Perché i corsi di IA insegnano la formula del prompt ma mai come aggiustarne uno che ha fallito

In breve: la formula del prompt — ruolo, compito, contesto, formato — è gratis. Te la regala qualsiasi video da dieci minuti. I guai iniziano un passo dopo: hai scritto il prompt come da manuale, hai premuto invio e la risposta è tornata indietro come poltiglia. Da lì in poi nessuno ti insegna più niente. Riscrivi a caso finché qualcosa non ti piace. Non è una competenza, è una lotteria. Qui sotto c'è un metodo: dai un nome al sintomo, fai una diagnosi, fai esattamente una modifica, confronta. E l'ordine in cui scavare: contesto → compito → formato → ruolo. I prompt di questo articolo sono veri: premi «Esegui» e guarda la differenza con i tuoi occhi.

Cosa non va nella formula

La formula non ti sta mentendo. Ruolo, compito, contesto e formato sono davvero le quattro manopole che danno forma a una risposta. Le basi le trattiamo in cos'è un prompt e come si scrive, e servono. Ma la formula risponde a una sola domanda: come scrivo un prompt da zero? Nel lavoro vero non parti quasi mai da zero. Ti trovi davanti a un prompt che rispetta già tutte le regole e che ha comunque prodotto spazzatura.

Qui la formula tace. Non ti dice quale delle quattro manopole ha la colpa. Non ti dice se girarne una o tutte e quattro. Non ti dice come capire se la nuova risposta è migliore o soltanto diversa. La formula è un progetto. Quello che ti serve è un manuale di riparazione.

È la differenza fra «ecco lo schema del motore» e «la macchina non parte: cosa controlli per primo?». La prima cosa si impara in una sera. La seconda è un mestiere. E la seconda è quasi assente dal mercato della formazione.

Gli studenti chiedono esattamente questo, parola per parola

Il 17 luglio 2026 abbiamo estratto dati da Udemy (tramite l'API interna dietro le pagine dei corsi) e dalle pagine delle recensioni di Coursera. Abbiamo letto di proposito la minoranza: chi ha messo voti bassi. Il grumo di lamentele più fitto è saltato fuori sui corsi che hanno prompt engineering proprio nel titolo. La gente è arrivata per la competenza scritta sull'etichetta e non l'ha avuta. Parola per parola, con autori 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★ (Prompt and Context Engineering 101, Mike 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 etc.» — 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★ (Prompt Engineering for Everyone).

«Too much background on ChatGPT. Get me to how to prompt GPT» — Mark R., 16.09.2025, 1.5★ (Academind).

Fermati su Bharat Ram A. Elenca tre cose, e la terza è «how to give feedback to AI based on its answers». Quello è il debug, descritto con parole sue da uno che era andato a cercarlo ed è tornato a mani vuote. Manuel L. chiede di «enhance our current prompts»: aggiustare qualcosa di già scritto che funziona male. Persone diverse, corsi diversi, un solo buco.

Accanto a loro sta la citazione che mostra cosa succede quando non si verifica niente:

«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★ (Prompt Engineering, Vanderbilt).

E sulla stessa riga: «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 lo dice meglio di tutti, senza volerlo. «You won't have to debug anything» descrive un prodotto formativo a cui il debug è stato asportato. L'esercizio parte, sembra pratica, e non c'è mai stato niente in gioco.

Un'ultima, da un altro corso, che chiude il cerchio: «Didnt meet expectations, only theory is discussed which we already know» — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone). La teoria che tutti già sanno è la formula. Quello che non sanno è cosa fare quando fallisce.

Perché il buco esiste: è architettura, non pigrizia

Viene voglia di dare la colpa a docenti pigri. Quella spiegazione è peggiore della verità. La verità è strutturale.

C'è esattamente un modo di verificare un prompt: lanciarlo su un modello e guardare la risposta. Non ne esistono altri: un prompt non si giudica a occhio, come non si giudica il codice senza eseguirlo. E una piattaforma video non ha nessun modello dentro la lezione. Quindi non c'è niente con cui verificare. Resta un correttore automatico a parole chiave, che assegna «100% correct»: proprio la cosa che ha lasciato Shinysheep senza parole.

