Una dimostrazione del docente può riuscire senza insegnare al gruppo come riconoscere un errore. Quando i partecipanti tornano ai propri documenti, cambiano dati, obiettivi e vincoli. La formazione dovrebbe prepararli a questo passaggio, fornendo criteri che possano usare anche senza seguire lo stesso prompt parola per parola.
Nel mio percorso ho svolto oltre 500 ore di docenza, secondo il riepilogo del CV di settembre 2026, su AI e strumenti digitali. I programmi pubblicati nella sezione formazione distinguono destinatari, argomenti e attività. Quel dato documenta l’esperienza didattica; non è una misura automatica dei risultati ottenuti da ogni gruppo.
Scegliere un’attività che il team riconosce
Un buon punto di partenza è un lavoro frequente con un risultato circoscritto: ricavare una scheda da un documento, confrontare due versioni, preparare una bozza da informazioni già disponibili. La scelta dipende dalle responsabilità dei partecipanti e dagli strumenti che possono usare.
Per un gruppo amministrativo potrebbe essere utile estrarre alcuni campi da una richiesta dimostrativa. Per chi lavora su documentazione tecnica, collegare ogni affermazione al passaggio di origine. Per un team commerciale, preparare una bozza verificando destinatario e informazioni aggiornate.
Nella preparazione chiederei un esempio del lavoro e concorderei materiali condivisibili. L’esercizio può usare dati inventati o un campione opportunamente preparato: non è necessario portare in aula documenti riservati per spiegare una tecnica.
Definire il risultato prima del prompt
Se la consegna è “fai un riassunto”, ogni partecipante può ottenere un testo diverso senza sapere come valutarlo. Una consegna più utile specifica destinatario, scopo, informazioni da conservare e formato. Per esempio: preparare una scheda con problema, vincoli, dati mancanti e riferimenti al documento.
Il risultato atteso non deve essere un testo unico da copiare. Può essere un insieme di caratteristiche osservabili: nessun dato aggiunto, punti importanti presenti, incertezze segnalate e fonti raggiungibili. Questi criteri permettono di discutere output diversi senza ridurre il confronto al gusto personale.
| Elemento della prova | Esempio di scelta |
|---|---|
| Materiale | Una richiesta dimostrativa con un’informazione mancante |
| Destinatario | Il collega che deve decidere il prossimo passaggio |
| Output | Scheda breve con dati, vincoli e domanda da chiarire |
| Verifica | Confronto di ogni campo con la richiesta originale |
| Revisione | Correzione dei campi non sostenuti dal testo |
Far emergere un errore utile da discutere
Preparerei almeno un caso in cui il materiale non contiene la risposta. Per esempio, il documento indica chi approva una richiesta ma non entro quale termine. Il gruppo deve riconoscere che una scadenza aggiunta dall’AI non è sostenuta dalla fonte.
La discussione può poi riguardare la revisione della consegna, la forma della risposta e il controllo umano. L’obiettivo è imparare a leggere il risultato: individuare un limite, tornare al materiale e decidere come procedere. Il semplice fatto di ottenere un testo più fluido non dimostra che l’esercizio sia riuscito.
Questo tipo di attività si collega al lavoro sugli assistenti con fonti. Il meccanismo tecnico può essere diverso, ma il criterio didattico rimane comprensibile: chiedere su quale evidenza si basa un’affermazione.
Organizzare la sessione intorno a una prova completa
Una sequenza possibile comprende lettura del materiale, prima consegna, produzione dell’output, confronto con i criteri e revisione. I partecipanti possono lavorare sullo stesso campione per discutere le differenze, poi applicare il metodo a un secondo caso.
Il secondo caso è importante perché verifica il trasferimento dell’apprendimento. Se cambia una condizione, il gruppo sa adattare la richiesta e riconoscere il nuovo limite? Il docente può osservare dove servono altri esempi o un chiarimento sul processo.
La durata e il livello tecnico vanno adattati al gruppo. Un corso per utenti di strumenti generativi e un laboratorio su API o automazioni richiedono prerequisiti differenti. La pagina del programma dovrebbe dirlo prima dell’iscrizione o dell’avvio del percorso.
Un caso reale: formazione e strumenti per Studio Melillo
Per Studio Melillo ho preparato un percorso riproducibile di 90 minuti con 11 dispense, basato su attività dello studio. Il materiale distingue cinque responsabilità: estrarre, normalizzare, usare il calcolo verificato, redigere e controllare. Una delle dimostrazioni riguarda la preparazione di una scheda tecnica a partire da un tabulato: se manca la fonte numerica necessaria, il flusso deve fermarsi invece di inventare una dimensione.
Questo confine è didatticamente utile. Il partecipante vede quali passaggi può chiedere all’assistente e quali risultati devono provenire dallo strumento di calcolo previsto. Ho preparato anche un pilota di ricerca su 8 casi, come primo passo verso un archivio più ampio: il pilota non equivale all’indicizzazione completa di tutta la raccolta dello studio.
