Description — scrivere prompt che il modello capisce al primo colpo

Decisa la delega, va descritta la richiesta. Description è la seconda D del framework 4D di Anthropic ed è il pezzo che la maggior parte delle persone fa male per ragioni opposte: alcuni scrivono troppo poco («mi scrivi un'email per il cliente»), altri troppo (preamboli di trecento parole prima della richiesta). Una buona Description sta in mezzo — strutturata, asciutta, riproducibile.

Questo articolo è la guida pratica al prompting che insegniamo nei nostri programmi, in italiano e per il lavoro vero. Niente trucchi magici (i «jailbreak» e le formule miracolose datano in sei mesi). Quattro ingredienti, una mnemonica, dieci pattern che funzionano oggi e funzioneranno fra due anni.

Il prompt è scrittura, non magia

La premessa che vale la pena fissare prima di entrare nel dettaglio: scrivere un prompt è scrivere. Le stesse regole della comunicazione efficace si applicano. Una richiesta ambigua a un collega ottiene una risposta ambigua; lo stesso vale per Claude o ChatGPT. La differenza è che il modello non vi chiede di rispiegare — vi dà comunque una risposta, plausibile, e va per la sua strada.

Il termine «prompt engineering» suggerisce una disciplina ingegneristica fatta di sintassi precisa e formule riservate agli iniziati. È una metafora ingannevole. Le persone che scrivono i prompt migliori sono quelle che scrivono bene in generale — comunicatori chiari, abituati a strutturare il pensiero prima di formularlo. Description è il nome Anthropic dà a quella scrittura, applicata a un modello.

I quattro ingredienti — Contesto, Compito, Vincoli, Formato

Una Description completa contiene quattro elementi, in qualsiasi ordine. Quando li teniamo tutti, il modello capisce al primo colpo nel 70-80% dei casi (parte da meno del 30% con prompt sciatti). Vediamoli uno per uno.

1. Contesto

Chi siete, in che ruolo, per quale azienda o cliente, per quale obiettivo più grande la task si inserisce. Niente preamboli gonfi tipo «sei un esperto di…» — formula superata, i modelli moderni non ne hanno bisogno.

Sì invece a contesto reale:

Sono il responsabile marketing di una fiduciaria luganese. Sto preparando una sintesi del bilancio annuale per un imprenditore ticinese che ha chiesto sostegno nella lettura del documento. Il cliente non è formato in finanza ma è un decisore esperto del suo settore.

Tre righe che cambiano radicalmente la qualità dell'output: ruolo professionale, settore, destinatario, livello di letteratura del lettore. Il modello sa adesso che il tono va a metà fra tecnico e divulgativo — non lo deve indovinare.

2. Compito

Cosa volete che produca il modello, in termini concreti. Non «parla del bilancio»: «Scrivi una nota di sintesi di 250-300 parole che evidenzi tre cambiamenti significativi rispetto all'anno precedente». Cinque elementi che fanno un buon compito:

• Un verbo d'azione esplicito (scrivi, riassumi, confronta, classifica, traduci, riformula).
• Un oggetto chiaro (cosa fare e a partire da cosa).
• Una scala (lunghezza, numero di varianti, profondità).
• Un focus (cosa evidenziare, cosa è importante).
• Un destinatario implicito (per chi è scritto).

3. Vincoli

Cosa il modello deve evitare. È la sezione più trascurata e quella che fa la differenza fra una bozza utilizzabile e una da rifare. Vincoli tipici:

• Non citare articoli di legge specifici. Se vuoi indicare una norma, scrivi solo il riferimento generale.
• Non inventare numeri o statistiche.Se non sono nel contesto fornito, scrivi «[da verificare]».
• Non usare frasi tipo «è importante notare», «in conclusione», «è interessante». (Sono i tic stilistici dei modelli che danno via il fatto che è AI-generato.)
• Non superare le N parole.
• Non includere un saluto iniziale (la mail va in mezzo a una conversazione esistente).

Una buona regola: ogni volta che vi accorgete di rifare la stessa correzione due o tre volte sull'output di un modello, quella correzione diventa un vincolo nei prompt successivi. È il modo più rapido per migliorare la qualità di un'intera classe di richieste.

4. Formato

Come volete l'output. Lista puntata o paragrafo? Tabella? Sezioni con titoli? Tre opzioni alternative? Tono formale o conversazionale?

La specifica del formato è la differenza fra una bozza utilizzabile in cinque minuti e una da riformattare per quindici. Tre esempi concreti:

Formato: paragrafo unico, niente elenchi, max 250 parole, tono sobrio e professionale.

Formato: tabella a due colonne — nella prima il rischio, nella seconda la mitigazione. Massimo 7 righe.

Formato: tre versioni dell'email, etichettate A/B/C. A più formale, B intermedia, C più diretta. Ogni versione max 8 righe.

La mnemonica C-C-V-F

Per i primi mesi conviene scrivere ogni prompt con i quattro ingredienti separati e visibili, anche se sembra pedante. La mnemonica che usiamo in aula:

• Contesto
• Compito
• Vincoli
• Formato

Dopo trenta prompt scritti in questa struttura, l'abitudine diventa automatica e i quattro ingredienti si fondono in un' unica scrittura fluida. Non c'è più bisogno di etichette visive — c'è il riflesso di pensare a tutti e quattro prima di mandare la richiesta.

