Prompt per ChatGPT: esempi reali per ogni caso d’uso

Mi chiedo quante persone provino ChatGPT una volta, rimangano deluse e mollino. La settimana scorsa una mia collega gli ha chiesto di "aiutare con l’analisi dei dati". Ha ricevuto consigli generici sulla pulizia dei dataset e sul controllo degli outlier. Corretto dal punto di vista tecnico, ma del tutto inutile per il suo problema reale. Le ho suggerito di provare qualcosa di diverso: "Analizza questo dataset di vendite per individuare trend stagionali e suggerisci quali categorie di prodotto mostrano performance in calo." Stavolta, ha ottenuto insight concreti in pochi secondi.

La differenza non era l’IA. Era il prompt. Un prompt è semplicemente l’istruzione che dai a ChatGPT, e controlla tutto ciò che ricevi in risposta. È vero che prompt vaghi producono risposte vaghe e prompt specifici producono risposte utili. Ma c’è dell’altro. Ti guiderò attraverso le

In questo articolo condivido ciò che ho imparato su come scrivere prompt efficaci per ChatGPT e ti mostro tecniche specifiche che funzionano davvero. Vedrai esempi pratici per scrittura, coding, analisi dei dati, attività di business e apprendimento, oltre a tecniche avanzate per gestire workflow complessi e automazione.

Le basi del prompting in ChatGPT

Un prompt è tutto ciò che scrivi in ChatGPT. Può essere una domanda ("Che cos’è la discesa del gradiente?"), un’istruzione ("Riassumi questo paragrafo") o qualcosa con più contesto ("Sei un docente di SQL. Spiega le join ai principianti").

La differenza tra prompt semplici e strutturati è enorme. Guarda questi due:

Prompt semplice:

Write about machine learning

Prompt strutturato:

Write a 150-word explanation of supervised learning for business analysts with no technical background. Use an analogy involving customer data.

Il primo dà a ChatGPT quasi nulla su cui lavorare. Il secondo specifica pubblico, lunghezza e approccio. Otterrai risultati completamente diversi.

Il prompt engineering è l’abilità di progettare input efficaci per l’IA. Non è programmazione. È comunicazione. Stai imparando a dare indicazioni chiare in base a come ChatGPT elabora il linguaggio.

Ho smesso di trattare i prompt come query di ricerca e ho iniziato a considerarli istruzioni. Una volta fatto questo cambio di prospettiva, i miei risultati sono migliorati drasticamente.

Come ChatGPT interpreta i prompt

ChatGPT interpreta le tue istruzioni in base a contesto, ruolo, tono e struttura. Non "capisce" davvero come gli umani. Prevede quale risposta abbia senso in base ai modelli appresi durante l’addestramento. Ecco perché la chiarezza è così importante.

Tre fattori chiave influenzano come ChatGPT legge il tuo prompt:

• Chiarezza: Un linguaggio vago produce risultati incoerenti. "Spiega Python" può significare decine di cose diverse. "Spiega come funziona la sintassi delle list comprehension in Python, con tre esempi" è chiaro e specifico.
• Specificità: Prompt generici danno risposte generiche. Se chiedi "Come analizzo i dati?", ChatGPT deve indovinare cosa sai, quali strumenti usi e cosa vuoi ottenere. Se chiedi "Mostrami come identificare gli outlier in un DataFrame Pandas usando il metodo IQR" ottieni subito qualcosa di utile.
• Struttura: Prompt organizzati funzionano meglio. Se suddividi richieste complesse in passaggi numerati o punti elenco, ChatGPT ti segue più facilmente.

Assegnare un ruolo cambia il modo in cui ChatGPT risponde. Scrivi "Sei un analista finanziario" e adatterà automaticamente linguaggio e profondità. Funziona perché il modello ha visto innumerevoli esempi di come comunicano gli analisti finanziari.

Anche il tono conta. Se chiedi un "riepilogo formale per il business" invece di una "spiegazione informale per un amico" otterrai stili molto diversi.

Nota: se usi la API di ChatGPT, puoi controllare la casualità con l’impostazione di temperatura (0 = coerente, 1 = creativo) e impostare messaggi di sistema che si applicano all’intera conversazione. Per la maggior parte degli utenti che lavorano dall’interfaccia web, la chiave è essere specifici nei prompt.

Esempi di prompt per ChatGPT per categoria

Ho organizzato questi esempi per categoria. Ogni sezione spiega cosa rende efficaci i prompt in quel dominio e poi fornisce esempi da copiare e adattare al tuo lavoro.

