Due preventivi di fornitori. Stessa AI, stessi documenti, due prompt diversi.
Il primo ti restituisce: "Conviene il fornitore B."
Il secondo ti restituisce i criteri, il confronto voce per voce, e una conclusione che puoi controllare — o contestare.
La differenza non è lo strumento. È la tecnica.
Cos'è una tecnica di prompting?
Una tecnica di prompting è il modo in cui imposti la richiesta in base al tipo di lavoro che stai chiedendo. Non riguarda le parole gentili o la lunghezza del prompt: riguarda come l'AI deve arrivare alla risposta.
Funziona come con un collaboratore. A chi deve fare un riassunto dici "riassumi". A chi deve scegliere tra due offerte chiedi di mostrarti il ragionamento prima della decisione. Il compito decide la tecnica.
Un'istruzione chiara, nessun esempio, nessun ragionamento richiesto. L'AI esegue.
Chiedi all'AI di ragionare per passaggi espliciti prima della conclusione. L'AI mostra il percorso.
Il resto dell'articolo è pratica: quattro esercizi su documenti che chiunque gestisce al lavoro.
Prima di iniziare: cosa ti serve sapere
Prompt — l'istruzione che scrivi all'AI. Negli esercizi è nei riquadri grigi: puoi copiarla così com'è.
Tag < > — es. <verbale> … </verbale>. Segnano dove inizia e dove finisce il documento. Il nome lo scegli tu; l'importante è aprire e chiudere con lo stesso nome.
Parentesi quadre [ ] — es. [incolla qui il testo]. Indicano un campo da sostituire: cancelli tutto, parentesi comprese, e metti il tuo contenuto.
Virgolette " " — es. "Non specificato". Indicano un testo che l'AI deve restituire esattamente così.
Nuova conversazione — una chat nuova, senza cronologia. Serve per confrontare due prompt senza che il primo influenzi il secondo.
Modelli di ragionamento — versioni recenti di AI che ragionano per passaggi in automatico, anche senza che tu lo chieda.
1 Sintetizzare un verbale di riunione zero-shot
Il documento: il verbale di una riunione di un'ora, quattro pagine.
Il prompt che di solito si scrive:
Funziona? Sì, ma il risultato è un riassunto generico: lunghezza a caso, ordine a caso, tutto con lo stesso peso.
Lo stesso compito, zero-shot fatto bene:
Perché qui basta lo zero-shot: il compito è chiaro, il formato è definito, non c'è nulla da valutare. Aggiungere un ragionamento passo per passo non migliora il risultato: lo allunga.
2 Estrarre date e importi da un contratto zero-shot
Il documento: un contratto di fornitura di 12 pagine. Ti servono scadenze, importi, penali.
Perché zero-shot: estrarre non richiede di valutare. Serve un'istruzione precisa e un formato che ti permetta di controllare.
Il dettaglio che conta: "articolo e pagina". Su cifre e date l'AI può sbagliare — con il riferimento, il controllo ti costa trenta secondi.
3 Confrontare due preventivi zero-shot vs CoT
Questo è l'esercizio che mostra la differenza.
Il documento: due preventivi per lo stesso servizio. Prezzi diversi, condizioni diverse, tempi diversi.
Versione A — zero-shot:
Cosa ottieni di solito: una risposta breve e sicura — "conviene B, costa meno e include l'assistenza". Il problema: non sai quali criteri ha usato, né quanto peso ha dato a ciascuno.
Versione B — chain of thought:
compare_arrows Cosa cambia
- Vedi i criteri — e puoi correggerli.
- Vedi le voci mancanti — spesso è lì che sta la differenza vera.
- La conclusione arriva dopo il confronto, non prima. Se non ti convince, sai esattamente a quale passaggio tornare.
Il chain of thought non serve a rendere l'AI "più intelligente". Serve a rendere il ragionamento visibile e controllabile.
4 Classificare le email per priorità chain of thought
Il documento: venti email di clienti arrivate in un giorno. Devi capire quali gestire subito.
Se le categorie sono chiare basta lo zero-shot. Ma la priorità è ambigua: un tono cortese può nascondere un problema serio, un tono arrabbiato può riguardare una sciocchezza.
Perché chain of thought: la categoria dipende da un giudizio. Chiedere prima i fatti e poi la scelta riduce le classificazioni fatte "a sensazione" — e ti permette di verificare in pochi secondi se il criterio regge.
Quando il chain of thought non serve
Più tecnica non significa risultato migliore.
