Prompt engineer: in cosa consiste il lavoro, quanto paga e se esiste ancora

In breve: un prompt engineer progetta e mette a punto le richieste ai modelli di IA perché risolvano in modo affidabile un compito reale. Come qualifica a sé stante il ruolo si è in gran parte dissolto: la competenza è migrata dentro altri mestieri. Ma c'è qualcosa di più interessante. Il 17 luglio 2026 abbiamo passato al setaccio il mercato dei corsi che vendono questa «professione» e abbiamo scoperto che i corsi con le parole «prompt engineering» nel titolo insegnano quasi tutto tranne come mettere a punto un prompt. Qui sotto: i nostri numeri, le recensioni testuali e cosa imparare al loro posto.

Cosa fa davvero un prompt engineer

Il nome inganna. Sembra che uno passi la giornata a comporre frasi eleganti per un chatbot. In pratica il lavoro assomiglia più al debug. La consegna è: «fai in modo che il modello dia un risultato utilizzabile su mille input diversi, non solo sul tuo esempio fortunato». Da lì nasce il lavoro vero:

• Definire il compito. Trasformare un vago «che l'IA gestisca le richieste dei clienti» in un requisito verificabile, con criteri chiari di buono e cattivo.
• Progettare il prompt. Ruolo, contesto, formato, esempi, vincoli: le basi che trovi in cos'è un prompt e come si scrive.
• Testare. Decine di casi reali, un'esecuzione, un confronto tra versioni del prompt. Senza questo, tiri a indovinare.
• Combattere i fallimenti. Il modello inventa fatti, ignora il formato, si rompe sugli input lunghi, si allontana dall'istruzione. Tutto questo si aggiusta nel prompt, nei dati o nell'architettura.
• Collegare dati e sistemi. Spesso la risposta deve poggiare sulla base di conoscenza dell'azienda, non sulla memoria del modello.

Pensaci prima di andare avanti: se il modello sbagliasse il tuo compito in un caso su venti, come faresti a sapere in quale? Saper rispondere a questa domanda è metà del mestiere. E, come stiamo per mostrarti, è proprio la domanda a cui quasi nessun corso sul mercato risponde.

Da dove è nato l'hype e perché si è sgonfiato

Nel 2023 i modelli erano più capricciosi e il mercato spaesato. Un paio di annunci di lavoro rumorosi, con stipendi a sei cifre in dollari, finirono sui titoli, e nacque la sensazione di una nuova corsa all'oro: «scrivi testo in una chat e guadagna come uno sviluppatore senior». Poi sono successe tre cose.

1. I modelli sono diventati più intelligenti. Le versioni attuali capiscono molto meglio una frase umana normale. Le formule magiche tipo «sei un genio e la mia carriera dipende da questo» hanno smesso di produrre effetti visibili.
2. La competenza si è rivelata alfabetizzazione, non professione. Come saper usare un motore di ricerca o un foglio di calcolo: utilissimo, ma nessuno assume un «operatore di ricerca» con un posto dedicato.
3. I problemi veri sono più grandi del prompt. A un'azienda non serve il testo della richiesta: serve un sistema che funzioni, con dati, valutazione della qualità, controllo dei costi e sicurezza. Quello è un altro ruolo.

L'hype si è sgonfiato nelle assunzioni. Non si è sgonfiato nel business della formazione. Quella parte gode di ottima salute — ed è l'unica parte della storia che si possa davvero misurare. Così l'abbiamo misurata.

La nostra ricerca: quante persone si sono già «formate come prompt engineer»

Il 17 luglio 2026 abbiamo estratto dati da Udemy (tramite l'API interna dietro alle loro pagine dei corsi) e dalle pagine di recensioni di Coursera. Ecco sei corsi interamente dedicati al prompting. Quattro portano le parole prompt engineering direttamente nel titolo; gli altri due — «Google Prompting Essentials» e «Prompt and Context Engineering 101» — mettono il prompting nel titolo con altre parole. Conteremo in entrambi i modi.

