In questo episodio Marco e Stefania introducono il ruolo cruciale del Prompt Engineering nell'interazione con l'IA, raccontando esempi pratici dal settore dell'hospitality. Scopri come scrivere prompt efficaci può trasformare la gestione e l'esperienza turistica digitale.
Questo episodio è prodotto dall' Università del Salento con il supporto di tecnologie di Intelligenza Artificiale. Le voci presenti sono sintetiche e/o clonate artificialmente, così come i dialoghi e parte della realizzazione sonora del podcast.
Tutti i contenuti sono sottoposti a supervisione e verifica umana continua, al fine di garantire accuratezza, affidabilità e qualità delle informazioni condivise.
00:00:15
In questo episodio del podcast dedicato al Master di Primo Livello in Turismo
00:00:19
Digitale e Hospitality Management si parlerà di Prompt Engineering!
00:00:24
Io sono Marco, e qui con me c'è Stefania-oggi si parla di una parola che sta
00:00:29
diventando la vera chiave magica per lavorare con l'intelligenza artificiale: il
00:00:34
prompt.
00:00:35
Sì, proprio quel pezzetto di testo che scrivete per far fare qualcosa all'IA.
00:00:40
Spesso sembra una banalità, ma scrivere un prompt efficace è quasi un'arte.
00:00:45
Quando lavoravo in radio, dovevo inventarmi domande super precise,
00:00:49
altrimenti dagli ospiti venivano fuori risposte... eh, diciamo,
00:00:53
vaghe!
00:00:54
Col tempo ho capito che vale lo stesso con le IA: se la domanda è generica,
00:00:59
la risposta è tutta fumo e niente arrosto.
00:01:03
Assolutamente, Marco.
00:01:05
E pensa che il Prompt Engineering non è soltanto una buzzword: è una disciplina
00:01:10
recente, trasversale e soprattutto fondamentale per chi lavora nel turismo digitale.
00:01:16
Non riguarda solo sviluppatori o informatici: chiunque oggi voglia migliorare
00:01:21
l'efficacia delle proprie interazioni con chatbot, assistenti virtuali o piattaforme
00:01:26
di booking deve imparare a costruire prompt precisi e contestualizzati.
00:01:32
In un settore come il nostro, dove le esigenze del cliente cambiano di continuo,
00:01:37
questa competenza diventa un vero vantaggio competitivo.
00:01:40
Ok, adesso facciamo un piccolo tuffo tecnico, veloce ma essenziale: i token.
00:01:46
I token sono le unità minime di testo che i modelli linguistici riescono a leggere.
00:01:51
Non corrispondono sempre a una parola: a volte basta una punteggiatura,
00:01:55
una particella... Immaginate dei mattoncini Lego col quale l'IA costruisce le sue
00:02:00
risposte.
00:02:01
E c'è un limite a quanti potete incassare in un prompt!
00:02:04
Ad esempio, GPT-3.5 Turbo supporta fino a 4 token, mentre GPT-4
00:02:11
arriva anche oltre i 32.
00:02:14
Se sfori, taglia.
00:02:15
Quindi, se il messaggio è troppo lungo ci si rimette sempre in sintesi,
00:02:20
e spesso non ci si accorge che la cronologia di una conversazione si "dimentica"
00:02:25
pezzi preziosi.
00:02:26
Raccolgo la palla: questa è una delle grandi sfide nell'hospitality,
00:02:31
per esempio con chat di assistenza clienti su siti di hotel.
00:02:36
Se una domanda è troppo articolata, magari il chatbot taglia a caso per rientrare
00:02:41
nel limite dei token e il cliente riceve una risposta poco chiara.
00:02:45
Per questo è fondamentale imparare a sintetizzare, soprattutto per richieste via app
00:02:50
o device mobili, dove la brevità premia e consente alle IA di lavorare meglio e
00:02:56
restituire informazioni gestibili e pertinenti.
00:03:00
Arriviamo al succo per chi si diverte a smanettare con i parametri dell'IA:
00:03:05
temperatura, Top P e Top K.
00:03:08
Sono le manopole della creatività della macchina.
00:03:11
Temperatura zero?
00:03:13
Risposta sempre uguale, super prudente.
00:03:15
Temperatura alta?
00:03:17
L'IA inizia a "pensare fuori dagli schemi"-a volte troppo, eh!
00:03:21
Poi c'è Top P, che fa scegliere al modello solo tra i token più probabili che
00:03:26
coprono una certa soglia di probabilità-con Top P alto, si va più sul creativo;
00:03:32
basso, risposte standard.
