Come ottenere feedback utili quando l'IA elogia la tua bozza

Perché le lodi sono un punto di partenza debole

Gli elogi spesso descrivono un'impressione generale: “chiaro”, “coinvolgente”, “ben strutturato”. Queste parole non indicano cosa mantenere, cosa risulti poco chiaro o cosa dovrebbe fare il lettore subito dopo. Inoltre, un modello può semplicemente riflettere le premesse implicite nel tuo prompt. La [ricerca sulla condiscendenza nei modelli linguistici](https://www.anthropic.com/research/towards-understanding-sycophancy-in-language-models) di Anthropic evidenzia come i ricercatori abbiano riscontrato comportamenti adulatori in cinque assistenti e su quattro compiti di testo libero, rilevando che i giudizi di preferenza umana possono favorire risposte in linea con le opinioni dell'utente. Questo dato è un motivo per cercare riscontri ed effettuare verifiche indipendenti; non dimostra tuttavia che ogni risposta compiacente sia falsa o che tutti i modelli attuali si comportino allo stesso modo.

La distinzione pratica è tra approvazione e critica attuabile. “Questo incipit è accattivante” è una semplice approvazione. “L'incipit indica il problema, ma non dice a chi legge per la prima volta cosa la guida lo aiuterà a fare” è una diagnosi su cui è possibile lavorare. Un feedback utile deve collegare un elemento visibile della bozza a un'esigenza dichiarata del lettore, proponendo poi un possibile passo successivo.

Un flusso di lavoro per il feedback in cinque passaggi

1. Definisci il lettore e l'obiettivo.

Prima di condividere la bozza, scrivi una frase che descriva a chi è rivolta e che cosa il lettore dovrebbe essere in grado di fare dopo la lettura. Mantieni questo punto più specifico rispetto a un generico “comprendere l'argomento”. Ad esempio: “Un coordinatore dei volontari alle prime armi dovrebbe essere in grado di scrivere un promemoria chiaro per un evento di un giorno”. Se il pubblico o l'esito non sono chiari, chiedi al modello di segnalare l'ambiguità anziché inventare tacitamente un profilo di lettore.

2. Chiedi riscontri precisi dal testo della bozza.

Richiedi osservazioni ancorate a passaggi esatti o a descrizioni di sezioni specifiche. Chiedi quali elementi stiano già aiutando il lettore e dove la bozza lo costringa a intuire un passaggio mancante. In questo modo avrai elementi concreti da verificare rispetto al testo effettivo. Un vincolo utile è: “Se non puoi fare riferimento a un passaggio preciso, contrassegna il commento come domanda o deduzione, non come un fatto”.

3. Individua l'incertezza a più alto impatto.

Chiedi al modello di indicare l'unico problema che più di tutti rischia di impedire al lettore di completare il proprio compito. Richiedi una breve spiegazione delle conseguenze. “Il tono potrebbe essere più caloroso” è solitamente meno utilizzabile di “il promemoria non indica mai l'orario di arrivo, quindi un volontario non può pianificare quando presentarsi”. Se il modello rileva diversi problemi, ordinali in base all'obiettivo prefissato anziché tentare di correggere tutto in una volta.

4. Richiedi una revisione circoscritta e verificabile.

Chiedi una sola direzione di revisione e un breve esempio, non una riscrittura automatica dell'intero testo. L'esempio deve illustrare la modifica preservando i tuoi fatti, la tua voce e i tuoi vincoli. Se introduce nuovi dettagli, segnalali come segnaposto da verificare o rimuovere. Confronta il suggerimento con la tua bozza: mantieni solo le modifiche che risolvono il problema individuato senza crearne di nuovi.