• Prompt Engineering for ChatGPT (Vanderbilt, Jules White) — 698.444 iscritti, 7.915 recensioni, voto 4,8, 19 ore.
• Generative AI: Prompt Engineering Basics (IBM) — 654.256 iscritti, 2.313 recensioni, 4,7, circa 10 ore.
• Google Prompting Essentials (Google) — 365.425 iscritti, 7.219 recensioni, 4,8, meno di 10 ore.
• Prompt Engineering Specialization (Vanderbilt) — 138.967 iscritti, 9.151 recensioni, 4,8, 39 ore.
• Prompt Engineering with ChatGPT Masterclass (RPATech, Udemy) — 118.803 studenti, 57.836 recensioni, 4,48, 4 ore, 41 lezioni.
• Prompt and Context Engineering 101 (Mike Wheeler, Udemy) — 84.942 studenti, 24.401 recensioni, 4,31: il voto peggiore del nostro campione.

Somma: questi sei fanno 2.060.837 iscrizioni. Sii severo e tieni solo i quattro che hanno prompt engineering letteralmente nel titolo: restano comunque 1.610.470. La conclusione non si sposta di un centimetro in nessuno dei due casi. Per dare la scala: il corso non tecnico più grande di Coursera, Google AI Essentials, ha 1.876.929 iscritti; Generative AI for Everyone di Andrew Ng ne ha 814.083. Su Udemy il leader, Generative AI for Beginners di Aakriti E-Learning, ha 409.492 studenti a fronte di 121.079 recensioni e un voto di 4,53.

Questo conta più di qualsiasi forbice salariale. Se «prompt engineer» fosse una professione scarsa, due milioni di persone uscite da corsi su esattamente quella competenza l'avrebbero già riempita. La nicchia non è vuota: è affollata. Presentarsi con «ho fatto un corso di prompt engineering» significa mettersi in una fila dove centinaia di migliaia di persone hanno la stessa identica riga.

Un'obiezione contro noi stessi: «iscritto» su Coursera e «finito» non sono la stessa cosa, e nessuna delle due piattaforme pubblica dati sui completamenti. Quindi due milioni sono un limite superiore della concorrenza, non un conteggio di professionisti. Ma il limite inferiore non è certo «carenza».

I requisiti: da nessuna parte serve il codice

Abbiamo letto la sezione requisiti dei corsi più venduti. Testuale: «No prerequisites as ChatGPT is a tool anyone can access and use immediately» (Ballinger). «No coding skills needed» (Wheeler). «A desire to learn» (Aakriti). «No prior experience with AI or programming is needed» (Complete AI Guide).

Leggilo come un segnale di mercato, non come un invito. Una barriera d'ingresso pari a «voglia di imparare» significa che il corso non filtra nessuno — e quindi il suo attestato non porta alcuna informazione a un datore di lavoro. Una professione in cui si entra senza un solo requisito non viene pagata come una professione. Non è un giudizio morale: è aritmetica dell'offerta.

Ti dice anche cosa vendono davvero questi corsi. Non un lavoro. L'accesso a uno strumento che già non ha barriere d'accesso.

Quanto costa: lo sconto di Udemy non esiste

Una scoperta a parte, e il motivo per cui siamo andati a guardare l'API. I saldi perenni di Udemy li conoscono tutti: la vetrina di un marketplace è bravissima a presentare un prezzo come un'occasione che sta svanendo. Invece di discutere con la vetrina abbiamo chiesto la risposta grezza del loro stesso endpoint dei prezzi. Eccola, senza ritocchi:

• "price": {"amount": 24.99, "currency": "EUR"}
• "list_price": {"amount": 24.99, "currency": "EUR"}
• "saving_price": {"amount": 0.0}
• "has_discount_saving": false
• "discount_percent": 0

Il prezzo è uguale al prezzo di listino. Risparmio: zero. Percentuale di sconto: zero. Il flag «c'è uno sconto» vale letteralmente false. Qualunque cosa faccia il countdown sulla pagina, non ha alcun rapporto con questi campi.