Prompt per la scrittura

Cosa li rende efficaci:

• Specifica pubblico, tono e formato
• Imposta limiti di lunghezza o struttura
• Definisci chiaramente lo scopo

Esempio 1: Introduzione per un blog

Write a 100-word blog introduction explaining why SQL remains essential for data analysis despite the rise of Python and R. Target audience: data analysts considering which skills to prioritize.

Esempio 2: Email professionale

Draft a 150-word email to a client explaining a project delay. Tone: professional but empathetic. Include a revised timeline and one proactive solution to minimize impact.

Esempio 3: Contenuti per i social

Write three LinkedIn post variations (under 200 characters each) announcing a new data visualization course. Emphasize practical skills over theory. Use a conversational, encouraging tone.

Esempio 4: Documentazione tecnica

Rewrite this API error message for non-technical users: "Authentication token expired. Error 401." Make it clear what happened and what action to take.

Esempio 5: Scrittura creativa

Write a 200-word product description for noise-canceling headphones. Target remote workers. Focus on productivity benefits, not technical specs. Conversational tone.

Vedi il pattern? Ogni prompt indica a chi è rivolto, perché e quale formato vuoi. Niente tentativi alla cieca. Ottieni bozze utilizzabili.

Prompt per il coding

Cosa li rende efficaci:

• Specifica linguaggio di programmazione e tipo di compito
• Includi messaggi di errore o contesto del codice
• Chiedi il ragionamento, non solo l’output

Esempio 1: Generazione di codice

Write a Python function that takes a list of dictionaries and returns a new list containing only items where the 'status' key equals 'active'. Include error handling for missing keys.

Esempio 2: Debugging

This Python function is supposed to calculate the median of a list, but it fails on even-length lists. Identify the bug and provide a corrected version:

def median(numbers):
    sorted_nums = sorted(numbers)
    mid = len(sorted_nums) // 2
    return sorted_nums[mid]

Esempio 3: Spiegazione del codice

Explain what this SQL query does, identify any performance concerns, and suggest an optimized version:

SELECT * FROM orders WHERE customer_id IN (SELECT id FROM customers WHERE region = 'West')

Esempio 4: Refactoring

Refactor this JavaScript code to use async/await instead of promise chaining. Maintain the same error handling logic:

[paste code here]

Esempio 5: Identificazione dei casi limite

Review this Python function for edge cases it doesn't handle. List each edge case and suggest how to fix it:

def divide_list(numbers, divisor):
    return [n / divisor for n in numbers]

Consiglio: per il debugging, aggiungi "spiega il tuo ragionamento a ogni passaggio" per intercettare errori logici che la semplice generazione di codice può non cogliere.

Prompt per l’analisi dei dati

Cosa li rende efficaci:

• Descrivi la struttura del dataset
• Chiedi interpretazione e ragionamento
• Richiedi raccomandazioni di visualizzazione

Esempio 1: Analisi esplorativa

I have a sales dataset with columns: date, product_category, revenue, region. Suggest five exploratory questions I should investigate first, and explain why each matters for business decisions.

Esempio 2: Identificazione dei trend

This dataset shows monthly website traffic for 18 months: [paste data]. Identify three meaningful trends and explain what might be causing each one.

Esempio 3: Raccomandazioni di visualizzazione

I need to present quarterly revenue by product line (5 categories) to executives. Suggest the best chart type and explain why it's more effective than alternatives.

Esempio 4: Approccio statistico

I want to test whether a new checkout process increased conversion rates. I have before/after data for 1,000 users. What statistical test should I use and why? What assumptions do I need to verify first?

Esempio 5: Valutazione della qualità dei dati

Review this customer dataset summary: 10,000 rows, 15% missing email addresses, age ranges from 18-120, some negative purchase amounts. Prioritize the three most critical data quality issues and suggest fixes.

Prompt per il business

Cosa li rende efficaci:

• Assegna un ruolo con contesto business
• Richiedi output strutturati e azionabili
• Imposta vincoli e scenari chiari

Esempio 1: Analisi di mercato

You are a market analyst. Summarize the top three risks for a U.S.-based SaaS company expanding to the European market. For each risk, provide one specific mitigation strategy. Keep the response under 200 words.

Esempio 2: Posizionamento competitivo

Compare three project management tools - Asana, Monday.com, and Trello - for a 50-person marketing team. Focus on collaboration features and pricing. Present findings as a decision matrix.

Esempio 3: Sviluppo di un business case

Draft a business case for implementing automated customer support chatbots. Include expected cost savings, implementation timeline, and two potential risks. Target audience: CFO and operations director.