Sono materiali e strumenti documentati nel lavoro collegato a RestauroCalc. Non li presento come una misurazione dell’apprendimento a lungo termine dei partecipanti: per quella servono osservazioni successive e criteri concordati.
Una scheda di esercizio da usare con il team
Ecco una proposta autonoma di 60 minuti, adattabile a un gruppo che sa già usare lo strumento. Il materiale è una richiesta inventata con importo e referente, ma senza data di consegna. Il compito consiste nel produrre una scheda per il collega che deve prenderla in carico.
| Tempo | Attività | Risultato osservabile |
|---|---|---|
| 5 minuti | Leggere il materiale e lo scopo | Il gruppo riconosce dati presenti e assenti |
| 10 minuti | Definire campi e criteri | Scheda con fonte prevista per ciascun dato |
| 15 minuti | Produrre e controllare il primo output | Correzioni motivate sul testo originale |
| 10 minuti | Confrontare gli errori | Distinzione fra omissione, invenzione e ambiguità |
| 15 minuti | Applicare il metodo a un secondo caso | Adattamento a un referente cambiato e a una revisione |
| 5 minuti | Annotare la procedura riutilizzabile | Breve consegna e regole di controllo |
Nella soluzione attesa, la scadenza rimane «non indicata». Una data plausibile ma priva di fonte è un errore, anche se il testo suona professionale. Valuterei separatamente correttezza dei campi, qualità dei riferimenti e capacità di spiegare una correzione. Il tempo di esecuzione diventa informativo dopo aver controllato la qualità.
Perché provare anche un compito in cui l’AI sbaglia
Fabrizio Dell’Acqua, Ethan Mollick e coautori hanno studiato il lavoro di 758 consulenti BCG in un esperimento con GPT-4. Il paper, pubblicato nella versione finale nel 2026 e basato sull’esperimento del 2023, descrive vantaggi su alcuni compiti e peggioramenti su un compito oltre le capacità valutate. Navigating the Jagged Technological Frontier
È un motivo per progettare esercizi diversi e osservare gli errori, non per trasferire quelle percentuali a un corso o a un modello attuale. Nella mia proposta didattica il secondo caso cambia una condizione decisiva: chi ha capito il metodo deve riconoscere la differenza, anche se il prompt iniziale continua a produrre una risposta convincente.
Collegare formazione e integrazione aziendale
Quando l’azienda sta introducendo un nuovo sistema, gli esercizi possono partire dalle azioni che gli utenti svolgeranno davvero. Per una bozza commerciale: leggere il contesto, riconoscere dati superati, correggere e confermare. Per un assistente documentale: verificare il passaggio citato e gestire una risposta incompleta.
Il confronto in aula può anche far emergere problemi di interfaccia o di processo. Se tutti faticano a trovare una fonte, forse serve migliorare il collegamento nel software. Queste osservazioni sono utili per la progettazione, pur restando distinte da una valutazione formale dell’efficacia del corso.
Per questo collego consulenza e sviluppo AI alla formazione quando il progetto lo richiede. Chi usa l’integrazione deve capire quali decisioni gli competono e come riconoscere un risultato da correggere.
Che cosa preparare per progettare il percorso
Per un primo confronto servono ruoli dei partecipanti, attività che vuoi migliorare, strumenti disponibili e livello di esperienza. Possiamo poi scegliere un esercizio iniziale e concordare materiali, obiettivi e modalità, da remoto o in presenza secondo il progetto.
Propongo percorsi per realtà di Avellino e della Campania, oltre alla formazione da remoto. Nella sezione formazione trovi i percorsi; il modulo permette di chiedere una call conoscitiva anche senza avere già definito il programma.
Una lettura per approfondire
Ethan Mollick
“The single most useful thing you can do to understand AI is to use AI.”
Getting started with AI: Good enough prompting ↗
Nel suo articolo del 24 novembre 2024, Mollick invita a fare esperienza su attività significative. Nel percorso didattico traduco questo invito in esercizi con materiali, output e criteri di controllo espliciti; i suoi esempi di prodotti riflettono la data del testo.
Citazione breve in lingua originale. Fonte consultata il 24 settembre 2026.Fonti e contesto
Le letture sostengono i passaggi tecnici indicati. I fatti sul mio lavoro rimandano al caso del portfolio; i campioni inventati sono segnalati nel testo.
- Getting started with AI: Good enough promptingEthan Mollick
La citazione e la sua applicazione sono commentate nel riquadro precedente.
- Navigating the Jagged Technological FrontierFabrizio Dell’Acqua, Ethan Mollick e coautori · 2026
Esperimento del 2023 con 758 consulenti e GPT-4, nella versione finale del paper del 2026. Non misura l’efficacia dei corsi di Fernando.
Fonti ricontrollate il 24 settembre 2026. Per segnalare un errore o proporre un aggiornamento, scrivimi indicando il passaggio.
