Dopo i prompt, arriverà l'era dei "loop"? Una semplice guida in quattro fasi all'evoluzione della comunicazione con l'intelligenza artificiale.

本ページはプロモーション（広告）を含みます。

🧭 Vol.1 "Le persone brave a suggerire" non sono più i personaggi principali

Fino a poco tempo fa, essere "bravi a dare suggerimenti" era un complimento. Si riferiva a chi sapeva dare istruzioni precise e ottenere le risposte desiderate dall'IA. Venivano spesso introdotte tecniche come la specificazione dei ruoli, ad esempio "Tu sei un esperto di contabilità". Io stesso le ho utilizzate parecchio. Tuttavia, dall'inizio del 2026, si sono iniziate a sentire voci in prima linea nello sviluppo dell'IA che dicevano: "Smettiamola di scrivere suggerimenti".

Aspetta, cosa intendi con "smettiamo di scrivere prompt"? Ho introdotto molte tecniche di assegnazione dei ruoli nei miei articoli sull'apprendimento dell'inglese. Avevo la sensazione che scrivere semplicemente "Tu sei un insegnante di inglese" facesse un'enorme differenza nelle correzioni. Sono un po' sorpreso che non sia più l'obiettivo principale. Sono sicuro che ci siano persone che hanno letto i miei articoli e l'hanno utilizzato. Quindi, qual è l'obiettivo principale d'ora in poi?

Negli ambienti di sviluppo, l'attenzione si sta spostando da singoli individui che forniscono istruzioni chiare a coloro che creano sistemi in grado di fornire istruzioni in modo continuo. Questo passaggio viene talvolta definito come una transizione da "Uomo nel ciclo" a "Uomo nel ciclo". Si tratta di un cambiamento che vede le persone passare dal lavorare all'interno di un ciclo, eseguendo i compiti uno alla volta, a stare all'esterno del ciclo e supervisionare il quadro generale. Questa evoluzione può essere suddivisa in quattro fasi: prompt, contesto, integrazione e ciclo.

È affascinante come il semplice cambio di "in" in "on" modifichi completamente il nostro modo di interagire con l'IA. Persino con l'apprendimento dell'inglese, onestamente, digitare ogni giorno istruzioni come "correggi questo saggio" era un po' una seccatura. Sarebbe fantastico se potessi creare un piccolo ciclo di apprendimento che ricordi i miei punti deboli e crei persino dei menu di esercizi per me. Questo renderebbe la vita di tutti i giorni molto più semplice. Ma dobbiamo iniziare dalle basi, giusto? Cosa intendi esattamente con "migliorare le istruzioni"?

✍️ Vol.2 Prompt Engineering

La fase di prompt engineering consiste nel perfezionare la formulazione di ogni istruzione inviata all'IA. Anche quando si chiede la stessa cosa, la qualità della risposta può variare notevolmente a seconda di come viene formulata la richiesta. Ad esempio, chiedere "Per favore, correggi questa frase in inglese" è meno efficace che chiedere "Per favore, riscrivi questa frase in inglese per renderla più naturale come email aziendale". Si potrebbe definire questo processo come il perfezionamento del "modo" in cui si pone la domanda all'IA. Questa è la forma più semplice di tale processo.

Lo faccio quasi ogni giorno. Aggiungere una breve dichiarazione d'intenti fa un'enorme differenza nel tono della risposta in inglese. Ad esempio, "informale" o "adatto per la posta elettronica". Ma, in base a ciò di cui stavamo parlando, specificare il ruolo di qualcuno, come "Sei un esperto in...", è superato, giusto? Si trova spesso nei libri introduttivi e sembra efficace, ma perché non è sufficiente?

Assegnare semplicemente un ruolo a un'IA non le dice "chi" vuole la risposta e "perché". Ciò che conta sono lo scopo, l'obiettivo e le condizioni, piuttosto che il titolo. Ad esempio, aggiungere una frase come "Sono un principiante in contabilità" la incoraggerà a fornire una spiegazione che eviti il gergo tecnico. Aggiungere un obiettivo come "in un formato immediatamente utilizzabile nella pratica" e condizioni come "in un linguaggio informale" renderà la risposta ancora più precisa. La chiave è comunicare la situazione, non solo il ruolo.