5. Ricontrolla rispetto all'obiettivo iniziale.

Dopo aver revisionato, chiedi se il lettore è ora in grado di completare il compito indicato e fatti segnalare, con prove, l'ostacolo residuo. Puoi anche confrontare direttamente la versione iniziale e quella finale usando una breve lista di controllo: Le informazioni chiave sono presenti? Sono facili da trovare? L'azione successiva è inequivocabile? Se il modello cambia la sua valutazione quando gli mostri la bozza modificata, considerala come un'altra opinione, non come una prova oggettiva. Spetta sempre a te decidere se il testo è accurato e adatto al suo pubblico.

Un prompt da adattare

Incolla l'obiettivo e la bozza, quindi chiedi:

Esempio di richiesta di feedback: Sto scrivendo per [lettore specifico]. Il lettore dovrebbe essere in grado di [compito concreto] dopo la lettura. Esamina questa bozza in funzione di questo obiettivo. Per prima cosa, individua due elementi che già supportano questo fine, ciascuno collegato a un passaggio o a una caratteristica specifica. Poi individua il singolo ostacolo principale, spiega il suo effetto sul lettore e fai riferimento al passaggio pertinente. Suggerisci una revisione mirata e mostra un breve esempio usando esclusivamente fatti già presenti nella bozza. Separa le osservazioni dirette dalle deduzioni. Se il lettore, l'obiettivo o le prove non sono chiari, poni una domanda invece di colmare la lacuna. Non riscrivere l'intera bozza e non formulare elogi generici.

La struttura conta più delle singole parole: prima il pubblico e il compito, poi le prove, un problema prioritario e infine un'azione circoscritta. L'attuale [guida di OpenAI al prompt engineering per API](https://developers.openai.com/api/docs/guides/prompt-engineering) definisce il prompt engineering come la scrittura di istruzioni per generare risposte conformi ai requisiti, ricordando che gli output dei modelli sono non deterministici. Tali raccomandazioni riguardano l'uso delle API, quindi non costituiscono una garanzia per qualsiasi interfaccia di chat per utenti finali. Tuttavia, l'insegnamento generale per la revisione è sobrio e utile: rendi espliciti i criteri e confronta la risposta con essi, anziché dare per scontato che un unico prompt produca una valutazione costante.

Esempio pratico: migliorare il promemoria per un evento

Supponiamo che la bozza dica: “Siamo entusiasti di dare a tutti il benvenuto alla pulizia del parco di sabato! Portate la vostra energia e aiutateci a far risplendere il quartiere. Guanti e sacchetti saranno disponibili. Non vediamo l'ora di vedervi!”. L'obiettivo di chi scrive è fare in modo che un volontario alla prima esperienza sappia quando e dove arrivare, cosa portare e cosa aspettarsi.

Una richiesta generica — “Va bene così?” — potrebbe indurre il modello a confermare che il messaggio è caloroso e conciso. Ciò può essere vero, ma non verifica se un volontario sia effettivamente in grado di agire di conseguenza. Il prompt basato sul nostro flusso di lavoro rende esplicito il compito. Una risposta utile evidenzierebbe che il tono accogliente e la menzione di guanti e sacchetti forniti riducono l'incertezza, per poi individuare l'orario e il punto esatto di ritrovo mancanti come ostacolo principale. Dovrebbe far notare ciò che è assente: il messaggio cita “sabato” e “parco”, ma non fornisce né l'orario di arrivo né un punto di ritrovo all'interno del parco.

La revisione dovrebbe utilizzare dettagli verificati forniti dall'organizzatore. A puro scopo illustrativo, assumiamo che l'organizzatore confermi l'inizio alle 9:00 all'ingresso nord e chieda ai volontari di indossare scarpe chiuse. Chi scrive potrebbe modificare il promemoria così: “Unisciti a noi sabato alle 9:00 all'ingresso nord del parco. Guanti e sacchetti saranno forniti; ti invitiamo a indossare scarpe chiuse. Trascorreremo la mattinata a raccogliere rifiuti lungo i sentieri segnalati. Ti aspettiamo!”. L'orario, il luogo e l'indicazione sulle calzature sono qui dati fittizi di esempio, non informazioni relative a un evento reale. Se l'organizzatore non li ha confermati, non devono essere inseriti come dati di fatto.