Esempio 4: Preparazione di una riunione

I'm presenting Q3 results to the board. Revenue is up 12% but customer acquisition cost increased 18%. Prepare three talking points that acknowledge the CAC increase while emphasizing overall growth trajectory.

Esempio 5: Miglioramento dei processi

Our sales team spends 10 hours weekly manually updating CRM records. Suggest three automation solutions, ranked by implementation difficulty and potential time savings.

Prompt per apprendimento e insegnamento

Cosa li rende efficaci:

• Specifica il livello di conoscenza della persona che apprende
• Richiedi analogie ed esempi concreti
• Chiedi spiegazioni passo passo

Esempio 1: Spiegazione di un concetto con analogia

Explain gradient descent to someone learning machine learning for the first time. Use a hiking analogy. Keep it under 150 words.

Esempio 2: Spiegazione adatta ai principianti

I'm learning Python and don't understand decorators. Explain what they do, why they're useful, and show one simple example. Assume I understand functions but not advanced concepts.

Esempio 3: Generazione di quiz

Create five multiple-choice questions testing understanding of SQL joins. Include one question each for: inner join, left join, right join, full outer join, and cross join. Provide explanations for correct answers.

Esempio 4: Tutorial passo passo

Teach me how to create a pivot table in Excel. I've never used them before. Break it into numbered steps with one clear action per step. Use a sample sales dataset as the example.

Esempio 5: Confronto di concetti

Explain the difference between supervised and unsupervised learning as if teaching a business analyst with no machine learning background. Use real-world business examples for each.

Come scrivere prompt migliori per ChatGPT

I prompt migliori bilanciano chiarezza e contesto. Ecco tecniche collaudate che migliorano i risultati:

Zero-shot prompting

Zero-shot significa semplicemente chiedere direttamente senza esempi. Funziona per le cose semplici:

Summarize this paragraph in one sentence: [paste text]

One-shot prompting

One-shot fornisce un esempio per mostrare il tono o il formato desiderato:

Convert these technical terms to plain language. Example: "API" becomes "a way for software programs to communicate with each other."

Now convert: "OAuth authentication"

Few-shot prompting

Few-shot fornisce più esempi per insegnare un pattern:

Convert these product names to URL-friendly slugs:
"Premium Wireless Headphones" → "premium-wireless-headphones"
"4K Ultra HD Monitor" → "4k-ultra-hd-monitor"

Now convert: "Ergonomic Standing Desk Pro"

Consiglio: salva i tuoi migliori prompt few-shot. Tieni un documento con template per code review, analisi dei dati e redazione di report da riutilizzare spesso.

Chain-of-thought prompting

Il chain-of-thought chiede a ChatGPT di ragionare passo dopo passo:

A store sells notebooks for $3 each. If you buy 5 or more, you get 20% off the total. How much do 7 notebooks cost? Think step by step.

Role prompting

Il role prompting imposta l’expertise e lo stile di comunicazione:

You are a SQL instructor teaching beginners. Explain what a foreign key is and why it matters in 100 words or less. Use a real-world analogy.

Vincoli e formattazione mantengono le risposte focalizzate:

List three advantages of cloud computing. Requirements:
Bullet points
One sentence per point
Focus on cost and scalability
Under 100 words total

Raramente mi riesce al primo tentativo. Il mio flusso: inizio semplice, controllo l’output, poi aggiungo 2-3 dettagli specifici per il tentativo successivo. Di solito funziona al secondo o terzo giro.

Tecniche avanzate di prompting

Ti guiderò in tecniche che spingono le capacità di ragionamento, coerenza e automazione di ChatGPT per compiti complessi.

Self-consistency e prompt di riflessione

Chiedi a ChatGPT di generare più soluzioni e confrontarle:

Generate three approaches to reducing customer churn for a SaaS company, each in 2 sentences. Then compare them in 3 sentences and recommend the best one.

I prompt di riflessione intercettano errori:

Review your previous answer for accuracy, clarity, and completeness. Identify any gaps or potential improvements.

Meta-prompting

Chiedi a ChatGPT di progettare prompt per te:

I need to summarize academic papers. Generate three reusable prompt templates: one for methodology, one for key findings, and one for limitations. Keep each template under 20 words.

Gestione della finestra di contesto

Mantieni le conversazioni lunghe focalizzate ricordando a ChatGPT i tuoi obiettivi:

Reminder: We're designing a data pipeline for real-time analytics. All suggestions should prioritize low latency over storage efficiency.

Now, how should we handle schema changes?

