Comportati come un esperto in... siamo sicuri che sia l'inizio di un buon prompt?
L'๐๐ ๐ป๐ผ๐ป ๐๐ฎ ๐ป๐๐น๐น๐ฎ ๐ฑ๐ถ ๐ฑ๐ถ๐ฟ๐ถ๐๐๐ผ del lavoro. Sa solo come ๐ฝ๐ฎ๐ฟ๐น๐ฒ๐ฟ๐ฒ๐ฏ๐ฏ๐ฒ ๐พ๐๐ฎ๐น๐ฐ๐๐ป๐ผ ๐ฑ๐ฒ๐น ๐บ๐ฒ๐๐๐ถ๐ฒ๐ฟ๐ฒ. E quella differenza, invisibile a prima lettura, รจ esattamente dove si nasconde il rischio per noi utenti. Siamo sicuri allora che iniziare un prompt con ๐๐๐๐๐๐๐๐๐๐ ๐๐๐๐ ๐๐ ๐๐๐๐๐๐๐ ๐๐... sia una buona mossa?
Hai mai ricevuto da un modello IA una risposta perfetta nella forma e sbagliata nel merito?
Articoli di legge con numeri plausibili ma inesistenti. Sentenze della Cassazione con anno, sezione e principio di diritto possibile ma la sentenza non รจ mai stata pronunciata. Calcoli contributivi con le soglie giuste dell'anno sbagliato.
Avrai pensato forse questo LLM non รจ giusto per il mio lavoro. Non รจ lo strumento in se ma รจ il prompt che fa la differenza.
Il comando "Comportati come..." รจ una trappola
Quando scrivi "Comportati come un consulente del lavoro esperto", stai chiedendo all'IA di attivare un modulo che non esiste.
L'IA non ha competenze. Ha pattern statistici appresi da miliardi di testi. Quando le assegni un ruolo, impara a imitare il tono di quel professionista non la sua sostanza.
Il risultato รจ una risposta che suona esattamente come quella di un esperto. Terminologia corretta, struttura argomentativa coerente, assenza di esitazioni.
Anche quando il contenuto รจ sbagliato.
Questo non รจ un difetto che le versioni future elimineranno. ร una caratteristica strutturale di come questi sistemi funzionano.
Il paradosso della competenza
C'รจ un aspetto che riguarda in modo specifico i professionisti.
Il CDL alle prime armi magari non usa la citazione giurisprudenziale perchรฉ non sa come farlo.
Il CDL esperto riconosce il formato corretto di una sentenza, valuta il principio di diritto come plausibile, trova la numerazione nell'intervallo che conosce.
E non verifica perchรฉ la competenza ha giร validato la forma.
La familiaritร con il diritto del lavoro non protegge dall'allucinazione. In certi casi la amplifica.
La struttura che cambia tutto
Stesso caso. Due prompt diversi. Risultati radicalmente diversi.
Prompt generico: "Comportati come esperto di diritto del lavoro e spiegami come maturano le ferie."
Risultato: dispensa didattica. Formalmente corretta, stilisticamente curata. Non risponde al caso specifico. Non distingue la norma di legge dal CCNL.
Prompt strutturato: CCNL Commercio Confcommercio; lavoratore full time, 3 anni di anzianitร , giugno, 12 giorni lavorati su 22 disponibili, assenza per malattia. Struttura la risposta in tre sezioni: norma di legge, previsione CCNL, calcolo applicato al caso. Per ogni informazione non verificabile scrivi: "dato non verificabile, consultare testo CCNL aggiornato".
Risultato: parere. Tre livelli separati. Ragionamento visibile. Clausola di onestร usata nel punto corretto. Risultato corretto sui punti essenziali.
La differenza non stava nel modello. Stava nell'architettura delle istruzioni.
I quattro elementi che trasformano un prompt in uno strumento professionale
1. Contesto specifico Non "diritto del lavoro". CCNL applicato, dati del lavoratore, periodo di riferimento, tipo di contratto. Piรน il perimetro รจ definito, meno spazio ha il modello per riempire i vuoti con contenuto statisticamente probabile ma fattualmente sbagliato.
2. Riferimenti normativi forniti da te L'IA ha una data di addestramento. Non conosce la circolare INPS dell'altro ieri. Non conosce il rinnovo contrattuale di sei mesi fa. Se il testo della norma rilevante non lo porti tu nel prompt, il modello userร quello che ha e, che per inciso, potrebbe essere obsoleto.
3. Vincoli operativi espliciti Cosa deve essere presente. Cosa deve essere escluso. Come deve essere strutturata la risposta. Senza vincoli, l'IA ottimizza per la plausibilitร narrativa. Con i vincoli, ottimizza per il tuo obiettivo specifico.
4. Output atteso dichiarato Parere professionale o nota interna? Tabella comparativa o testo discorsivo? Per il cliente o per il fascicolo? Il formato richiesto cambia radicalmente il tipo di elaborazione che il modello produce.
La regola pratica da tenere a mente
Quando chiedi qualche cosa di specifico all'IA, con un comando generico, il modello potrebbe citare delle fonti di giurisprudenza inventate. Questo รจ particolarmente vero nel contesto del diritto italiano. Ho condotto alcuni esperimenti ed il risultato รจ stato:
- sentenze della cassazione inventate
- sentenze corte giustizia UE quasi sempre corrette e/o pertinenti.
Non perchรฉ l'IA sbagli sempre. Ma perchรฉ le sentenze della Corte UE, massicciamente indicizzate online, vengono citate correttamente con affidabilitร alta. Le sentenze della Cassazione Lavoro, spesso citate solo per numero in riviste specializzate con diffusione limitata, vengono inventate con formato impeccabile.
Il numero esiste come formato. La sezione esiste. Il principio attribuito รจ spesso corretto nel merito. Solo la verifica su banca dati rivela che quella sentenza non รจ mai stata pronunciata.
Non รจ negligenza dell'IA. ร la conseguenza diretta di come funziona l'addestramento statistico su testi con densitร informativa disomogenea.
In sintesi
Il prompt strutturato non elimina la necessitร di verifica. La rende piรน efficiente, perchรฉ riduce i punti critici da controllare e li rende visibili nella struttura stessa della risposta.
Se usiamo l'IA come si usa un motore di ricerca produciamo contenuti plausibili.
Se la usiamo come si progetta un flusso di lavoro produciamo un risultato utile.
La differenza รจ nella domanda che ci facciamo prima di scrivere il prompt: "Cosa voglio che questo strumento faccia, esattamente?"
Questo articolo รจ tratto dal lavoro in corso su "Anatomia di un Prompt Efficace", il primo manuale di prompt engineering scritto specificamente per i consulenti del lavoro.
Se lavori nell'amministrazione del personale e hai giร sperimentato, nel bene o nel male, l'uso dell'IA nella tua pratica quotidiana, raccontamelo nei commenti. Le esperienze reali di chi conosce il settore sono la fonte piรน preziosa per capire dove questi strumenti funzionano e dove no.