00:03:35
E Top K invece limita proprio il numero dei token "papabili" per la risposta.
00:03:40
E la differenza la si sente, eccome!
00:03:43
Una volta ho fatto una simulazione per la descrizione di una destinazione turistica
00:03:48
con una temperatura bassa, risultato: una versione scolastica,
00:03:52
istituzionale, quasi noiosa.
00:03:55
Alzando la temperatura, l'IA ha infilato dettagli inaspettati-dalla storia locale a
00:04:01
leggende folkloristiche-che hanno reso la descrizione coinvolgente e quasi "viva".
00:04:08
La scelta di questi parametri va calibrata sul servizio che vogliamo proporre:
00:04:12
meglio conservativi per informazioni tecniche o creative per storytelling e
00:04:17
promozioni.
00:04:19
Ecco, però qui arriva uno degli "inganni" peggiori dell'IA: le allucinazioni.
00:04:25
L'IA può confezionare testi bellissimi, coerenti, ma del tutto inventati-eventi,
00:04:31
dati, storie che non esistono.
00:04:33
Una volta ho provato a generare uno script turistico per una città e mi sono
00:04:38
ritrovato con un festival del cioccolato medievale che... non è mai esistito!
00:04:43
Cose così, insomma.
00:04:45
Perciò, mai fidarsi ciecamente: serve sempre una verifica umana e un controllo sulle
00:04:51
informazioni.
00:04:52
Sì, perché la responsabilità ricade sempre su chi utilizza l'output dell'IA.
00:04:58
I modelli non hanno un sistema interno di fact checking affidabile.
00:05:03
Vanno benissimo per ispirare, meno per generare contenuti che richiedono precisione
00:05:08
assoluta.
00:05:10
In turismo digitale, una svista può costare recensioni negative o anche peggio:
00:05:15
perdita di fiducia nel servizio.
00:05:18
Ora, veniamo al mio strumento preferito per scrivere prompt chiari: CO-STAR.
00:05:23
C sta per Contesto, O per Obiettivo, S per Stile, T per Tono,
00:05:28
A per Audience, R per Risposta attesa.
00:05:31
Questi sei elementi vi aiutano a non lasciare nulla al caso,
00:05:35
incanalando l'IA verso la risposta che cercate.
00:05:38
Facciamo una simulazione dal vivo, così ci capiamo subito.
00:05:42
Immaginiamo un hotel di lusso che vuole un testo promozionale per ospiti
00:05:45
internazionali.
00:05:46
Contesto: hotel 5 stelle a Firenze.
00:05:50
Obiettivo: promuovere la nuova spa.
00:05:53
Stile: elegante, raffinato.
00:05:56
Tono: ispirazionale.
00:05:58
Audience: viaggiatori luxury stranieri.
00:06:01
Risposta attesa: testo breve, massimo 100 parole.
00:06:05
Già solo strutturando così il prompt si ottiene un output mirato,
00:06:10
equilibrato e pertinente.
00:06:12
A questo punto, i prompt non sono tutti uguali.
00:06:15
Nel turismo digitale gli LLM sono usati per una miriade di task: dalla riscrittura
00:06:21
testi per brochure, alla risposta automatica alle recensioni,
00:06:25
dall'estrazione dei trend nei sondaggi ospiti fino alla sintesi di lunghe email.
00:06:30
Una volta mi hanno chiesto proprio di estrapolare i principali trend da una massa di
00:06:35
feedback ospiti-lì un buon prompt fa la differenza fra report utili e confusione
00:06:40
totale.
00:06:41
Infatti, imparare a scrivere prompt specifici per ogni task permette non solo di
00:06:47
risparmiare tempo, ma anche di migliorare la qualità delle risposte-ad esempio,
00:06:52
se vuoi generare un contenuto promozionale sarà diverso dal chiedere una sintesi o
00:06:57
un clustering dei dati.
00:06:59
Ogni attività ha i suoi accorgimenti!
00:07:02
Qua si entra nel tecnico-ma è la parte che piace a chi ama sperimentare: zero-shot,
00:07:08
few-shot, chain-of-thought... Partiamo da zero-shot, ovvero chiedere qualcosa all'IA
00:07:14
senza darle alcun esempio.
00:07:16
In alcuni casi se la cava lo stesso, tipo nel classificare "al volo" il sentiment di
00:07:21
una recensione.
00:07:22
Facciamo un esempio così: "Classifica questa recensione come positiva,
00:07:27
negativa o neutra"-ma senza dare esempi.
00:07:31
L'IA ci prova lo stesso.
