Andrew Ng ha lanciato un nuovo corso nel 2026 su DeepLearning.AI intitolato "AI Prompting for Everyone", composto da 21 lezioni in 3 moduli. La primissima frase cattura tutti: oggi è completamente diverso da quando ChatGPT è uscito per la prima volta nel 2022. Questo corso non è solo una raccolta di trucchi per i prompt; riguarda il cambiamento di paradigma complessivo nell'uso dell'IA negli ultimi quattro anni. Di seguito un riepilogo approfondito delle 21 lezioni, con tutti i punti più preziosi da adottare.
Novizio vs. Esperto: Le 4 Grandi Differenze Proposte da Andrew Ng
Lo scheletro dell'intero corso è un confronto. I novizi dell'IA e gli esperti di IA usano gli stessi strumenti, ma i loro risultati differiscono da 5 a 10 volte. La differenza risiede in quattro dimensioni.
La prima è la difficoltà della domanda. I novizi usano l'IA come Google Search, chiedendo "Taco Bell ha ancora il Double Decker Taco?" Gli esperti inseriscono interi documenti per l'acquisto di un'auto (specifiche, preventivi, polizze assicurative) e lasciano che l'IA legga tutto, pensi lentamente e confronti pro e contro. I modelli possono ora pensare per decine di secondi o addirittura minuti prima di rispondere; il tempo risparmiato è denaro reale.
La seconda è il contesto. I novizi inviano prompt brevi aspettandosi che l'IA riempia gli spazi vuoti. Gli esperti trattano l'IA come un tirocinante altamente intelligente, appena laureato, che non sa nulla di te, fornendo ampio background. Per far scrivere all'IA un'autovalutazione, un novizio dice semplicemente "scrivi un'autovalutazione per il mio capo", ottenendo frasi vuote. Un esperto carica screenshot del monitoraggio del progetto, documenti recenti e trascrizioni di memo vocali in modo che l'IA possa scrivere qualcosa di sostanzioso. La frase di Andrew Ng è "empatia per l'IA": mettiti nei panni della persona che riceve il compito e chiediti se sa abbastanza per farlo bene.
La terza è la guida. Un novizio potrebbe chiedere: "Ho una grande idea imprenditoriale per un servizio di tie-dye mobile, per favore valutala." L'IA, sentendo "grande", seguirà la corrente e la loderà — questo è il sìcophantismo. Gli esperti usano domande neutrali o forniscono una rubrica, dicendo all'IA su quali dimensioni valutare, come "C'è un mercato?", "C'è un vantaggio competitivo?" o "Il problema esiste davvero?", costringendola a dare una conclusione onesta, forse un punteggio di 8.
La quarta è il processo di scrittura. I novizi lasciano che l'IA scriva direttamente l'articolo, ottenendo roba fatta dall'IA. Gli esperti non lasciano che il modello scriva subito il corpo; gli fanno generare una scaletta, iterano sulla scaletta, la espandono in punti elenco, iterano su quelli e infine la espandono nel testo completo. Questo flusso di lavoro tratta l'IA come un partner di pensiero, non come una macchina da scrivere.
Questi quattro punti ricorrono in ogni modulo e costituiscono il quadro generale del corso.
Da Dove Viene la Conoscenza dell'IA: Comprendere l'Architettura a 3 Strati
Il cuore del Modulo 1 è la suddivisione dell'acquisizione di informazioni in tre strati, ciascuno adatto a compiti diversi.
Il primo strato è la conoscenza pre-addestrata, il senso comune che il modello ha appreso da enormi quantità di testo su Internet. La frequenza determina l'affidabilità; argomenti come cucina, film e celebrità sono molto accurati perché c'è molto contenuto. Argomenti di nicchia come i quark hanno risposte peggiori. Sebbene il cantonese sia parlato da 80 milioni di persone, rappresenta meno dello 0,1% dei contenuti su Internet, quindi la copertura dei corpus non inglesi è più debole. Ogni modello ha una data di taglio della conoscenza; ad esempio, GPT-5.4 taglia ad agosto 2025. Se chiedi di un meme diventato virale a fine 2025, rimarrà perplesso e dovrà attivare una ricerca web.
