Non una formula magica, ma l’istruzione con cui diciamo all’IA che cosa deve fare
IN BREVE
Il prompt è l’input con cui si forniscono a un sistema di intelligenza artificiale informazioni e istruzioni sul compito da svolgere.
Un prompt più chiaro può descrivere obiettivo, contesto, fonti, vincoli, formato dell’output e criteri di verifica, ma non garantisce che il risultato sia corretto.
Il prompt non è una fonte e non sostituisce né il controllo dei documenti né la valutazione professionale sui dati che possono essere inseriti nel sistema.
Quando utilizziamo un'intelligenza artificiale generativa, quasi tutto comincia da una richiesta.
Possiamo scrivere:
«Riassumi questo contratto».
Oppure possiamo specificare che vogliamo individuare le obbligazioni delle parti, distinguere termini e condizioni, segnalare le clausole che meritano approfondimento, utilizzare esclusivamente il documento fornito e indicare espressamente quando un'informazione non è presente.
- ObiettivoChe cosa deve fare il sistema.
- Contesto e fontiSu quale materiale deve lavorare e quali informazioni può usare.
- VincoliChe cosa deve fare, evitare o dichiarare come mancante.
- Output e verificaIn quale forma deve rispondere e come rendere controllabile il risultato.
Un prompt chiaro orienta il lavoro. Non è una fonte e non garantisce l’assenza di errori.
Entrambe sono richieste rivolte al modello. Ma non gli forniscono le stesse informazioni sul compito da svolgere.
Queste istruzioni vengono normalmente chiamate prompt.
La prima cosa da comprendere è però che un prompt non è una domanda rivolta a qualcuno che conosce la risposta e deve soltanto ricordarla. Abbiamo già visto che un LLM genera il testo attraverso un processo probabilistico, utilizzando le informazioni rese disponibili nel proprio contesto.
Il prompt entra proprio in questo processo.
Possiamo rappresentarlo così:
ISTRUZIONE DELL'UTENTE → CONTESTO DELL'LLM → GENERAZIONE → OUTPUT
Il prompt orienta la generazione. Non trasforma il modello in una banca dati infallibile.
Un prompt è un’istruzione
La parola inglese prompt viene utilizzata con significati tecnici che possono variare in funzione del sistema. Si può adottare una definizione semplice: è l'input mediante il quale forniamo al sistema informazioni e istruzioni per il compito che vogliamo svolgere.
Può essere brevissimo:
“Riassumi questo testo.”
Oppure molto più strutturato:
“Analizza esclusivamente il contratto allegato. Individua le obbligazioni della parte A e della parte B. Per ciascuna indica la clausola dalla quale deriva. Se un'informazione non è presente nel documento, dichiaralo espressamente. Non integrare il testo con informazioni esterne.”
Nel secondo caso non abbiamo reso il modello più intelligente. Abbiamo semplicemente descritto meglio il compito.
La distinzione è importante:
PROMPT MIGLIORE ≠ MODELLO PIÙ INTELLIGENTE
Un prompt più preciso può consentire al sistema di comprendere meglio ciò che gli chiediamo e il tipo di risultato che desideriamo.
Torniamo alla scrivania dell’avvocato
La metafora utilizzata per spiegare la context window può accompagnarci ancora.
Immaginiamo di consegnare a un collaboratore una cartella contenente cento documenti e dirgli:
“Guardali.”
Tecnicamente abbiamo impartito un'istruzione, ma non abbiamo definito bene il lavoro.
Potremmo invece dire:
“Esamina questi documenti e ricostruisci cronologicamente le comunicazioni tra Alfa e Beta relative alla risoluzione del contratto. Per ogni evento indica data, mittente, destinatario e documento dal quale ricavi l'informazione. Non formulare conclusioni giuridiche.”
Ora il compito è molto più definito.
Abbiamo specificato che cosa cercare, come organizzare il risultato, quali fonti utilizzare e perfino che cosa non fare.
