RSTI: Il Framework di Prompting che Uso Ogni Giorno con l'AI

Se chiedi a un modello AI di "scrivere un articolo sul marketing digitale", probabilmente otterrai qualcosa di generico e dimenticabile. Ma se sai come strutturare quella richiesta, puoi trasformare una risposta mediocre in un output che sembra scritto da un professionista esperto. La differenza? Un framework di prompting che ho iniziato a usare sistematicamente dopo aver testato centinaia di prompt su Claude e altri LLM.

Il framework si chiama RSTI, e rappresenta quattro principi che applicano in modo strutturato quello che i migliori utenti AI fanno istintivamente. Quando ho iniziato a implementarlo nei miei workflow quotidiani, la qualità degli output è salita in modo misurabile: meno iterazioni, risultati più precisi, meno tempo sprecato a correggere contenuti vaghi. In questo articolo ti mostro come funziona e come puoi applicarlo da subito.

R: Revisit - Aggiungi Contesto Prima di Premere Invio

Il primo errore che ho fatto per mesi: trattare l'AI come un motore di ricerca. Scrivevo prompt di una riga e mi aspettavo miracoli. Poi ho capito che un modello linguistico funziona meglio quando ha più contesto , non meno. La R di RSTI sta per Revisit : rileggi il tuo prompt prima di inviarlo e chiediti se puoi aggiungere dettagli.

Esempio pratico: invece di "Scrivimi un'email per un cliente", prova "Scrivimi un'email per un cliente B2B nel settore manufatturiero che ha richiesto informazioni su un servizio di automazione. Tono professionale ma accessibile, lunghezza massima 150 parole, con una CTA chiara per fissare una call." La seconda versione include persona, contesto, vincoli di lunghezza e obiettivo: il risultato sarà immediatamente più utilizzabile.

Quando lavoro con Claude Code per generare script di automazione, questa regola è ancora più critica. Se scrivo "Crea uno script Python per leggere un CSV", ottengo codice generico. Se aggiungo "Il CSV contiene dati da Google Ads con le colonne Campaign, Clicks, Cost. Voglio filtrare le campagne con CTR sotto l'1% e salvarle in un nuovo file", il codice funziona al primo tentativo.

S: Separate - Spezza il Muro di Testo

L'AI non è un essere umano, ma processa le informazioni in modo simile: un blocco di testo compatto e disorganizzato riduce la precisione dell'output. La S sta per Separate : dividi il tuo prompt in frasi brevi e chiare , con una struttura logica.

Buona pratica che uso sempre:

• Una frase per il ruolo/persona: "Sei un consulente di marketing digitale."
• Una frase per il compito: "Scrivi una strategia di contenuti per LinkedIn."
• Una frase per il contesto: "Il target è costituito da imprenditori di PMI italiane."
• Una frase per i vincoli: "Massimo 3 post a settimana, focus su case study concreti."

Questo approccio funziona particolarmente bene quando costruisco prompt complessi per automazioni su Make o n8n: ogni istruzione separata aiuta il modello a mantenere coerenza lungo l'intero workflow.

T: Try Different Phrasing - Riformula il Compito

Qui entra in gioco un principio controintuitivo: se un prompt non funziona, non aggiungere più dettagli , cambia la formulazione del compito. La T sta per Try different phrasing : riformula la richiesta usando un'analogia o un frame diverso.

Esempio che ho testato decine di volte: "Aiutami a scrivere un discorso sulla leadership" produce contenuti generici e piatti. "Aiutami a scrivere una storia breve che illustri i principi della leadership attraverso il personaggio di un allenatore sportivo" genera output più vividi, memorabili e utili. Il compito è tecnicamente lo stesso, ma il frame cambia tutto.

Quando devo spiegare un concetto tecnico a un cliente non tecnico, uso questa tecnica: invece di "Spiega come funziona un API webhook", chiedo "Spiega come funziona un API webhook usando l'analogia di un campanello che suona quando arriva un pacco". Il risultato è sempre più chiaro e diretto.

I: Introduce Constraints - Dì Cosa Non Vuoi

L'ultimo elemento del framework è il più potente: i vincoli. La I sta per Introduce constraints , e significa che non basta dire all'AI cosa vuoi, devi anche specificare cosa non vuoi. I vincoli non limitano la creatività: la focalizzano.

Quando chiedo a Claude di generare contenuti per un articolo, aggiungo sempre vincoli negativi: "Non usare clichè come 'nel mondo digitale di oggi', non iniziare con domande retoriche generiche tipo 'Ti sei mai chiesto...?', non includere elenchi puntati di più di 5 elementi". Questo elimina il 90% delle riscritture che avrei dovuto fare manualmente.

Un altro esempio pratico: nei workflow di automazione con OpenRouter, specifico sempre limiti di token, formato di output richiesto (JSON, plain text, HTML), e casi edge da evitare. Un prompt del tipo "Genera una risposta email automatica, massimo 100 parole, solo testo semplice, nessun saluto formale tipo 'Egregio Dottore'" produce risultati immediatamente utilizzabili.

Perché RSTI Funziona Meglio di Prompt Casuali

Ho applicato questo framework su progetti reali per settimane: dalla generazione di report automatici da dati di Google Ads, alla creazione di script di automazione con Claude Code, fino alla stesura di contenuti per clienti. Il risultato? Meno iterazioni, output più precisi, meno frustrazioni.

La ragione è semplice: RSTI ti obbliga a pensare come un prompt engineer anche se non lo sei di professione. Ti costringe a rivedere, strutturare, riformulare e vincolare. Questi quattro passi trasformano una richiesta vaga in un brief chiaro, e i modelli AI restituiscono sempre risultati migliori quando il brief è chiaro.

Un ultimo dettaglio che ho notato: applicare RSTI richiede 30 secondi in più per prompt, ma riduce i tempi di revisione di 5-10 minuti. È un trade-off che ha senso per chiunque usi l'AI in modo professionale.

Se stai iniziando a integrare l'AI nei tuoi processi, il mio consiglio è di stampare questo acronimo e tenerlo a portata di mano per una settimana. Applicalo a ogni prompt importante: vedrai la differenza già dal primo giorno. E se vuoi un esercizio pratico, prendi un prompt che usi spesso e riscrivilo applicando tutti e quattro i principi. Poi confronta i risultati. Spoiler: non tornerai più indietro.