Come scrivere prompt AI per analizzare e classificare dati

Per scrivere un prompt AI per l’analisi o la classificazione dei dati, definisci la decisione da prendere, indica criteri espliciti, separa ogni fonte di dati e specifica le colonne di output. Includi una regola per le informazioni mancanti o contraddittorie, così il modello potrà restituire Unknown invece di tirare a indovinare.

In questa guida userò un esempio di classificazione aziendale: partendo dalla descrizione di un’azienda e dal testo estratto dal suo sito web, il modello deve stabilire se vende servizi HR ad altre imprese e fornire una breve motivazione. Otterrai così un risultato filtrabile e una spiegazione da confrontare con i dati di input.

Un prompt più chiaro rende i risultati più facili da verificare. Controlla sia i casi in cui mancano prove sia le classificazioni errate. Testa alcune righe rappresentative prima di elaborare l’intero dataset.

Ecco gli argomenti che affronteremo in questa guida:

1. Che cos’è un prompt?
2. Esempi di prompt
3. A chi è rivolta questa guida
4. Perché i buoni prompt sono importanti
5. Com’è fatto un prompt scritto male
6. Struttura del prompt e passaggi operativi

Che cos’è un prompt?

Risposta semplice: un prompt è l’input che fornisci a un’AI per ottenere un determinato output.

Non lasciarti confondere dagli articoli che dedicano interi paragrafi a spiegare “che cos’è un prompt”: in realtà, definire un prompt non è complicato.

La parte difficile è scriverne uno efficace. Prima di mostrarti come fare, vediamo 3 esempi di prompt.

A chi è rivolta questa guida

Prima o poi, nel corso della propria carriera, chiunque si trova ad affrontare la sfida di scrivere prompt efficaci.

Per questo la guida non è pensata per un settore o un ruolo specifico, ma per chi lavora con dati e automazione. Ci concentreremo in particolare sulla scrittura di prompt che aiutano a modificare, analizzare e pulire grandi dataset in modo efficiente, che tu sia uno studente o un professionista con esperienza.

Negli esempi useremo Datablist per applicare un prompt alle righe di un foglio di calcolo e salvare i risultati in proprietà separate.

Perché i buoni prompt sono importanti

Un modello ha bisogno delle stesse regole decisionali che servirebbero a un collega per classificare la medesima riga. Istruzioni chiare riducono l’ambiguità, ma input incompleti ed errori del modello richiedono comunque una fase di revisione.

Com’è fatto un prompt scritto male

Perché questo prompt è scritto male:

• Istruzioni non strutturate: i requisiti sono sparsi nel testo senza un’organizzazione chiara.
• Nessuna sezione o separatore chiaro: l’AI deve interpretare un blocco di testo privo di suddivisioni logiche.
• Input senza etichette: la descrizione aziendale e il testo del sito non hanno confini chiari, quindi è più difficile distinguerne il ruolo.
• Linguaggio informale: espressioni come “roba” e “cmq” creano ambiguità.

Come l’AI interpreta il prompt

Ecco un esempio in cui i valori della riga vengono inseriti direttamente. Datablist può spostare le variabili inline in una sezione Variables separata; le etichette restano comunque utili per riconoscere ogni fonte.

Mescolare i valori di input con istruzioni informali rende più difficile capire dove termina il task e dove iniziano le informazioni da analizzare.

Ecco cosa non funziona in questo caso:

1. Confini degli input poco chiari: le due fonti si confondono con le istruzioni circostanti.
2. Label non definite: il prompt non specifica cosa restituire quando mancano informazioni o l’azienda svolge più attività.

👉 Detto questo, vediamo com’è fatto un buon prompt e come crearne uno!

3 esempi di prompt

Prompt con un solo comando

Nella sua forma più semplice, un prompt può essere un comando come:

Prompt sotto forma di domanda

Un prompt può essere una semplice domanda come:

Prompt di classificazione strutturato con input delimitati

Un prompt può anche contenere istruzioni più dettagliate per modificare, analizzare o pulire i dati, ad esempio per personalizzare Cold Email, analizzare il feedback dei clienti, uniformare i nomi delle aziende e molto altro.

Uso sezioni con etichette per separare regole, requisiti di output e dati di input. I tag in stile XML sono una delle opzioni disponibili, soprattutto quando un prompt combina più documenti. La guida al prompting di Anthropic consiglia tag descrittivi proprio per creare questa separazione. Nei prompt brevi, anche semplici titoli di sezione possono facilitare la revisione.

