#01 | Protocollo AI–1: istruzioni d’uso per domare un LLM ☢️

Direttamente dalla sala comandi del bar più radioattivo del web: ecco come si parla a un LLM, senza farsi fregare.

Matteo Arnaboldi

apr 15, 2025

Buongiorno e benvenuti al bancone di AI Espresso.

Come sempre sono Matteo… e il caffè a base di intelligenza artificiale è servito!

Questo è un caffè lungo.

o se preferisci... sono 5 espressi di fila. (tempo di lettura: 10 minuti ☕)

💡 Pensiero del giorno

«L’intelligenza artificiale è letteralmente programmata per aiutarti.
Ma solo se sai come chiederlo.
Le parole sono comandi. I prompt sono leve. Il linguaggio è potere.
Se il futuro si comanda a voce, oggi impariamo a parlare come si deve.»

🧪 AI in azione: Il Prompting che NESSUNO ti dice

Come usare davvero il prompting per domare l’AI (e farla lavorare per te)

Oggi non ti racconto una storiella.

Non è il solito giro di parole su quanto l’AI sia “incredibile”.

Sei al bancone di AI Espresso… e oggi ti verso qualcosa di diverso.

Ti consegno il framework che usiamo noi, ogni giorno, per far lavorare davvero l’intelligenza artificiale.

La lettura non sarà breve… te lo dico subito.

Ma ho voluto scrivere qualcosa di così completo perché te lo meriti.

Perché se sei qui, è perché hai creduto in questo progetto quando era solo una parola. Un’idea tra mille. Un caffè ancora da preparare.

E la fiducia, da queste parti, si premia come si deve.

Non volevo servirti l’ennesimo espresso annacquato.

Volevo darti qualcosa che restasse.

Qualcosa che, se lo fai tuo, ti cambia davvero il modo in cui lavori.

Non teoria. Non suggestioni. Ma la procedura vera. Quella che ci ha permesso di costruire agenti AI per aziende, migliorare i flussi di lavoro e risparmiare decine di ore (e soldi) ogni settimana.

📌Ti avviso, sarà una lettura più corposa del solito, lo so.

Ma se la assimili, sei già davanti all’80–90% delle persone là fuori che usano l’AI come se fosse Siri nel 2014.

☢️ E già che ci siamo:
Oggi capirai perché tutti quei prompt da LinkedIn e tutti quei mini-framework “virali” su come scrivere un prompt perfetto sono praticamente inutili.
Perché è impossibile spiegare in un carosello quello che stai per leggere qui sotto.
E che, se lo fai tuo, cambia davvero il modo in cui lavori.

Il juke-box gracchia in sottofondo. La tazza è bollente. ☕
Pronto? Si parte dalle basi. Ma ci spingiamo parecchio più in là.

🔍Step 0 - Prima di tutto: esistono molti tipi di prompting (non solo quello di cui tutti parlano)

Il mondo del prompting non è una cosa sola.
È un arsenale. E come ogni arsenale, ci sono strumenti diversi per battaglie diverse.

Qui sotto trovi le 3 grandi famiglie (le più comuni) in cui possiamo dividere il prompting:

Prompting per LLM (Large Language Models)
- Prompting Standard
- Prompting Avanzato
- Agentic Prompting
Prompting per Generazione Media (immagini e video)
Prompting per la Sicurezza (prompt injection & co.)

1. Prompting per LLM (Large Language Models)

È quello che probabilmente conosci meglio, anche solo per sentito dire.
Ma attenzione: anche questo mondo ha i suoi livelli.

Prompting Standard → Istruzioni semplici, tipo “scrivimi un’email”.
Prompting Avanzato → Strutture più sofisticate, come Chain of Thought, framework logici, concatenazioni.
Agentic Prompting → Il livello boss finale: qui parliamo di agenti AI autonomi che prendono decisioni e portano avanti task complessi (oggi non lo tocchiamo, ma sì, esiste).

✅ È questo il prompting su cui ci concentriamo oggi.
Perché è quello che usi per dialogare con ChatGPT, Claude, Gemini, Perplexity, e per integrare davvero l’AI nel tuo flusso di lavoro.

