Dalla semplice domanda a ChatGPT alla progettazione di un processo complesso: la mia esperienza con il meta-prompting e ChatGPT Work.
Dalla domanda al metodo
All’inizio utilizzavo ChatGPT soprattutto per richieste dirette: una domanda e una risposta. Con i lavori più articolati ho capito che il punto non era soltanto ottenere una buona risposta, ma progettare il percorso per arrivarci.
Quando bisogna esaminare molti documenti, confrontare informazioni e verificare la coerenza dei risultati, un’unica richiesta generica rischia di essere insufficiente. Ho quindi iniziato a usare ChatGPT anche per costruire le istruzioni da dare a ChatGPT.
Che cos’è il meta-prompting?
Un prompt è un’istruzione data a un modello di intelligenza artificiale. Un meta-prompt è un’istruzione che serve a progettare, generare, migliorare o organizzare altri prompt.
Invece di chiedere soltanto «Analizza questo documento», posso chiedere: «Aiutami prima a definire le fasi dell’analisi, le informazioni necessarie, i criteri di controllo e gli output attesi».
Il meta-prompting non consiste nello scrivere richieste più lunghe, ma nell’organizzare meglio il lavoro.
Non basta scrivere «Agisci come un esperto»
Le istruzioni di ruolo possono orientare una risposta, ma non sostituiscono un metodo. Per un compito complesso conviene definire l’obiettivo, il contesto, i vincoli, le fasi operative, i risultati richiesti e i controlli finali.
È particolarmente importante chiedere al modello di distinguere i fatti verificati dalle interpretazioni e dalle proposte.
Un caso concreto: una gara per servizi educativi
Ho sperimentato questo approccio durante il lavoro sulla griglia di valutazione tecnica di una procedura di gara. Era necessario confrontare documenti, esaminare criteri e descrittori, valutare la coerenza delle previsioni e formulare eventuali proposte migliorative.
Invece di avviare un’analisi indistinta, ho costruito con ChatGPT un processo in cinque fasi: verifica della coerenza documentale; analisi critica e giuridica; confronto con procedure analoghe; formulazione delle proposte; verifica conclusiva.
L’ultima fase si è concentrata soprattutto su criteri, descrittori, premialità, coerenza e concreta applicabilità, senza rivedere i metodi di attribuzione dei punteggi tecnici ed economici.
Un vincolo importante era fermarsi dopo le fasi rilevanti, per permettermi di controllare l’impostazione e correggerla prima di procedere.
Il controllo umano rimane fondamentale
Un buon meta-prompt non rende infallibile un modello. I riferimenti normativi devono essere controllati, le fonti confrontate e le proposte valutate da chi ha la responsabilità delle decisioni.
Il vantaggio, per me, è stato poter affidare all’IA un lavoro preparatorio strutturato, conservando il controllo sugli obiettivi e sui vincoli.
Un esempio di meta-prompt riutilizzabile
«Voglio affrontare un’attività complessa di analisi documentale. Prima di eseguirla, aiutami a progettare un metodo operativo. Suddividi il lavoro in fasi e indica per ciascuna input, attività, criteri di verifica e output. Segnala le informazioni mancanti e i rischi. Prevedi momenti di controllo tra una fase e l’altra. Non iniziare ancora l’analisi: produci prima il piano operativo e le istruzioni per eseguirlo».
Questo esempio mostra la differenza tra chiedere subito una soluzione e progettare prima il modo per ottenerla.
Quando serve, e quando no
Il meta-prompting è utile per attività estese, come revisioni documentali, ricerche strutturate, analisi di dati o progetti che richiedono controlli intermedi. Per una traduzione o una semplice formula Excel può essere superfluo.
Un rischio è creare istruzioni così complicate da rallentare il lavoro. L’obiettivo è aggiungere soltanto la struttura necessaria.
Dalla programmazione all’intelligenza artificiale
Programmo da molti anni, da QuickBasic a Java, fino a Excel e VBA. In questi ambienti ho imparato a scomporre problemi in procedure, definire condizioni e verificare i risultati.
Con l’intelligenza artificiale cambia il modo in cui si formulano le istruzioni, ma ritrovo molti principi familiari: modularità, separazione delle responsabilità, verifiche e controllo del risultato.
Per come lo utilizzo, il meta-prompting è questo: applicare un metodo di progettazione al lavoro con l’IA. Non soltanto chiedere alla macchina di fare qualcosa, ma imparare a progettare insieme a essa il modo di farlo.
Lascia un commento