È più importante spiegare a cosa mi servirà, piuttosto che il titolo, giusto? Se è per imparare l'inglese, immagino che dovrei scrivere qualcosa tipo: "Voglio acquisire competenze di inglese commerciale per non fare brutta figura nelle situazioni reali". Questo mi sembra sicuramente più adatto alla mia situazione. Se il mio obiettivo è chiaro, probabilmente la mia concentrazione nello studio rimarrà costante. Ma è una seccatura dover spiegare ogni volta il mio background e i miei punti deboli. Vorrei che l'IA si ricordasse di cosa abbiamo parlato prima e degli errori che commetto più spesso.

🗂️ Vol.3 Ingegneria del contesto

È proprio qui che entra in gioco la seconda fase dell'ingegneria del contesto. Consiste nel progettare l'intero insieme di informazioni che l'IA prende in considerazione quando fornisce una risposta, inclusa la cronologia della conversazione, i documenti forniti e le interazioni passate. Esiste un limite massimo alla quantità di informazioni che l'IA può visualizzare contemporaneamente, e questo limite è chiamato finestra di contesto. Si dice che possa contenere circa 10 volumi di libri, ma non è infinita. Progettare cosa inserirvi è fondamentale. E il prompt che abbiamo visto prima è solo una piccola parte di questa grande finestra.

Non si tratta di "cosa chiedere", ma di "cosa mostrare". Quando si parla con le persone, il modo in cui si svolge la conversazione cambia completamente a seconda che si condividano o meno le stesse premesse. Capisco che anche se si scrive un buon prompt, sarà fuori luogo se l'IA non conosce il contesto. È interessante notare che il prompt fa parte del contesto. Persino con gli insegnanti di conversazione in inglese, più sanno di me, meglio insegnano. Quindi, che tipo di informazioni dovrei mostrare nello specifico all'IA quando imparo l'inglese?

Ad esempio, puoi fornire un elenco di espressioni che hai spesso sbagliato in passato, oppure la tua cronologia di apprendimento, come "Spesso sbaglio con i tempi verbali" o "Mi sono imbattuto in questa espressione la settimana scorsa". Già solo questo trasformerà le correzioni da feedback generico a feedback personalizzato. Inoltre, noteranno se stai ripetendo gli stessi errori. Tuttavia, non sempre "di più è meglio". Se includi informazioni irrilevanti, otterrai risposte irrilevanti, quindi il trucco è concentrarsi sugli errori recenti o sugli argomenti attuali.

Quindi, invece di mostrare tutto, si mostra solo ciò che è necessario. Se fossi in voi, probabilmente mostrerei solo gli errori relativi ad articoli e preposizioni su cui sto lavorando questa settimana. Già solo questo renderebbe le correzioni molto più mirate. Il trucco è non essere avidi e non rivelare tutto. Ma cosa succede se l'IA fornisce una correzione che sembra plausibile ma è errata? È un po' inquietante, perché quando la dice con tanta sicurezza, si potrebbe finire per crederle ciecamente.

🦺 Vol.4 Ingegneria dei cablaggi

È qui che entra in gioco la terza fase, l'ingegneria delle imbracature. Un'imbracatura è un dispositivo di sicurezza utilizzato in alpinismo. Chiedere "Per favore, scrivi un test" è un suggerimento, ma l'imbracatura è il meccanismo stesso che stabilisce che "non puoi procedere al passaggio successivo se non superi il test". Si tratta di un accordo esterno per l'IA. Per la pianificazione, se esiste un meccanismo che "rifiuta i tentativi di fissare appuntamenti dopo le 17:00", puoi affidarti con fiducia all'IA.

Non si tratta di scrivere istruzioni nel codice, ma piuttosto di creare una sorta di "recinto di sicurezza" attorno all'IA. L'analogia con la segretaria è molto chiara. Se si decide fin dall'inizio che l'IA non può entrare dopo le 17:00, non sarà un problema anche se si muove con una certa libertà. Si comunicano le stesse regole a una segretaria umana, giusto? Ma anche se si parla di "imbracatura" nel contesto dell'apprendimento dell'inglese, non mi è ancora del tutto chiaro. Che tipo di sistema sarebbe nel caso dello studio?