2. Prompting per Generazione Media (immagini e video)

È tutta un’altra storia.
Qui si lavora con descrittori visivi, parametri tecnici e comandi su luci, stili, angolazioni.
Serve per strumenti come Midjourney, GPT 4o, Runway, Pika, Kling.
(Ne parleremo magari in un’altra puntata. O in una trasmissione di contrabbando di AI Espresso)

3. Prompting per la Sicurezza (prompt injection & co.)

Meno noto, ma sempre più importante.
Qui si scrivono prompt con lo scopo di bucare un sistema AI o metterlo alla prova.

Serve per testare vulnerabilità, costruire barriere di protezione, validare che il tuo agente AI non venga manipolato.
Ne accenniamo, ma non è il tema di oggi.

🧭 Il framework che vedremo oggi, passo dopo passo:

Prompt base – La struttura fondamentale in 5 fasi per dare istruzioni chiare e ottenere output utili.
Prompting avanzato e Chain of Thought – Come far ragionare l’AI passo per passo, imitando il tuo pensiero.
Assessment & Gathering Information – Come far sì che l’AI capisca prima di agire, ponendo (o chiedendo) le domande giuste.
Prompt Library – Perché salvare i prompt ti fa risparmiare tempo e creare processi scalabili.
Prompt concatenati – Come costruire task complessi collegando più prompt in sequenza.

Extra: Iterazione & Allucinazioni – Le due cose che nessuno ti dice ma che cambiano tutto: migliorare un prompt nel tempo, e non fidarsi ciecamente.

Ora, prendi il tuo secondo caffè, e proseguiamo…

🧱 Step 1: Il prompt base: la tua prima vera arma

Partiamo dalle basi.
Perché prima di lanciare un razzo nello spazio, serve sapere come si gira la chiave.

Un prompt ben scritto non è un messaggio generico al modello, ma una istruzione strutturata in 5 fasi chiare.
Questa è la formula che usiamo internamente per impostare il prompting base, e che puoi applicare subito:

1. Impersonifica il modello (Ruolo)

👉 Dai un’identità all’AI.
“Agisci come un consulente fiscale esperto in startup italiane.”
Non serve sempre, ma quando il compito richiede uno stile o una competenza specifica, fa la differenza.

2. Fornisci il contesto

👉 Cosa deve sapere l’AI prima di cominciare?
Il pubblico, l’obiettivo, i vincoli, lo scenario.
Più dettagli, più il modello “ci prende”.

3. Dai istruzioni chiare

👉 Cosa vuoi che faccia, esattamente?
Evita vaghezze tipo “fammi qualcosa di bello” — sii specifico: “Genera 5 headline per una campagna email rivolta a imprenditori under 40 nel settore tech”.

4. Definisci il formato dell’output

👉 Come vuoi la risposta?
In elenco puntato, tabella, paragrafo? 200 parole max?
L’AI non indovina: glielo devi dire.

5. Aggiungi eventuali limitazioni

👉 C’è qualcosa che non vuoi?
“Evita gergo tecnico”, “non usare emoji”, “tieniti sul tono ironico ma professionale”.

Questa struttura è la tua prima alleata per ottenere output coerenti, leggibili e soprattutto utili.
E sì, spesso basta questo per migliorare del 300% la qualità delle risposte rispetto a chi scrive “fammi un post LinkedIn su ChatGPT”.

Ora che la base è chiara, entriamo nel vero cuore del gioco:
🚀 il prompting avanzato.

🧩 Step 2: I framework avanzati: quando il prompt diventa un processo

A questo punto ti starai chiedendo:
“Ma quindi basta dire all’AI di pensare passo passo?”

Sarebbe bello. Ma la verità è che, come ogni cosa fatta bene, ci sono metodi diversi per far ragionare un modello, e ciascuno funziona meglio in base al tipo di task che hai davanti.

Questi metodi si chiamano framework di prompting.
Sono strutture logiche che ti permettono di costruire un prompt più potente, più preciso, più adatto a ottenere quello che davvero ti serve.

🎓 Ma perché serve tutta questa struttura?

Perché l’AI, per quanto sia potente, si comporta come un junior al primo giorno di lavoro.
Un collaboratore sveglio, super promettente, capace di imparare in fretta…
Ma che non ha idea di come fai le cose tu.

