In sintesi
Un buon prompt ha quattro pezzi: ruolo, obiettivo, vincoli, esempio (il framework R.O.L.E.). Le guide ufficiali di OpenAI, Anthropic e Google dicono la stessa cosa con parole diverse: contesto chiaro e vincoli misurabili. Nel 2026, con i modelli di ragionamento, contano più gli obiettivi che le formule. E il modo più veloce per avere un prompt su misura è farselo scrivere dall'AI stessa: si chiama reverse prompting, e più sotto trovi il mio Prompt Madre.
Un buon prompt si scrive in quattro mosse: dici all'AI chi deve essere, cosa deve produrre, con quali vincoli, e le mostri un esempio del risultato che ti aspetti. "Prompt", se il termine è nuovo, è semplicemente l'istruzione che scrivi a ChatGPT, Claude o Gemini. Il resto di questa guida serve a fare bene queste quattro mosse, seguendo i consigli ufficiali di chi i modelli li costruisce.
Partiamo da un dato vero, non da uno slogan. Secondo l'ISTAT (Imprese e ICT, 2025), circa il 60% delle imprese italiane che hanno valutato l'intelligenza artificiale senza poi adottarla indica la mancanza di competenze come ostacolo principale. Non i costi. Non la tecnologia. Le competenze. E la prima competenza, quella che si impara in un pomeriggio, è proprio scrivere bene le istruzioni.
Se invece stai ancora decidendo cosa fare con l'IA sul lavoro, prima di questa guida ti conviene leggere le 15 cose che puoi delegare all'AI già oggi. Qui parliamo del come.
Perché i tuoi prompt non funzionano?
Nella stessa rilevazione ISTAT, solo il 16,4% delle imprese italiane con almeno 10 addetti usa una tecnologia di intelligenza artificiale nel 2025. Era l'8,2% nel 2024: raddoppiata in un anno, eppure ancora una minoranza. Molti provano, ottengono risposte generiche e concludono che "l'AI non serve". Quasi sempre il problema è a monte: la richiesta era vaga.
Nella mia esperienza in aula, gli errori sono sempre gli stessi tre.
❌ Errore 1: essere vaghi
"Scrivi un post per LinkedIn"
Troppo generico. L'IA non conosce il target, il tono, la lunghezza, l'obiettivo.
✅ Corretto
"Scrivi un post LinkedIn di 150 parole per titolari di PMI, tono diretto e pratico, sull'uso dell'AI nel customer service. Chiudi con una domanda ai lettori."
❌ Errore 2: zero contesto
"Come migliorare le vendite?"
L'AI non conosce il tuo settore, il budget, la situazione di partenza.
✅ Corretto
"Sono un consulente B2B nel settore HR. Oggi chiudo 2 clienti al mese tramite passaparola, budget marketing 2.000€/mese. Come arrivo a 5 clienti al mese in 6 mesi?"
❌ Errore 3: una domanda e stop
Accetti il primo output così com'è, senza mai raffinarlo.
✅ Corretto
Chiedi, valuta, affina: "rendi il tono più diretto", "aggiungi un esempio concreto", "taglia a 100 parole". La conversazione è metà del lavoro.
Cosa dicono le guide ufficiali di OpenAI, Anthropic e Google?
Non serve fidarsi di me sulla parola. OpenAI, Anthropic e Google pubblicano guide ufficiali di prompting, e la cosa interessante è che dicono tutte più o meno la stessa cosa. Le ho lette per te, ecco l'essenziale.
OpenAI: struttura il prompt in sezioni
La guida di OpenAI consiglia di dividere il prompt in blocchi: identità (chi è l'assistente), istruzioni, esempi, contesto. E di usare il few-shot, cioè mostrare 2-3 esempi del risultato che vuoi invece di descriverlo a parole. Se hai dati o documenti tuoi, mettili dentro il prompt: il modello non li può indovinare.