I numeri reali al 17.07.2026: 11 dei 12 corsi più venduti costano 19,99 €; uno (Complete AI Guide) costa 24,99 €. L'Udemy Personal Plan costa 20,00 €/mese, 10,00 €/mese in promozione. Coursera Plus costa 50 €/mese oppure 343 €/anno con 14 giorni per il rimborso. I programmi di Google su Coursera vanno a 49 $/mese dopo una prova di 7 giorni.

Conclusione pratica: non farti mettere fretta dal timer. Paghi 19,99 € oggi, 19,99 € domani e 19,99 € il mese prossimo. L'unica cosa che il countdown ottiene è impedirti di leggere con calma le recensioni. E vale la pena leggerle.

Il punto centrale: i corsi con «prompt engineering» nel titolo non insegnano il prompting

Abbiamo spulciato le recensioni e raggruppato le lamentele. Il gruppo più fitto è quello di chi ha comprato un corso proprio per la competenza scritta nel titolo e non l'ha ottenuta. Testuali, con autore e stelle:

• «There is nothing teached about creating a good prompt. It is just an overview of types of prompts» — Geralt O., 01.07.2026, 2★ (Wheeler).
• «No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers» — Bharat Ram A., 05.06.2026, 1.5★ (Wheeler).
• «i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts» — Manuel L., 15.06.2026, 2★ (PE for Everyone).
• «Too much background on ChatGPT. Get me to how to prompt GPT» — Mark R., 16.09.2025, 1.5★ (Academind).

Guarda bene Bharat Ram A. Elenca tre cose: cosa evitare quando chiedi, come organizzare i pensieri e come dare all'IA un riscontro sulle sue risposte. Il terzo punto è il debug. Uno studente pagante ha descritto con parole sue il buco nel mercato, perché era andato a cercarlo e non c'era.

Manuel L. vuole «master or enhance our current prompts»: la stessa richiesta, altre parole. Migliorare un prompt che esiste già. Non imparare una formula: aggiustare una cosa che c'è già e non funziona abbastanza bene. Quattro persone indipendenti, quattro corsi diversi, una sola lezione mancante.

Ed ecco la lamentela che spiega come ci si è arrivati. Sul corso di prompt engineering con più iscritti di Coursera:

«I finished week 2. And all the lessons could be in 1 lesson. I jumped to week 3, 4, 5 and 6, and I see some concept reapeted» — Shai Mizrachi, 22.07.2023, 1★ (Vanderbilt).

E sul formato in generale:

«why read straight from the slide? I can do that. This was not a helpful course at all» — Janie I., 02.07.2026, 1★ (Justin Barnett).

Qui vale la pena fermarsi. «I can do that» non è una critica a un cattivo docente. È la constatazione che un video che si riduce a una slide letta ad alta voce perde per definizione contro il testo: il testo porta in dote il ritmo del lettore e una trascrizione, gratis. Chi paga 42 ore di vita al Complete AI Guide sta comprando, in tempo, qualcosa che avrebbe potuto leggere in un'ora.

Altre due, stesso gruppo, corsi diversi: «50% of this course is reading script like a robot from the slides» — Shashank T., 13.04.2026, 1★. E sul corso RPATech, quello con 118.803 studenti: «Written by AI, delivered by AI. The slides are way too crowded to be useful» — Bradley M., 16.04.2026, 1★.

Il buco strutturale: nessuno verifica che tu abbia imparato

Ora la parte più importante per il nostro tema. Un corso di prompt engineering è obbligato a correggere prompt. E c'è un solo modo per correggere un prompt: eseguirlo su un modello e guardare la risposta. Una piattaforma video non ha nessun modello dentro la lezione. Quindi non c'è niente con cui correggere. Ecco cosa esce dall'altra parte:

«you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not» — Shinysheep, 21.09.2023, 1★ (Vanderbilt Prompt Engineering).

