Quando Harvard e BCG hanno messo 758 consulenti a lavorare con l'IA generativa, i risultati sono migliorati del 40% in qualità e sono arrivati il 25% più rapidamente. Ma lo stesso studio, pubblicato su Organization Science nel 2026, ha rivelato il rovescio della medaglia: nei compiti in cui l'IA non è affidabile, chi si è fidato di essa ha reso 19 punti peggio. Saper chiedere le cose all'IA — il famoso prompt engineering — conta; saper riconoscere quando non fidarsi della risposta conta ancora di più. Questa guida separa, con evidenze del 2025-2026, le tecniche che continuano a funzionare da quelle che sono ormai rumore di fondo, e spiega perché formare il vostro team in questo ambito ha smesso di essere opzionale: dal febbraio 2025 è un obbligo del Regolamento europeo sull'IA.
Cos'è il prompt engineering?
Il prompt engineering è la pratica di progettare le istruzioni che si danno a un'Intelligenza Artificiale generativa — il prompt — per ottenere risultati utili, precisi e nel formato di cui avete bisogno. Include cosa chiedete, come lo strutturate, quale contesto ed esempi fornite e quali limiti imponete. Non si tratta di programmare: è comunicare bene con una macchina che risponde al linguaggio naturale. Per un team aziendale, padroneggiarlo fa la differenza tra usare l'IA come un collaboratore caotico o come un collega affidabile e coerente. Il riferimento mentale che la stessa Anthropic raccomanda è illuminante: trattate il modello come un dipendente brillante ma appena arrivato, che non conosce la vostra azienda, il vostro cliente né il vostro contesto — tutto ciò che non gli dite, lo inventerà o lo farà a modo suo.
Il prompt engineering è morto nel 2026?
Il ruolo è morto; la competenza è diventata trasversale. Nel 2023 si pubblicavano offerte di lavoro da "prompt engineer" con stipendi tra i 200.000 e i 300.000 dollari; dalla fine del 2024 quelle posizioni sono calate di circa il 30% e la funzione è stata assorbita nei ruoli tradizionali — prodotto, operazioni, marketing, sviluppo. Al tempo stesso, il centro di gravità si è spostato: nel giugno 2025 Tobi Lütke (CEO di Shopify) ha reso popolare il termine context engineering e Andrej Karpathy lo ha sintetizzato brillantemente poco dopo: "the delicate art and science of filling the context window with just the right information for the next step" — "la delicata arte e scienza di riempire la finestra di contesto con le informazioni giuste per il passo successivo". La lezione per un'impresa è concreta: il valore non risiede più in formule magiche di scrittura, ma in quali informazioni date al modello — documenti, dati, esempi, criteri — e nel fatto che tutto il personale che usa l'IA quotidianamente abbia un livello di base comune. Con l'adozione dell'IA nelle imprese spagnole quasi raddoppiata in due anni (dal 12,4% al 21,1%, secondo i dati dell'INE in Spagna), quel livello comune è il debito formativo più urgente da colmare.
Le tecniche che continuano a funzionare (con evidenze)
Le guide ufficiali di Anthropic, OpenAI e Google convergono su un nucleo sorprendentemente stabile:
- Chiarezza e specificità prima di tutto. La "regola d'oro" di Anthropic: se un collega resterebbe confuso leggendo il vostro prompt, anche il modello lo sarà. Includete sempre il perché, il per chi e il formato atteso.
- Esempi (few-shot). La tecnica più supportata da evidenze per controllare formato e tono: Google raccomanda di includere esempi "sempre", e Anthropic la descrive come uno dei modi più affidabili per guidare l'output. Due o tre esempi del risultato desiderato valgono più di un paragrafo di spiegazioni.
- Struttura con delimitatori. Separare istruzioni, contesto e dati con tag XML o intestazioni Markdown migliora l'affidabilità — lo raccomandano tutti e tre i produttori. Un prompt ben strutturato è un documento, non un messaggio istantaneo.
- Il contesto, in cima. Dettaglio poco noto ma molto citato nella documentazione di Anthropic: con documenti lunghi, posizionarli all'inizio del prompt e la domanda alla fine migliora le prestazioni su tutti i modelli.
