Torniamo con la rubrica settimanale Architectural Prompting: oggi è il turno della sezione Il Prompt del Tecnico. Questa volta affrontiamo un problema che non riguarda un singolo progetto, ma il modo in cui i professionisti utilizzano l’intelligenza artificiale quotidianamente. Un problema subdolo, perché si presenta sotto le spoglie di un pregio: l’IA tende a essere eccessivamente accomodante.
Chi ha utilizzato ChatGPT, Claude, Gemini o Copilot per una revisione di un computo metrico, di un’analisi strutturale o di una relazione tecnica, avrà notato un comportamento ricorrente: il modello definisce il lavoro “ottimo”, “ben strutturato”, “completo”. Solo dopo insistenza arrivano suggerimenti marginali. Raramente l’IA segnala un errore. Quasi mai chiede: “sei sicuro di questo dato?”.
Questo articolo propone una soluzione strutturale, non un semplice trucco da applicare su richiesta.
Il problema della compiacenza nei modelli linguistici
Il fenomeno è noto in letteratura come compiacenza dell’IA (sycophancy): la tendenza dei modelli linguistici a confermare le aspettative dell’utente piuttosto che contraddirlo. Per un professionista tecnico il rischio è concreto: si utilizza uno strumento potente che però non avvisa quando si sta sbagliando. È come disporre di un collaboratore brillante che non dice mai “no”.
La buona notizia è che il problema si risolve con un prompt di sistema permanente, un’istruzione che resta attiva in ogni conversazione e modifica il comportamento dell’IA alla radice. Non occorre ricordarsi di chiedere di essere critici ogni volta: lo sarà sempre.
Un prompt di sistema per ribaltare la dinamica
Il prompt proposto è un’istruzione permanente che cambia il modo di ragionare dell’IA in tutte le conversazioni professionali. Non stress-testa un singolo progetto: stress-testa l’utente stesso. È compatibile con tutti i principali strumenti di IA generativa.
L’istruzione suona così: “Sei un revisore tecnico esperto. Da te voglio rigore: niente complimenti generici, niente conferme automatiche. Se una cosa non funziona, devi dirmelo.”
Le regole si attivano su qualsiasi richiesta che implica una valutazione tecnica o professionale: calcolo da verificare, relazione da revisionare, scelta progettuale, analisi normativa, computo metrico, offerta, strategia di intervento o dubbio su come procedere. Non si applicano a operazioni neutre come convertire un file o riassumere un articolo.
Le sette regole operative
Il prompt contiene sette regole esplicite:
- Almeno due punti deboli espliciti. In ogni analisi, progetto, calcolo o ragionamento tecnico, il modello deve identificare almeno due punti deboli, assunzioni non verificate o rischi sottovalutati. Se ne trova uno solo, deve motivare perché non ne vede altri. Se non ne trova nessuno, deve dirlo onestamente e spiegare perché.
- Giudizi positivi ancorati a fatti. Quando qualcosa funziona, deve dire cosa funziona e perché, con riferimento a un dettaglio specifico e verificabile. Vietate formule come “ottimo lavoro”, “analisi solida”, “ben strutturato” o “buona scelta progettuale”.
- Pushback resistente. Se l’utente contesta l’analisi, il modello mantiene la propria posizione finché ha ragioni tecniche sostanziali. Cambia idea solo se riceve un dato nuovo, un riferimento normativo non considerato o un argomento che supera il precedente. Deve sempre spiegare perché mantiene o cambia posizione. Attenzione: la resistenza non deve diventare cocciutaggine.
- Terzo assente. Quando l’utente racconta una situazione che coinvolge un’altra parte (committente, impresa, ente pubblico, collega, direttore lavori), il modello non gli dà automaticamente ragione. Deve ricordare che sta sentendo solo una versione e chiedere quale potrebbe essere il punto di vista dell’altra parte, oppure simularlo.
- Chiusura “Dove potrei sbagliare”. Ogni risposta di valutazione si chiude con una sezione intitolata “Dove potrei sbagliare”, indicando due o tre prospettive da cui l’analisi appare più debole di quanto l’utente creda. Se non ci sono punti ciechi sostanziali, va scritto lo stesso all’interno della sezione, motivando. La sezione non va mai saltata.
- Onestà sull’incertezza. Se il modello non è certo di un dato tecnico, di un riferimento normativo o di un valore, risponde “non lo so” o “non sono certo”. Non inventa riferimenti normativi, non arrotonda valori, non forza conclusioni.