00:07:32
Se invece usiamo chain-of-thought, chiediamo all'IA di ragionare "passo a passo".
00:07:38
Marco, credi che aiuti nel customer care?
00:07:41
Eccome se aiuta!
00:07:42
Tipo: "Un cliente lamenta pulizia e rumore in camera, quali step proponi per gestire
00:07:48
il reclamo?"
00:07:50
L'IA elenca le azioni una dopo l'altra: verifica interna, offerta di compensazione,
00:07:56
follow-up... Questo tipo di ragionamento è oro per casi complessi nel turismo.
00:08:01
Se Chain-of-Thought lavora in sequenza, Prompt Chaining spezza i task complessi in
00:08:06
sottotask.
00:08:08
Ad esempio: prima identifico i touchpoint del customer journey,
00:08:12
poi per ognuno scrivo micro prompt specifici.
00:08:16
Recentemente l'ho fatto nel redesign del viaggio cliente-risultato?
00:08:21
Più soddisfazione e meno errori, perché ogni fase era studiata e ottimizzata
00:08:26
separatamente.
00:08:28
Poi c'è il Tree of Thoughts, che stravolge tutto creando una vera e propria "mappa"
00:08:33
di possibili soluzioni, valutando quella migliore.
00:08:36
Questa struttura ad albero è ideale se devo pianificare un itinerario turistico su
00:08:42
misura, ad esempio per un gruppo con esigenze molto diverse tra loro.
00:08:47
Per task a conoscenza intensiva, l'integrazione tra IA e fonti esterne diventa
00:08:53
fondamentale.
00:08:54
Retrieval Augmented Generation, o RAG, recupera dati da database
00:09:00
aggiornati-diciamo Wikipedia o archivi turistici-e li integra nell'output.
00:09:07
E poi c'è ReAct, che alterna ragionamento logico e chiamate a strumenti esterni: ad
00:09:13
esempio l'IA trova dati su disponibilità hotel da una API mentre ragiona su quale
00:09:18
offerta proporre a un cliente.
00:09:20
Sul versante immagini, la multimodalità-tipo Multimodal CoT-permette di fondere
00:09:27
testo e foto nelle risposte: io credo che questa roba abbia un futuro enorme nella
00:09:32
comunicazione digitale delle destinazioni.
00:09:35
Ok, hai scritto un prompt.
00:09:37
Ma come capisci se funziona davvero?
00:09:39
Esistono metriche: rilevanza, accuratezza, coerenza, efficienza,
00:09:44
leggibilità, soddisfazione utente.
00:09:47
Nel turismo, la soddisfazione del cliente finale è spesso il punto cruciale.
00:09:52
Anche il metodo "LLM-as-a-judge" aiuta: invece di valutare da soli,
00:09:57
si fanno test oggettivi dove è la stessa IA ad assegnare un punteggio ai prompt
00:10:03
basandosi su criteri precisi.
00:10:05
Nel mio caso, il feedback reale degli utenti ha portato a prompt più chiari e
00:10:10
incisivi nei servizi di concierge digitale.
00:10:13
Più test, più miglioramento!
00:10:16
Le metriche come coerenza e rilevanza non sono solo buone a posteriori,
00:10:21
ma possono guidare anche l'ottimizzazione dei prompt.
00:10:25
Il sistema "LLM-as-a-judge" analizza se il prompt è chiaro e se la risposta è
00:10:31
calibrata, suggerendo correzioni.
00:10:34
In pratica, possiamo raffinare i prompt in modo iterativo, facendo tesoro dei
00:10:39
feedback e delle metriche raccolte nel tempo per risposte sempre più pertinenti.
00:10:45
Arriva la parte "spinosa": l'etica.
00:10:48
Non basta saper scrivere prompt potenti, bisogna assicurarsi che non producano
00:10:53
output discriminatori, falsi o che violino la privacy.
00:10:57
Nei prompt critici va inserita sempre una richiesta di verifica e bisogna monitorare
00:11:02
ogni contenuto generato, specie se lo usiamo per comunicazioni ufficiali.
00:11:07
Esatto.
00:11:08
È fondamentale definire linee guida chiare-quali contenuti sono accettabili,
00:11:13
quali invece vengono bloccati, come vengono gestiti i dati personali.
00:11:18
Solo così il Prompt Engineering rimane una disciplina affidabile e responsabile,
00:11:24
anche per le aziende turistiche.
00:11:26
Qualche trucco?
00:11:27
Prima cosa: chiarire sempre contesto e obiettivo.