- Istruzioni in positivo. Dire cosa fare funziona meglio che elencare divieti ("scrivi in tono formale" meglio di "non essere informale").
- Ruolo e sistema, con aspettative realistiche. Assegnare un ruolo ("agisci come un direttore finanziario") rimane utile per tono e focus — Anthropic afferma che anche una sola frase fa differenza —, ma le evidenze che migliori la precisione sono deboli. Usatelo per lo stile, senza aspettarvi miracoli di accuratezza.
Le tecniche zombie: quello che non dovreste più fare per default
Ecco ciò che quasi nessuna guida in italiano riporta. "Pensa passo per passo" è scaduto come abitudine universale. Il rapporto di Wharton (giugno 2025) ha misurato l'effetto del chain-of-thought sui modelli ragionatori: miglioramenti marginali (+2,9% su o3-mini) e persino negativi (−3,3% su Gemini Flash 2.5), con un 20-80% di latenza in più. Una meta-analisi di oltre 100 paper presentata all'ICLR 2025 ha delimitato il fenomeno: il passo per passo aiuta soprattutto in matematica e ragionamento simbolico, e contribuisce poco nei compiti di conoscenza generale. I modelli del 2026 decidono già da soli quando ragionare; la raccomandazione ufficiale di OpenAI è trattarli come "un collega senior a cui si dà l'obiettivo", non la procedura. Le maiuscole e le minacce sono anche superflue: Anthropic avverte che il linguaggio aggressivo del tipo "CRITICAL: You MUST..." provoca sovra-reazioni nei modelli attuali. E i template magici da 500 parole che circolano su LinkedIn sono invecchiati male: la leva reale si è spostata dalla stesura del testo al contesto che fornite.
Il rischio di cui nessuno parla: i vostri dati dentro il prompt
Il prompt è anche un canale di fuga delle informazioni, e i dati del 2025 sono preoccupanti: il 77% dei dipendenti che usano l'IA generativa incolla dati aziendali nel chatbot, e l'82% di queste interazioni avviene da account personali fuori dal controllo dell'azienda (LayerX, 2025). Circa una su cinque di queste incollate contiene dati personali o finanziari — cioè esposizione diretta al GDPR. In parallelo, l'iniezione di prompt è il rischio numero uno dell'OWASP Top 10 per le applicazioni con LLM per la seconda edizione consecutiva: istruzioni malevole nascoste in documenti o siti web che il modello elabora possono dirottarne il comportamento. La risposta aziendale si articola su tre livelli: strumenti aziendali (non account gratuiti personali), una politica chiara su quali dati possono entrare in un prompt, e formazione affinché il team riconosca entrambi i rischi. L'igiene del prompt è importante quanto la sua redazione.
Il prompting come obbligo legale: l'articolo 4 dell'AI Act
Dal 2 febbraio 2025, l'articolo 4 del Regolamento europeo sull'IA (EU AI Act) esige che ogni impresa che utilizzi l'IA — fornitrice o utilizzatrice, di qualsiasi dimensione — garantisca un adeguato livello di alfabetizzazione in materia di IA al proprio personale: formazione documentata e proporzionata al ruolo e al rischio. E il 2 agosto 2026 — a pochi giorni dalla pubblicazione di questo articolo — prende avvio la supervisione nazionale del regolamento. Non esiste un programma ufficiale: ciò che si richiede è formazione reale, adattata all'uso che ciascun ruolo fa dell'IA, e saper formulare richieste, verificare le risposte e non filtrare dati in un prompt è esattamente il nucleo pratico di quella alfabetizzazione per la maggior parte dei ruoli aziendali. Per le imprese spagnole esiste un vantaggio concreto: questa formazione è finanziabile tramite FUNDAE, lo schema spagnolo di formazione continua sovvenzionata. La nostra formazione in prompt engineering per team è progettata su questo duplice obiettivo — produttività misurabile e conformità all'articolo 4 — e il 78% dei professionisti spagnoli dichiara già che la propria azienda dovrebbe erogarla.
Da trucchi individuali ad asset aziendale: la libreria di prompt
"L'errore tipico è trattare il prompting come una competenza individuale: ogni dipendente con i propri trucchi annotati su un bloc-notes. Le aziende che ne ricavano un ritorno lo trattano come un asset: una libreria di prompt condivisa, versionata e collaudata per le loro venti attività più ripetitive. Questo trasforma la fortuna di ciascuno in uno standard per tutti", spiega Alfons Marques, fondatore di Technova Partners.