Poi arriva il dettaglio che chiude la questione. La Prompt Engineering Specialization di Vanderbilt richiede un abbonamento a pagamento a ChatGPT+ per svolgere i compiti. Il corso spedisce lo studente fuori, in un'altra scheda, a cercarsi un modello. I conti di uno studente Coursera vengono così: Coursera Plus a 50 €/mese (oppure 343 €/anno con 14 giorni di recesso), più un abbonamento al modello: circa 70 €/mese per guardare video e ricevere un 100% automatico. Sul prezzo esatto di quell'abbonamento siamo sinceri: non l'abbiamo ottenuto da una fonte primaria, tutti i domini di OpenAI hanno risposto 403, quindi non stampiamo nessuna cifra. I 50 € di Coursera Plus vengono dalla loro stessa pagina.

Nel momento in cui il modello vive fuori dal corso, il corso smette di vedere il tuo lavoro. Non sa che prompt hai scritto, cosa è tornato indietro, né perché è tornato male. Il debug non si insegna alla cieca. Quindi il corso insegna la formula: l'unica parte che sta su una slide.

Ed è da qui che nasce una lamentela che sembra parlare d'altro:

«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).

«I can do that» non è un verdetto su un relatore scarso. È la constatazione che su una slide ci sta solo la formula. Il debug non ci sta, perché è fatto di una risposta viva che nessuno può prevedere prima.

Fare debug è diagnosticare, non riscrivere

La mossa del principiante è questa: la risposta è brutta → seleziona tutto il prompt → riscrivilo, più lungo e più bello. Ogni tanto funziona. Perché abbia funzionato non lo saprai mai, e la volta dopo riparti da zero.

L'approccio ingegneristico è un altro e ha quattro passi.

1. Sintomo. Di' cosa non va con parole verificabili. Non «brutto», ma: si è inventato un fatto; ha ignorato il formato; troppo generico; mi ha ripetuto il mio stesso input; ha risposto a un'altra domanda; è crollato su un testo lungo. Finché il sintomo non ha un nome, non c'è niente da curare.
2. Diagnosi. Ogni sintomo ha una causa tipica. È un'ipotesi, non una sentenza, ma ti dice dove scavare per primo.
3. Una modifica. Cambia esattamente una cosa. Una.
4. Confronto. Rilancia e confronta con la risposta precedente secondo un tuo criterio. Non «mi piace di più», ma «è migliorata proprio nella cosa che stavo curando?».

Ripeti finché il sintomo non sparisce. Di solito sono due o tre giri, non venti.

La regola del cacciavite unico

Il passo più sottovalutato è il terzo. Cambia una cosa per volta.

Cambi cinque cose, la risposta migliora e non sai quale abbia funzionato. Peggio: forse quattro modifiche erano neutre, una era dannosa e la quinta l'ha coperta. Ti porti l'intero pacchetto nel prompt successivo, riga dannosa inclusa, e un mese dopo ti ritrovi un muro di testo di due pagine dove metà delle righe lavora contro di te.

Non l'abbiamo inventata noi. È la regola base di qualsiasi debug — la stessa del cambiare una variabile per volta in un esperimento. Solo che con il testo la tentazione di girare tutte le manopole insieme è molto più forte, perché una modifica costa un secondo.

Un'obiezione contro noi stessi. La regola ha un prezzo. Una modifica per giro è lenta, e su un lavoro vero taglierai le curve. Il compromesso onesto: la regola del cacciavite unico è obbligatoria finché stai ancora cercando la malattia. Quando la diagnosi è chiara e stai solo rifinendo, cambia pure a pacchetti: il rischio ormai è basso.

Seconda sincerità: i modelli non sono deterministici. Una singola esecuzione è un campione di dimensione uno. La risposta è migliorata dopo la tua modifica? Forse la modifica non c'entra niente e ti è andata bene. Per questo un confronto merita almeno tre input diversi, non uno solo, il tuo preferito.

L'ordine delle ipotesi: contesto → compito → formato → ruolo

Una volta che il sintomo ha un nome, resta da capire quale manopola toccare. Abbiamo un ordine e non è arbitrario: prima la causa più frequente, per ultima la più rara; prima l'errore più costoso, per ultimo il più economico.