- Domande prima delle risposte. Se mancano informazioni per dare una risposta fondata (contesto del progetto, normativa locale, vincoli specifici, budget), il modello fa domande prima di procedere. Non riempie i vuoti con assunzioni.
Configurazione su ChatGPT, Claude, Gemini e Copilot
Ogni piattaforma offre una sezione per le istruzioni personalizzate. Su ChatGPT si accede cliccando sul nome in basso a sinistra, poi “Personalizza ChatGPT” o “Impostazioni > Personalizzazione > Istruzioni personalizzate”. Il prompt va incollato nel campo “Come vorresti che ChatGPT rispondesse?”. Attivo su ogni nuova conversazione.
Su Claude (claude.ai) si clicca sull’icona del profilo in alto a destra, poi “Impostazioni > Profilo” e si incolla nel campo “Come vorresti che Claude rispondesse?”. In alternativa, si può creare un Progetto e inserire il prompt nelle Istruzioni del progetto, limitandone l’attivazione alle conversazioni interne a quel progetto.
Su Gemini (gemini.google.com) si clicca su Impostazioni (icona ingranaggio in alto a destra), poi “Estensioni e istruzioni personalizzate”. Si attivano le istruzioni personalizzate e si incolla il prompt nel campo dedicato.
Su Microsoft Copilot (copilot.microsoft.com) si clicca sul menu in alto a destra, poi “Personalizzazione” e si incolla il prompt nel campo delle preferenze di risposta. Per Copilot integrato in Microsoft 365 le istruzioni variano in base alla configurazione aziendale.
I meccanismi che rendono efficace il prompt
Il prompt agisce su tre livelli. Primo: la sezione “Dove potrei sbagliare” obbligatoria in chiusura è un elemento strutturale. Non è una raccomandazione generica a essere critici, ma un output non negoziabile che il modello deve produrre. Costringe l’IA a cercare attivamente le debolezze dell’analisi, anche quando la risposta complessiva è positiva.
Secondo: il divieto esplicito di formule generiche. Quando l’IA non può dire “ottimo lavoro” o “analisi solida”, è costretta a motivare ogni giudizio positivo con un dettaglio verificabile. Il feedback passa da “il computo è ben fatto” a “la voce relativa alle opere in c.a. è coerente con i quantitativi del progetto esecutivo perché…”.
Terzo: la regola del terzo assente. Quando l’utente racconta all’IA un conflitto con un’impresa, un committente o un ente, fornisce una sola versione dei fatti. Senza questa regola l’IA si schiera automaticamente dalla sua parte. Con la regola, ricorda che esiste un’altra prospettiva e aiuta a considerarla prima che diventi un problema.
Confronto tra output con e senza il prompt
Senza il prompt anticompiacenza, caricando una relazione tecnica e chiedendo un parere, l’IA risponde tipicamente: “La relazione è ben strutturata e completa. Le analisi sono dettagliate e i riferimenti normativi corretti. Potresti considerare di aggiungere qualche dettaglio sulla manutenzione.”
Con il prompt anticompiacenza, la stessa richiesta produce una risposta diversa: l’IA identifica specifiche incongruenze tra i dati del sopralluogo e i valori usati nel calcolo, segnala riferimenti normativi che potrebbero essere stati aggiornati, chiede se l’utente ha verificato un’assunzione implicita nel dimensionamento, e chiude con una sezione che evidenzia i punti ciechi dell’analisi. Non dice che il lavoro è “buono”: dice dove regge e dove potrebbe cedere.
Avvertenza: il prompt non sostituisce la competenza
Il prompt anticompiacenza migliora la qualità del feedback dell’IA, ma non trasforma l’IA in un verificatore infallibile. Il modello non ha accesso ai dati di cantiere, non conosce le specifiche condizioni del progetto e può commettere errori, soprattutto su dettagli normativi locali o su valori numerici specifici. Il prompt la rende più utile come interlocutore critico, non la rende un sostituto del giudizio professionale.
Proprio per questo la regola 6 (onestà sull’incertezza) è fondamentale: un’IA che ammette di non sapere è infinitamente più utile di un’IA che inventa risposte plausibili.
La rubrica settimanale “Architectural Prompting” è a cura degli esperti Luciana Mastrolia, Giovanna Panucci e Andrea Tinazzo. Per approfondimenti tecnici si consiglia il volume “Intelligenza artificiale generativa per professionisti” (Maggioli Editore, 2026).