Ecco un prompt di classificazione pronto da copiare, con una terza label esplicita per i casi in cui mancano informazioni:

Per esempio, “Forniamo software payroll ai datori di lavoro” giustifica Yes. “Sviluppiamo software di contabilità e stiamo assumendo ingegneri” giustifica No. Una descrizione vuota giustifica Unknown, anche se il nome dell’azienda sembra collegato al settore HR. Si tratta di label attese a titolo esemplificativo, non di risultati misurati del modello.

Struttura del prompt e passaggi operativi

Gli screenshot seguenti mostrano la struttura del template precedente. Applica la stessa separazione tra task, criteri e dati al prompt di classificazione aggiornato qui sopra, inclusi i campi di output e la regola Unknown.

Analisi della struttura dei prompt efficaci

Osservando alcuni template nella libreria di prompt AI di Datablist.com, noterai che quasi tutti sono suddivisi in sezioni e che ogni sezione contiene questi 3 elementi:

1. Tag: indica all’AI l’argomento della sezione.
2. Corpo: contiene le istruzioni che aiutano l’AI a comprendere e completare il task attraverso:
   • Spiegazione: comunica qualcosa che l’AI deve sapere o le fornisce il contesto.
   • Comando: indica all’AI cosa fare o le assegna un task.
3. Confini: titoli, separatori o coppie di tag indicano dove inizia e finisce ogni sezione. Usa sempre le stesse etichette: un delimitatore non può compensare l’assenza di regole decisionali.

Alla fine troviamo anche le proprietà placeholder:

• Colonne che vengono sostituite con i dati quando si usa il prompt.
• Questi placeholder servono a personalizzare il prompt per ogni record del dataset.

Per esempio, nel prompt Job Title Categorizer usiamo {{job_title}} come placeholder, che viene sostituito da un job title reale del dataset durante l’elaborazione di ogni record.

Analisi del prompt e passaggi per implementarlo

Nota: le aziende HR non fanno parte del nostro ICP (“Ideal Customer Profile”) — le abbiamo usate soltanto come esempio.

Primo passaggio: il contesto

Nel fornire il contesto all’AI, ho fatto tre cose fondamentali:

• Ho spiegato quali dati avrebbe ricevuto l’AI, senza rivelare i criteri specifici di targeting.
  • In questo modo si chiariscono le fonti di input prima delle regole di classificazione.
• Ho descritto il contesto dei dati e delineato il problema specifico.
  • Questo aiuta l’AI a capire su cosa sta lavorando.
• Ho illustrato la mia situazione specifica.
  • Così l’AI può adattare l’approccio alle mie esigenze.

Cosa devi fare quando scrivi il prompt:

• Spiega all’AI quali dati le fornirai.
• Descrivi il problema.
• Usa separatori (===).

Secondo passaggio: task o comando

In questa sezione del prompt ho fatto due cose fondamentali:

• Ho introdotto nuovamente il contesto con il tag “Cosa voglio che tu faccia”, affinché l’AI sappia di cosa parlerò.
• Ho fornito soltanto una descrizione generale del task, senza elencare i passaggi da seguire o i dati da cercare, così da mantenere logico il flusso delle informazioni.

Cosa devi fare quando scrivi il prompt:

• Per prima cosa, individua l’obiettivo principale del task o comando.
• Poi usa separatori (===).

Se devi svolgere task simili, non cercare di inserirli tutti in un unico prompt: per l’AI sarebbe molto difficile gestirli e per te sarebbe più complicato individuare eventuali errori.

Terzo passaggio: istruzioni del comando

Quando aggiungo istruzioni a un prompt, seguo questi principi:

• Mantengo il testo semplice e diretto.
• Spiego il task come se stessi insegnando a qualcuno a svolgerlo manualmente.
• Uso istruzioni chiare e sequenziali.

Se i risultati sono errati, controlla il testo di input, i criteri decisionali e i requisiti di output prima di riscrivere il prompt. Alcuni problemi dipendono da informazioni mancanti o dai limiti del modello: aggiungere istruzioni non può fornire un dato assente.

Cosa devi fare quando scrivi il prompt:

• Crea istruzioni sequenziali usando un linguaggio semplice e chiaro.
• Usa separatori (===).

Quarto passaggio: prevenire gli errori con il contesto – Facoltativo

Questo passaggio fornisce ulteriore contesto specifico sul task per aiutare l’AI a:

• Comprenderne le sfumature.
• Evitare gli errori più comuni.
• Prendere decisioni migliori.