Con un LLM avviene qualcosa di concettualmente simile, pur ricordando sempre che il modello non è un collaboratore umano e non comprende il fascicolo nel nostro stesso senso.
Che cosa può contenere un buon prompt?
Non esiste una formula universale che debba essere utilizzata sempre. Il prompt dipende dal compito, dal modello, dal sistema e dal risultato che vogliamo ottenere.
Però possiamo riconoscere alcuni elementi utili.
Un'istruzione professionale può chiarire:
OBIETTIVO → che cosa deve fare
CONTESTO → su quale situazione deve lavorare
FONTI → quali informazioni può utilizzare
VINCOLI → che cosa deve o non deve fare
OUTPUT → come deve presentare il risultato
CRITERI DI VERIFICA → come rendere controllabile ciò che produce
Non sono ingredienti obbligatori di ogni prompt. Sono una struttura mentale utile per capire che chiedere bene significa prima di tutto definire bene il problema.
Per l'avvocato questa osservazione è particolarmente importante. La qualità della richiesta dipende spesso dalla capacità professionale di individuare la questione rilevante prima ancora che dalla conoscenza dell'intelligenza artificiale.
Il prompt e la context window
Ora possiamo collegare l'articolo precedente.
Il prompt non viene elaborato isolatamente. Diventa parte delle informazioni che il sistema mette a disposizione del modello nel contesto.
Semplificando:
ISTRUZIONI DEL SISTEMA + PROMPT + CONVERSAZIONE + DOCUMENTI + EVENTUALI CONTENUTI RECUPERATI → CONTESTO → LLM → OUTPUT
Non tutti i sistemi costruiscono il contesto nello stesso modo, ma il principio ci permette di capire perché il prompt sia collegato alla context window.
Il prompt dice al modello che cosa vogliamo fare con le informazioni disponibili.
Il contesto determina invece quali informazioni vengono rese disponibili alla generazione.
Perciò:
PROMPT ≠ CONTEXT WINDOW
ma:
PROMPT → ENTRA NEL CONTESTO
Prompt e RAG: un’altra distinzione importante
Abbiamo visto che il RAG recupera informazioni da una raccolta esterna e le rende disponibili al processo generativo.
Il prompt può indicare come utilizzare quelle informazioni, ma non coincide con il meccanismo di recupero.
Possiamo avere:
PROMPT → senza RAG
oppure:
PROMPT + RAG → RECUPERO DELLE FONTI → CONTESTO → GENERAZIONE
Un rapporto europeo sul GraphRAG sottolinea proprio che l'efficacia dei sistemi RAG dipende, tra gli altri fattori, dalla qualità dei documenti, dall'indicizzazione e dalla progettazione del prompt. Interoperable Europe Portal
Questo ci porta a una regola importante:
UN BUON PROMPT NON COMPENSA AUTOMATICAMENTE FONTI CATTIVE
Se la base documentale contiene informazioni obsolete, incomplete o non pertinenti, scrivere un prompt sofisticato non rende quelle fonti corrette.
Il prompt può impedire le allucinazioni?
Questa domanda merita una risposta netta:
NO, NON PUÒ GARANTIRLO.
Possiamo impartire istruzioni molto utili:
utilizza esclusivamente le fonti fornite;
non inventare informazioni mancanti;
se non trovi la risposta, dichiaralo;
indica la fonte di ogni affermazione.
Sono cautele metodologiche sensate. Possono orientare il comportamento del sistema e rendere l'output più controllabile.
Ma non costituiscono una garanzia matematica che il modello le rispetti sempre.
Una discussione pubblicata nell'ambito dell'Apply AI Alliance osserva precisamente che un'istruzione come “non inventare nulla, utilizza soltanto i documenti forniti” è utile ma può non essere sufficiente: il prompt viene comunque interpretato dallo stesso sistema generativo che produce la risposta. Futurium
Quindi:
“NON INVENTARE” ≠ IMPOSSIBILITÀ TECNICA DI INVENTARE
Questo è uno dei concetti più importanti della nostra AI Literacy.