Non è un docente pigro. È la conseguenza di un'architettura: la piattaforma non può fisicamente valutare un prompt, quindi dà la sufficienza. Le lamentele vicine fanno tutte rima:

• «Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience» — Laurie J Phillips, 12.04.2024, 3★ (IBM).
• «quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'» — Cory Covino, 04.05.2024, 2★ (IBM).
• «All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter» — Cornelius Griggs, 1★ (Generative AI with LLMs).

Griggs descrive la stessa malattia in formato laboratorio: l'esercizio gira, quindi sembra pratica, ma non c'è mai stato niente in gioco. «Just press shift-enter» e «100% correct» sono lo stesso evento.

E la ciliegina. La Prompt Engineering Specialization di Vanderbilt richiede un abbonamento a pagamento a ChatGPT+ per svolgere i compiti. Un corso che stai già pagando tramite Coursera Plus (50 €/mese) ti manda fuori a cercare il modello. Economia dello studente: circa 70 €/mese per guardare video e ricevere un «100% correct» automatico. Sul prezzo esatto dell'abbonamento a ChatGPT siamo sinceri: non siamo riusciti a ricavarlo dalla fonte primaria, tutti i domini di OpenAI hanno risposto 403, e la cifra di ~20 $ è una fonte secondaria. I 50 € di Coursera Plus, invece, stanno sulla loro stessa pagina.

Il contenuto va a male, e gli studenti se ne accorgono

«Most content is from 2024. This course is not bad for its time, but just too dated now» — Martin F., 27.05.2026, 2★ — su un corso la cui scheda dice «aggiornato 04.2026».

«The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023» — Harsh A., 09.04.2026, 1.5★ (Complete AI Guide).

A volte il vecchio diventa semplicemente sbagliato: «Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models» — Jose C., 12.05.2026, 1★. Lo studente corregge il corso, e l'errore vive non solo nella lezione ma anche nei quiz: cioè la risposta giusta viene segnata come sbagliata.

La causa è noiosa e strutturale: rigirare un video costa caro, correggere un testo non costa quasi nulla. In un campo dove gli strumenti cambiano ogni trimestre, questa differenza decide tutto. Nota la distanza tra l'«aggiornato 04.2026» della scheda e il «quasi tutto il contenuto è del 2024» della recensione: la data sulla scheda misura quando qualcuno ha toccato il corso, non quando il contenuto era vero.

Sugli stipendi, onestamente

Ti saranno capitati articoli con cifre precise. Trattali con cautela: i numeri di solito arrivano da una manciata di annunci rumorosi al picco dell'hype, da aggregatori con campioni minuscoli o da report di aziende a cui conviene che il tema interessi. Oggi non esiste uno «stipendio medio del prompt engineer» attendibile, perché non esiste una qualifica stabile e diffusa con quel nome. Qui non pubblichiamo di proposito nessuna cifra salariale: non abbiamo una fonte di cui risponderemmo, e inventarsi un numero verosimile è esattamente ciò che fanno gli articoli da cui ti stiamo mettendo in guardia.

Quello che si può dire senza mentire: ti pagano per un ruolo, non per i prompt. ML engineer, data scientist, sviluppatore IA, product manager con specializzazione IA: quelle posizioni hanno un mercato vero e forbici vere, e la competenza sul prompt è uno dei requisiti, non un sostituto del resto. Se leggi «diventa prompt engineer in un mese e guadagna X», ti stanno vendendo un mito, non un consiglio di carriera.

Puoi verificarlo in cinque minuti senza fidarti di noi: apri un qualsiasi portale di annunci e cerca la frase esatta «prompt engineer», poi «AI engineer» o «machine learning engineer». La differenza nel numero di risultati ti dirà del mercato più di qualunque indagine sulle retribuzioni. Già che ci sei, leggi i requisiti dei pochi annunci che spuntano: quasi sicuramente chiederanno codice, dati ed esperienza di settore, con il prompting come un punto su dieci.