Anthropic: chiaro, diretto, e spiega il perché
La guida di Anthropic (l'azienda dietro Claude) insiste su tre punti: sii chiaro e diretto come se parlassi a un collaboratore nuovo e capace, dai un ruolo al modello, e spiega perché il compito conta. "Questa email va a un cliente che sta per disdire" produce un risultato diverso da "scrivi un'email".
Google: vincoli misurabili, non aggettivi
La guida di Google per Gemini aggiunge un dettaglio prezioso: i vincoli devono essere misurabili. "Massimo 3 frasi", non "sii breve". E con i documenti lunghi: incolla prima i dati, fai la domanda dopo. L'ordine cambia la qualità della risposta.
Tieni a mente questi principi, perché il framework che uso io li impacchetta in una formula sola.
Il framework R.O.L.E.: il mio metodo in 4 mosse
R.O.L.E. è il modo in cui insegno a scrivere prompt nei corsi: una sigla facile da ricordare quando hai il cursore che lampeggia e non sai da dove partire.
Formula R.O.L.E.
[ROLE] + [OBJECTIVE] + [LIMITATIONS] + [EXAMPLE]
- ROLE: chi è l'AI? (es. commercialista esperto, copywriter senior)
- OBJECTIVE: cosa deve fare, e perché conta? (scrivi, analizza, riassumi)
- LIMITATIONS: vincoli misurabili (lunghezza, tono, formato, cosa evitare)
- EXAMPLE: un esempio del risultato atteso
Se confronti R.O.L.E. con la struttura consigliata da OpenAI (identità, istruzioni, esempi, contesto) noterai che coincidono quasi punto per punto. Il nome è mio, la sostanza è quella che i produttori stessi raccomandano. Ecco come appare in un caso reale.
Regola d'oro: se un collaboratore umano non capirebbe la tua richiesta, non la capirà nemmeno l'intelligenza artificiale. Scrivi come se dessi istruzioni a una persona capace ma appena arrivata, che non conosce nulla del tuo contesto.
Come è cambiato il prompting nel 2026?
Qui devo correggere anche me stesso. Fino a poco tempo fa una delle tecniche più insegnate era il chain-of-thought, cioè aggiungere "ragiona passo passo" per far pensare meglio il modello. Con i modelli di ragionamento attuali questa istruzione è superata, e lo dice OpenAI stessa nelle sue best practice per i reasoning model: questi modelli ragionano già da soli, e forzare il passo passo può addirittura peggiorare il risultato. Meglio prompt semplici e diretti, provando prima senza esempi.
Anthropic è andata oltre e parla di context engineering, cioè "ingegneria del contesto": la domanda giusta non è più "quale formula uso?" ma "quali informazioni servono al modello per fare bene questo lavoro?". File, dati, esempi, vincoli: il contesto giusto, senza riempire il prompt di rumore.
In pratica, per chi lavora, il cambiamento è questo: meno istruzioni su come ragionare, più chiarezza su cosa vuoi ottenere e più contesto vero. È lo stesso principio che applico quando faccio sistemare un foglio dati all'IA: prima le incollo i dati e la situazione, poi faccio la richiesta. Se il tema ti riguarda, ne parlo in dettaglio in come pulire un Excel con l'AI.
Cos'è il reverse prompting (e come nasce il Prompt Madre)?
E se il modo migliore di scrivere un prompt fosse non scriverlo tu? Il reverse prompting ribalta il gioco: chiedi all'AI di costruire il prompt al posto tuo, oppure di farti domande finché non ha capito davvero cosa ti serve. Non è un trucco da social: OpenAI documenta la tecnica come meta-prompting nel suo cookbook ufficiale, e Ethan Mollick, professore a Wharton, descrive proprio la variante in cui è l'AI a intervistarti prima di produrre il risultato.
