Il framework 4D: Delegation, Description, Discernment, Diligence

Il framework 4D è il cuore operativo di AI Fluency, il quadro pedagogico costruito da Anthropic. Quattro abitudini — Delegation, Description, Discernment, Diligence— che, quando diventano automatiche, trasformano chi usa l'AI da «prova e spera» a professionista che sa quando fidarsi, quando verificare, e quando fermarsi.

Questo articolo non è una traduzione del manuale di Anthropic. È l'adattamento operativo che usiamo nei nostri programmi di formazione in italiano — con esempi tratti dal lavoro reale di studi ticinesi, amministrazioni comunali, PMI manifatturiere. L'ordine in cui presentiamo le quattro D è un suggerimento didattico, non una sequenza obbligata: nella pratica si attivano in parallelo, ogni volta che aprite un'app AI.

Le quattro D in sintesi

Per chi vuole una mappa veloce prima di scendere nei dettagli:

• Delegation — cosa affidare al modello. Decisione presa prima di scrivere il prompt.
• Description — come chiedere. Contesto, vincoli, formato. Il pezzo che la maggior parte delle persone fa male.
• Discernment — cosa giudicarenell' output. La D più difficile: capire quando il modello sta inventando.
• Diligence — cosa verificare prima di inviare. La checklist personale che protegge il vostro nome.

Quattro abitudini, non quattro fasi. È l'errore didattico più ricorrente: trattarle come passi sequenziali. Nella pratica, una persona fluente fa Delegation quando legge la richiesta del cliente, Description quando apre Claude, Discernment quando legge l' output, Diligence quando firma. Tutte e quattro, nella stessa sessione, in pochi minuti.

Delegation — la prima domanda è sempre «chi fa cosa»

Prima di scrivere un prompt, una persona fluente decide quale parte del lavoro affida al modello. È una decisione che dura pochi secondi ma che cambia tutto il resto. Tre filtri pratici, in ordine:

Filtro 1 — è un'attività delegabile?

Alcune attività non lo sono mai, indipendentemente dalla potenza del modello. Decidere di promuovere o licenziare qualcuno, valutare la sicurezza di un bambino, scrivere un parere legale che diventa atto senza supervisione qualificata, certificare la diagnosi di un paziente. La regola è semplice: se la conseguenza di un errore non è recuperabile o se mette in gioco la dignità di una persona, non si delega l'intera decisione. Si può delegare la prima bozza, la ricerca preparatoria, la sintesi — non l'atto finale.

Filtro 2 — il modello ha le informazioni che servono?

Un modello generativo conosce il mondo fino al suo cutoff d'addestramento e può accedere a quello che gli date nel contesto. Non sa cosa è successo ieri se non glielo dite. Non sa cosa contiene il vostro CRM se non lo collegate. Delegare a un modello una task che richiede informazioni che non ha equivale a chiedergli di inventare. Se l'informazione manca, prima si recupera, poi si delega.

Filtro 3 — il costo dell'errore

Un'email che esce dal vostro ufficio con un'allucinazione non corretta può costarvi un cliente o un'ammonizione legale. Una bozza interna con un'imprecisione può costarvi cinque minuti di revisione. Il livello di delegabilità di un'attività è inversamente proporzionale al costo di un errore non corretto. Cose ad alto costo si delegano con verifica raddoppiata; cose a basso costo si delegano con leggerezza.

Una buona Delegation è invisibile. Quando funziona bene, sembra di avere «intuito». È invece una scelta consapevole, fatta cento volte alla settimana.

Description — il pezzo che la maggior parte delle persone fa male

Una volta decisa la delega, va descritta la richiesta. Description è il sostituto adulto di quello che i tutorial chiamano «prompt engineering» — un termine che oggi suona già un po' dilettantesco, perché evoca trucchi e formule magiche più che una pratica di scrittura. Description è scrittura di richieste, fatta con gli stessi criteri di una buona email a un collega che non vi conosce.