Metti tutto questo accanto ai nostri numeri di iscrizioni e il quadro si chiude. Offerta: 2.060.837 iscrizioni a corsi che insegnano esattamente questa competenza. Domanda: un termine di ricerca che restituisce a stento qualcosa. Da questa combinazione non nasce nessuno stipendio.

Cosa imparare al posto della «professione»: il debug

Tiriamo le somme. Tutti insegnano «ecco la formula del prompt». Quasi nessuno insegna: il prompt non ha funzionato — cosa cambi per primo? Le quattro recensioni qui sopra chiedono esattamente questo. Il che la rende la competenza che ti separa da due milioni di persone con l'attestato.

Il debug di un prompt è un ciclo, non un'illuminazione:

1. Nomina il sintomo con precisione. Non «risposta pessima», ma: ha inventato un fatto; ha ignorato il formato; troppo generico; tono sbagliato; si è rotto su un input lungo; ha risposto a un'altra domanda. Malattie diverse, cure diverse. I più si fermano a «brutta» e poi riscrivono a caso.
2. Cambia una cosa alla volta. Se ne tocchi cinque non saprai mai quale ha funzionato. È letteralmente la stessa regola di qualunque debug.
3. Prova su più input. Una risposta buona non è un risultato, è una coincidenza. I modelli non sono deterministici; una singola esecuzione è un campione di dimensione uno.
4. Definisci cosa vuol dire «buono». Finché non c'è un criterio non stai facendo debug: stai rimescolando frasi finché una non ti piace. È il passo che separa il mestiere dall'hobby.
5. Versiona i tuoi prompt. v1, v2, v3 e cosa è cambiato esattamente tra l'uno e l'altro. Fra una settimana non te lo ricorderai.
6. Riconosci quando il problema non è il prompt. Se mancano i dati non è una questione di formulazione. Nessun prompt recupera un fatto che il modello non ha mai ricevuto. Accorgersene presto fa risparmiare giorni.

E ora la cosa che Udemy e Coursera non possono offrire fisicamente. Qui sotto ci sono prompt che funzionano. Ogni blocco ha un pulsante Esegui: premilo proprio qui e guarda arrivare una risposta dal vivo. È il controllo che una piattaforma video non può installare — non per cattiva volontà, ma perché nella lezione non c'è nessun modello.

Esercizio 1: sezionare un prompt scadente

Qui è già incollato un prompt davvero debole, del tipo che scrivono tutti all'inizio. Eseguilo e guarda cosa torna indietro.

Sei un docente di debug dei prompt. Seziona il prompt qui sotto.

PROMPT DA ESAMINARE:
"Scrivi un post sul nostro nuovo prodotto. Fallo bello e professionale."

Fai esattamente quattro cose:
1. Elenca le informazioni che mancano perché la risposta possa essere buona.
2. Nomina i criteri posti qui ma non verificabili, e spiega perché.
3. Prevedi tre modi concreti in cui la risposta a questo prompt verrà male.
4. Dai una versione migliorata più una tabella: cosa ho cambiato -> perché.

Non farmi complimenti. Sii conciso.

Esercizio 2: prevedere i fallimenti prima di eseguire

La mossa che distingue un ingegnere: prima pensare a dove si rompe, poi eseguire. Il prompt si regge da solo: il compito è descritto dentro.

Contesto: sto per dare a un'IA questa istruzione per gestire le email di assistenza.

ISTRUZIONE:
"Leggi l'email del cliente e classificala come: rimborso, spedizione,
problema tecnico o altro. Rispondi con una sola parola."

Non eseguire questa istruzione. Fai invece un'analisi dei rischi:
- Cinque modi in cui darà un risultato sbagliato su email reali.
- Per ognuno, un'email di esempio (2-3 frasi) che lo innesca.
- Cosa aggiungere esattamente all'istruzione per chiudere ogni caso.
- A parte: quali di questi problemi NON si possono risolvere con il prompt, e perché.