Dieci pattern di Description che funzionano

Strutture di prompt riutilizzabili, neutre rispetto allo strumento. Funzionano con Claude, ChatGPT, Gemini, Copilot. Ognuna risolve una classe di problemi ricorrente.

1. Think-then-respond (ragiona prima di rispondere)

Aggiungere alla fine del prompt: «Procedi un passo alla volta. Spiega il tuo ragionamento prima di formulare la risposta finale.» Funziona su compiti non banali — analisi, decisioni, confronti. La qualità degli output sale del 20-30% senza alcun altro cambiamento.

2. Compara per criteri espliciti

Quando volete confrontare due cose (offerte, candidati, opzioni), non chiedete «quale è meglio?». Chiedete: «Confronta A e B sui criteri X, Y, Z. Indica per ciascun criterio il vincitore e motiva. Non dare una raccomandazione finale.» L'output è molto più utile — vi lascia la decisione informata.

3. Genera-poi-critica

Per output creativi: «Genera tre versioni di X. Poi, in una seconda parte, critica ciascuna delle tre versioni come se fossi un editor esterno.» Il modello produce e si autocritica nella stessa risposta. Spesso la critica è più utile delle versioni.

4. Riformula nel mio tone of voice

Allegate due o tre esempi della vostra scrittura (un'email vostra, un articolo, una nota). Poi: «Riformula il testo sottostante nello stile dei tre esempi forniti. Mantieni il contenuto, modifica solo registro e ritmo.» Funziona molto meglio di un'istruzione astratta.

5. Estrai in struttura

Per documenti lunghi e disordinati: «Estrai dal documento seguente: data, parti coinvolte, importi citati, scadenze. Formato: tabella, una riga per voce. Se un campo manca, scrivi N/A.» Trasforma un PDF caotico in dati strutturati in secondi.

6. Spiega come a un bambino di dieci anni

Quando volete capire un argomento tecnico fuori dal vostro campo: «Spiega [X] come se stessi parlando a un bambino di dieci anni intelligente e curioso. Usa analogie quotidiane. Senza tecnicismi se non assolutamente necessari.» È l'avversario perfetto del jargon.

7. Devil's advocate

Per stress-testare un'idea: «Sto considerando di [X]. Fammi da devil's advocate: elenca cinque obiezioni serie a questa decisione, ordinate dalla più sostanziale alla più superficiale. Non addolcire.» Particolarmente utile prima di decisioni importanti.

8. Trova quello che manca

Per documenti che state preparando: «Leggi il documento sottostante. Quali tre cose mancano che un lettore qualificato si aspetterebbe di trovare? Non aggiungerle: solo segnala l'omissione.» È spesso più utile della richiesta di revisione generica.

9. Più domande, meno risposte

Per esplorare un argomento: «Invece di darmi risposte, fammi cinque domande che devo pormi prima di decidere su [X].» Inverte il flusso e funziona bene per problemi strategici.

10. Restituisci il prompt migliorato

Una meta-tecnica: «Questo è il mio prompt: [X]. Prima di rispondere, riformulalo nella versione più efficace possibile applicando i quattro ingredienti C-C-V-F. Poi rispondi al prompt riformulato.» Il modello pulisce il prompt e risponde meglio — e voi imparate cosa avete tralasciato.

Tre antipattern da evitare

1. Il prompt-mostro

Prompt di mille parole con istruzioni annidate, esempi sparsi, vincoli contraddittori. I modelli si confondono come si confonderebbe un lettore umano. Se il prompt richiede tre scrolling per essere letto, va spezzato in più sessioni.

2. Il prompt-sussulto

Una richiesta troppo asciutta («sintesi del bilancio») senza contesto. Il modello produce qualcosa di generico, plausibile, inutile. È il pattern del 90% delle prime sessioni dei team che non hanno fatto formazione.

3. La caccia ai trucchi

Cercare la «formula magica» — il prompt che sblocca capacità nascoste. I trucchi esistono e talvolta funzionano, ma sono effimeri (un upgrade del modello li chiude). La struttura C-C-V-F invece dura. Investire tempo lì paga su orizzonti lunghi.

Description si esercita su casi reali

La differenza fra leggere un articolo come questo e saper scrivereDescription è una sola: trenta prompt strutturati, su lavoro vero, con feedback. Nei nostri programmi, la sessione Description è di solito la terza — viene dopo l'introduzione del framework e prima di Discernment. Due ore di esercitazione, ciascuno sui propri documenti, con revisione collegiale al termine.

Dopo cinque o sei sessioni, le persone smettono di pensare ai quattro ingredienti come elementi separati: pensano direttamente a come dire la cosa giusta al modello. È il momento in cui Description è entrata nel mestiere.

Il passo successivo: Discernment

Una buona Description vi dà un buon output. Ma anche il miglior output va letto con un occhio critico — perché i modelli inventano anche quando rispondono bene. La terza D, Discernment, è la capacità di leggere l'output con un occhio diverso: cercare i segnali di allucinazione, i numeri sospetti, le citazioni inesistenti, le omissioni che cambiano il senso. È l'abitudine più difficile da imparare. Ne parliamo in Discernment — capire quando il modello sta sbagliando.