I quattro ingredienti di una buona Description

1. Contesto.Chi siete, in che ruolo, per quale azienda o cliente, per quale obiettivo. Non «sei un esperto» (è inutile): «Sto preparando per una fiduciaria luganese una sintesi del bilancio per un cliente che ha richiesto sostegno nella lettura».
2. Compito.Cosa volete che produca il modello. Non «parla del bilancio»: «Scrivi una nota di sintesi di 250-300 parole che evidenzi tre cambiamenti significativi rispetto all'anno precedente».
3. Vincoli.Cosa il modello deve evitare. Linguaggio tecnico inutile, riferimenti a normative che non avete verificato, opinioni personali. Esempio: «Non citare articoli di legge specifici. Se vuoi indicare una norma, scrivi solo il riferimento generale».
4. Formato.Come volete l'output. Lista puntata? Paragrafo? Tabella? Tre opzioni alternative? Tono formale o conversazionale? La specifica del formato è la differenza fra una bozza utilizzabile in cinque minuti e una da rifare.

Una formula leggera per esercitarsi

Quando insegnamo Description in aula, partiamo da una mnemonica che funziona: C-C-V-F (Contesto, Compito, Vincoli, Formato). Non è un acronimo che resterà famoso, ma è quello che serve. Per le prime trenta richieste, conviene scriverle a mano in questa struttura. Dalla trentunesima in poi, diventa naturale.

Una variante utile, derivata dai materiali Anthropic, è il pattern think-then-respond: aggiungere alla fine del prompt un'istruzione esplicita perché il modello ragioni a voce alta prima di rispondere. In italiano funziona «Procedi un passo alla volta. Spiega il tuo ragionamento prima di formulare la risposta». La qualità degli output, su compiti non banali, sale del 20-30%.

Discernment — la D più difficile

Un modello generativo produce testo plausibile anche quando inventa. Plausibile non vuol dire vero. Discernment è l'abitudine — e la competenza — di leggere l'output con un occhio diverso da quello di un lettore distratto: cercare i segnali di allucinazione, i punti deboli, le omissioni che cambiano il senso.

Tre lenti che usiamo nei programmi:

Lente 1 — fonti, citazioni, numeri

Sono i tre tipi di contenuto su cui i modelli inventano di più. Se l'output cita una sentenza, controllatela. Se nomina un articolo di legge, leggetelo. Se fornisce un numero (statistico, finanziario, demografico), risalite alla fonte. Una buona regola: prima di pubblicare o di firmare, ogni numero deve avere una fonte verificata.

Lente 2 — struttura argomentativa

Un modello costruisce ragionamenti coerenti sulla superficie ma talvolta fondati su una premessa sbagliata che si insinua due paragrafi prima. Leggere «all'indietro» — partire dalla conclusione e risalire alle premesse — è l'abitudine che smaschera questi errori. La maggior parte degli errori argomentativi non sono nei dettagli: sono nelle premesse che si accettano per buone.

Lente 3 — omissioni

Spesso quello che fa più danno non è quello che il modello scrive, ma quello che nonscrive. Un'analisi di rischio che non menziona la categoria principale, una sintesi che salta il paragrafo decisivo, una proposta che omette il vincolo legale. La domanda da farsi sempre: cosa mancherebbe se questo fosse l'unico documento che il decisore legge?

Discernment richiede tempo per maturare. In un programma serio, è la D che si costruisce su tutti gli incontri, con casi sempre più difficili. È anche la D che spiega perché la formazione non può essere «una giornata»: il discernimento non si consolida senza pratica ripetuta su materiale vero.

Diligence — la checklist che protegge il vostro nome

Diligence è la quarta D ed è il sigillo finale. Prima che l' output del modello diventi comunicazione, decisione o atto, c'è una checklist personale — diversa per ogni tipo di lavoro — che si applica. Non è eroismo: è disciplina.