Formato: una tabella.

Esercizio 3: un set di test e una definizione di «buono»

Il passo che i corsi saltano e il datore di lavoro verifica.

Aiutami a costruire un set di test per un prompt.

Compito del prompt: trasformare appunti grezzi di una riunione in un elenco di attività
con responsabile e scadenza.

Dammi:
1. Dieci input di test - brevi appunti di riunione, 3-5 righe ciascuno.
   Falli tre casi limite: nessuna scadenza citata; una contraddizione;
   una discussione in cui alla fine non si è deciso niente.
2. Per ogni input, cosa conta come risposta corretta.
3. Una griglia di cinque criteri valutati 0/1 ciascuno, con soglia di superamento.
4. Un input in cui la cosa giusta è rifiutare e fare una domanda.

Scrivilo come un documento finito, senza preamboli.

Esercizio 4: un esame dal vivo sulla competenza

Mettiti alla prova. Qui non ci sarà nessun «100% correct» automatico.

Interrogami sul debug dei prompt. Regole:

- Mi dai UN caso: un compito, un prompt e la risposta sbagliata del modello.
- Il caso te lo inventi tu: realistico, di lavoro d'ufficio.
- Io rispondo cosa cambierei per primo e perché.
- Tu mi valuti con severità: cosa mi è sfuggito, cosa ho diagnosticato male,
  quale ipotesi sarebbe stata più forte della mia e perché.
- Non darmi ragione per educazione. Se sbaglio, dillo chiaramente.
- Dopo la valutazione dammi il caso successivo, più difficile.

Inizia dal primo caso. Non spiegare la teoria prima.

Errori tipici di chi «impara i prompt»

• Collezionare formule magiche. Un elenco di 500 prompt non è una competenza. La competenza è aggiustare l'unico prompt che ti serve davvero. Prendi i nostri esempi di prompt come materia prima, non come ricette.
• Studiare senza un compito. Un prompt senza un problema vero dietro è un esercizio nel vuoto. Da lì nasce «only theory is discussed which we already know» — Aditya Nagavolu, 19.11.2023, 1★.
• Un'esecuzione uguale conclusione. Il modello non è deterministico. Che ti piaccia la prima risposta non dimostra niente.
• Cambiare cinque cose insieme. Un classico. È migliorato, e nessuno sa perché.
• Credere nell'attestato. Guarda i numeri qui sopra: 698.444 persone su un solo corso. Un attestato non è un segnale.
• Correre per colpa di un timer. has_discount_saving: false. Il countdown non parla del prezzo, parla della tua attenzione.
• Scambiare la lunghezza per profondità. 42 ore e 545 lezioni in un corso, e la lamentela più frequente è il riempitivo: «The course is far too drawn out… padding the course with filler» — Victoria X., 13.02.2026, 2★.

Cosa diventano davvero i bravi con i prompt

• Ingegnere o sviluppatore IA — costruisce prodotti sopra i modelli: integrazioni, agenti, ricerca su base di conoscenza. Serve il codice.
• Product o project manager con taglio IA — sa dove l'IA ha senso, cosa rompe e come misurare il beneficio. Meno codice, più testa di prodotto.
• Specialista della qualità delle risposte IA — costruisce set di test, valuta gli output, intercetta le regressioni. Poco glamour, tanta utilità. Nota: è esattamente la competenza che i corsi sostituiscono con un «100% correct» automatico, ed è per questo che resta rara.
• Uno specialista potenziato nel proprio campo — un marketer, un avvocato, un'analista o un'insegnante che fanno il proprio lavoro molto più in fretta. La strada più comune e più sottovalutata.

Una tendenza a parte sono gli agenti IA: sistemi che eseguono compiti a più passaggi usando strumenti. Lì il prompt è solo uno strato, ma senza di lui non funziona niente. Una storia vicina è il vibe coding, dove il codice si scrive dialogando con un modello.