1. Contesto per primo. La stragrande maggioranza delle risposte brutte sono risposte a una domanda senza fatti dentro. Il modello non conosce il tuo prodotto, il tuo pubblico, i tuoi vincoli, i tuoi numeri, i tuoi nomi, le tue decisioni passate. Riempie il vuoto con riempitivo medio, perché il riempitivo medio è la risposta corretta a una domanda senza contesto. Se il risultato è annacquato, generico, buono per chiunque, il colpevole è quasi sempre il contesto, e nessun gioco di ruolo lo cura.
2. Compito per secondo. Controlla di chiedere un'azione e non tre, e che il verbo sia verificabile. «Analizza» non è un verbo: sotto ci sta qualunque cosa. «Elenca cinque rischi, una riga ciascuno» lo è. Se il modello risponde a un'altra domanda, o risponde a metà della tua, la colpa è del compito.
3. Formato per terzo. Costa poco aggiustarlo e il risultato si vede subito. Se la sostanza è giusta e la forma no, correggi il formato e non toccare altro. La mossa che funziona: incolla un campione dell'output che vuoi, due o tre righe. Un campione batte una descrizione ogni volta.
4. Ruolo per ultimo. Il ruolo muove soprattutto tono e vocabolario. «Sei un marketer esperto» non aggiunge un solo fatto sul tuo mercato: è la riga che tutti scrivono per prima e che non decide quasi niente. Metti mano al ruolo quando tutto il resto è a posto e semplicemente non ti piace la voce.

Perché proprio quest'ordine? Perché segue quanta informazione stai aggiungendo. Il contesto aggiunge fatti: il massimo. Il compito aggiunge precisione dell'obiettivo. Il formato aggiunge forma. Il ruolo aggiunge stile. Quasi tutti fanno il contrario: si struggono sul ruolo e poi si sentono traditi dal riempitivo.

La tabella: sintomo → diagnosi → una modifica

• Annacquato, generico, va bene per chiunque. Diagnosi: manca il contesto. Modifica: incolla cinque fatti concreti — chi legge, cos'è il prodotto, qual è il vincolo, un numero, un esempio. Non cambiare altro.
• Si è inventato un fatto, un link, una citazione. Diagnosi: hai chiesto qualcosa che il modello non ha. Modifica: o metti i dati nel prompt, o gli permetti esplicitamente di dire «non lo so». La riga «se non hai il dato, dillo: non inventare» costa poco e prende molto. Ne parliamo in perché nascono le allucinazioni dell'IA.
• Ha ignorato il formato. Diagnosi: il requisito di formato è annegato a metà, oppure va in conflitto con la lunghezza che hai chiesto. Modifica: tira fuori il formato in un blocco a parte alla fine e mostra un campione di output.
• Ha risposto a un'altra domanda. Diagnosi: due azioni in un compito e il modello ne ha scelta una. Modifica: lascia un verbo solo. La seconda azione diventa un secondo prompt.
• Mi ha ripetuto il mio input. Diagnosi: manca il verbo di trasformazione. «Ecco il testo, dacci un'occhiata» non è un compito. Modifica: di' cosa fare del testo — accorciare, ristrutturare, trovare contraddizioni.
• Tono sbagliato, «questa non è la mia voce». Diagnosi: hai descritto uno stile invece di mostrarlo. Modifica: incolla un tuo paragrafo e chiedi di avvicinarsi. «Scrivi con un tono amichevole ma professionale» non fa niente; un campione sì.
• È crollato su un testo lungo. Diagnosi: l'istruzione si è persa dentro i dati. Modifica: separa con dei marcatori (---TESTO--- / ---COMPITO---) e ripeti il compito dopo il testo, non solo prima.
• Troppo lungo, preamboli infiniti. Diagnosi: non l'hai mai vietato. Modifica: una riga — «Niente preambolo, niente conclusioni. Solo l'elenco».

Nota bene: in sei casi su otto la riparazione non è «riscrivi il prompt», ma aggiungi o sposta una cosa.

Verifica da solo: un prompt brutto, una modifica, la differenza

Adesso la parte che una piattaforma video fisicamente non può offrire. Ogni blocco qui sotto ha un pulsante «Esegui»: premilo proprio qui e guarda arrivare una risposta viva. L'ordine conta: lanciali in sequenza e confronta.

Passo 1. Lancia un prompt volutamente brutto

È un prompt vero, scritto «secondo la formula»: c'è il ruolo, c'è il compito, c'è la cortesia. Lancialo e guarda cosa torna. È probabile che ti esca un testo che andrebbe bene a qualsiasi azienda del pianeta.

Sei un marketer esperto. Scrivi una mail ai nostri clienti sul lancio del nostro nuovo prodotto. Fai in modo che il testo sia professionale, moderno e accattivante.

Cosa guardare. C'è una sola affermazione in quella risposta che non potresti spostare pari pari nella mail di un'altra azienda? Di solito no. Sintomo nominato: riempitivo. Diagnosi, secondo il nostro ordine: contesto.

Passo 2. Una modifica: solo il contesto

Stesso compito, stesso tono, stesso ruolo. Cambiamo esattamente una cosa: aggiungiamo fatti. Ruolo intatto, formato intatto, per vedere onestamente cosa porta il contesto da solo.

