La maggior parte dei dipendenti non ha bisogno di un corso di prompt engineering. Per scrivere bozze, sintetizzare e cercare bastano modelli di prompt condivisi e una breve sessione pratica sulle proprie attività. Una formazione più approfondita rende per due gruppi: chi costruisce flussi di lavoro AI ripetibili per altri, e chi rivede l'output dell'AI prima che arrivi a clienti, autorità di vigilanza o in contabilità.
#Punti chiave
- Nell'uso quotidiano contano più un contesto chiaro e un modello collaudato che i trucchi di prompting.
- Chi costruisce flussi di lavoro su cui altri fanno affidamento ha bisogno di una formazione più approfondita su struttura, test e casi di errore.
- Chi rivede l'output dell'AI deve imparare a individuare errori presentati con sicurezza, non a scrivere prompt.
- Un corso aziendale di prompt engineering per tutti di solito insegna al gruppo sbagliato con il livello di approfondimento sbagliato.
- Decidete per ruolo: chi scrive i prompt una volta per molte persone, e chi approva ciò che l'AI ha prodotto.
#Che aspetto ha il prompting in un team normale?
Un account manager chiede a ChatGPT di riordinare gli appunti di una riunione prima di aggiornare Salesforce. Un buyer chiede a Copilot di confrontare in Excel due offerte di fornitori. Un responsabile dell'assistenza chiede a Claude di riscrivere una risposta predefinita per Zendesk. Ogni prompt viene usato una volta, letto da chi l'ha scritto e corretto sul momento. Un prompt debole costa un altro tentativo, non un incidente.
Qui si concentra la maggior parte dell'uso. Il Microsoft e LinkedIn Work Trend Index, maggio 2024 ha rilevato che il 75% dei knowledge worker usa l'AI al lavoro, ma solo il 39% degli utenti di AI ha ricevuto una formazione sull'AI dalla propria azienda. Il divario è reale, ma per questo gruppo si colma con la pratica su attività reali, non con un corso sulla sintassi dei prompt.
#Quando bastano modelli di prompt e una breve sessione?
Bastano quando chi scrive il prompt legge anche la risposta, l'attività si ripete con piccole variazioni e un errore viene intercettato prima che qualcosa esca dal team. In quel caso insegnate quattro cose: fornire il contesto, indicare il formato desiderato, chiedere fonti o ragionamento quando contano i fatti, e controllare il risultato.
- Una libreria di modelli per ruolo, provata sui vostri documenti.
- Una sessione pratica in cui le persone applicano i modelli al proprio lavoro reale.
- Regole interne su quali dati non entrano mai in quale strumento.
- Una persona indicata per nome che mantiene aggiornati i modelli man mano che gli strumenti cambiano.
#Chi ha bisogno di una formazione più approfondita sul prompt engineering?
Chi scrive una volta un prompt che molte altre persone useranno. Un analista operations che imposta una fase di smistamento dei ticket, un responsabile finanziario che costruisce un flusso di estrazione dati dalle fatture o un manager sales ops che configura una sintesi nel CRM rientrano tutti qui. Il loro prompt diventa un processo, quindi uno debole fallisce in silenzio e ripetutamente.
Devono imparare istruzioni strutturate, esempi svolti, test su un insieme di casi noti e che cosa succede quando gli input sono disordinati o ostili. La OWASP Top 10 for LLM Applications indica la prompt injection come primo rischio, e chi costruisce flussi di lavoro è la persona che deve progettare tenendone conto.
Serve loro anche giudizio sul perimetro. Anthropic, dicembre 2024 consiglia di partire dall'approccio più semplice e di aggiungere complessità solo quando serve, una regola utile per chiunque sia tentato di concatenare molti prompt.
#Perché chi rivede l'output dell'AI ha bisogno di una formazione propria?
Perché il suo compito è intercettare ciò che è sfuggito a chi ha scritto il prompt. Un compliance officer che controlla lettere AI clienti redatte dall'AI, un responsabile finanziario che approva campi di fatture estratti dall'AI o un team leader che convalida risposte scritte dall'AI devono sapere dove i modelli sbagliano: cifre inventate, date errate, affermazioni troppo sicure e risposte in arabo nel registro sbagliato. Raramente devono scrivere prompt; devono saper leggere bene gli output.
#Come lavora Stennir?
Nella formazione AI, l'AI Operator Program di Stennir suddivide le persone per ruolo prima che inizi la formazione. La maggior parte dei gruppi riceve modelli e pratica sul proprio flusso di lavoro reale. Chi costruisce flussi di lavoro e chi rivede gli output segue sessioni più approfondite su struttura, test e checklist di revisione. I formatori sono professionisti che costruiscono questi flussi di lavoro, i gruppi si svolgono in arabo e in inglese, e l'uso viene misurato prima e dopo, con un report di adozione finale.
We are
Stennir adatta l'approfondimento della formazione sui prompt a ciascun ruolo: modelli per la maggior parte delle persone, pratica più approfondita per chi costruisce flussi di lavoro e chi rivede gli output.
We aren't
Stennir non vende un corso aziendale di prompt engineering uguale per tutti né un attestato di partecipazione.
#Che cosa dovrebbe fare adesso un responsabile della formazione o delle operations?
Elencate chi, in ogni team, scrive prompt che altri usano, e chi approva l'output dell'AI. Quei due elenchi sono il vostro gruppo per la formazione approfondita; tutti gli altri partono dai modelli. Per il programma sulle prime attività, leggete formazione ChatGPT per i dipendenti: che cosa insegnare per primo, e per valutare i fornitori come scegliere una società di formazione AI. Leggete AI per le operations, poi prenotate una call di 30 minuti.
#Domande frequenti
Vale ancora la pena imparare il prompt engineering, visto che i modelli migliorano?
Per chi lo usa ogni giorno, sempre meno: i modelli più recenti gestiscono bene le richieste semplici, quindi un contesto chiaro e un buon modello fanno la maggior parte del lavoro. Per chi costruisce flussi di lavoro da cui altri dipendono conta ancora, perché struttura, casi di test e gestione degli errori decidono se il flusso regge su input reali e disordinati.
Che cosa vi serve da noi per iniziare?
Stennir ha bisogno dell'elenco dei ruoli da formare, degli strumenti e degli account approvati e, per ogni ruolo, di alcune attività reali con documenti di esempio. Per chi costruisce flussi di lavoro serve anche il flusso di cui è responsabile o che intende costruire, così le sessioni approfondite usano i vostri input reali e i casi in cui oggi qualcosa va storto.
La formazione sui prompt funziona in arabo?
Sì. Stennir conduce i gruppi in arabo e in inglese, e in altre lingue su richiesta. I modelli vengono scritti e provati nella lingua usata dai vostri team, compresi input misti in arabo e inglese, e chi rivede gli output si esercita a riconoscere risposte nel registro sbagliato, come l'arabo formale dove il cliente ha scritto in dialetto del Golfo.
Che cosa può andare storto se saltiamo la formazione approfondita?
Il rischio sta in chi costruisce. Un flusso di lavoro basato su un prompt non testato può etichettare male i ticket, leggere male i campi di una fattura o seguire istruzioni nascoste in un'email di un cliente, e nessuno se ne accorge perché l'output sembra sicuro. Formare chi costruisce e chi rivede è il modo per intercettare questi errori prima che se ne accorgano i clienti.
