Come iterare sui prompt per l'IA: un sistema di test semplice
Smetti di tirare a indovinare il motivo per cui i tuoi prompt falliscono. Un ciclo in 4 passi per testare e migliorare i prompt che porta davvero a risultati migliori.
Hai scritto un prompt. L'output era sbagliato. Allora l'hai riscritto. Ancora sbagliato, ma in modo diverso. Hai modificato qualche parola, hai rigenerato, hai ottenuto qualcosa di più vicino a quello che volevi — e poi hai perso il filo di cosa avevi cambiato. Trenta minuti dopo, sei tornato al punto di partenza, senza sapere quale versione fosse davvero la migliore.
Questo approccio del tipo "rigenera e spera" è il modo in cui la maggior parte delle persone usa l'IA. Ed è il motivo per cui la maggior parte delle persone resta frustrata. Secondo una ricerca di Workday, circa il 37% del tempo che i dipendenti risparmiano grazie all'IA viene perso a causa delle correzioni — sistemare errori, verificare gli output e riscrivere contenuti che hanno mancato il bersaglio.
La differenza tra modifiche casuali e iterazione sistematica non è lo sforzo: è il metodo. Quando testi, valuti e documenti le tue modifiche, smetti di ripetere gli stessi errori. Impari cosa funziona davvero per il tuo caso d'uso specifico. E costruisci prompt che producono risultati buoni in modo affidabile, invece di azzeccarli ogni tanto per fortuna.
Perché modificare a caso non funziona
C'è un motivo se iterare sui prompt sembra giocare d'azzardo. Quando cambi tre cose contemporaneamente e l'output migliora, non sai quale modifica abbia aiutato. Quando riscrivi a memoria invece di confrontare le versioni, non riesci a notare i pattern. Quando cancelli i tuoi tentativi precedenti, perdi i dati che ti direbbero cosa funziona.
Una ricerca dell'MIT Sloan ha rilevato che solo metà dei miglioramenti delle prestazioni dei modelli di IA avanzati arriva dal modello stesso. L'altra metà arriva da come gli utenti adattano i loro prompt. In altre parole, la tua abilità nel formulare prompt conta tanto quanto le capacità dell'IA.
Ma l'abilità non è magia. È riconoscimento di pattern costruito attraverso la pratica strutturata. Devi vedere quali modifiche producono quali risultati — il che significa che ti serve un sistema.
Il ciclo di iterazione in 4 passi
Un'iterazione efficace dei prompt segue un ciclo semplice:
Testa — Esegui il tuo prompt e cattura l'intero output
Valuta — Confronta il risultato con il tuo obiettivo specifico
Affina — Apporta una modifica mirata in base a ciò che non va
Documenta — Annota cosa hai cambiato e cosa è successo
Non è complicato. Ma fare tutti e quattro i passi — soprattutto l'ultimo — è ciò che separa chi migliora costantemente da chi continua a sbattere contro gli stessi problemi.
Diagramma circolare che mostra i quattro passi dell'iterazione di un prompt: Testa, Valuta, Affina, Documenta
Passo 1: esegui il tuo prompt e cattura tutto
Parti da qualunque prompt tu abbia. Non pensarci troppo per la prima versione — tanto la migliorerai comunque. L'obiettivo è ottenere una base di partenza con cui poterti confrontare.
Quando esegui il prompt, salva sia il prompt che la risposta completa. Non solo le parti buone. Non un riassunto. Tutto, dall'inizio alla fine. Ti serve il quadro completo per diagnosticare i problemi.
Se stai testando in ChatGPT o Claude, copia l'intero scambio in un appunto o in un documento prima di apportare modifiche. Una volta che rigeneri o modifichi, l'originale è perso.
Passo 2: valuta in base al tuo vero obiettivo
Ed è qui che la maggior parte delle persone sbaglia. Guardano l'output e pensano "non è proprio quello che volevo" — e iniziano subito a riscrivere. Quel vago senso di insoddisfazione non ti dice cosa correggere.
Invece, usa quello che chiamo il Test della Penna Rossa. Scorri l'output e segna i problemi specifici:
Il tono è sbagliato? Dove esattamente?
Mancano informazioni? Quali, di preciso?
È troppo lungo? Quali parti sono di troppo?
Ha frainteso il compito? In che modo?
Il formato è sbagliato? Quale dovrebbe essere?
Scrivi la tua valutazione. "Troppo formale nel paragrafo 2, manca il vincolo di budget, ha incluso informazioni irrilevanti sulla storia dell'azienda." Adesso sai esattamente cosa correggere.
Passo 3: cambia una cosa alla volta
Questa è la disciplina più difficile da mantenere, e la più importante. Quando cambi più cose insieme, non puoi capire quale modifica ha funzionato. Le ricerche sull'A/B testing mostrano in modo coerente che isolare una singola variabile è fondamentale: testare più modifiche contemporaneamente rende impossibile attribuire i risultati.
Scegli il problema più importante dalla tua valutazione e affronta solo quello. Le correzioni più comuni includono:
Aggiungi contesto: dai all'IA le informazioni di base che le servono per capire la tua situazione
Aggiungi vincoli: specifica lunghezza, formato, tono o cosa escludere
Aggiungi esempi: mostra com'è fatto un buon output (questa tecnica si chiama few-shot prompting)
Chiarisci il compito: riscrivi le istruzioni vaghe rendendole specifiche
Assegna un ruolo: di' all'IA chi deve essere (vedi role prompting)
Apporta la tua singola modifica, esegui di nuovo il prompt e confronta. Ha aiutato? Ha creato un nuovo problema? Lo capirai, perché hai cambiato solo una cosa.
