Usare l’AI bene è una questione di metodo. Secondo McKinsey (2024), il 65% delle aziende ha adottato l’AI generativa in almeno una funzione aziendale. Il dato interessante è un altro: la differenza nei risultati dipende quasi interamente da come vengono formulate le richieste. Stessa tecnologia, stessi modelli, output completamente diversi.
Dopo mesi di utilizzo quotidiano su progetti reali con founder, ho isolato 5 tecniche che fanno la differenza tra un output generico e uno che puoi usare davvero. Nessuna richiede competenze tecniche. Richiedono chiarezza.
1. Dai contesto prima della richiesta
L’AI non conosce il tuo prodotto, il tuo cliente, il tuo mercato. Se non glielo dici tu, inventa. Secondo Harvard Business Review (2024), i prompt con contesto specifico producono output il 40% più accurati rispetto a richieste generiche. Questo dato da solo giustifica i 30 secondi extra che servono per scrivere un prompt migliore.
Prima di qualsiasi richiesta, fornisci cosa stai costruendo, a chi è rivolto, quale problema risolve.
Sembra banale. In pratica, quasi nessuno lo fa. La tentazione è andare dritti alla domanda: “scrivi una descrizione per la mia app.” L’AI risponde, il risultato è vago, e pensi che lo strumento sia limitato. Il problema sei tu.
Guarda la differenza concreta.
Prompt debole:
“Scrivi una descrizione per la mia app di project management.”
Output: un testo generico che potrebbe descrivere Asana, Trello, Monday o qualsiasi altro tool sul mercato. Inutilizzabile.
Prompt con contesto:
“Sto costruendo un’app di project management per freelance creativi italiani (designer, videomaker, copywriter) che gestiscono 3-8 clienti in contemporanea. Il problema principale: perdono tempo a inseguire feedback via email e WhatsApp, e spesso dimenticano scadenze perché usano fogli di carta o note sul telefono. L’app centralizza tutto in un’interfaccia semplice, senza la complessità di Asana. Scrivi una descrizione per la home page, massimo 4 righe.”
Output: un testo specifico, che parla al freelance creativo, menziona il problema reale (feedback sparsi, scadenze perse) e posiziona il prodotto contro la complessità dei competitor. Usabile subito, o con minimi aggiustamenti.
Se sei un founder non tecnico, questo tipo di contesto è ancora più importante. Più l’AI sa del tuo mondo, meno devi correggere dopo. Ma come fai a sapere se hai dato abbastanza contesto? Regola pratica: se una persona esterna al progetto potrebbe capire il tuo prodotto leggendo solo il prompt, sei a buon punto.
2. Che formato vuoi nell’output?
L’AI può restituirti testo, liste, tabelle, codice, JSON. Se non dici cosa vuoi, ti dà quello che ritiene più probabile. Secondo Nielsen Norman Group (2023), gli utenti che specificano il formato desiderato nel prompt ottengono risultati utilizzabili al primo tentativo nel 68% dei casi, contro il 31% di chi lascia l’output libero. Il doppio, con una riga in più.
Aggiungi sempre una riga alla fine del prompt: “Restituisci come lista puntata”, “Formato JSON con questi campi”, “Rispondi in massimo 3 frasi”, “Struttura la risposta con heading H2.”
Esempio pratico. Stai lavorando sulla tua proposta di valore e vuoi generare varianti.
Senza formato specificato:
“Dammi delle varianti per la proposta di valore del mio prodotto.”
Ricevi un muro di testo con 6 paragrafi, ognuno che ripete più o meno la stessa cosa con parole diverse. Devi rileggere tutto, estrarre le frasi chiave, confrontarle. Tempo perso.
Con formato:
“Dammi 5 varianti per la proposta di valore del mio prodotto [contesto]. Formato: tabella con 3 colonne, ovvero Variante, Angolo emotivo su cui fa leva, Quando usarla (home page, ads, email).”
Il risultato è una tabella che puoi confrontare in 30 secondi. Scegli, adatti, vai avanti.
3. Chiedi il perché, non solo il cosa
Questo è il punto che separa chi usa l’AI come esecutore da chi la usa come sparring partner. Secondo Forrester (2024), i team che documentano il ragionamento dietro le decisioni di prodotto riducono del 34% il tempo speso in rework. L’AI ti può dare quel ragionamento gratis, se glielo chiedi.
Un errore frequente: chiedi all’AI di fare qualcosa, ricevi il risultato, lo usi. Se funziona, bene. Se non funziona, non sai perché. Se la prossima volta vuoi qualcosa di diverso, non sai cosa cambiare.