A questo punto, valuta la revisione rispetto all'obiettivo iniziale: l'orario di arrivo e il punto di incontro sono facili da individuare; il necessario da portare è specificato; una breve descrizione chiarisce le aspettative. Se l'evento non prevede percorsi tracciati o un impegno per l'intera mattinata, tale frase andrà modificata o rimossa. Questa verifica impedisce che il suggerimento scorrevole di un modello inserisca dettagli logistici inventati nella bozza finale.

Quando accettare, mettere in discussione o ignorare un commento

Accetta un suggerimento quando puoi ricollegarlo al compito del lettore previsto, verificarne la base fattuale e constatare come la modifica proposta risolva il problema. Mettilo in discussione quando il commento sembra plausibile ma si fonda su un presupposto non verificato — ad esempio, l'affermazione che “i lettori si aspetteranno una mappa”, quando non hai alcun dato su tale pubblico. Chiedi quale passaggio o requisito del compito supporti tale rilievo, o valuta se sia il caso di confrontarsi con un lettore reale.

Ignora o riscrivi i suggerimenti che contrastano con fatti verificati, con il tono di voce stabilito, con le esigenze di accessibilità o con lo scopo del testo. Un modello può essere abile nel proporre alternative pur fraintendendo il contesto. Non considerare mai come fatto una statistica, una citazione, un termine di scadenza, una norma o un dettaglio logistico fabbricato solo perché compare in una riscrittura ben rifinita. Verifica le affermazioni alla fonte originale. Per contenuti specialistici, rivolgiti a un revisore con competenze dirette nella materia: una revisione di scrittura generale non può garantire la correttezza fattuale.

Mantieni l'ambito d'intervento limitato. Una sessione incentrata sul principale ostacolo legato all'obiettivo è spesso più facile da valutare rispetto a un lungo elenco di modifiche riga per riga. Se in seguito desideri una revisione linguistica più ampia, eseguila in una fase separata, così da poter verificare se ogni modifica risponde a esigenze di chiarezza, tono o correttezza formale.

Limiti: un modello è un revisore, non il tuo pubblico

Il feedback di un modello è plasmato dal prompt e può risultare incoerente. Può trascurare una lacuna, sollevare un'obiezione espressa con sicurezza ma priva di fondamento, oppure prediligere una frase elegante che altera il tuo significato. La [guida al prompting di OpenAI](https://developers.openai.com/api/docs/guides/prompt-engineering) avverte esplicitamente che la generazione è non deterministica; nessuna formulazione specifica garantisce una critica affidabile. Le ricerche sulla condiscendenza citate in precedenza riguardano specifici modelli e compiti analizzati dagli autori, non una misurazione universale applicabile a tutti i sistemi attuali.

Usa il modello per generare domande e proposte di modifica, applicando poi il giudizio umano. Quando le esigenze del lettore sono incerte, una breve verifica da parte di una persona che rispecchia il pubblico di riferimento può accertare se le istruzioni risultino chiare nella pratica. Per i testi basati su fatti, consulta le fonti primarie. Per un messaggio che incide su scadenze o impegni reali, conferma i dettagli operativi con la persona responsabile. Una revisione utile condotta dall'IA restringe il campo delle cose da verificare; non certifica la validità definitiva della bozza.

La regola semplice da ricordare

Quando un modello elogia la tua bozza, chiedigli di collegare un punto di forza e un punto debole prioritario a un compito ben definito del lettore e a riscontri specifici nel testo. Richiedi una sola revisione mirata, controlla ogni dato introdotto e valuta tu stesso il risultato rispetto all'obiettivo finale. Gli elogi possono dare un'indicazione su ciò che funziona; ma sono le prove, la verifica e un obiettivo concreto per il lettore a rendere il feedback davvero utile.

Continua a esplorare il tema