Se gli lasci troppa libertà, si inventa il processo. E quasi sempre, lo fa male.
Il risultato? Output incoerenti, non in linea con le tue aspettative, o semplicemente “meh”.

Ecco perché serve un framework.
Per spiegare al tuo “junior artificiale” esattamente come svolgeresti tu quel task, passo per passo.
Così da ottenere un risultato consistente, coerente e riutilizzabile.

📚 Ecco i principali framework avanzati che usiamo:

Chain of Thought → Per far ragionare l’AI passo dopo passo.
RISE → Per pianificare una strategia operativa con ruolo, input, step e obiettivo.
CARE → Per task dove il contesto e gli esempi fanno la differenza.
TAG → Per inquadrare bene il task, l’azione da fare e l’obiettivo finale.
RTF → Per task creativi con output in formato specifico.
BAB → Per situazioni trasformative (da "problema a soluzione", con richiesta di piano).

✳️ Più avanti li esploreremo meglio, uno per uno, magari anche con prompt già pronti da copiare nella tua libreria.
Ma oggi voglio concentrarmi sul più potente da imparare per primo

🔗 Il Chain of Thought: quando l’AI smette di rispondere e inizia a pensare

Una volta padroneggiato il prompting base, il passo successivo è insegnare all’AI a ragionare.

Il metodo si chiama Chain of Thought (CoT).
È una delle tecniche più potenti mai sviluppate per ottenere risposte più complesse, profonde e coerenti.

Cos’è il Chain of Thought?

È un prompting che chiede al modello di spiegare i suoi passaggi mentali prima di arrivare alla risposta finale.

Immagina di dover risolvere un problema complesso.
Non dai subito la soluzione, prima lo analizzi, ragioni, lo scomponi.
Ecco: il Chain of Thought chiede all’AI di fare esattamente questo.

Perché è importante?

Perché:

Riduce gli errori logici e le “allucinazioni”.
Produce risposte più strutturate e meno superficiali.
Ti fa capire perché l’AI ha dato una certa risposta (non solo cosa ha detto).
Apre la porta a task più avanzati, come analisi, valutazioni, decisioni strategiche.

✍️ Come si usa davvero il Chain of Thought

Funziona così:
Tu, nella tua testa, hai già un processo mentale che ti porta al risultato che vuoi ottenere.
Lo conosci. Lo applichi ogni volta che fai bene quel task.
Il trucco è scriverlo.

Apri un documento e lo scrivi. —> FALLO!!

Lo trasformi in un processo esplicito, passo dopo passo. Spiegando tutti i ragionamenti e le azioni che fai.
E poi lo insegni all’AI, caricando il file con il processo e dicendole:

“Segui questo ragionamento step-by-step e aiutami a ottenere il risultato finale.”

⚙️ Così facendo:

Ottieni risposte consistenti.
Allinei l’output al tuo modo di pensare.
Standardizzi il tuo metodo di lavoro con l’AI.

❌ E se non hai una procedura?

Succede.
Magari è un task che non conosci bene o stai esplorando qualcosa di nuovo. In quel caso, ribalta il ragionamento.

Chiedi direttamente all’AI:

“Voglio che tu ragioni passo dopo passo e mi spieghi ogni passaggio mentre lavori.”

Il modello ti mostrerà come ci arriva, e tu potrai intervenire, correggere, affinare.
Diventa un processo conversazionale, non più un colpo alla cieca.

⏳ “Ok, ma non ci metto una vita a scriverlo?”

Sì, te lo dico subito:
fare un prompt in Chain of Thought che funziona DAVVERO richiede tempo.
Perché, in fondo, stai strutturando una procedura mentale completa, e la stai spiegando parola per parola a una macchina.

Ma vuoi sapere la parte bella?

👉 Non devi riscriverlo ogni volta.

E questo cambia tutto.
Perché se ti prendi il tempo di crearne uno fatto bene, puoi copiarlo, salvarlo e riutilizzarlo ogni volta che ti serve.
Te ne parlerò meglio tra poco, ma segnati questa cosa:
un buon prompt è come un buon processo. Se funziona, scala.