Un esempio molto concreto per l’avvocato
Supponiamo di voler verificare una sentenza.
Potremmo chiedere:
“Qual è l'orientamento della Cassazione sulla questione X?”
Il modello potrebbe produrre una risposta apparentemente convincente. Ma abbiamo già imparato che potrebbe anche attribuire alla Cassazione principi inesatti o riferimenti errati.
Cambiamo allora il metodo.
Forniamo direttamente la sentenza e chiediamo:
“Analizza esclusivamente il provvedimento allegato. Individua il principio relativo alla questione X. Indica il passaggio del provvedimento sul quale fondi la risposta. Se il provvedimento non affronta la questione, dichiaralo senza formulare un principio ulteriore.”
Il secondo prompt rende il compito più circoscritto e il risultato più verificabile.
Ma rimane necessario controllare che:
LA SENTENZA ESISTA → IL TESTO SIA AUTENTICO → IL PASSAGGIO SIA REALE → LA LETTURA SIA CORRETTA → IL PRINCIPIO SIA PERTINENTE
Il prompt aiuta il lavoro.
Non sostituisce il lavoro.
Il caso della sintesi dei testi giuridici
Un'esperienza europea è particolarmente interessante perché riguarda proprio documenti normativi.
Nel progetto catalano per la sintesi in linguaggio semplice di testi giuridici, descritto sul portale Interoperable Europe, una fase rilevante dello sviluppo è stata dedicata alla progettazione di un prompt capace di guidare il modello nella produzione di sintesi coerenti e accurate. Ma il processo non si è fermato al prompt: comprendeva sperimentazione tecnologica e controllo della qualità. Interoperable Europe Portal
La lezione metodologica è importante:
PROMPT ENGINEERING + CONTROLLO DI QUALITÀ
non:
PROMPT ENGINEERING = CONTROLLO DI QUALITÀ
Per un professionista del diritto la differenza è enorme.
Più lungo significa migliore?
No.
Un altro errore frequente consiste nel pensare che un prompt diventi automaticamente migliore aumentando il numero delle istruzioni.
Possiamo scrivere una pagina intera e tuttavia costruire una richiesta contraddittoria, ridondante o confusa.
La domanda corretta non è:
“Quanto deve essere lungo il prompt?”
ma:
“Il compito è definito in modo sufficientemente chiaro?”
A volte bastano due righe. In altri casi serve una struttura molto articolata.
La complessità dovrebbe dipendere dal problema.
Il prompting è anche iterazione
Non dobbiamo immaginare necessariamente il rapporto con l'LLM come:
UNA DOMANDA → UNA RISPOSTA → FINE
Possiamo lavorare progressivamente.
Prima chiediamo di classificare i documenti. Poi verifichiamo la classificazione. Successivamente chiediamo di estrarre determinate informazioni. Controlliamo ancora. Soltanto dopo chiediamo un confronto.
Per esempio:
DEFINISCO IL COMPITO → OTTENGO UN PRIMO RISULTATO → CONTROLLO → CORREGGO LE ISTRUZIONI → APPROFONDISCO → VERIFICO
Questa modalità può essere molto più utile, nel lavoro professionale, della ricerca ossessiva del cosiddetto “prompt perfetto”.
E il famoso “Agisci come un avvocato”?
È probabilmente una delle formule più diffuse.
Scrivere:
“Agisci come un avvocato esperto di diritto amministrativo”
può orientare il modello verso un certo tipo di risposta, terminologia o struttura.
Ma non gli conferisce una qualifica professionale, non trasforma le sue informazioni in fonti e non garantisce che la soluzione giuridica sia corretta.