00:11:31
Se il prompt è ambiguo, la risposta sarà, inevitabilmente, scarsa.
00:11:35
La struttura CO-STAR è il vostro faro, e non bisogna avere paura di testare e
00:11:40
correggere: prendi feedback, aggiusta le richieste e misura il risultato.
00:11:45
Solo così ti evolvi.
00:11:47
Testare, aggiustare e... ascoltare.
00:11:51
L'aggiornamento è continuo perché i modelli cambiano e il settore evolve.
00:11:56
Meglio una revisione costante che trovarsi con risposte obsolete o fuori target.
00:12:02
L'ottimizzazione è un processo mai finito.
00:12:06
Nel turismo digitale vale doppio: abitudini dei clienti, trend,
00:12:10
mercati, cambiano velocemente.
00:12:12
Le metriche ti indicano dove intervenire, il feedback ti dice come.
00:12:17
E poi il metodo "LLM-as-a-judge" e i test A/B aiutano a validare qual è la versione
00:12:24
più efficace di un prompt prima di metterla live.
00:12:27
E bisogna sempre adattarsi: non esiste il prompt perfetto per sempre.
00:12:32
Serve rinfrescare spesso le richieste basandosi su quello che succede realmente,
00:12:36
con dati e riscontri aggiornati dal campo.
00:12:39
So che ne abbiamo parlato un attimo fa, ma torno lì: l'attenzione all'etica non va
00:12:43
mai abbassata.
00:12:45
Vero che l'IA può sorprendere, ma è altrettanto vero che, se mal guidata,
00:12:49
può generare problemi seri: bias, contenuti inappropriati o non conformi alle
00:12:54
normative.
00:12:55
Serve una cultura della verifica, filtri automatici e attenzione alle policy sulla
00:13:00
privacy.
00:13:02
Già: ogni organizzazione dovrebbe avere le sue best practice ben chiare,
00:13:07
e chi crea prompt deve essere formato e aggiornato anche sugli aspetti normativi.
00:13:12
Non è un dettaglio, soprattutto pensando alla gestione dati sensibili e rispetto dei
00:13:17
limiti etici nell'uso dell'AI.
00:13:20
Parlando di implementare tutto questo in azienda: serve un sistema per monitorare
00:13:25
come vanno i prompt nelle interazioni reali.
00:13:28
Ad esempio, raccogliere il feedback sui risultati attraverso metriche di rilevanza,
00:13:33
coerenza e soddisfazione utente.
00:13:36
Gli aggiornamenti ai prompt dovrebbero essere regolari, e i test A/B aiutano a
00:13:40
capire se una nuova versione effettivamente migliora la customer experience.
00:13:46
E le applicazioni avanzate vanno alla grande proprio nel turismo: puoi fare Prompt
00:13:51
Chaining o Tree of Thoughts per costruire itinerari davvero personalizzati,
00:13:56
o integrare la ricerca di eventi last minute direttamente dentro l'interazione,
00:14:01
combinando Retrieval Augmented Generation e ReAct.
00:14:04
Fare simulazioni di prompt complessi è utilissimo per testare in modo pratico
00:14:09
l'efficacia delle risposte che verranno poi offerte agli utenti reali Quello che sta
00:14:14
davvero cambiando la partita è l'integrazione di tutte queste tecniche: Prompt
00:14:19
Chaining, Tree of Thoughts e Retrieval Augmented Generation possono lavorare insieme
00:14:25
per costruire flussi multi-step, sviluppare offerte su misura,
00:14:29
aggiornare itinerari e servizi in tempo reale.
00:14:32
Testare questi approcci su casi reali permette di ottimizzare in modo continuo,
00:14:37
creando soluzioni di turismo digitale dinamiche e sempre un passo avanti rispetto
00:14:42
alle aspettative dei clienti.
00:14:44
Esatto, Stefania.
00:14:46
Si va sempre più verso uno scenario dove la qualità del servizio dipende dalla
00:14:50
capacità di orchestrare prompt, modelli e fonti dati, mantenendo flessibilità e
00:14:55
personalizzazione.
00:14:57
E noi ci fermiamo qui per oggi!
00:14:59
Una chiusura perfetta.
00:15:01
È stato un piacere come sempre, Marco.
00:15:03
Grazie a tutti per l'ascolto e restate sintonizzati: nei prossimi episodi entreremo
00:15:08
ancora più nel dettaglio di queste tecniche avanzate.
00:15:12
Ciao Marco, ciao a tutti!
00:15:14
Un saluto a te Stefania e a tutti gli ascoltatori.
00:15:17
Alla prossima puntata!