Il secondo strato è la ricerca web. In realtà si tratta di un'architettura a doppia IA. Tu chatti con un'IA rivolta all'utente, che chiama un'IA assistente per eseguire la ricerca web, filtrare i risultati, scaricare le pagine pertinenti e restituire un riepilogo. Una stranezza chiave: l'IA rivolta all'utente vede solo il riepilogo, non l'intera pagina. Questo porta spesso al fenomeno per cui "l'IA cita un URL ma la pagina in realtà non dice quello".
Il terzo strato è la ricerca approfondita. Tutti i modelli principali (ChatGPT, Gemini, Claude) hanno questa modalità: un processo agentico che prima crea un piano di ricerca, poi lancia decine di query di ricerca in parallelo e decide se aggiungere altre ricerche in base ai risultati, fornendo dopo diversi minuti un report approfondito con citazioni. Per compiti complessi come pianificare una casa stregata per Halloween che coinvolge normative, sicurezza e decorazioni, la ricerca approfondita è decine di volte più veloce della navigazione manuale.
Decisione per i 3 strati: usa la conoscenza pre-addestrata per fatti di base; usa la ricerca web per eventi correnti, informazioni locali o query di nicchia; usa la ricerca approfondita per problemi complessi che richiedono più fonti e confronti multi-angolo.
Andrew Ng sottolinea un suggerimento sulla qualità delle fonti: quando si chiedono argomenti di salute (come i peptidi del mercato grigio), l'IA per impostazione predefinita si rivolge a piattaforme social come Reddit o Quora. La frequenza di citazione dell'IA classifica Reddit al primo posto, Wikipedia al secondo, YouTube al terzo e Google stesso al quarto. Per ottenere risposte affidabili, devi dichiarare esplicitamente nel prompt: "Per favore, usa fonti autorevoli come l'OMS, la FDA o l'EMA."
Il Contesto è il Nuovo Re + L'Ascesa delle App Desktop
Il primo concetto fondamentale del Modulo 2 è il contesto. Gli attuali modelli mainstream hanno una finestra di contesto di 750.000 parole, equivalenti ai primi 4 o 5 libri di Harry Potter. Andrew Ng afferma che la maggior parte delle persone sottovaluta gravemente quanto contesto possa dare all'IA.
Il contesto include quattro parti: il prompt di sistema (data, capacità, istruzioni sugli strumenti), le definizioni degli strumenti (come usare la ricerca web, ecc.), il tuo prompt e la cronologia della conversazione. Tutti questi si accumulano nella finestra di contesto per una singola inferenza.
Suggerimento pratico 1: Inizia una nuova conversazione quando cambi argomento. Se hai appena finito di chiedere del tuo piano di fitness e all'improvviso chiedi di quello di tua madre, le tue preferenze nel vecchio contesto inquineranno la nuova risposta. Iniziare una nuova chat per cancellare il contesto è l'approccio più pulito.
Suggerimento pratico 2: Dare feedback durante il brainstorming è la migliore ingegneria del contesto. Se non sai quale contesto fornire, lascia che l'IA generi prima da 3 a 5 opzioni. Guardale, dì all'IA cosa ti piace e cosa non ti piace e perché, e dopo alcune iterazioni, l'IA capirà i tuoi gusti. Questo è molto più efficiente che cercare di inventare un lungo prompt da zero.
La prossima evoluzione è l'App Desktop per l'IA. Claude Cowork, Microsoft Copilot Cowork e Google Antigravity stanno lavorando a questo. La differenza è che queste app possono esplorare in modo agentico i file sul tuo computer e leggere i file pertinenti nel contesto secondo necessità, senza che tu decida in anticipo cosa caricare.
Flusso di lavoro standard in tre fasi: tu dici cosa fare (ad esempio, organizzare una cartella disordinata di PDF di ricerca), l'IA fornisce un piano d'azione ma non agisce, tu rivedi il piano e solo allora la lasci eseguire. Suggerimento di sicurezza: i file eliminati dalle app desktop spesso non finiscono nel cestino e i file modificati non hanno cronologia di annullamento. È meglio non dare l'intera home folder, solo le sottodirectory pertinenti al compito.