Una checklist tipo, per un'email a un cliente

• Il nome del cliente è scritto correttamente? Il modello a volte storpia nomi italiani non standard.
• I riferimenti (date, importi, scadenze) coincidono con i documenti di partenza?
• Il tono è coerente con la nostra voce e con la relazione che abbiamo con quel cliente?
• C'è qualcosa che il cliente potrebbe capire male?
• Stiamo prendendo posizione su qualcosa che non possiamo prendere senza autorizzazione (sconti, promesse, garanzie)?

Una checklist tipo, per un documento di natura tecnica

• Le citazioni esistono e sono accurate?
• I calcoli sono stati verificati indipendentemente dal modello?
• La terminologia di settore è quella corretta (non solo plausibile)?
• Stiamo dichiarando che il contenuto è stato assistito da AI, quando è richiesto dal contesto (atti, perizie, atti accademici)?
• La conclusione è coerente con i dati che abbiamo, o sta estrapolando?

Ogni professione, ogni ruolo, ogni tipologia di output ha la sua checklist. Nei nostri programmi le costruiamo insieme nei primi incontri, perché è l'asset più trasferibile: una persona che cambia lavoro porta con sé la checklist e l'adatta. Una persona che non l'ha mai costruita resta nella zona del «mi fido».

Le quattro D non si imparano in un'ora

Una sessione di tre ore basta a introdurre il framework e a esercitarsi su Delegation e Description. Discernment e Diligence si costruiscono nelle settimane successive, attraverso pratica ripetuta su casi reali. È per questo che i nostri programmi durano 4-12 settimane: due ore alla settimana non sono tante in assoluto, ma sono distribuite — e la distribuzione è dove la competenza si consolida.

Un programma di formazione AI che promette «fluency in una giornata» sta vendendo qualcos'altro. Probabilmente sta vendendo un'esperienza di scoperta — «guarda cosa sa fare» — che è utile come ingresso ma non sostituisce la pratica strutturata.

Una nota sul perché funziona con qualunque modello

Il framework 4D è strumento-agnostico per design. Funziona con Claude (di Anthropic), ChatGPT (di OpenAI), Gemini (di Google), Copilot (di Microsoft), modelli open-weight come Llama o Mistral. Cambiano i tic specifici di ciascun modello — Claude tende a essere più cauto, GPT più sicuro di sé, Gemini più conversazionale — ma le quattro D restano le stesse.

È un dato importante per chi pianifica formazione a tre anni: gli strumenti cambiano ogni sei mesi, il framework no. Insegnare AI Fluency e il framework 4D è investire su una competenza che non diventa obsoleta al prossimo aggiornamento di modello.

Una mappa per iniziare

Per chi vuole portare il framework 4D dentro un team, una sequenza pragmatica:

1. Settimana 1. Sessione introduttiva con tutta la squadra. Le quattro D presentate sui vostri casi reali — non esempi anglosassoni.
2. Settimane 2-3. Esercizi di Delegation e Description, con feedback dal formatore. Compiti specifici al ruolo: vendite, marketing, amministrazione, tecnico.
3. Settimane 4-6. Discernment intenso: leggere output, smontarli, riconoscere i pattern di allucinazione. Casi reali, non costruiti.
4. Settimane 7-8. Costruire la checklist personale di Diligence. Una per ogni tipologia di output che la persona produce regolarmente.
5. Da settimana 9 in poi. Pratica autonoma, con canale di supporto aperto. Nei nostri programmi sono i tre mesi di canale post-corso — dove emergono i casi che in aula non si erano visti.

È il calendario che usiamo nei programmi cuciti che disegniamo per team da 5 a 30 persone. Se lo volete adattare al vostro contesto senza di noi, va benissimo — è esattamente per questo che il framework è pubblico e che Anthropic ha aperto il corso ufficiale in inglese gratuitamente.