Quindi:
“AGISCI COME UN AVVOCATO” ≠ L'IA DIVENTA AVVOCATO
e soprattutto:
RUOLO ASSEGNATO NEL PROMPT ≠ COMPETENZA PROFESSIONALE VERIFICATA
Per ottenere un buon risultato è normalmente molto più importante descrivere il problema, le fonti, il compito e i criteri del risultato.
Un prompt non è una fonte
Questa distinzione deve essere mantenuta:
PROMPT ≠ FONTE
Scrivere nel prompt:
“applica la normativa italiana vigente”
non significa aver fornito al modello la normativa italiana vigente.
Scrivere:
“cita soltanto sentenze vere”
non significa avergli fornito una banca dati giurisprudenziale verificata.
Scrivere:
“verifica che la risposta sia corretta”
non equivale necessariamente a una verifica indipendente.
Le istruzioni descrivono ciò che chiediamo al sistema.
Le fonti sono ciò sulla base delle quali possiamo verificare se ciò che afferma è corretto.
Il problema delle informazioni riservate
C'è infine un aspetto che per l'avvocato viene prima della qualità del prompt.
Un prompt può contenere dati.
Se scriviamo nomi delle parti, vicende personali, strategie processuali, informazioni aziendali, documenti o segreti del cliente, non stiamo soltanto “parlando con l'IA”: stiamo inserendo informazioni in un determinato sistema informatico.
Prima di costruire il prompt dobbiamo quindi chiederci:
QUALE SISTEMA STO UTILIZZANDO? → QUALI DATI STO INSERENDO? → PER QUALE FINALITÀ? → COME VENGONO TRATTATI? → POSSO INSERIRLI?
Questo tema sarà sviluppato nel percorso dedicato a privacy, riservatezza e governance dello studio.
Per ora è sufficiente una regola:
UN PROMPT TECNICAMENTE EFFICACE PUÒ ESSERE PROFESSIONALMENTE INAPPROPRIATO SE CONTIENE DATI CHE NON DOVREBBERO ESSERE INSERITI NEL SISTEMA.
Prompting e AI Literacy
Il prompting non è soltanto una tecnica per ottenere risposte più belle.
Per chi utilizza professionalmente l'intelligenza artificiale significa imparare a comprendere almeno tre cose: che cosa stiamo chiedendo alla macchina, quali informazioni le stiamo fornendo e come controlleremo ciò che ci restituisce.
È interessante che tra le pratiche di AI literacy raccolte dalla Commissione europea figurino anche workshop di prompting accompagnati dalla comprensione del funzionamento dei chatbot generativi e dalla revisione delle risposte. Strategia Digitale Europea
La vera competenza non è quindi conoscere cento formule.
È sapere governare il processo.
Da ricordare
PROMPT = ISTRUZIONE/INPUT AL SISTEMA
ma:
PROMPT ≠ FONTE
PROMPT ≠ CONTEXT WINDOW
PROMPT ≠ RAG
PROMPT MIGLIORE ≠ MODELLO PIÙ INTELLIGENTE
PROMPT PIÙ LUNGO ≠ PROMPT MIGLIORE
“NON INVENTARE” ≠ GARANZIA DI ASSENZA DI ALLUCINAZIONI
“AGISCI COME UN AVVOCATO” ≠ COMPETENZA PROFESSIONALE
PROMPTING ≠ VERIFICA
Per l'avvocato il metodo corretto diventa:
DEFINISCI IL COMPITO → SELEZIONA LE FONTI → PROTEGGI I DATI → FORMULA LE ISTRUZIONI → OTTIENI L'OUTPUT → VERIFICA LE FONTI E IL CONTENUTO → VALUTA → DECIDI
Il prompt è importante.
Ma il punto centrale resta sempre lo stesso: la qualità dell'istruzione può migliorare il lavoro della macchina; non trasferisce alla macchina il giudizio e la responsabilità del professionista.
Continua il percorso
Context window → RAG → Allucinazioni → Conseguenza giuridica: verifica delle fonti