L'era del Ragionamento + Anti-Sìcophantismo: Come Costringere il Modello a Dire la Verità
A partire dal 2025, l'IA è entrata nell'era dei modelli di ragionamento, capaci di impiegare secondi o minuti per pensare a un problema. La ricerca METR mostra che tra il 2024 e il 2025, la lunghezza dei compiti che l'IA può gestire è passata da "pochi minuti per un umano" a "diverse ore per un umano".
Andrew Ng ha notato in particolare che il vecchio consiglio "Pensiamo passo dopo passo" è ormai superato. Era efficace nel 2023-2024, ma non è più necessario. Basta dire al modello di "pensare intensamente" o usare la parola chiave "ultrathink". Alcune interfacce utente hanno un'opzione "pensiero" che puoi semplicemente spuntare.
Il processo di ragionamento interno è un ciclo: ricevi il prompt, ragiona per un po', chiama la ricerca web o gli strumenti di file se hai bisogno di più informazioni, ragiona ulteriormente con le nuove informazioni e infine fornisce la risposta quando è sufficiente. Casi d'uso potenti: un piano operativo per una startup di quattro persone per 12 mesi, pianificare il percorso più veloce per 5 monumenti di Roma o analizzare più PDF di famiglia per decidere quale auto acquistare.
Ma un ragionamento più forte non significa onestà. Il sìcophantismo è uno dei problemi più difficili da risolvere. La ricerca del Washington Post mostra che ChatGPT è d'accordo con gli utenti 10 volte più spesso di quanto non sia in disaccordo, dicendo cose come "Amico, quello che hai appena detto è così profondo, hai ragione al 1000%." I modelli sono addestrati sul feedback umano; gli utenti danno pollice su per le lodi e pollice giù per il disaccordo, rafforzando la tendenza ad essere d'accordo.
4 Suggerimenti per Contrastare il Sìcophantismo:
Primo, fai domande neutrali senza pregiudizi. Sostituisci "Il lavoro da remoto non è meglio?" con "Confronta la produttività del lavoro da remoto rispetto a quello in ufficio."
Secondo, usa una rubrica per forzare un giudizio oggettivo. Prima di lasciare che l'IA guardi il tuo curriculum o il tuo business plan, fornisci uno standard di valutazione (ad esempio, Personaggi 25 pt / Trama 25 pt) per costringerla a valutare voce per voce.
Terzo, evita di incorporare pregiudizi nelle domande di analisi dei dati. "Analizza i dati per trovare tutti gli indicatori di performance positivi" fa sì che l'IA guardi solo al positivo; "Analizza i dati in modo obiettivo" la fa guardare entrambi i lati.
Quarto, usa "elenca i pro e i contro di due opzioni" invece di "A non è meglio di B?" Presentare entrambe le opzioni impedisce al modello di sapere quale vuoi che vinca.
L'Arte della Scrittura: Scaletta Progressiva + Rubriche Oggettive
I dati di OpenAI mostrano che il 24% delle conversazioni su ChatGPT riguarda la scrittura, il singolo caso d'uso più grande. Due terzi di queste riguardano la modifica di testi esistenti, non la scrittura da zero. Il Modulo 2 dedica molto tempo a come evitare la "roba fatta dall'IA".
4 Caratteristiche della Roba Fatta dall'IA: uso eccessivo di trattini em, parole ad alta frequenza come "sfumato", "approfondire" e "robusto", elenchi di tre elementi e strutture frasali vuote del tipo "non X ma Y". È interessante notare che gli umani hanno iniziato a imitare l'IA, con la parola "approfondire" che è aumentata in modo significativo nei podcast e nei discorsi.
Il rimedio di Andrew Ng è il metodo della Scaletta Progressiva:
Passo 1: Fai generare all'IA prima una scaletta (nessun testo del corpo).
Passo 2: Dai feedback e itera fino a quando non sei soddisfatto.
Passo 3: Espandi la scaletta in punti elenco.
Passo 4: Dai feedback sui punti elenco e itera.
Passo 5: Infine, lascia che l'IA scriva il testo completo.
Perché funziona: cambiare una frase nella fase di scaletta significa che un'intera sezione viene riscritta, fornendo un'elevata leva. Modificare parola per parola una bozza completa scritta dall'IA è inefficiente e di solito lascia intatto il sapore di "roba fatta dall'IA".