🧭 Step 3 – Assessment & Gathering Information

Hai insegnato all’AI a pensare. Ora devi insegnarle a capire.

Nel nostro framework, dopo il Chain of Thought, arriva una fase spesso ignorata, ma che fa tutta la differenza:
quella in cui l’AI si prepara davvero a lavorare.

Perché puoi avere il miglior ragionamento del mondo,
ma se mancano i dati giusti, il contesto, le condizioni di partenza…
il risultato sarà sempre sbilenco.

👉 È qui che entra in gioco l’assessment.
Una fase che serve a raccogliere tutte le informazioni necessarie prima di agire, proprio come faresti tu prima di iniziare un lavoro importante.

Immagina questo:
Hai un collaboratore brillante, motivato, capace di fare qualunque cosa.
Ma è appena entrato. È il suo primo giorno.
Non conosce la tua azienda, non ha visto i tuoi documenti, non sa nulla del tuo modo di lavorare.

Ecco: l’AI è esattamente così.

Se gli chiedi “fammi un piano di contenuti per il mio brand”… cosa fa?
Se lo inventa.
E spesso tira fuori qualcosa che non ha niente a che vedere con te.

🧠 Il problema non è il modello.

Il problema è quanto poco gli abbiamo detto.

🛎️ Come funziona questa fase?

Sia che tu conosca bene il task,
sia che tu stia navigando a vista,
questa fase è fondamentale prima di far partire qualsiasi azione.

Rimani in Chain of Thought, ma prima di passare al fare, chiedi all’AI di fare una cosa semplice e potente:

“Prima di procedere, chiedimi tutte le informazioni che reputi necessarie per darmi una risposta utile, precisa e completa.”

Così costruisci un prompt che non lascia spazi vuoti.
Dai modo al modello di colmare eventuali mancanze e di chiarire ciò che per te può sembrare scontato, ma per lui no.

💡 Se già sai quali sono queste informazioni, anticipale tu o inserisci tu delle domande che deve farti.
Se non le hai tutte chiare, fatti guidare da lui.
In entrambi i casi, vinci: l’AI parte con tutto il necessario per darti un output davvero allineato al tuo obiettivo.

E anche se pensi di aver detto tutto…
👉 questa fase serve per assorbire ciò che magari ti sei dimenticato.
O che non pensavi fosse importante.

Perché la verità è che nessun prompt è perfetto al primo colpo.
Ma un prompt che inizia con un check di comprensione, lo è molto di più.

🎯 Perché questa fase è fondamentale?

Perché la qualità dell’output dell’AI dipende dalla qualità dell’input che riceve.

Fare un buon assessment non è una perdita di tempo, è un acceleratore.

Ti permette di:

Ottenere risultati più vicini a come lavori tu.
Evitare correzioni continue e giri a vuoto.
Ridurre l’ambiguità.
Standardizzare processi ricorrenti in modo solido.

✍️ Esempio operativo:

Stai per chiedere all’AI di scrivere una newsletter per il tuo brand.

⛔ Prompt Chain of Thought:

“[Flusso CoT per scrivere una Newsletter incredibile]”

✅ Prompt con assessment fatto prima:

“Prima di scrivere la newsletter, voglio che tu mi faccia tutte le domande necessarie per comprendere il target, lo stile, l’obiettivo e le caratteristiche del prodotto. Quando avrai raccolto tutte le informazioni, procedi con la stesura della newsletter.”
“[Flusso CoT per scrivere una Newsletter incredibile]”

👉 Risultato: l’AI ti fa un mini-questionario su misura.

Una volta che rispondi, ti scrive una newsletter su misura, che sembra scritta da te. O dal tuo team.

Non da un bot impersonale.

📦 Questa fase può sembrare noiosa. Ma è dove si vincono (o si perdono) le partite.

Se sei un founder, un manager, un consulente, sai benissimo che una buona richiesta nasce da una buona preparazione.
Con l’AI funziona esattamente allo stesso modo.

E se inizi ad allenarti a fare prompt che iniziano con:

“Prima fammi delle domande, poi rispondi.”

…stai già costruendo un dialogo.
Non una richiesta ma un processo.

E chi crea processi vince. Punto.