Descrivendo esplicitamente i possibili problemi e i casi limite, creiamo vincoli che impediscono all’AI di fare supposizioni o commettere errori.

Questo passaggio non è necessario in ogni prompt, ma è fondamentale per i task complessi.

Cosa devi fare quando scrivi il prompt:

• Pensa agli errori più comuni che una persona junior potrebbe commettere nello svolgere questo tipo di task.
• Includi questi possibili errori nel prompt per aiutare l’AI a evitarli.
• Usa separatori (===).

Quinto passaggio: l’obiettivo

Ecco gli elementi più importanti da includere quando descrivi le tue aspettative in un prompt:

• Fornire un contesto dettagliato sul risultato desiderato.
• Specificare chiaramente i risultati attesi.
• Evitare di rivelare bias o conclusioni desiderate che potrebbero influenzare l’analisi.

Usare un linguaggio naturale e colloquiale al posto di termini troppo tecnici porta in genere a risultati migliori con i sistemi AI.

Cosa devi fare quando scrivi il prompt:

• Definisci chiaramente i risultati che vuoi ottenere dall’analisi o dal task.
• Specifica quali indicatori o segnali sono più importanti per te.
• Fornisci degli esempi.
• Usa separatori (===).

Sesto passaggio: il contesto dei dati – Facoltativo

Quando aggiungo il contesto dei dati ai miei prompt, seguo queste regole:

• Rafforzo la prevenzione degli errori con regole chiare e ne spiego il motivo.
  • Esempio di regola: “Valuta sempre il contesto completo”.
  • Motivo: “I singoli indicatori possono essere fuorvianti”.
• Aggiungo più livelli di contesto.
  • Possibili errori da evitare.
  • Problemi specifici dei dati.
  • Promemoria specifici sul task.

Cosa devi fare quando scrivi il prompt:

• Pensa ai possibili errori dell’AI e chiedile esplicitamente di evitarli.
• Suddividi le informazioni in parti logiche invece di fornirle tutte insieme.
• Usa separatori (===).

📘 Da sapere

Essere espliciti, invece di lasciare che l’AI faccia supposizioni sul prompt, consente di prevenire molti errori.

Settimo passaggio: come iniziare

Quest’ultimo passaggio consiste nel fornire all’AI istruzioni chiare su come iniziare. Ecco cosa ho fatto:

• Ho mantenuto le indicazioni semplici e dirette.
  • Ho numerato i passaggi in ordine cronologico.
  • Ho usato verbi d’azione chiari come “leggi, crea, decidi…”.

Cosa devi fare quando scrivi il prompt:

• Fornisci istruzioni iniziali chiare con passaggi numerati.
• Usa verbi d’azione per rendere i passaggi facili da seguire.
• Mantieni le istruzioni semplici e dirette.
• Usa separatori (===).

Ottavo passaggio: formato dei placeholder

Questo è l’ultimo passaggio per scrivere un prompt efficace: inserire le colonne come placeholder.

Raggruppa le istruzioni stabili del task, quindi inserisci gli input specifici di ogni riga in sezioni etichettate alla fine del template. In questo modo il prompt sarà più facile da gestire e verificare; il solo ordine degli input non garantisce risultati accurati.

Cosa devi fare:

Usa le doppie parentesi graffe {{ }} per aggiungere i dati delle colonne del foglio di calcolo.

Usa separatori (===).

❗Importante

Quando inserisci le variabili, seleziona le proprietà effettive della collection. Mantieni i relativi valori in sezioni di input etichettate e controlla l’output generato prima di elaborare l’intera lista.

Le regole applicate a un altro esempio

Il seguente scenario di M&A mostra come organizzare una richiesta più complessa. Prima di usarla per assegnare uno score alle aziende, è necessario definire criteri precisi.

Richiesta di esempio:

Iniziamo a scrivere il prompt!

Passaggio uno

In questo passaggio forniremo all’AI il contesto generale.

Passaggio due

Ora descriveremo chiaramente gli obiettivi principali del nostro assistente AI.

Passaggio tre

Qui suddivideremo l’analisi in passaggi specifici che l’AI dovrà seguire.

Passaggio quattro

Per migliorare l’accuratezza, descriveremo ora i possibili problemi e gli aspetti importanti da considerare.

Passaggio cinque

Ora definiremo i criteri di valutazione per chiarire quali risultati vogliamo ottenere.

Passaggio sei

Ora forniremo il contesto necessario per interpretare i dati e le specificità del settore.

Passaggio sette

Ora indicheremo all’AI l’esatta sequenza di azioni con cui iniziare l’analisi.