Sui compiti semplici — sintesi, estrazione, classificazione con categorie chiare — il chain of thought allunga la risposta senza migliorarla.
Sui modelli più recenti il vantaggio è diminuito. Un rapporto del Wharton Generative AI Lab (Meincke, Mollick et al., 2025) ha rilevato che con i modelli di ragionamento il chain of thought produce guadagni di accuratezza minimi o nulli, aumentando tempi e costi.
Questo non rende il chain of thought inutile. Cambia il motivo per usarlo: non per far "pensare meglio" l'AI, ma per vedere e controllare il ragionamento quando la decisione è tua.
Quale tecnica per quale compito?
| Compito sul documento | Tecnica | Perché |
|---|---|---|
| Sintetizzare | Zero-shot | Compito chiaro, nessuna valutazione |
| Estrarre dati | Zero-shot | Serve precisione, non ragionamento |
| Classificare (categorie chiare) | Zero-shot | Lista chiusa, nessuna ambiguità |
| Classificare (criteri ambigui) | CoT | Il giudizio va reso visibile |
| Confrontare documenti | CoT | Criteri e differenze devono essere espliciti |
| Decidere tra alternative | CoT | La conclusione deve seguire il confronto |
rocket_launch Prova tu
Prendi un documento vero del tuo lavoro — due offerte, due versioni di un testo, una lista di richieste da smistare.
Lancia la versione zero-shot. Poi la versione chain of thought, in una nuova conversazione. Confronta non tanto le conclusioni, quanto cosa riesci a controllare in ciascuna risposta.
Funziona sempre? No. Ma è il modo più rapido per capire quale tecnica serve al tuo compito.
Il punto
La tecnica giusta non dipende dall'AI che usi. Dipende da cosa stai chiedendo: eseguire o ragionare.
Per eseguire, un'istruzione precisa. Per ragionare, un percorso che puoi vedere.
Questo è il primo articolo della sezione Pratica. Nei prossimi: il few-shot — come insegnare all'AI il tuo formato con gli esempi — e come verificare le risposte prima di usarle.
Domande Frequenti
help Cos'è lo zero-shot prompting?
È la tecnica in cui si dà all'AI un'istruzione diretta, senza esempi e senza chiedere un ragionamento esplicito. Funziona bene per compiti chiari e ripetitivi: sintetizzare un documento, estrarre dati, classificare con categorie definite. L'efficacia dipende dalla precisione del prompt: cosa fare, in quale formato, cosa scrivere quando un'informazione manca.
help Cos'è il chain of thought?
È la tecnica in cui si chiede all'AI di ragionare per passaggi espliciti prima di arrivare alla conclusione — per esempio: elenca i fatti, confrontali, poi concludi. È utile quando il compito richiede un giudizio: confrontare documenti, scegliere tra alternative, classificare casi ambigui. Il vantaggio principale è che il ragionamento diventa visibile e verificabile.
help A cosa servono i tag come <documento> in un prompt?
Separano il contenuto da analizzare dalle istruzioni. Si scrive il nome del tag tra parentesi angolari prima del testo e lo stesso nome con la barra dopo: <contratto> … </contratto>. Così l'AI sa esattamente dove inizia e dove finisce il documento, e nel prompt lo si può richiamare per nome. Il nome del tag si sceglie liberamente.
help Quale tecnica usare per analizzare un documento con l'AI?
Dipende dal tipo di analisi. Per sintetizzare, estrarre dati o classificare con categorie chiare basta lo zero-shot, con un formato preciso e l'indicazione della fonte (pagina, articolo). Per confrontare documenti o prendere una decisione è più adatto il chain of thought, che separa il confronto dalla conclusione.
help Il chain of thought funziona con tutti i modelli di AI?
Funziona, ma il guadagno in accuratezza è diminuito con i modelli più recenti. Secondo il Wharton Generative AI Lab (2025), con i modelli di ragionamento il chain of thought porta miglioramenti minimi o nulli e aumenta tempi e costi. Resta utile quando serve vedere e controllare il percorso che porta alla conclusione.
Nadia Pletneva
Formatrice e specialista di Prompt Engineering per contesti professionali e aziendali. Aiuta professionisti, studi legali e team operativi ad abbandonare la teoria astratta per integrare l'AI direttamente nel flusso di lavoro quotidiano.
Queste tecniche si provano su documenti reali
Nei workshop Livemodul ogni partecipante lavora sui propri documenti, con feedback immediato su ogni prompt. Non teoria — pratica guidata.