Ma è vero che alle domande poste gentilmente i sistemi di AI forniscono risposte più accurate? La risposta può aiutare a migliorare la nostra consapevolezza sui meccanismi che regolano lo strumento. Molti utenti notano che, ponendo una domanda in tono cortese, i sistemi di AI generalista sembrano rispondere in modo più accurato e approfondito. È un’osservazione diffusa, ma non è perché l’AI “apprezzi” la gentilezza in senso umano. Il fenomeno ha spiegazioni tecniche, statistiche e pragmatiche — ovviamente e “fortunatamente” non psicologiche.
In sintesi le domande gentili tendono a essere formulate meglio e questo aiuta il modello a rispondere con maggiore precisione. Non è la cortesia in sé a fare la differenza, ma tutto ciò che la accompagna di solito nel nostro modo di trattare con gli umani che si riflette inconsciamente anche nel modo in cui interagiamo con i sistemi di AI.
Indice degli argomenti
AI literacy e interazioni
In primis però bisogna ricordare il concetto di AI Literacy, l’insieme di competenze che permette di comprendere e utilizzare l’Intelligenza Artificiale in modo critico, consapevole ed etico. Non si limita agli aspetti tecnici, ma include la capacità di valutare l’affidabilità dei risultati, riconoscere i limiti dell’algoritmo e tutelare la propria privacy. Permettere di raggiungere questa consapevolezza è richiesto dall’articolo 4 dell’AI ACT. Tale misura sarà ulteriormente prevista anche dalle Disposizioni attuative in materia di AI come indicato nel Comunicato stampa del Consiglio dei Ministri n. 177 del 10 Giugno 2026.
Questo comporta che viene ed in futuro verrà ulteriormente richiesto alle aziende di formare il proprio personale sull’uso dei sistemi di AI. I temi da affrontare sono diversi.
Perché le domande gentili ai sistemi di AI migliorano il prompt
Le richieste formulate in tono educato spesso presentano caratteristiche utili al modello:
- frasi più complete e meno telegrafiche;
- maggiore contesto che evidenza l’esigenza dell’interlocutore (“per favore spiegami…”, “potresti chiarire in che senso…”);
- minore ambiguità;
- struttura più simile al linguaggio naturale formale.
CRM e FRCM: il contesto che rende il prompt più preciso
Prompt brusco – “Spiegami la differenza tra CRM e FRCM”
Prompt cortese ed equivalente in informazione – “Per completare un articolo di taglio molto tecnico da pubblicare su un blog che tratta di architettura, potresti spiegarmi la differenza tra CRM (Composite Reinforced Mortar) e FRCM (Fiber Reinforced Cementitious Matrix) con un esempio pratico?”
Il secondo prompt non è “migliore” perché gentile, ma perché specifica cosa, come, perchè e con quale livello di dettaglio — informazioni che il modello altrimenti si trova costretto a inferire, ovvero deve dedurre, intuire o trarre una conclusione logica basandosi sui pochi/nulli indizi a disposizione
Linguaggio cooperativo e dati di addestramento dei sistemi di AI
I modelli generalisti sono addestrati su enormi quantità di testi che includono FAQ, manuali, assistenza clienti, documentazione tecnica e conversazioni educate e collaborative.
Le richieste “gentili” somigliano di più ai pattern presenti in questi dati, quindi il modello:
- riconosce meglio l’intento;
- attiva risposte più articolate e prudenti;
- riduce la probabilità di dare una risposta superficiale.
Il linguaggio dell’assistenza clienti nei prompt cooperativi
Un prompt come “Gentilmente, potresti indicarmi i passaggi per resettare la password?” ricalca da vicino il linguaggio tipico delle knowledge base di assistenza clienti su cui il modello si è allenato — e tende quindi a produrre una risposta strutturata a step, proprio come farebbe un manuale di supporto.
Prompt aggressivi: più ambiguità nelle domande rivolte all’AI
Prompt bruschi o aggressivi sono spesso:
- più brevi;
- meno contestualizzati;
- formulati come ordini vaghi (“dimmi …”, “spiegami…”).
