Ho aggiunto una riga ai miei prompt di ChatGPT e ora ottengo ottime risposte

Scriviamo sempre più prompt e sempre meno messaggi a persone reali. È una frase volutamente provocatoria, ma per chi lavora ogni giorno con gli strumenti di intelligenza artificiale assomiglia sempre di più a una descrizione della realtà. Da giornalista che segue l’AI e da utente di quasi tutti i principali chatbot disponibili sul mercato, passo molto tempo a cercare modi per ottenere risposte migliori da strumenti che, spesso, sembrano più sicuri di quanto siano davvero.

Ogni tanto emerge un piccolo accorgimento che cambia concretamente il comportamento del modello. Nel mio caso, è stata una singola riga aggiunta in fondo ai prompt.

Il problema delle risposte “plausibili”

Il punto non è che ChatGPT sia sempre sbagliato. Il punto è che quando il prompt è vago, il modello tende a riempire automaticamente gli spazi vuoti. E lo fa con grande sicurezza.

Immaginate di chiedere a un amico: “Scegli un ristorante per stasera”. Senza indicare budget, zona, tipo di cucina o occasione, il vostro amico sarà costretto a fare ipotesi. Potrebbe indovinare, ma potrebbe anche proporre qualcosa di completamente inadatto.

Con i modelli linguistici accade la stessa cosa. Una richiesta generica come “Consigliami un laptop”, “Pianifica una vacanza” o “Aiutami a investire” contiene moltissime informazioni mancanti. Tuttavia il chatbot, invece di fermarsi, tende spesso a costruire una risposta completa e ben formattata, facendo internamente una serie di assunzioni.

Il risultato è quella sensazione familiare: la risposta sembra buona, ma è leggermente fuori bersaglio.

La singola riga che ho iniziato a usare

Dopo aver provato prompt lunghi e pieni di istruzioni, ho scoperto che la versione più utile era anche la più semplice:

Prima di rispondere, chiedimi i dettagli mancanti che potrebbero cambiare significativamente la risposta.

Tutto qui. Solo un’istruzione molto chiara: non indovinare quando mancano informazioni importanti.

Il test con una richiesta volutamente vaga

Per provarla ho usato un prompt semplicissimo:

Aiutami a scegliere l’auto migliore per me.

Senza la riga aggiuntiva, ChatGPT avrebbe probabilmente iniziato a suggerire alcuni modelli popolari, magari una compatta ibrida, un SUV o un’elettrica, costruendo una risposta plausibile ma basata su ipotesi.

Con quella singola riga, invece, il comportamento è cambiato subito. Prima di consigliare qualsiasi auto, il modello ha chiesto:

• qual è il mio budget;
• quanti chilometri percorro ogni anno;
• se guido soprattutto in città, in autostrada o su strade extraurbane;
• quante persone trasporto abitualmente;
• se ho un box o la possibilità di ricaricare un’auto elettrica;
• se per me contano di più consumi, spazio, prestazioni o costi di manutenzione.

Ed è esattamente ciò che avrei voluto fin dall’inizio.

Perché funziona davvero

La differenza non è solo stilistica. Ognuna di quelle informazioni può cambiare radicalmente il risultato finale.

• Chi percorre 8.000 km l’anno in città potrebbe trovare ideale un’ibrida compatta.
• Chi fa 35.000 km di autostrada avrà esigenze completamente diverse.
• Un neopatentato, una famiglia con due figli o chi vive in centro a Milano non dovrebbero ricevere lo stesso consiglio.

Invece di decidere tutto autonomamente, il modello ha ammesso di non sapere abbastanza.

Meno “riempimento dei vuoti”, più risposte utili

Ho iniziato a usare questa riga anche per richieste professionali: confronti tra software, piani editoriali, acquisti tecnologici, strategie di marketing e persino analisi di articoli.

Il cambiamento più evidente non è che ChatGPT diventa improvvisamente perfetto. È che smette di fingere di avere già tutte le informazioni necessarie.

Quando la richiesta è ben definita, risponde subito. Quando mancano dettagli importanti, li chiede. E questa distinzione, nella pratica quotidiana, vale molto più di un prompt pieno di istruzioni complicate.

Il prompt conta quasi quanto il modello

Negli ultimi mesi abbiamo discusso soprattutto di quale chatbot sia migliore: ChatGPT, Claude, Gemini, Perplexity e così via. Ma c’è un aspetto che spesso riceve meno attenzione: la qualità del prompt iniziale.

Un modello potente con un prompt ambiguo può produrre una risposta mediocre. Un modello anche solo buono, ma con contesto e vincoli chiari, spesso produce un risultato molto più utile.

Non serve trasformare ogni richiesta in un documento di dieci paragrafi. A volte basta aggiungere una sola frase che impedisca al modello di prendere decisioni al posto nostro.

Ed è questo il motivo per cui quella riga è rimasta in fondo ai miei prompt: non rende ChatGPT più intelligente, ma lo rende molto meno incline a riempire i vuoti con supposizioni formulate con assoluta sicurezza.