Il piano di implementazione che raccomandiamo:
- Identificate le 10-20 attività con l'IA più ripetitive in ogni dipartimento (offerte commerciali, e-mail ai clienti, riepiloghi di riunioni, analisi di dati).
- Create la prima versione della libreria: un prompt collaudato per attività, con i suoi esempi few-shot e il suo formato di output, accessibile a tutto il team.
- Formate il team sulle tecniche con evidenze — e sulla lezione della "frontiera dentellata" dello studio BCG: la formazione deve insegnare anche quando non fidarsi del modello, perché è lì che si perdono i 19 punti.
- Rivedete e aggiornate ogni trimestre: i modelli cambiano (ricordate quando il passo per passo era imprescindibile?) e la libreria deve evolversi con loro.
Se volete capire prima come funzionano questi modelli dall'interno, la nostra guida a cos'è un LLM per le imprese è il complemento naturale di questo articolo.
Volete una libreria di prompt su misura e formare il vostro team nel rispetto dell'articolo 4 dell'AI Act con FUNDAE? Raccontateci il vostro caso e vi prepariamo una proposta.
Conclusione
Il prompt engineering nel 2026 non è quello del 2023 — e questa è una buona notizia. Il ruolo di punta è scomparso, ma la competenza è diventata obbligatoria per tutto il personale: per produttività (l'evidenza del +40% di qualità è reale quando si usa bene) e per legge (articolo 4 dell'AI Act, con supervisione attiva dall'agosto 2026). Ciò che funziona è chiaro e documentato: chiarezza, esempi, struttura e contesto ben posizionato. Ciò che è superfluo, anche: il passo per passo per default, le maiuscole minacciose e i prompt magici. E il vero salto di livello non sta nel prompt individuale, ma nel trasformare il prompting in un asset aziendale — libreria condivisa, politica sui dati e formazione che insegni anche a dubitare in tempo.
Domande frequenti sul prompt engineering
Cos'è il prompt engineering in poche parole?
È la pratica di progettare bene le istruzioni che si danno a un'IA generativa — cosa si chiede, con quale contesto, con quali esempi e in quale formato — per ottenere risultati utili e coerenti. Non richiede di saper programmare: è comunicazione strutturata con la macchina, e nel 2026 è una competenza trasversale di ufficio, non una posizione lavorativa.
È ancora utile dire all'IA "pensa passo per passo"?
Come abitudine di default, no. Gli studi del 2025 (Wharton, ICLR) mostrano che sui modelli ragionatori attuali il chain-of-thought porta miglioramenti marginali o addirittura peggiora il risultato, e aggiunge sempre latenza. Aiuta nei problemi matematici o di logica simbolica con modelli non ragionatori. La raccomandazione attuale dei produttori è di fornire l'obiettivo e il contesto, e lasciare che il modello decida come ragionare.
Quali rischi comporta l'uso di prompt in azienda?
Due principali. Fuga di dati: il 77% dei dipendenti che usano l'IA generativa incolla informazioni aziendali nei chatbot, spesso da account personali — con dati personali in gioco, ciò equivale a un'esposizione al GDPR. E iniezione di prompt: il rischio numero uno dell'OWASP Top 10 per le applicazioni LLM, dove istruzioni nascoste in un documento o sito web manipolano il modello. Entrambi si mitigano con strumenti aziendali, politica sui dati e formazione.
La formazione in prompt engineering è obbligatoria?
La formazione specifica sul prompting non è nominata in nessuna legge, ma l'articolo 4 del Regolamento europeo sull'IA obbliga dal febbraio 2025 a garantire l'alfabetizzazione in materia di IA di tutto il personale che la utilizza, in proporzione al proprio ruolo e al rischio — e saper formulare richieste, verificare output e proteggere i dati nei prompt è il nucleo pratico di quella alfabetizzazione. La supervisione nazionale parte il 2 agosto 2026, e in Spagna questa formazione può essere finanziata tramite FUNDAE (il fondo statale spagnolo per la formazione continua dei lavoratori).