📚 Step 4 – Prompt Library

Bene, ormai è chiaro: fare prompting fatto bene è molto più complesso di quanto sembra.

Immagina di dover costruire da zero un prompt dettagliato, con assessment, chain of thought, formato, vincoli, ogni singola volta.
Panico totale.

Ma qui arriva la svolta.

Ogni volta che crei un prompt che funziona, che ti dà un risultato preciso, di qualità, replicabile:
👉 quel prompt va salvato.

🗃️ Nascono così le librerie di prompt

Per ogni processo che svolgi tu o il tuo team, dalla scrittura di una newsletter, alla revisione di un pitch, alla generazione di una strategia, alla creazione di un report, puoi costruire una libreria interna di prompt pronti all’uso.

Prompt già scritti, testati, raffinati, che:

Si incollano in 2 secondi.
Si adattano al volo con poche variabili (es. nome del cliente, tipo di servizio, settore).
Non ti costringono ogni volta a reinventare la ruota.

🧠 Questo cambia tutto, soprattutto in team

Ogni collaboratore ha accesso agli stessi prompt, con la stessa qualità, lo stesso stile, lo stesso processo decisionale.
👉 Si standardizza il know-how.
👉 Si riduce il tempo di formazione.
👉 Si alza la qualità media del lavoro, in ogni reparto.

🔁 Prompt perfetti = processi scalabili

Se il prompt è un’estensione del tuo cervello…
una prompt library è la mappa neurale del tuo business.

Un prompt ben scritto non è un messaggio.
È un asset. E può essere riutilizzato, adattato, condiviso.

🧵 Step 5 – Prompt concatenati

Quando un prompt solo non basta, li metti in fila. E crei un flusso.

Finché il compito è semplice, un buon prompt basta.
Ma appena entri in territori più articolati — come scrivere un’intera strategia, analizzare dati, costruire un funnel o gestire un progetto…
👉 un solo prompt non ce la fa.

E non deve farcela.

Quello che fai in questi casi è scomporre il processo in fasi,
e per ogni fase costruisci un prompt dedicato.

🔄 Funziona come una catena di montaggio

Ogni prompt serve a portare avanti un singolo passaggio.
Il suo output diventa l’input del prompt successivo.

Esempio concreto:
🎯 Creare una strategia di marketing personalizzata per un cliente B2B

Prompt 1 → “Fammi tutte le domande per capire il cliente, il contesto e gli obiettivi.” (assessment)
Prompt 2 → “Analizza le risposte e genera 3 posizionamenti possibili.” (analisi)
Prompt 3 → “Scegli il migliore dei 3 e costruisci un piano operativo a 90 giorni.” (strategia)
Prompt 4 → “Crea un pitch per presentare questa strategia al cliente in formato slide.” (output finale)

✅ Risultato: un processo intero costruito con prompt modulari, riutilizzabili, migliorabili, scalabili.

💡 Perché funziona?

Perché:

Ti costringe a pensare in fasi, non in comandi generici.
Ti permette di gestire task lunghi senza perdere controllo.
Ti aiuta a delegare l’intero processo all’AI con maggiore chiarezza.
Puoi salvare ogni prompt singolarmente nella tua libreria.

🧠 È il modo più vicino a creare un “agente AI manuale”

Prima di arrivare agli agenti autonomi, questa è la simulazione perfetta: una serie di prompt collegati che ti permettono di replicare un processo umano, passo per passo.

⚙️ Dritte finali, Iterazione & Allucinazioni

Un prompt funziona davvero solo se lo migliori. E se non ti fai fregare.

A questo punto hai tutto:

Un prompt strutturato.
Un ragionamento logico (Chain of Thought).
Una fase di raccolta dati.
Una libreria pronta.
Una sequenza di prompt per task complessi.

Ma manca ancora una cosa fondamentale:
👉 l’atteggiamento giusto.

🔁 Iterazione: il loop che ti rende bravo (sul serio)

Nessun prompt nasce perfetto.
Neanche quelli che trovi nei post virali.
Neanche quelli che scrivi dopo 6 ore di lavoro.

Il vero segreto è questo:

Tu migliori il prompt. Il prompt migliora l’output. L’output migliora il tuo processo.