Su questa base ho costruito il metodo che uso nei corsi e che chiamo Prompt Madre: un unico prompt che genera prompt su misura per il tuo lavoro, intervistandoti finché ha il contesto che serve. Il nome è mio, la tecnica sotto è documentata. Ecco la versione base.
La versione completa del Prompt Madre, con le varianti per email, contenuti e analisi, la trovi tra le risorse gratuite di AI Osha.
Due template pronti da copiare
Per tutto il resto, questi due template coprono la maggior parte dei casi di lavoro quotidiano. Se preferisci partire da prompt già finiti per compiti specifici, ho raccolto 30 prompt pronti per email, riunioni e report.
Analisi e decisioni
Generazione di contenuti
La checklist prima di premere invio
- Ho definito il ruolo dell'AI?
- L'obiettivo è chiaro, e ho spiegato perché conta?
- Ho dato il contesto vero (dati, situazione, destinatario)?
- I vincoli sono misurabili (numeri, non aggettivi)?
- Ho mostrato almeno un esempio del risultato atteso?
- Sono pronto a raffinare, invece di accettare il primo output?
Ultima avvertenza, la più importante: l'intelligenza artificiale può inventare dati e citazioni con grande sicurezza. Qualunque numero o affermazione rilevante va verificato prima di finire in un documento con il tuo nome sopra. Questo nessun prompt lo risolve al posto tuo.
Da dove iniziare, in pratica
Il mio consiglio onesto: non studiare altro, applica. Scegli il compito che ti pesa di più questa settimana, scrivi un prompt con la formula R.O.L.E., raffinalo due volte, e confronta il tempo speso con quello di prima. In un pomeriggio capisci più che in dieci articoli, questo compreso.
E se preferisci farlo direttamente sul tuo caso, con me a fianco: la Sessione 1-to-1 è 1 ora e 30 minuti a schermo condiviso sul tuo lavoro reale, dove costruiamo insieme i prompt e i flussi che ti servono. Costa 250€, oppure 999€ il pacchetto da 5 sessioni se vuoi un percorso completo.
Vuoi capire se una sessione fa per te?
Scrivimi su WhatsApp: mi racconti in due righe il tuo lavoro e ti dico onestamente se e come l'IA può aiutarti.
💬 Scrivimi su WhatsApp Rispondo io personalmente, non un'AI.Domande frequenti
Cos'è un prompt, in parole semplici?
È l'istruzione che scrivi a un'AI come ChatGPT, Claude o Gemini. Può essere una domanda secca o un brief completo con ruolo, obiettivo, vincoli ed esempi. Più il prompt è chiaro e ricco di contesto, più la risposta è vicina a quello che ti serve davvero.
Il prompt engineering serve ancora nel 2026?
Sì, ma è cambiato. Con i modelli di ragionamento servono meno formule: OpenAI consiglia prompt semplici e diretti, senza forzare il "passo passo". Contano di più l'obiettivo chiaro e il contesto giusto, quello che Anthropic chiama context engineering.
Meglio un prompt lungo o corto?
Né l'uno né l'altro: serve un prompt completo. Ruolo, obiettivo, vincoli misurabili ("massimo 100 parole", non "sii breve") e possibilmente un esempio. Con i documenti lunghi, Google consiglia di incollare prima i dati e fare la domanda dopo.
Cos'è il reverse prompting?
È chiedere all'IA di costruire il prompt al posto tuo, o di intervistarti prima di rispondere. OpenAI documenta la tecnica come meta-prompting, Ethan Mollick di Wharton descrive la variante a intervista. Il metodo Prompt Madre di AI Osha è costruito su questa base.
Quanto ci vuole per imparare a scrivere buoni prompt?
Le basi si imparano in un pomeriggio: il framework R.O.L.E. si applica al primo tentativo. Perché diventi un'abitudine servono 2-4 settimane di uso quotidiano sul proprio lavoro reale. Il modo più veloce è partire da template pronti e adattarli.