Aggiungi sempre una di queste righe: “Spiega perché hai scelto questa struttura”, “Quali alternative hai considerato e perché le hai scartate?”, “Cosa cambieresti se il target fosse diverso?”
Un caso concreto. Stai chiedendo all’AI di analizzare la struttura della tua landing page.
Solo il cosa:
“Analizza la struttura della mia landing page e dimmi cosa migliorare.”
Ricevi una lista di suggerimenti. Sposta l’hero, cambia il colore del bottone, aggiungi social proof. Ok. Perché? Non lo sai. Non impari niente.
Anche il perché:
“Analizza la struttura della mia landing page. Per ogni problema che trovi, spiegami: qual è l’impatto sulla conversione, perché succede, e quali dati o principi supportano il tuo suggerimento.”
Adesso la risposta ti insegna qualcosa. Capisci il ragionamento. La prossima volta che costruisci una landing, sai già cosa evitare. Quante volte hai rifatto un lavoro perché non avevi capito il ragionamento dietro la prima versione?
4. Itera, non ri-chiedere
La risposta non è perfetta al primo tentativo. Quasi mai lo è. L’errore più comune è cancellare tutto e ricominciare con un prompt nuovo. Secondo Accenture (2024), i professionisti che adottano un approccio iterativo con l’AI completano task creativi il 47% più velocemente rispetto a chi ricomincia da capo a ogni tentativo. Ogni volta che ricominci, perdi il contesto accumulato nella conversazione.
L’AI mantiene la memoria della chat. Usala. Parti dall’output e raffina.
Ecco un flusso reale che uso spesso per il copy di una feature page:
Prompt iniziale:
“Scrivi il copy per la sezione benefici della mia feature page. Prodotto: [contesto]. Target: [target]. Tono: diretto, frasi corte.”
Output: un testo decente, ma troppo generico sui benefici.
Iterazione 1:
“Il beneficio 2 è troppo vago. Sostituiscilo con un dato concreto: il nostro tool riduce il tempo di gestione feedback del 60%. Riscrivi solo quel punto.”
Iterazione 2:
“Il tono è ancora un po’ formale. Riscrivi tutto come se stessi parlando a un freelance che incontri al bar. Mantieni la struttura.”
Iterazione 3:
“Perfetto. Adesso aggiungi una riga finale con una CTA che porti alla pagina pricing.”
Tre iterazioni, due minuti. Il risultato finale è preciso, con il tono giusto. Non avresti potuto ottenerlo al primo prompt.
5. Usa “agisci come”
Dare all’AI un ruolo specifico cambia radicalmente la qualità della risposta. Si chiama role prompting, ed è probabilmente la tecnica con il miglior rapporto sforzo/risultato.
Un prompt generico attiva conoscenza generica. Un prompt con ruolo attiva conoscenza specialistica. La differenza si vede.
Senza ruolo:
“Analizza questa landing page.”
Ricevi feedback superficiale. “Il titolo potrebbe essere più chiaro.” Grazie, utilissimo.
Con ruolo:
“Agisci come un conversion rate optimizer con 10 anni di esperienza su landing page SaaS B2B. Analizza questa landing page. Concentrati su: gerarchia visiva, chiarezza della proposta di valore, friction nella CTA, posizionamento del social proof. Per ogni problema, suggerisci una soluzione specifica con una stima dell’impatto sulla conversione (alto, medio, basso).”
La risposta è completamente diversa. Specifica, strutturata, con priorità chiare. Puoi agire subito.
Questo funziona per qualsiasi ruolo: copywriter, product manager, UX researcher, growth marketer, CFO. Più il ruolo è specifico, meglio è. “Agisci come un marketer” è debole. “Agisci come un growth marketer specializzato in early-stage SaaS con focus sull’acquisizione organica” è forte. Quale ruolo sarebbe più utile per il prossimo problema che devi risolvere?
Se vuoi capire quale AI funziona meglio per ogni task, leggi il confronto tra Claude, ChatGPT e Gemini per lo sviluppo prodotto.
Queste 5 tecniche richiedono solo chiarezza su cosa vuoi ottenere. Che è esattamente la competenza di un buon founder. Secondo Deloitte (2024), i professionisti che adottano tecniche strutturate di prompting risparmiano in media 12 ore a settimana su task ripetitivi. Se sei un founder non tecnico e vuoi capire come l’AI cambia le carte in tavola, leggi come costruire un prodotto digitale da founder non tecnico nel 2026.
Vuoi fare il prossimo passo? Con il percorso Learn impari a usare queste tecniche sul tuo progetto reale, con un affiancamento pratico. Parliamone — 30 minuti, zero impegno.