Sei un marketer esperto. Scrivi una mail ai nostri clienti sul lancio del nostro nuovo prodotto.
Fai in modo che il testo sia professionale, moderno e accattivante.

CONTESTO:
- Prodotto: un pianificatore di turni per bar con 3-15 dipendenti.
- Lettori: titolari di bar che da sei mesi usano la nostra app di gestione
  del magazzino. Si fidano di noi, ma non stavano cercando un pulsante nuovo.
- Cosa c'è di nuovo: i turni ora si costruiscono in automatico, tenendo conto
  delle richieste di riposo del personale. Prima il titolare montava il
  calendario in un foglio di calcolo.
- Limite dichiarato: solo una sede, le catene non le supportiamo ancora.
- Prezzo: incluso nel piano attuale, nessun sovrapprezzo.
- Cosa deve fare il lettore: attivare la sezione «Turni» nel proprio account.

Cosa guardare. La risposta è diventata concreta e con ogni probabilità è ancora lunga e si apre ancora con un preambolo. È normale: abbiamo curato solo il contesto. Nota che «professionale, moderno e accattivante» è sopravvissuto intatto, come requisito non verificabile, e non ha combinato niente.

Passo 3. Un'altra modifica: compito e formato

Adesso aggiustiamo lunghezza e forma. Il ruolo lo togliamo del tutto, per testare l'ipotesi che non porti nulla. E sostituiamo «accattivante» con qualcosa di verificabile.

Scrivi una mail ai clienti per annunciare una nuova funzione.

CONTESTO:
- Prodotto: un pianificatore di turni per bar con 3-15 dipendenti.
- Lettori: titolari di bar che da sei mesi usano la nostra app di gestione
  del magazzino. Si fidano di noi, ma non stavano cercando un pulsante nuovo.
- Cosa c'è di nuovo: i turni si costruiscono in automatico, tenendo conto delle
  richieste di riposo del personale. Prima il titolare montava il calendario in
  un foglio di calcolo.
- Limite dichiarato: solo una sede, le catene non le supportiamo ancora.
- Prezzo: incluso nel piano attuale, nessun sovrapprezzo.
- Azione del lettore: attivare la sezione «Turni» nel proprio account.

FORMATO:
- Oggetto: massimo 45 caratteri. Parole vietate: rivoluzionario, unico, innovativo.
- Corpo: massimo 120 parole.
- Struttura: prima riga - cosa è cambiato; seconda - cosa fa risparmiare;
  poi il limite detto senza giri di parole; una sola azione alla fine.
- Niente preambolo, niente «siamo lieti di annunciare», niente paragrafo di commiato.

Poi, su una riga a parte: tre motivi per cui questa mail potrebbe non essere aperta o finire cestinata.

Cosa guardare. Confronta le tre risposte. Hai appena fatto una sessione di debug come si deve: sintomo nominato, ipotesi formulata, una modifica fatta, risultati confrontati. E intanto hai montato un piccolo esperimento sul ruolo: confronta la voce della seconda e della terza risposta e decidi tu se «sei un marketer esperto» si è guadagnato il posto che gli riserva ogni corso.

Passo 4. L'esercizio di diagnosi

La competenza più difficile è dare un nome al sintomo nel lavoro di un altro. Qui il modello si inventa un caso per te e giudica la tua diagnosi senza sconti. Non ci sarà nessun «100% correct» automatico.

Interrogami sulla diagnosi dei prompt. Regole:

- Mi dai UN caso: il compito, il prompt per intero e la brutta risposta del
  modello. Il caso inventalo tu: realistico, da lavoro d'ufficio. Anche la
  brutta risposta scrivila tu - esattamente brutta come sarebbe nella realtà.
- Io nomino il sintomo con un termine e dico cosa cambierei per PRIMO.
- Tu giudichi senza sconti: se il sintomo è giusto, se l'ipotesi è giusta,
  quale ipotesi sarebbe stata più forte della mia e perché.
  Se propongo di cambiare più cose insieme, segnalalo a parte.
- Non darmi ragione per cortesia. Se sbaglio, dimmelo chiaro.
- Poi il caso successivo, più difficile. Cinque casi in tutto.

Comincia dal primo caso. Non spiegare la teoria prima.

Cosa un prompt non può aggiustare

Metà del debug consiste nel capire presto che il problema non è il prompt. Altrimenti lucidi frasi in uno strato dove non è rotto niente.