Passo 4: documenta cosa hai cambiato
Questo passo sembra opzionale. Non lo è. Senza documentazione, ripeterai esperimenti falliti, dimenticherai le tecniche che hanno funzionato e perderai i tuoi prompt migliori nella cronologia delle chat.
La tua documentazione non deve essere elaborata. Basta un semplice registro:
Versione: v1, v2, v3...
Cosa è cambiato: "Aggiunto vincolo di lunghezza di 200 parole"
Risultato: "L'output ora ha la lunghezza giusta ma ha perso il tono colloquiale"
Tieni o scarta: tieni il vincolo, sistema il tono al prossimo giro
Con il tempo, questo registro diventa il tuo manuale personale. Inizierai a notare dei pattern: magari aggiungere esempi aiuta sempre nei tuoi compiti di scrittura, oppure specificare il formato all'inizio produce una struttura migliore. Queste intuizioni si accumulano.
Se stai iterando su prompt che userai più volte, uno strumento come PromptNest ti permette di allegare delle note direttamente a ciascun prompt. Puoi tenere traccia di cosa hai provato, cosa ha funzionato e perché — senza dover gestire un documento separato.
Esempio reale: iterare su un prompt per il riassunto di una riunione
Vediamo un ciclo di iterazione reale. Diciamo che devi riassumere gli appunti di una riunione in azioni da fare per il tuo team.
Versione 1:
Riassumi questi appunti della riunione.
{{meeting_notes}}
Risultato: un riassunto generico che annega le azioni da fare in paragrafi di contesto. Troppo lungo, e devi andare a caccia di ciò che davvero deve essere fatto.
Valutazione: manca un output strutturato. Nessuna azione chiara. Include un riepilogo superfluo.
Modifica: aggiungere vincoli di formato.
Versione 2:
Estrai le azioni da fare da questi appunti della riunione. Formattale come elenco puntato con il nome del responsabile tra parentesi quadre dopo ogni voce.
{{meeting_notes}}
Risultato: un elenco puntato pulito di azioni da fare con i rispettivi responsabili. Ma alcune voci sono vaghe ("dare seguito alla cosa di cui abbiamo parlato") e mancano le scadenze.
Valutazione: buon formato, ma le voci sono poco specifiche e prive di tempistiche.
Modifica: aggiungere requisiti di specificità e di scadenze.
Confronto prima/dopo che mostra un prompt vago trasformato in un prompt specifico e strutturato
Versione 3:
Estrai le azioni da fare da questi appunti della riunione.
Per ogni azione, includi:
- Cosa esattamente deve essere fatto (niente riferimenti vaghi)
- Chi è il responsabile [tra parentesi quadre]
- La scadenza, se menzionata, oppure "Nessuna scadenza specificata"
Se un'azione non è chiara negli appunti, segnalala con "[DA CHIARIRE]" così posso fare un follow-up.
{{meeting_notes}}
Risultato: azioni specifiche, responsabili chiari, scadenze quando disponibili e segnalazioni su tutto ciò che è ambiguo. Questo è utilizzabile.
Tre iterazioni. Ognuna ha affrontato un problema specifico individuato nella valutazione. Il prompt finale è nettamente migliore del primo — e sai esattamente perché.
Quando smettere di iterare
L'iterazione ha rendimenti decrescenti. A un certo punto, stai lucidando qualcosa che è già abbastanza buono. Ecco i segnali che dovresti fermarti:
L'output soddisfa i tuoi requisiti. Non perfetto: i requisiti. Se fa quello che ti serve, mandalo in produzione.
Le modifiche stanno peggiorando le cose. A volte arrivi a un massimo locale. Se le ultime tre modifiche hanno tutte degradato la qualità, torna alla versione migliore e considera il lavoro finito.
Stai ottimizzando per casi limite. Se il prompt funziona il 90% delle volte e stai passando ore sul restante 10%, valuta se ne vale davvero la pena.
Il problema è il compito, non il prompt. Alcuni compiti sono genuinamente difficili per l'IA attuale. Se hai provato ogni approccio ragionevole, il problema potrebbe essere che stai chiedendo all'IA di fare qualcosa che ancora non riesce a fare in modo affidabile.
Costruisci il tuo sistema, non solo i tuoi prompt
Il vero valore dell'iterazione sistematica non è il singolo prompt migliorato. È l'abilità che sviluppi e la libreria che costruisci.
Ogni prompt su cui iteri ti insegna qualcosa su come l'IA risponde alle istruzioni. Con il tempo, inizierai a ottenere prime bozze migliori perché hai interiorizzato cosa funziona. Riconoscerai immediatamente i pattern di errore più comuni. Avrai una collezione di prompt collaudati che potrai adattare per nuovi compiti.
Questa collezione conta. I migliori prompt engineer non partono da zero ogni volta — mantengono librerie di prompt testati che possono modificare e riutilizzare. Secondo un sondaggio di Rev.com, gli utenti che trovano utili i suggerimenti di prompt hanno il 280% di probabilità in più di ottenere risposte soddisfacenti in meno di due minuti rispetto a chi non li trova utili.
Se stai accumulando prompt che vale la pena conservare, PromptNest offre loro una casa come si deve: organizzati per progetto, ricercabili e accessibili con una scorciatoia da tastiera da qualsiasi app. Puoi salvare i tuoi prompt iterati con variabili come {{meeting_notes}} già integrate, riempire i campi quando ti servono e saltare del tutto il processo di iterazione, perché il lavoro l'hai già fatto.
Inizia con il ciclo in 4 passi al tuo prossimo prompt. Testa, valuta, affina, documenta. All'inizio richiede un po' più di tempo. Ma ogni ora che investi nell'iterazione è un'ora che risparmierai — molte volte — quando i tuoi prompt funzioneranno davvero.