Ogni volta che usi un prompt, fermati.
Leggi il risultato.
Chiediti: cos'è andato bene? Cos’è da rifinire?
E fai un piccolo aggiustamento.

Dopo 2–3 iterazioni, avrai un output che ti sembra scritto apposta per te.
Perché lo è.

👻 Le allucinazioni: l’AI può sembrare sicura, ma non è detto che abbia ragione

L’altro errore classico è fidarsi ciecamente.
L’AI è brava a sembrare convincente, anche quando dice qualcosa di completamente inventato.

Queste si chiamano allucinazioni.
E se non le riconosci, rischi di prendere decisioni sbagliate su basi fragili.

Non entriamo qui nei metodi specifici per prevenirle (ne parleremo altrove),
ma sappi questo:
👉 più contestualizzi il prompt, più chiedi al modello di “dimostrare” il perché delle sue risposte, meno allucinazioni ottieni.

Chiedi sempre:

“Quali fonti hai usato?”
“Spiegami il ragionamento dietro.”
“Dove potremmo aver sbagliato?”

Falla ragionare.
Falla dubitare.
E tu avrai il controllo.

🧠 Ultimo consiglio: adatta sempre la complessità del prompt al task

Non sempre serve un prompt ultracomplesso.
Per compiti semplici, va benissimo un prompt snello e diretto.
Ma per processi importanti, non avere paura di alzare il livello.

👉 Il prompting è un moltiplicatore.
Più sei chiaro, preciso e strutturato, più l’AI diventa efficace.

☕ Hai fatto il giro completo.

Hai imparato a scrivere prompt come si deve.
Hai capito come ragiona l’AI, come darle contesto, come costruire processi scalabili.

Hai visto che non basta "chiedere bene":
serve pensare come un architetto dei flussi.
Serve progettare il pensiero, insegnarlo all’AI… e poi lasciarla andare.

Ma adesso sai farlo.

E la prossima volta che qualcuno ti chiede:

“Ma dai, basta scrivere ‘scrivimi un testo bello’…”

Tu potrai alzare lo sguardo, sorseggiare il tuo espresso, e dire:

“Certo, funziona. Proprio come urlare a un criceto e sperare che ti prepari un pitch.”

☢️ Il jukebox gracchia ancora. Il bancone è quasi vuoto.
Ma se hai letto fin qui, hai già qualcosa che pochi là fuori hanno:
👉 un framework reale per usare l’AI come un professionista.

E questo… resta.

📌 Prompt espresso:

Per te che sei rimasto fino a qui.

Mi sembra giusto farti vedere qualche prompt ben scritto. (E se sbirci nella prima newsletter, trovi un prompt che è fatto per creare i migliori prompt che potrai mai fare, in automatico —> se non lo hai, scrivimi su linkedin )

Prompt in concatenazione per creare la struttura di Work Management Aziendale: 👉 qui
Prompt di raccolta informazioni per un agente Email Marketer: 👉 qui
Prompt per analizzare le performance di un commerciale in una chiamata: 👉 qui

📻 Radio AIpocalisse oggi è spenta.

Abbiamo già servito un espresso doppio di novità e casi concreti… e pure il prompt era bollente.

Le notizie dal mondo AI arriveranno in una comunicazione separata nei prossimi giorni… filtrate, commentate, senza rumore.

Intanto, goditi la caffeina e metti in pratica quello che hai appena letto ☕.

☢️ Humor radioattivo

Grazie per essere passato al bancone! 🥳
Sono davvero felice di averti tra i primissimi viaggiatori nel mondo di AI Espresso.

Ci rileggiamo martedì prossimo, alle 7.45 precise — l’espresso sarà già sul fuoco ☕

Nel frattempo, se hai avuto un momento “AI” figo questa settimana (una scoperta, un esperimento, un prompt riuscito…), rispondimi e raccontamelo: sono curioso 👀

A presto,
Matteo

PPS: Se ti è piaciuto questo primo episodio di AI Espresso , condividere è aiutarsi a vicenda, quindi ti chiedo di condividere la newsletter con qualcuno.

Non immagini nemmeno l’aiuto che mi puoi dare (e i nostri algoritmi sono programmati per la gratitudine) 😉