• Mancano i dati. Nessuna formulazione tira fuori un fatto che al modello non è mai stato dato. Se ti servono i numeri del tuo foglio di calcolo, incollali; non implorarli.
• Il compito non si risolve col testo. «Calcola esatto», «controlla sul sito aggiornato», «garantisci»: non è questione di formulazione, è questione di strumenti. Qui entri nel territorio degli agenti IA.
• Manca la definizione di «buono». Se non sai dire perché la risposta A batte la B, non stai facendo debug: stai mescolando varianti finché non ti stanchi. Il criterio è la parte del prompt che vive nella tua testa, e va scritta anche quella.
• Modello sbagliato. Lo stesso compito si comporta in modo diverso da un modello all'altro — vedi il nostro confronto fra ChatGPT, Claude e Gemini. Prima di ritoccare un prompt venti volte, prova lo stesso prompt su un altro modello: è una modifica, non venti.

Un registro delle versioni: noioso e decisivo

Apri un file. Tre colonne: cosa diceva il prompt, cosa hai cambiato, cos'è successo alla risposta. Una riga per ogni giro di debug.

Suona burocratico. È l'unica cosa che trasforma le tue esecuzioni in conoscenza. Un mese dopo aprirai quel file e vedrai che «campione di output invece della descrizione del formato» ha funzionato undici volte su dodici, mentre «sei un esperto di livello mondiale» ha fatto zero. È la tua statistica personale, e vale più di qualsiasi lista di 500 prompt pronti. I nostri esempi di prompt prendili come materia prima; il registro è ciò che trasforma la materia prima nel tuo strumento.

Effetto collaterale: in un mese hai un portfolio. Non un certificato che hanno altre 698.444 persone, ma una dozzina di casi sezionati con il prima e il dopo. A un colloquio sono due categorie di peso diverse.

Come mettere alla prova un corso, incluso il nostro

Il nostro esame si riduce a quattro domande. Falle a qualsiasi formazione.

1. Dove eseguirò il prompt? Se la risposta è «in un'altra scheda, con un abbonamento a parte», il corso non vede mai il tuo lavoro e non può sezionarlo. Vedi Vanderbilt e il suo obbligo di ChatGPT+.
2. Chi valuta il mio prompt? Un correttore automatico a parole chiave ti servirà un «100% correct» e zero informazioni. È esattamente il caso di Shinysheep.
3. C'è una lezione in cui un prompt fallisce? Apri il programma e cercala. Se non c'è, il corso parla di una formula.
4. Quando è stato davvero aggiornato il contenuto? Non dalla data sulla scheda, ma dalle recensioni dell'ultimo mese.

Note oneste 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; per Prompt and Context Engineering 101 (il voto peggiore del nostro campione, 4.31) è del ≥4,00%. Su Coursera è dell'1,5–3,5%. Vuol dire che la stragrande maggioranza degli studenti è soddisfatta, e noi abbiamo letto la minoranza di proposito. Non per dimostrare che i corsi sono brutti: uno studente contento scrive «gran bel corso», mentre uno scontento nomina la lezione esatta che mancava. Seconda riserva: il filtro per stelle di Coursera gira nel browser, perciò le citazioni a cui siamo arrivati vengono dalla pagina di default che vede qualsiasi visitatore. Non le abbiamo pescate dal fondo di un filtro a 1★, ma non possiamo nemmeno sostenere di aver visto tutte le recensioni.

E una riserva su di noi. La nostra sandbox ha un tetto giornaliero rigido di esecuzioni. Il che vuol dire che il metodo qui sopra conta più del pulsante. Il pulsante ti fa vedere la differenza; il metodo ti fa aggiustare i prompt dove il pulsante non c'è: nella chat del tuo lavoro.

In conclusione

La formula del prompt è ciò che sta su una slide, ed è per questo che la vendono a milioni di persone. Il debug su una slide non ci sta, non si può verificare senza un modello vivo dentro la lezione, e per questo non lo vende quasi nessuno — mentre gli studenti lo chiedono alla lettera, recensione dopo recensione. Il buco nel mercato sta esattamente lì, ed è anche la via più rapida per diventare più bravo della maggior parte di chi ha un certificato.

Ricorda i quattro passi: sintomo → diagnosi → una modifica → confronto. E l'ordine delle ipotesi: contesto, compito, formato, ruolo. Parti dalle basi con cos'è un prompt; guarda in cosa si è trasformato il mercato di questa «professione» in prompt engineer: quanto si guadagna e se esiste ancora; impara a beccare il modello mentre inventa in allucinazioni dell'IA. E se lo vuoi in modo sistematico, con i fallimenti sezionati apposta, c'è il nostro corso di prompt engineering.