C’è un aspetto dell’intelligenza artificiale di cui si parla forse meno rispetto a produttività, automazione e risparmio di tempo. L’AI ci sta costringendo a ripensare il modo in cui comunichiamo e deleghiamo il lavoro.
Quando chiediamo ad un modello di intelligenza artificiale di scrivere un’e-mail, analizzare un documento, capita spesso di ottenere una risposta corretta, ma generica. E allora la domanda viene spontanea: “Perché l’AI non ha capito cosa volevo?”
Forse, però, la domanda giusta da porsi sarebbe un’altra: “Sono stato abbastanza chiaro nel dirglielo?”
Durante una formazione sull’Intelligenza Artificiale abbiamo affrontato proprio questo tema attraverso il prompt engineering, ovvero l’arte di costruire istruzioni efficaci per ottenere dall’AI risultati realmente utili. Uno dei modelli proposti è il R-C-C-F: Ruolo, Contesto, Compito e Formato.
Sembra una tecnica pensata esclusivamente per parlare con una macchina. In realtà, assomiglia moltissimo a una buona delega tra persone.
Quando affidiamo un’attività a un collega, difficilmente ci limitiamo a dire “fammi un report”. Spieghiamo di cosa si tratta, perché ci serve, quali informazioni utilizzare, a chi è destinato e magari anche come vorremmo che fosse strutturato. Più la richiesta è chiara, più aumenta la possibilità di ottenere il risultato desiderato.
Con l’AI funziona allo stesso modo. Un contesto vago produce risposte imprecise. Un obiettivo preciso permette di ottenere risultati molto più mirati.
Ed è qui che l’AI diventa interessante anche al di là dello strumento tecnologico.
Imparare a scrivere un buon prompt significa, prima di tutto, imparare a chiederci: Qual è esattamente il risultato che voglio? Quali informazioni servono? Quali vincoli devo esplicitare? A chi è destinato ciò che sto producendo?
In altre parole, l’AI può diventare una palestra di chiarezza.
C’è poi un secondo insegnamento importante: l’AI non sostituisce il nostro giudizio. I dati con cui lavorano i sistemi di intelligenza artificiale possono essere incompleti o distorti e, di conseguenza, anche il risultato può esserlo. Il principio “Garbage In, Garbage Out” — se inseriamo informazioni di scarsa qualità, rischiamo di ottenere risultati di scarsa qualità — rimane fondamentale.
Per questo utilizzare bene l’AI non significa semplicemente fare domande ad un modello di intelligenza artificiale. Significa saper fornire informazioni, verificare ciò che riceviamo, riconoscere eventuali errori e mantenere sempre il controllo sul risultato.
Forse è proprio questa la vera sfida dei prossimi anni: non imparare soltanto a usare strumenti sempre più intelligenti, ma diventare noi più chiari, più consapevoli e più capaci di delegare.
Perché una buona AI può essere un ottimo collaboratore. Ma, come per ogni collaboratore, la qualità del risultato dipende anche dalla qualità delle indicazioni che riceve.