Il mito del “prompt magico” e l’idea che, tutto sommato, chi usa le ia lo faccia per non far fatica ai danni di tutti gli altri, come una specie di parassita, fa un sacco di danni.
Cerchiamo di smontarlo.
STASERA WEBINAR GRATUITO SULLE BASI AI
Se vuoi usare intelligentemente un Large Language Model (LLM), hai bisogno di uno strumento che non sia affetto da laziness (la tendenza dei modelli a diventare pigri, a tagliare corto, a darti il minimo indispensabile).
Purtroppo, in questo esatto momento storico, questo significa pagare le licenze più costose. I modelli gratuiti, o quelli castrati per risparmiare potenza di calcolo, non servono a fare lavoro di fino: si fermano a metà e ti danno risultati banali.
Ma anche avere il modello migliore non basta se continui a trattarlo come un oracolo a cui fare una domandina o se pensi che farà tutto al posto tuo premendo un tasto.
Come si è sempre fatto con gli strumenti complessi, la qualità del risultato dipende totalmente da noi.
“Scaffolding” è l’impalcatura che sostiene una struttura in costruzione.
In psicologia indicare l’intervento di una persona più esperta che ne aiuta una meno esperta a fare un certo compito.
In pedagogia indica le strategie che si usano per facilitare il processo di apprendimento di una persona.
Applicato alle AI, significa usare questi strumenti per costruire un’impalcatura che ci aiuti davvero. Questo significa smettere di dare ordini singoli e costruire un ambiente di lavoro in cui la macchina è costretta a ragionare per gradi rispettando vincoli ferrei. Il tutto per farti risparmiare tempo (che finalmente dedicherai a cose umane), ansia e fatica inutile.
Purtroppo l’approccio amatoriale alle AI accelera compulsivamente la produzione di slop.
L’approccio slow, basato sullo scaffolding, usa, invece, le AI per scavare più a fondo e toglierti i pensieri inutili, investendo un po’ di tempo all’inizio.
Queste sono le fasi del mio metodo.
STASERA WEBINAR GRATUITO SULLE BASI AI
Non serve a niente dire a un’AI “sei un giornalista esperto”. Troppo vago. Defisci, invece, le regole d’ingaggio in modo maniacale.
Vediamo un esempio
[INIZIO BLOCCO ISTRUZIONI] Agisci come un analista documentale e un editor con un focus ossessivo sulla verifica dei fatti e sull’analisi critica. Il tuo compito non è compiacermi, ma smontare, analizzare e strutturare le informazioni che ti fornirò.
Regole d’ingaggio:
Nessuna speculazione: basati ESCLUSIVAMENTE sui dati forniti.
Evita un linguaggio lezioso, aggettivi superflui o toni sensazionalistici. Usa una prosa asciutta, tecnica e diretta.
Se un’informazione è mancante o contraddittoria, non tentare di riempire il vuoto. Segnala esplicitamente l’incongruenza.
Se non sai fare questo, chiedi a una macchina di aiutarti a farlo, per esempio così
[INIZIO BLOCCO ISTRUZIONI] Devo usarti come assistente per il compito X. Fammi, una alla volta, tutte le domande che ti servono per assistermi al meglio e poi, quando hai finito, scrivi le regole e proponimele per vedere se va tutto bene.
Qui è dove sconfiggiamo la laziness. Dobbiamo obbligare il modello premium a consumare token per ragionare prima di scriverci la risposta finale.
Ti faccio un altro esempio
[METODOLOGIA DI LAVORO - ESEGUI PASSO PASSO] Prima di generare l’output finale, devi eseguire internamente i seguenti passaggi (puoi mostrare i tuoi appunti in una sezione “Pensieri” prima del risultato):
Estrazione: Isola i fatti principali, i nomi, le date e le cifre presenti nel testo di partenza.
Mappatura delle relazioni: Collega i fatti tra loro (chi ha fatto cosa, quando, perché).
Rilevamento bias: Identifica le aree in cui il testo di partenza presenta opinioni mascherate da fatti.
Strutturazione: Organizza le informazioni verificate in una gerarchia logica (dal macro al micro).
Una volta che siamo a posto con le regole e con il modo in cui la macchina deve lavorare per te, qui inserisci il tuo materiale di partenza (interviste, appunti, dati, cose già fatte in passato che ti piacciono e che vorresti rifare, report, documenti, trascrizione di una riunione, riassunti che descrivono lo stato dell’arte del progetto, il punto a cui sei…)
[INPUT] [Inserisci qui il testo, i documenti o le note grezze]
In allegato trovi i documenti che ho a disposizione e a cui puoi attingere. Analizzali accuratamente. Ti baserai su questi documenti per assistermi. Quando hai finito, fammi il riassunto di tutto quello che hai trovato e fammi domande se ti servono informazioni.
Quando hai fatto analizzare i documenti, è il momento di farti fare un manuale d’uso di quello specifico compito, che serva a te e alla macchina. Puoi dire così, per esempio
[HANDBOOK] Adesso fai il manuale di questo progetto. Scrivi una sintesi di tutto, la timeline, i prossimi compiti, la strategia da adottare, ogni quanto aggiornare il progetto, cosa controllare, chi deve fare cosa. Fammi tutte le domande che ti servono per fare il manuale al meglio.
Ricordati che se chiedi un “testo” generico, avrai la pappetta pronta, buona per tutti. Se invece chiedi un output strutturato, dopo aver dato regole d’ingaggio, metodo e dati, le cose cambiano. Ecco un esempio
[OUTPUT RICHIESTO] Fornisci il risultato finale rigorosamente in questo formato:
## 1. Executive summary (massimo 3 righe fattuali)
## 2. Timeline (elenco puntato con date precise)
## 3. Entità o persone coinvolte (tabella con: Nome | Ruolo | Azione chiave)
## 4. Informazioni mancanti (Elenco puntato delle cose che non tornano o che richiedono ulteriore verifica umana)
## 5. Prossimi step (Elenco puntato delle cose da fare per rispettare la scadenza)
Se vuoi puoi anche spiegare alla macchina cosa NON deve mai fare. Per esempio
[EVITARE] Non scrivere mai in maniera enfatica. Non usare superlativi. Non usare figure retoriche. Non usare l’elenco di tre per simulare completezza: se fai un elenco, deve contenere tutte le informazioni necessarie. Non fare preamboli e premesse.
STASERA WEBINAR GRATUITO SULLE BASI AI
Costruire un’impalcatura del genere richiede tempo. Significa passare, la prima volta, venti minuti a scrivere (o a raccontare a voce: puoi farlo anche così, non dimentichiamocelo) le regole prima ancora di processare un solo dato. Ma è proprio questo che fa la differenza.
Lo scaffolding ragionato trasforma un giocattolo probabilistico nel tuo assistente. Ma per farlo girare in questo modo serve alimentarlo in maniera sensata, come ti ho raccontato.
La seconda volta che lo farai ci metterai meno. E nel frattempo avrai una macchina che ti assiste. Lo farà come decidi tu, non come vogliono gli altri.
Comments
Nothing yet. Say the first thing.
Sign in to join the conversation.