Ad esempio, una regola come "Non puoi passare a nuove parole finché non hai ripassato le 10 parole di oggi" è un vincolo. Decidere di rileggere sempre personalmente il proprio lavoro prima di procedere, invece di accettare ciecamente le correzioni dell'IA, si basa sulla stessa idea. Anche una lista di controllo come "Non accetterò correzioni che non soddisfino questi tre criteri" o una frase come "Per favore, fai domande se hai bisogno di ulteriori informazioni" sono ottimi e semplici vincoli. Partire da qui è più che sufficiente.

Quindi, non c'è bisogno di costruire un sistema elaborato; puoi iniziare a crearne uno tu stesso oggi stesso. Proverò subito ad aggiungere la frase "Fai prima una domanda" ai miei prompt. È rassicurante sapere che l'IA non si affretterà ad andare avanti da sola, ma si fermerà e chiederà chiarimenti. La cosa più frustrante è quando risponde con sicurezza senza conoscere la risposta. Abbiamo prompt, contesto e strumenti, e tutti questi elementi si stanno gradualmente integrando esternamente, ma ora che siamo arrivati a questo punto, qual è il prossimo passo?

🔁 Vol.5 Ingegneria dei loop

Siamo finalmente giunti all'ultimo livello: l'ingegneria dei cicli. Un ingegnere di una grande azienda di intelligenza artificiale afferma che il suo lavoro non consiste più nel digitare direttamente i comandi, ma nello scrivere sistemi che forniscano continuamente istruzioni. A quanto pare, prima di lavorare nell'IA, si dedicava con passione alla produzione di cibi fermentati in Giappone. Inoltre, si dice che un rinomato ricercatore abbia completato un'app di digitazione per sua figlia in circa un'ora, praticamente senza alcun intervento da parte sua. Questo è un perfetto esempio di ciclo in azione.

Il passaggio dalla produzione di alimenti fermentati allo sviluppo di un'intelligenza artificiale all'avanguardia è talmente inaspettato da farmi sorridere. Aspettare pazientemente che la fermentazione avvenga e aspettare che un ciclo si completi sono forse attività piuttosto simili, dopotutto. In entrambi i casi, sembra importante limitarsi a osservare senza intervenire. Ma la cosa davvero sorprendente è che l'app sia stata completata in quasi un'ora, praticamente senza alcun input da parte dell'utente. Significa forse che l'IA controllava e correggeva tutto in autonomia? Come funziona esattamente?

Un ciclo è un meccanismo che permette al processo "esegui, verifica, correggi se necessario ed esegui di nuovo" di svolgersi senza intervento umano. Grazie a prompt, contesto e strumenti adeguati, l'IA può costruire autonomamente le proprie istruzioni successive e inviarsele continuamente. Il ruolo umano si sposta quindi dall'impartire istruzioni ogni volta alla progettazione del sistema. Tuttavia, non si tratta di un passaggio di consegne completo. L'essenza sta nel tracciare il confine tra ciò che si può delegare e ciò che si continua a controllare.

Quindi, invece di lasciare tutto all'IA, gli esseri umani mantengono comunque un ruolo attivo nel processo. Ad esempio, nell'apprendimento dell'inglese, si potrebbe lasciare che l'IA gestisca le correzioni quotidiane e la pratica ripetitiva, ma l'obiettivo finale rimarrebbe invariato: il motivo per cui si sta imparando l'inglese e ciò che si vuole raggiungere. Se anche l'IA decidesse l'obiettivo, non si tratterebbe più di un mio apprendimento. In tal caso, credo che potrei affidarmi completamente a lei con tranquillità. A proposito, esiste un solo tipo di ciclo di questo tipo?

🪆 Vol.6 Triplo ciclo annidato

In realtà, esiste un concetto che prevede tre cicli annidati che operano a velocità diverse. Il ciclo più interno si svolge in pochi minuti, con l'IA che ripete rapidamente implementazione, test e correzione. Il ciclo più esterno si svolge in un arco di tempo che va da ore a giorni, con gli esseri umani che supervisionano, verificano i risultati e perfezionano la strategia. Infine, il ciclo più esterno si svolge mensilmente, e il feedback di amici e di un gruppo selezionato di persone viene utilizzato per rivedere l'intera strategia. Un ricercatore ha creato un diagramma molto chiaro che illustra questo concetto.

