chiare, un elenco di compiti da automatizzare |
| Personale tecnico o chi sviluppa i prodotti | Prompt dentro il software, valutazione, integrazioni | Funzioni di IA dal comportamento prevedibile |
I team piccoli spesso uniscono i primi tre gruppi in un'unica sessione e trattano a parte il livello tecnico. Se sei un fondatore, di solito ti collochi nella terza riga, mentre la quarta spetta a chi sviluppa il tuo prodotto.
Scegliere il formato
La formazione può assumere forme diverse. Quella giusta dipende dalla dimensione del team, da quanto il team usa già l'IA e da quanto i contenuti sono specifici per voi.
- Introduzione breve (una o due ore). Utile per creare consapevolezza e un vocabolario condiviso. Da sola non cambia le abitudini quotidiane.
- Workshop di mezza giornata. Il minimo pratico per esercitarsi davvero: anatomia di un prompt, due o tre esercizi su compiti reali, una prima libreria.
- Giornata intera. Spazio per tecniche avanzate, test e una sessione sulla gestione dei dati. Adatta ai team in cui l'IA è già in uso quotidiano.
- Accompagnamento su più settimane. Le abitudini nascono con la ripetizione. Un breve incontro di verifica dopo due o quattro settimane, in cui ognuno porta i prompt che non hanno funzionato, consolida più di una prima giornata più lunga.
Quanto alla modalità, la presenza funziona meglio per gli esercizi in cui i colleghi confrontano i prompt fianco a fianco, mentre il formato da remoto va bene per team distribuiti e incontri di verifica brevi. Entrambi funzionano se il gruppo è abbastanza piccolo perché tutti ricevano un riscontro. Le nostre masterclass sull'IA si tengono in presenza o da remoto, così il formato si adatta al tuo team e non il contrario.
Sul prezzo, chiedi a qualsiasi fornitore un'offerta scritta che indichi la dimensione del gruppo, la durata, se i contenuti sono adattati ai vostri compiti e se l'accompagnamento successivo è incluso. I listini pubblici sul mercato svizzero variano parecchio perché mettono insieme cose diverse: un prezzo più basso per mezza giornata generica e uno più alto per una sessione su misura sono raramente confrontabili.
Proteggi i dati prima di esercitarti
Fare prompting significa digitare informazioni in uno strumento. Per un'azienda svizzera questo solleva una domanda a cui la formazione deve rispondere per iscritto: quali dati possono entrare in quale strumento?
L'Incaricato federale della protezione dei dati e della trasparenza (IFPDT, in tedesco EDÖB) è l'autorità nazionale di vigilanza sul trattamento dei dati da parte di organi federali e di titolari privati. In occasione della Giornata europea della protezione dei dati, il 28 gennaio 2026, ha pubblicato una breve presa di posizione su the use of generative AI and the challenges for data protection. Consideralo un promemoria: i dati dei clienti, dei collaboratori e quelli sanitari non sono materiale da inserire con leggerezza in un chatbot.
Una regola pratica per il rilascio dei dati ha tre livelli:
- Verde: informazioni pubbliche e i vostri testi di marketing. Qualsiasi strumento approvato.
- Giallo: documenti interni senza dati personali. Solo strumenti e account approvati dall'azienda.
- Rosso: dati personali, contratti soggetti a NDA, codice sorgente con credenziali, bilanci non ancora pubblicati. Da non inserire in strumenti esterni senza una decisione del responsabile della protezione dei dati.
Mettete tutto questo su una pagina e usatelo negli esercizi della formazione. I partecipanti dovrebbero esercitarsi ad anonimizzare un documento reale (sostituire i nomi con i ruoli, gli importi con intervalli) prima di usarlo in un prompt. Se la tua azienda tratta dati personali su larga scala, fai verificare la configurazione dal responsabile della protezione dei dati o da un avvocato; la formazione deve sostenere quella decisione, non sostituirla.
Controlla l'output, sempre
I modelli possono produrre testi scorrevoli ma semplicemente sbagliati. La formazione dovrebbe instaurare tre riflessi:
- Fatti e cifre vanno verificati sulla fonte, in particolare numeri, nomi, riferimenti normativi e citazioni.
- I testi destinati ai clienti hanno un revisore umano con nome e cognome. Il prompt crea la bozza, una persona si assume la responsabilità dell'invio.
- I prompt chiedono di esplicitare l'incertezza. Istruire il modello a dire quando mancano informazioni o a segnalare le ipotesi riduce le risposte inventate con tono sicuro.
Sono regole piccole, e sono proprio quelle che rendono l'uso dell'IA accettabile per un cliente prudente, un revisore o un consiglio di amministrazione.
Come capire se la formazione ha funzionato
Evita di misurare solo i punteggi di soddisfazione. Scegli indicatori legati al lavoro:
- Tempo per compito prima e dopo. Cronometra cinque compiti prima della sessione e di nuovo quattro settimane dopo. Un calo di pochi minuti per compito su un team di dieci persone si somma in fretta.
- Tasso di rilavorazione. Quante volte una prima bozza prodotta dall'IA va riscritta da capo? Dovrebbe calare man mano che i prompt migliorano.
- Uso della libreria. Quanti prompt salvati vengono usati ogni settimana, e da chi?
- Incidenti. Zero casi di dati riservati finiti nello strumento sbagliato.
Definisci aspettative oneste: alcuni formatori riferiscono che i team migliorano subito dopo una giornata di formazione e che la padronanza si costruisce in diverse settimane di pratica quotidiana con una libreria di prompt, il che corrisponde alla logica con cui si formano le abitudini. Pianifica un accompagnamento successivo, invece di aspettarti che una sola giornata risolva tutto.