Passaggio otto

Infine, forniremo all’AI i dati su cui lavorare.

Adatta i criteri e i campi di output al tuo task. L’esempio di M&A richiede ancora soglie di scoring esplicite e una revisione umana: una richiesta generica di valutare la solidità finanziaria non costituisce un modello di scoring definito.

Testa il prompt prima di elaborare il CSV

Per l’esempio HR, attiva Define outputs format e configura HR Match e Reason come output di tipo Text nell’enrichment Ask ChatGPT/OpenAI di Datablist. Associa ogni output a una proprietà distinta. Una Checkbox eliminerebbe la distinzione tra No e Unknown.

Inizia con una piccola selezione che includa un fornitore HR, un’azienda non correlata che parla di assunzioni, una descrizione vuota, un’azienda con più linee di servizio e testi provenienti da fonti in conflitto. Scrivi la label attesa per ogni riga prima di eseguire il prompt, quindi confronta sia la label restituita sia la relativa motivazione con il testo originale.

Quando un risultato è diverso da quello atteso, individua la causa:

• Se manca un valore nella fonte, servono dati di input migliori oppure un risultato Unknown.
• Se la descrizione dell’attività è ambigua, occorre una regola di inclusione o esclusione più specifica.
• Se la motivazione non è supportata dall’input, correggila ed esegui un nuovo test.
• Se la label è inattesa, chiarisci le regole o la configurazione dell’output.

Dopo aver modificato il prompt, ripeti il test sugli stessi casi. Conserva alcune righe aggiuntive per una verifica separata, così non ottimizzerai il prompt soltanto sugli esempi già esaminati. Se tutte le variabili sono vuote, le righe potrebbero essere ignorate con un errore invece di essere inviate al modello: controlla quindi sia gli errori di esecuzione sia gli output della classificazione.

Per applicare il prompt verificato a un file più grande, segui il workflow per arricchire le righe di un CSV. Conserva le proprietà di input originali per le verifiche successive.

Conclusione

Parti da una sola decisione, criteri espliciti e campi di output separati. Assegna etichette chiare ai testi delle fonti, prevedi un risultato per i casi in cui mancano informazioni e testa il prompt su righe sia comuni sia complesse prima di elaborare l’intera collection.

Domande frequenti sulla scrittura di prompt AI

Com’è fatto un buon prompt AI?

Un buon prompt AI è chiaro, specifico e ben strutturato. Include il contesto dell’obiettivo, istruzioni precise su come raggiungerlo e il formato desiderato per l’output. Deve usare un linguaggio semplice ed evitare ambiguità che potrebbero generare incomprensioni.

Scopri i nostri esempi di prompt AI per la lead generation.

Perché i miei prompt per ChatGPT non funzionano?

I prompt AI potrebbero non funzionare in modo efficace a causa di:

• Istruzioni poco chiare o vaghe.
• Troppi task in un unico prompt.
• Contesto o informazioni di base insufficienti.
• Linguaggio complesso o troppo tecnico.
• Mancanza di esempi specifici o di un formato di output desiderato.

Come scrivere prompt AI per ottenere risultati migliori?

Per scrivere prompt AI efficaci:

• Parti da un obiettivo chiaro.
• Suddividi i task complessi in passaggi più piccoli.
• Fornisci contesto e informazioni pertinenti.
• Specifica il formato di output desiderato.
• Usa un linguaggio semplice e diretto.
• Includi esempi quando possibile.

Quali sono gli errori più comuni nella scrittura dei prompt?

Gli errori più comuni nella scrittura dei prompt includono:

• Essere troppo vaghi o generici.
• Sovraccaricare il prompt con più task.
• Non fornire abbastanza contesto.
• Usare un linguaggio poco chiaro o ambiguo.
• Dare per scontato che l’AI comprenda informazioni implicite.
• Non specificare il formato di output desiderato.

Quanto deve essere lungo un prompt AI?

Un prompt AI deve essere abbastanza lungo da comunicare tutte le informazioni essenziali, ma non di più. In genere, per i task semplici bastano poche frasi o un paragrafo; i task complessi che richiedono istruzioni e contesto dettagliati possono invece aver bisogno di prompt più lunghi. L’importante è essere completi ma concisi.

Che cos’è il prompt engineering?

Il prompt engineering consiste nel progettare e ottimizzare gli input forniti ai modelli AI per ottenere output più accurati e utili. Richiede di capire come i modelli interpretano le istruzioni, strutturare i prompt in modo efficace e migliorarli progressivamente sulla base dei risultati.