Chiunque abbia provato un assistente AI lo sa: a un buon prompt corrisponde un buon risultato, a un prompt vago un output generico e inutilizzabile. Il prompt engineering è semplicemente l’arte di formulare richieste chiare e contestualizzate. Non serve essere tecnici: servono metodo e pratica. Vediamo i principi, applicati a LinkedIn.
Cos’è il prompt engineering
Un prompt è l’istruzione che dai a un modello di intelligenza artificiale. “Scrivimi un post su LinkedIn” è un prompt povero: il modello non sa chi sei, a chi parli, cosa vuoi ottenere. Il prompt engineering è la disciplina — molto pratica — di trasformare una richiesta generica in un’istruzione precisa che guida il modello verso l’output che hai in mente. È la differenza tra affidare un compito a uno stagista senza briefing e dargliene uno completo.
Gli elementi di un prompt efficace
Un prompt ben costruito contiene quasi sempre sei ingredienti. Non tutti sono obbligatori ogni volta, ma più ne includi, più l’output è centrato:
- Ruolo: chi deve essere l’AI (“sei un esperto di social selling B2B”).
- Contesto: chi sei tu, il tuo settore, il tuo pubblico.
- Obiettivo: cosa vuoi ottenere e perché.
- Tono: professionale, diretto, ironico, formale.
- Formato: lunghezza, struttura, elenco o testo scorrevole.
- Vincoli: cosa evitare (buzzword, clickbait, emoji).
Un esempio concreto: invece di “scrivi un post sul networking”, prova con “Sei un formatore LinkedIn. Scrivimi un post di massimo 150 parole per consulenti che faticano a fare networking online. Tono pratico e incoraggiante, una sola idea centrale, chiusura con una domanda. Niente buzzword.” La differenza nell’output è enorme.
Esempi di prompt per LinkedIn
Il prompt engineering diventa utile quando lo applichi ai compiti ricorrenti. Alcuni esempi che puoi salvare e riutilizzare: la riscrittura di un post in tre varianti con tono diverso; la trasformazione di un articolo lungo in una serie di post; la generazione di ganci a partire da un tema; la sintesi dei commenti di un post per capire cosa ha colpito il pubblico. Costruirti una piccola libreria di prompt collaudati ti fa risparmiare ore ogni settimana.
Errori comuni e come correggerli
Gli errori più frequenti sono tre: prompt troppo vaghi (manca il contesto), aspettarsi la perfezione al primo colpo (l’iterazione è parte del metodo, non un fallimento) e accettare l’output così com’è senza verificarlo. Quando un risultato non ti convince, non ripartire da zero: chiedi all’AI di correggere un aspetto specifico (“rendilo più concreto”, “togli l’autoreferenzialità”, “accorcia del 30%”). Il prompt engineering è meno una tecnica e più una conversazione: impari a farti capire, e i risultati migliorano di conseguenza.