Nelle conversazioni lunghe, ripeto l’obiettivo principale ogni pochi scambi. Mantiene ChatGPT allineato a ciò che sto davvero cercando di ottenere.

Prompt multi-turn e modulari

Spezza i compiti grandi in passaggi sequenziali:

Esempio di workflow per scrivere un articolo tecnico:

Prompt 1:

Generate an outline for a 2,000-word article on API rate limiting. Include 5 main sections with 2-3 subsections each.

Prompt 2:

Using the outline you just created, write a 200-word introduction that explains why rate limiting matters for API developers.

Prompt 3:

Now expand the "Implementation Strategies" section. Include code examples in Python.

Controlla e aggiusta a ogni passaggio invece di generare tutto in una volta. Per l’automazione, gli sviluppatori possono scriptare queste sequenze usando la OpenAI API.

Stacking di ruoli e prospettive

Combina più ruoli per risposte bilanciate:

You are both a data scientist and a project manager. Explain how to prioritize machine learning projects. Address both technical feasibility and business impact.

Ho notato che combinare ruoli come "data scientist e business analyst" mi dà risposte equilibrate quando servono sia profondità tecnica sia applicazione pratica.

Prompt di valutazione e autocritica

Fai valutare a ChatGPT il proprio output:

[After receiving a response]

Rate your previous answer on these dimensions:
- Clarity (1-10)
- Accuracy (1-10)
- Completeness (1-10)

For any score below 8, explain what's missing and provide an improved version.

Template di prompt e riutilizzo

Crea template riutilizzabili per compiti frequenti:

Template per l’analisi di un dataset:

Analyze this [DATASET TYPE] dataset with [NUMBER] rows and [NUMBER] columns.

Provide:
1. Overview: Key characteristics and data types
2. Trends: Three meaningful patterns
3. Outliers: Unusual values or anomalies
4. Visualizations: Suggest three charts with rationale

Dataset: [PASTE DATA OR DESCRIPTION]

Errori comuni e come risolverli

Errore 1: Prompt vaghi o troppo generici

Sbagliato: Tell me about Python

Perché fallisce: ChatGPT deve indovinare cosa vuoi. Otterrai contenuti generici.

Corretto:

Explain how Python's list comprehension syntax works. Include three examples: filtering a list, transforming values, and nested comprehensions.

Errore 2: Porre più domande non correlate insieme

Sbagliato: Explain machine learning, recommend a Python course, and help me debug this code

Perché fallisce: ChatGPT divide l’attenzione su tre compiti. Ogni risposta sarà superficiale.

Corretto: suddividi in prompt separati, uno per compito.

Errore 3: Ignorare i limiti del modello

Sbagliato: What were Apple's exact revenue figures for Q3 2025?

Perché fallisce: ChatGPT non può accedere a dati in tempo reale e potrebbe inventare numeri plausibili.

Corretto:

Explain how to interpret a company's quarterly revenue report. What metrics should I focus on beyond top-line revenue?

Errore 4: Nessun vincolo o specifica di formato

Sbagliato: Summarize this article: [paste long article]

Perché fallisce: nessuna indicazione su lunghezza, focus o pubblico.

Corretto:

Summarize this article in three bullet points. Focus on actionable takeaways for data analysts. Maximum 150 words total.

Errore 5: Dare per scontato che ChatGPT ricordi il contesto di molto tempo prima

Sbagliato: Use the approach we discussed earlier (dopo 20 scambi)

Corretto:

Use the Python pandas approach we discussed for handling missing values (forward fill method). Apply it to this new dataset: [paste data]

Conclusione

I buoni prompt per ChatGPT si riducono a una comunicazione chiara. La differenza tra risultati medi e ottimi è la specificità: indica chi è il tuo pubblico, imposta limiti ed esplicita ciò che vuoi.

Sono partito dalle basi — assegnazione di ruoli, esempi few-shot, ragionamento chain-of-thought — e le ho adattate al mio lavoro. Ho fatto attenzione a quali prompt funzionavano e quali no. Così sono migliorato.

Queste tecniche funzionano in ambiti diversi perché rispecchiano come ChatGPT elabora il linguaggio. Che tu stia programmando, analizzando dati o scrivendo documenti business, valgono le stesse regole: sii chiaro, sii specifico e iterare in base ai risultati.

Per sviluppare le tue competenze in IA e dati, dai un’occhiata al nostro  corso Introduction to ChatGPT e al percorso AI Fundamentals. Per esercitarti con i prompt nel lavoro sui dati, vedi Working with the OpenAI API