È come se ci fossero tre cicli sovrapposti di velocità veloce, normale e lenta. È abbastanza facile da capire se si immaginano ingranaggi di diverse dimensioni che si ingranano tra loro. Gli ingranaggi più piccoli girano velocemente, mentre quelli più grandi, più lentamente, determinano la direzione. La cosa interessante è che solo lo strato più esterno coinvolge reazioni umane, non l'intelligenza artificiale. Chissà come funzionerebbero questi tre cicli se li applicassi al mio apprendimento dell'inglese?

Il ciclo più veloce è la pratica quotidiana e ripetitiva con l'IA. Oggi correggi il tuo testo in inglese e apporti le correzioni sul momento. Il ciclo intermedio è settimanale, quando rivedi il registro delle correzioni. Il ciclo più lungo è mensile, quando un insegnante corregge il tuo inglese o provi a usarlo in una conversazione online. Solo il ciclo più veloce può essere affidato interamente all'IA. Gli altri due devono sempre essere supervisionati da un essere umano. Questo è ciò che intendevo prima con "attendere".

Quindi, suddividi i tuoi compiti in oggi, questa settimana e questo mese. Anch'io utilizzavo quotidianamente la correzione di bozze basata sull'IA, ma forse saltavo la revisione settimanale e il feedback esterno mensile. Probabilmente mi bastava farlo ogni giorno. Non affidarsi esclusivamente all'IA migliora il processo di apprendimento stesso. Ma mi chiedo se questo tipo di ragionamento possa essere applicato anche al lavoro di altre persone, non solo all'apprendimento dell'inglese o al mondo dell'ingegneria?

🌱 Riepilogo del volume 7: il pensiero ciclico si diffonde anche tra i non ingegneri

Assolutamente. Le quattro fasi di cui abbiamo parlato finora sono annidate, con nuovi livelli che si aggiungono a quelli precedenti, anziché diventare obsoleti. I livelli interni continuano a funzionare anche adesso. E questo concetto si sta diffondendo anche al lavoro amministrativo. Quando una riunione termina, l'IA si avvia automaticamente, trascrive la riunione, identifica le attività e gestisce persino la pianificazione e l'invio degli inviti ai membri necessari. Stiamo persino assistendo a un sistema in cui le persone devono solo cliccare su "partecipa".

L'idea che le persone possano semplicemente cliccare su un pulsante per partecipare sembra fantascienza, eppure è già realtà. È sorprendente come una mentalità nata nel mondo dell'ingegneria possa essere applicata direttamente al lavoro di segreteria e amministrativo. Organizzare appunti e pianificare gli appuntamenti dopo le riunioni richiede davvero molto tempo. Questo vale sicuramente anche per il nostro lavoro e i nostri studi quotidiani. Ma creare un sistema così complesso tutto in una volta sembra difficile. Da dove dovremmo iniziare?

Non serve subito un sistema complesso. È sufficiente iniziare con un piccolo ciclo ricorrente, come ad esempio "far correggere il proprio lavoro dall'IA nello stesso formato ogni giorno". Per l'apprendimento dell'inglese, la forma iniziale è un ciclo a tre livelli: oggi si ripete la pratica con l'IA, questa settimana si ripassa e questo mese si riceve un feedback da una fonte esterna. Si possono poi aggiungere gradualmente degli spunti per indicare l'obiettivo, del contesto per evidenziare i propri punti deboli e degli incentivi per chiedere chiarimenti. Non c'è bisogno di avere fretta.

Dai prompt ai cicli, le nostre interazioni con l'IA si stanno espandendo sempre di più. Ma il piccolo ciclo che abbiamo costruito oggi servirà sicuramente da base. Tutto ciò di cui abbiamo parlato in questa serie è collegato ad esso. Penso che inizierò chiedendo correzioni per il tema in inglese di domani, come di consueto. Se preferite leggere una spiegazione dettagliata piuttosto che ascoltare una conversazione, vi invito a consultare anche l'articolo originale. Lascerò il link qui.

👉 Leggi l'articolo originale
Da Prompt a Loop (nota: Magazine)
https://note.com/gentle_hawk873/m/mc79175abd198