Prompt engineering avanzato. Strategie per ottimizzare il roi nell’implementazione dell’IA in ambito aziendale
Il webinar introduce il prompt engineering avanzato e mostra come un uso più consapevole dei Large Language Model (LLM) – come ChatGPT, Copilot, Gemini, Claude – moltiplichi il ritorno dell’investimento in AI.
Stefano Borghi (CTO) spiega la differenza tra uso “naïf” dei modelli e utilizzo professionale, chiarendo concetti chiave come contesto, memoria episodica e memoria a lungo termine (es. in ChatGPT).
Vengono presentati framework pratici (RTF, RISEn) e una serie di pattern per migliorare prompt, controllare il contesto, ridurre errori/allucinazioni e guidare il ragionamento del modello.
Nella parte finale si introduce l’uso di modelli specializzati nel reasoning (come O1/O3-mini di OpenAI) e si chiariscono gli aspetti di sicurezza dei dati e privacy.
Il webinar si chiude con una panoramica dei servizi AI di Dilaxia (configurazione, formazione, PoC, soluzioni custom e change management).
Perché il prompt engineering “avanzato” conta davvero
Anche un uso superficiale di LLM porta benefici, ma lavorare in modo strutturato su prompt e contesto fa fare un salto enorme in qualità delle risposte e ROI.
A parità di licenza (es. Copilot, ChatGPT a pagamento), chi sa progettare bene i prompt ottiene molto più valore.
Contesto e memoria: come “pensa” il modello mentre interagiamo
Il contesto è tutto il testo disponibile al modello in quella chat: domande, risposte, file allegati, istruzioni.
Il contesto standard è una memoria episodica: vale solo per la singola conversazione.
ChatGPT dispone anche di una memoria a lungo termine: usando formule tipo “d’ora in avanti ricorda che…” possiamo fargli memorizzare informazioni stabili (finché non le eliminiamo dalle impostazioni > Personalizzazione > Memorie).
Cos’è un prompt e cosa distingue il design dall’engineering
Il prompt è l’istruzione/richiesta inviata al modello. Un buon prompt è chiaro, specifico, contestualizzato, con vincoli espliciti e formato d’uscita definito.
Prompt design = lavorare su singole richieste.
Prompt engineering = usare in modo sistematico framework, pattern e best practice per ottenere risultati ripetibili e di qualità.
RTF (Role – Task – Format)
Role: che ruolo deve assumere il modello (es. “consulente di strategia aziendale specializzato in AI”).
Task: cosa deve fare (analizzare, valutare, riscrivere, sintetizzare, ecc.).
Format: in che forma deve rispondere (es. schema con sezioni, tabella, elenco puntato).
RISEn (Role – Instructions – Steps & goal – Narrowing)
Role: identico a RTF.
Instructions: istruzioni dettagliate su come affrontare il compito.
Steps & goal: passaggi da seguire + obiettivo finale (end goal) esplicito.
Narrowing: restringere il perimetro (es. solo mercato europeo, solo PMI, solo soluzioni cloud native con AI).
Regola pratica: prompt lunghi e ricchi di contesto → risposte molto migliori (con eccezione per alcuni modelli di reasoning, vedi più avanti).
Guarda il webinar
Ottimizzare la gestione di documenti, prodotti, fatture e ordini aziendali...
