Perché i framework di prompting sono diventati indispensabili

Un modello linguistico non “capisce” nel senso umano: calcola la probabilità della parola successiva dato il contesto precedente. Questo è un dato tecnico, non un’opinione. La qualità del contesto determina la qualità dell’output, rendendo il principio GIGO (Garbage In, Garbage Out) più letterale che mai.

I framework di prompting fanno tre cose concrete: riducono le allucinazioni ancorando il modello a ruoli, fatti e vincoli espliciti; aumentano la riproducibilità garantendo output omogenei su centinaia di richieste; e risparmiano token, poiché comunicare con metodo richiede meno parole, abbattendo i costi sia in API sia nella dimensione della finestra contestuale.

Uno studio di OpenAI del 2024, riportato nella loro Prompting Guide, ha mostrato che i prompt strutturati sono preferiti dagli annotatori umani nel 73 % dei casi rispetto a prompt non strutturati su task di scrittura libera.

I 3 framework rapidi: quello che basta per l’80 % dei casi

Questi sono i coltellini svizzeri del prompt engineer. Se utilizzi ChatGPT, Claude o Gemini solo qualche volta al giorno, imparare questi tre ti cambia la vita.

RTF – Role, Task, Format

Il più diffuso. Ti fa pensare a tre cose prima di scrivere: chi deve essere l’IA, cosa deve fare, come deve apparire l’output.

Esempio concreto:

Role: Sei un nutrizionista sportivo specializzato in maratoneti amatoriali.
Task: Crea un piano alimentare di 7 giorni per un uomo di 40 anni, 75 kg, che si allena 4 volte a settimana.
Format: Tabella HTML con colonne Giorno, Colazione, Pranzo, Spuntino, Cena. Calorie totali per riga.

TAG – Task, Action, Goal

Focus puro sull’operatività. Lo uso quando so già chi è l’IA e voglio solo dire cosa fare e perché.

Task: l’attività macro (es. “analizza questo codice”).
Action: l’azione immediata (es. “trova i bug di sicurezza”).
Goal: il risultato finale (es. “voglio un elenco OWASP Top 10 con righe di codice coinvolte”).

TASS – Task, Audience, Style, Structure

Il migliore per chi scrive contenuti. Il parametro “Audience” è la carta vincente: cambiare lettore cambia completamente l’output.

Prova tu stesso: prendi lo stesso Task (“spiegami cos’è una blockchain”) e varia solo l’Audience. Con “un bambino di 8 anni” ottieni un racconto con metafore di quaderni e orsetti; con “un professore di informatica” ottieni hash crittografici e proof of work; con “mia madre che non è tecnica” ottieni un esempio con ricette di cucina condivise tra amici.

I framework intermedi: business, marketing, analisi

Quando il prompt richiede contesto strategico e non solo un output formattato, è necessario salire di livello.

BAB – Before, After, Bridge

Arriva dal copywriting classico ed è perfetto per risolvere problemi aziendali. Descrivi la situazione problematica (Before), il futuro desiderato (After) e chiedi all’IA di costruire il ponte (Bridge).

Esempio di case study: “Before: cliente con 3 % conversion rate. After: cliente con 8 % conversion rate. Bridge: dimmi quali 5 interventi prioritari hanno permesso il salto”.

CARE – Context, Action, Result, Example

Il preferito per le analisi professionali. L’ultima lettera, Example, è fondamentale: fornire un esempio concreto di output desiderato riduce drasticamente gli errori. Questa tecnica è nota come Few‑Shot Prompting e ha un paper dietro.

Nel 2020 Tom Brown e il team di OpenAI hanno pubblicato “Language Models are Few‑Shot Learners”. Il risultato chiave: con 10‑100 esempi di output desiderato, GPT‑3 raggiungeva o superava i modelli fine‑tuned su task specifici, senza aggiornare i pesi.

Regola pratica dal paper di Brown (2020): includi almeno 2‑3 esempi di input/output desiderato. I modelli sotto i 100 miliardi di parametri beneficiano più degli esempi, ma l’effetto resta positivo su tutti. Io inserisco sempre 3 esempi in prompt critici: è il miglior rapporto qualità/token che ho testato.

CREATE – Character, Request, Examples, Additions, Type, Extras

Il framework più completo per progetti seri, copre ogni angolo della comunicazione con l’IA.

Character: chi è l’IA (più specifico di Role, include tono, background, expertise).
Request: cosa deve fare.
Examples: pattern di riferimento (il Few‑Shot).
Additions: dettagli spesso dimenticati (fonti, lingua, riferimenti, vincoli).
Type: formato dell’output.
Extras: vincoli negativi (cosa NON fare).

I vincoli negativi sono sottovalutati. Aggiungere “non menzionare la concorrenza”, “non usare claim esagerati”, “non aprire con domande retoriche” migliora l’output più di venti righe di istruzioni positive.

COAST – Context, Objective, Actions, Scenario, Task

Una variante alternativa: “Challenge, Objective, Strategy, Tactics, Success”. Ideale per pianificazione strategica. La S di Scenario permette all’IA di simulare situazioni ipotetiche (“cosa succ