Dai buoni prompt ai flussi di lavoro automatici
Ecco il punto che la maggior parte delle pagine sulla formazione salta. Quando un prompt funziona in modo affidabile, copiarlo e incollarlo a mano diventa il collo di bottiglia successivo. Il prompt che riassume ogni offerta di fornitore in arrivo, o che classifica le e-mail di assistenza, o che prepara il rapporto settimanale, può girare da solo dentro gli strumenti che usate già: il CRM, lo shop, l'ERP, la casella di posta.
Una semplice regola empirica per decidere cosa automatizzare:
| Segnale | Cosa significa |
|---|---|
| Lo stesso prompt viene usato da più persone ogni settimana | Candidato a un flusso di lavoro condiviso e automatico |
| Input e output hanno sempre la stessa struttura | Facile da collegare a un sistema tramite un'API |
| Un errore si intercetta a basso costo con una revisione umana | Si può automatizzare in sicurezza con un passaggio di controllo |
| Il compito richiede una valutazione caso per caso | Tienilo come attività manuale assistita |
È qui che le competenze di prompting di un team incontrano l'ingegneria del software: collegare i sistemi, gestire gli errori, registrare cosa ha fatto il modello, mantenere il tutto manutenibile quando il modello o il vostro processo cambiano. Se vuoi che una libreria di prompt diventi un processo funzionante, quel passaggio va pianificato fin dall'inizio della formazione, non dopo.
Il nostro ruolo
Ampersand è un piccolo studio di Zurigo che realizza siti web, applicazioni web e piattaforme, e offre masterclass sull'IA, automazione con IA per i processi aziendali e integrazioni con shop, CRM e sistemi ERP. Gli ingegneri senior sono coinvolti dalla prima conversazione fino alla consegna, quindi chi insegna al tuo team com'è fatto un buon prompt lavora a stretto contatto con chi può trasformare i migliori in un flusso di lavoro connesso e funzionante. È un vantaggio concreto: la formazione e l'automazione arrivano da un solo team, senza passaggi di consegne tra l'una e l'altra.
Puoi vedere tutto quello che offriamo, dall'automazione alle integrazioni e all'assistenza continua, nella nostra pagina prezzi e servizi.
Domande da porre a qualsiasi fornitore prima di prenotare
- Userete i nostri compiti e documenti reali o una presentazione standard?
- Come gestite la protezione dei dati negli esercizi stessi?
- Quali strumenti useranno i partecipanti e servono account predisposti in anticipo?
- Con cosa escono i partecipanti: una libreria di prompt, una pagina sulle regole di rilascio dei dati, un incontro di verifica?
- Cosa succede dopo la sessione se vogliamo automatizzare i prompt migliori?
Le risposte mostrano in fretta se stai comprando una lezione frontale o un cambiamento nel modo in cui lavora il tuo team.
Domande frequenti
Quanto dura una formazione sul prompt engineering?
Le basi stanno in un workshop di mezza giornata, mentre una giornata intera lascia spazio a tecniche avanzate e ai test. Le abitudini si formano nelle settimane successive, quindi un breve incontro di verifica dopo due o quattro settimane è ciò che incide di più sui risultati a lungo termine.
I miei collaboratori devono avere competenze tecniche?
No. Per la maggior parte dei ruoli il prompt engineering è scrittura chiara più iterazione. Le conoscenze tecniche contano solo quando i prompt vengono integrati nel software, per esempio in flussi di lavoro automatici collegati a un CRM o a uno shop.
Vale la pena formare un team piccolo sul prompt engineering?
Sì, se la formazione si concentra sui compiti che il team ripete ogni settimana. Anche un team piccolo risparmia tempo in modo evidente quando bozze, riassunti e classificazioni escono giusti al primo o al secondo tentativo, e una libreria di prompt condivisa conserva quel guadagno anche quando le persone cambiano ruolo.
Cosa non va mai inserito in uno strumento di IA?
Decidetelo per iscritto prima della formazione. Come regola di base, tieni dati personali, contratti riservati e credenziali fuori dagli strumenti esterni, a meno che il responsabile della protezione dei dati non abbia approvato la configurazione, e anonimizza i documenti prima di usarli come materiale di esercitazione.
Possiamo trasformare i nostri prompt migliori in un processo automatico?
Sì. I prompt con una struttura stabile di input e output possono essere collegati ai vostri sistemi esistenti tramite integrazioni, con una revisione umana dove un errore costerebbe caro. Costruiamo questo tipo di automazione con IA in parallelo alle masterclass.
Fonti
Parliamone
Hai un progetto che tocca questo tema?
Una chiamata gratuita di 10 minuti è il modo più rapido per capire se siamo lo studio giusto.
Prenota una chiamata gratuita di 10 minContinua a leggere
Altri articoli.
Modelli di supporto applicativo: come scegliere quello giusto
Interno, condiviso, esternalizzato o ibrido: come funzionano i modelli di supporto applicativo, cosa copre ogni livello e come scegliere quello adatto al tuo team.
Leggi l'articoloPattern di architettura d'integrazione: come scegliere quello giusto
Point-to-point, API, code, pub/sub e integrazione a eventi a confronto in parole semplici, con un metodo chiaro per scegliere il pattern adatto ai tuoi sistemi.
Leggi l'articoloProtezione dei dati e LLM per le aziende svizzere: cosa verificare prima di partire
Come gli LLM espongono i dati aziendali, cosa chiede la legge svizzera sulla protezione dei dati e quali controlli contrattuali, tecnici e di monitoraggio fare.
Leggi l'articolo