Come scegliere un corso, se proprio ne vuoi uno

Abbiamo letto centinaia di recensioni e ridotto tutto a quattro domande. Falle a qualunque corso, compreso il nostro.

1. Dove eseguirò il prompt? Se la risposta è «in un'altra scheda, con un abbonamento a parte», il corso non correggerà il tuo lavoro. Vedi Vanderbilt e ChatGPT+.
2. Chi valuta il mio prompt? Se è un correttore automatico a parole chiave, otterrai «100% correct» e zero informazioni. Shinysheep ci ha messo «all that effort» e non ha imparato nulla sulla propria risposta.
3. Insegna il debug? Apri il programma e cerca la lezione in cui un prompt fallisce. Se non c'è, il corso parla di una formula, non del lavoro.
4. Quando è stato davvero aggiornato il contenuto? Non dalla data sulla scheda, ma dalle recensioni dell'ultimo mese. Martin F. ha trovato materiale del 2024 in un corso che dichiarava un aggiornamento di aprile 2026.

E una riserva onesta sui nostri dati: la quota di recensioni negative (≤3.5★) su Udemy è del 9,61% per Generative AI for Beginners e del 10,36% per il Complete AI Guide; su Coursera sta tra l'1,5% e il 3,5%. Detto altrimenti: la stragrande maggioranza degli studenti è soddisfatta, e noi abbiamo letto di proposito la minoranza. Non per dimostrare che i corsi sono brutti, ma perché è la minoranza scontenta a formulare con più precisione cosa manca al prodotto. Uno studente contento dice «ottimo corso». Bharat Ram A. ti dice quale lezione mancava. Un altro limite che va detto: il filtro per stelle di Coursera funziona lato client, quindi le citazioni a cui siamo arrivati vengono dalla pagina predefinita che vede qualsiasi visitatore — non abbiamo pescato a mano dal fondo di un filtro 1★, ma non possiamo nemmeno sostenere di aver visto tutto.

Da dove partire

1. Prendi il tuo compito, non uno da manuale. Quello che fai a mano ogni settimana.
2. Impara le basi. Ruolo-compito-contesto-formato, esempi dentro il prompt, vincoli, il permesso di dire «non lo so».
3. Costruisci un set di test. Dieci input reali e un'idea chiara di come dovrebbe essere una risposta corretta. È questo che separa l'ingegnere dall'appassionato. L'esercizio 3 qui sopra te lo costruisce in una sola esecuzione.
4. Impara a scovare le invenzioni. Capire perché nascono le allucinazioni dell'IA, e le tecniche per contrastarle, è metà del valore pratico.
5. Confronta i modelli. Lo stesso compito si comporta diversamente sull'uno e sull'altro: vedi il confronto tra ChatGPT, Claude e Gemini.
6. Tieni un diario. Il prompt, cosa non ha funzionato, cosa hai cambiato, cosa è uscito. Fra un mese quel diario è il tuo portfolio, e convince molto più di un attestato che hanno anche altre 698.444 persone.

La conclusione, senza hype

«Prompt engineer» come professione a sé è stato, in larga parte, un fenomeno di una sola stagione. La competenza non è sparita: ha smesso di essere una qualifica ed è diventata parte del normale lavoro con l'IA. Le nostre misure aggiungono la seconda metà della storia: i posti che insegnano questa «professione» vendono la formula del prompt a milioni di persone e non vendono l'unica cosa che vale soldi, cioè la capacità di aggiustare un prompt che non ha funzionato. Il motivo non sono autori pigri. È che un prompt non lo puoi correggere senza un modello vivo dentro la lezione, e una piattaforma video non ce l'ha. Quindi impara dove puoi premere Esegui. Il lato pratico lo trovi nel nostro articolo sull'IA per il lavoro, l'ansia del «mi sostituiranno?» la affrontiamo in l'IA sostituirà il mio lavoro, e le basi stanno in cos'è un prompt. Se lo vuoi in modo sistematico, c'è il nostro corso di prompt engineering.