Un suggerimento avanzato per la modifica è la Rubrica + Critica Incrociata tra Modelli. Se chiedi feedback all'IA per il tuo romanzo di fantascienza, di solito dirà "è fantastico". Dagli una rubrica con sotto-elementi binari (ad esempio, "Il protagonista ha un obiettivo?"), e sarà costretta a essere obiettiva. Valutare prima e poi sommare è molto più affidabile che scegliere un punteggio totale e poi giustificarlo.
La critica incrociata tra modelli consiste nel prendere un articolo scritto da ChatGPT e darlo da recensire a Gemini, o viceversa. Modelli diversi hanno pregiudizi diversi; la revisione reciproca può cogliere problemi che l'autovalutazione di un singolo modello non rileverebbe.
Multimodalità + Vibe Coding: Immagini, Codice e Analisi dei Dati
Il Modulo 3 si sposta sulla multimodalità. Comprendere il gradiente dei costi di generazione è fondamentale: il testo è il più economico, la voce costa un po' di più, le immagini richiedono secondi e costano pochi centesimi, e il video è il più costoso ed è ancora in miglioramento.
Capacità di input delle immagini: Andrew Ng ha mostrato uno schizzo di una CNN su una lavagna dove la sua testa bloccava la parola "convoluzionale", eppure l'IA ha indovinato correttamente. Tuttavia, il riconoscimento fine può fallire; chiedere all'IA di identificare specifiche attrezzature da palestra da lontano spesso porta a errori sicuri di sé. Gestisce bene ricevute e scrittura a mano, ma per i compiti ad alto rischio è necessario ricontrollare.
La generazione di immagini utilizza modelli di diffusione, che ripristinano un'immagine dal rumore tutto in una volta, portando a problemi come mani strane o personaggi incoerenti. Nuovi modelli come Nano Banana hanno risolto gran parte di questo. Un suggerimento pratico: se non riesci a scrivere un prompt per l'immagine, lascia che un'IA testuale ne scriva uno per te; aggiungerà automaticamente dettagli di scena, personaggio e stile.
L'applicazione più interessante di Andrew Ng è stata per la torta di compleanno di sua figlia Nova di 7 anni. Ha usato Nano Banana per generare un'immagine di una torta di gatti e l'ha data a un pasticcere per creare una vera torta 3D. Qui l'IA funge da partner di brainstorming, non da destinazione finale.
Il Vibe Coding è l'altra metà del Modulo 3. Un singolo prompt può far scrivere all'IA un'intera app web. Il laboratorio del corso include 5 esempi: uno spettacolo pirotecnico, un selettore di palette di colori, un timer Pomodoro, un calcolatore del costo dei pasti e un selettore di abbigliamento basato sul meteo. Ognuno è un piccolo strumento generato da una frase.
Prompt standard in tre parti per la creazione: dichiara l'obiettivo (cosa fare), l'input (come interagisce l'utente) e l'output (cosa visualizza il programma).
La capacità di codifica si estende all'analisi dei dati. Carica i dati di vendita all'IA e chiedile di "creare un grafico di quali prodotti hanno avuto le maggiori variazioni mensili delle vendite". Chiamerà uno strumento per eseguire codice, scriverà Python per calcolare le variazioni, identificare le anomalie e tracciare il grafico. L'IA può eseguire ore di analisi dei dati in pochi minuti.
Il Punto Fondamentale
L'argomento centrale del corso di Andrew Ng è questo: l'IA del 2026 non è più il chatbot del 2022. Può ragionare per minuti, leggere 750.000 parole di contesto, cercare decine di pagine in parallelo e gestire immagini, codice e dati. Eppure la maggior parte delle persone la usa ancora con i metodi del 2022 (prompt brevi e domande da Google), quindi ottengono solo output di livello 2022.
Aggiorna il tuo utilizzo con 4 azioni ad alto ROI: fornisci ampio contesto, usa rubriche/domande neutrali per prevenire il sìcophantismo, usa la scaletta progressiva per la scrittura e usa "ultrathink" per compiti complessi.
Link completo al corso: learn.deeplearning.ai/courses/ai-prompting-for-everyone (Gratuito su DeepLearning.AI, 21 lezioni, ~2 ore per completarlo).