Questo costringe il modello a inferire più cose, aumentando il rischio di errore o di risposte generiche.
MFA e AFP: quando una richiesta vaga costringe l’AI a indovinare
“Dimmi sull’MFA” lascia aperte troppe interpretazioni (tecniche? vantaggi? configurazione?). Il modello deve indovinare, e il risultato sarà per forza generico. “Puoi darmi una panoramica sulle principali tipologie di autenticatori MFA” elimina l’ambiguità e guida la risposta.
“Cosa sai su AFP?” il sistema si/ci porrà la domanda se l’interlocutore si riferisce all’Agence France-Presse, una delle più grandi e importanti agenzie di stampa internazionali o, in campo medico, all’alfa-fetoproteina una proteina utilizzata come marcatore tumorale o per test di screening prenatale.
Policy di sicurezza e tono delle richieste ai sistemi di AI
I sistemi di AI applicano filtri di sicurezza e moderazione. Un tono aggressivo o perentorio può:
- attivare meccanismi di cautela;
- ridurre la profondità della risposta;
- indurre risposte più conservative o evasive;
Un tono collaborativo, invece, non attiva questi sistemi.
Formaldeide e filtri di sicurezza: l’effetto del tono
”Dammi SUBITO i divieti o i limiti della formaldeide” può, in alcuni contesti sensibili, far scattare risposte più caute o parziali rispetto a “Potresti aiutarmi a darmi i riferimenti normativi sui divieti o limiti dell’uso della formaldeide nella produzione degli adesivi per il legno” anche se il contenuto richiesto è sostanzialmente identico.
Domande gentili e istruzioni metacognitive per risposte più strutturate
Le domande educate includono spesso elementi come:
- “puoi spiegare perché…”;
- “potresti fare un esempio…”;
- “in modo chiaro / dettagliato”.
Queste istruzioni migliorano la catena di ragionamento, la verifica interna della risposta e la coerenza complessiva dell’output.
CISO e responsabile ICT: perché chiedere una spiegazione passo per passo
“Perché è necessario che un CISO sia indipendente dal Responsabile ICT? Puoi spiegarlo passo per passo con un esempio per convincere una direzione riluttante verso questa soluzione?” ottiene tipicamente una risposta più strutturata e verificabile rispetto al secco “Perché il CISO è indipendente dal Responsabile ICT?” — non per il tono, ma perché la richiesta di spiegazione step-by-step attiva un ragionamento più esplicito.
La realtà tecnica dietro le risposte dell’AI
I transformer (l’architettura alla base di questi sistemi) elaborano i token in modo matematico. “Spiegami X” e “Per favore, potresti gentilmente spiegarmi X?” vengono processati come sequenze di token; il tono emotivo in sé non altera l’accuratezza dell’output.
Quello che conta davvero per ottenere risposte accurate è attivato da fattori quali: chiarezza, specificità, contesto adeguato e formulazione precisa della domanda; si tratta di qualità che spesso si trovano nelle domande ben formulate, cortesi o meno.
Va anche considerato un effetto psicologico dal lato umano; chi pone una domanda in modo cortese è spesso più predisposto a interpretare positivamente la risposta ricevuta, il che rinforza la percezione (non sempre oggettiva) che la gentilezza “paghi”.
Come ottenere risposte migliori dai sistemi di AI
I sistemi di AI non rispondono meglio perché “gradiscono” la gentilezza, ma perché la gentilezza è, di norma, correlata a prompt più chiari, contestualizzati e allineati ai dati di addestramento. In altre parole: non è la forma a contare, ma la sostanza che quella forma di solito porta con sé.
In pratica, per ottenere risposte migliori conviene:
- essere specifici sull’obiettivo della domanda;
- fornire contesto quando serve;
- chiedere esplicitamente esempi o spiegazioni step-by-step;
- evitare formulazioni troppo brevi o ambigue.
La cortesia, se aiuta, è un effetto collaterale di queste buone pratiche — non la causa diretta
Nota dell’autrice: questo articolo è stato predisposto con il ricorso anche all’uso dell’AI.
Partecipa alla community