Immagine di sfondo: App di IA. Solen Feyissa, Unsplash, 2025. Licenza: gratuita sotto licenza Unsplash
Tuttavia, mentre molti di noi erano concentrati su questi importanti interrogativi, lo scenario dei finanziamenti è mutato radicalmente. Con l'attuale contesto politico globale e uno spazio d'azione sempre più ridotto per la società civile, abbiamo bisogno di nuove strategie per raccogliere sostegno e continuare a generare valore sociale.
È arrivato il momento di ripensare il modo in cui il Terzo Settore opera e l'IA può rivelarsi un valido alleato in questo percorso.
Troppo lungo? Ecco una sintesi al volo:
La struttura è tutto. Assicuratevi che il prompt definisca chiaramente: contesto, istruzioni, dati di input e formato dell'output.
Per i modelli di ragionamento (reasoning models), usate questi 7 elementi: ruolo, obiettivo, metodologia, formato dell'output, vincoli, incertezze e validazione.
Iniziate subito: Trovate modelli pronti da copiare e incollare ed esempi reali nell'Archivio di Prompt per la Raccolta Fondi
Il vicolo cieco del "basta chiedere all'IA"
Il web è ormai invaso dal cosiddetto "AI slop", ovvero i contenuti di bassa qualità (letteralmente la spazzatura digitale) prodotta dall'IA.
Immagine 1. Descrizione dell'AI slop fornita da ChatGPT: "Nello scenario digitale odierno, in rapida e costante evoluzione, l'"AI slop" si è affermato come un fenomeno rivoluzionario in grado di trasformare radicalmente la creazione di contenuti. Questo paradigma innovativo sfrutta l'intelligenza artificiale all’avanguardia per generare soluzioni scalabili e sinergiche, capaci di generare un valore senza precedenti. Sfruttando le potenzialità del machine learning di prossima generazione, offre agli stakeholder gli strumenti per sbloccare nuove opportunità e scardinare le metodologie tradizionali in questa entusiasmante era di trasformazione digitale."
Questo intero paragrafo è stato generato interamente da un'IA: un concentrato di termini altisonanti (rivoluzionario, all'avanguardia, soluzioni scalabili) del tutto privo di sostanza. È l'esempio perfetto di "AI slop".
Il dizionario Merriam-Webster lo definisce come "contenuto digitale di scarsa qualità, prodotto solitamente in grandi quantità tramite l'intelligenza artificiale". È l'equivalente digitale delle e-mail di spam: una confezione accattivante, un tono sicuro di sé e un'utilità pari a zero.
Questo è il risultato tipico di prompt deboli e vaghi. L'IA riempie i vuoti informativi con formule generiche e frasi fatte, producendo testi dall'aria autorevole ma privi di reale valore.
I fondamentali dell'IA
Per avere aspettative realistiche, è utile comprendere cosa faccia concretamente l'IA.
In realtà utilizziamo queste tecnologie già da anni: ogni ricerca su Google, ogni consiglio di Netflix e ogni risposta di Siri si basano su di esse. La vera novità recente è l'arrivo di strumenti capaci di generare nuovi contenuti, anziché limitarsi a riordinare le informazioni esistenti.
In estrema sintesi, l'IA riconosce schemi ricorrenti nei dati e usa la statistica per prevedere l'elemento successivo. Non possiede una "comprensione" simile a quella umana.
Quando formuliamo una domanda, il sistema calcola la parola che con maggiore probabilità dovrebbe seguire la precedente, poi quella successiva, e così via. Assembla l'output basandosi esclusivamente sui pattern che ha appreso durante la fase di addestramento.
I termini chiave da conoscere:
I sistemi di Intelligenza Artificiale (IA) svolgono compiti che in genere richiedono l'intelligenza umana, come il riconoscimento vocale o la traduzione linguistica.
L'IA generativa crea nuovi contenuti (testi, immagini, video) partendo dagli schemi appresi dai dati di addestramento.
I chatbot attuali (come ChatGPT, Gemini o Claude) sono modelli linguistici di grandi dimensioni (Large Language Models, LLM): sistemi addestrati su enormi volumi di testo che generano risposte simili a quelle umane prevedendo la sequenza delle parole.
L'approccio più comune è semplicissimo: inseriamo un input in un'interfaccia di chat (il prompt) e riceviamo una risposta (l'output). Sembra tutto molto semplice.
Tuttavia, come dimostra l'esempio del'"s", a input superficiali corrispondono output inutilizzabili.
Perché i prompt vaghi falliscono
Ecco perché la qualità del prompt è decisiva. Quando si lavora con i chatbot basati sull'intelligenza artificiale, i veri fattori chiave sono la precisione e la struttura.
Sarà capitato a tutti di vedere (o usare) prompt elementari composti da una sola istruzione e da concetti molto generici, del tipo:
"Scrivi il testo di una campagna di raccolta fondi a favore dei giovani a rischio di emarginazione sociale".
Screenshot di ChatGPT – La trascrizione originale in inglese è disponibile qui.
Il risultato è spesso un testo dal tono convincente, ma che resta generico. Testi curati nella forma, ma privi di sostanza.
Le sfide principali del prompting
Immagine 2. Perché l'IA si comporta così? 4 difficoltà comuni del prompting: 1. Il divario dell'intenzione, 2. Il prezzo della precisione, 3. L'illusione della memoria, 4. Il paradosso delle competenze. Generato da NotebookLM di Google. Queste sfide sono descritte nel testo che segue.
Spesso l'intelligenza artificiale sembra più "artificiale" che "intelligente" a causa di quattro ostacoli sistematici:
Il divario dell'intenzione: è lo scarto tra l'istruzione scritta (ciò che digiti) e l'intenzione reale (ciò che vuoi ottenere). Poiché il linguaggio naturale rimane l'interfaccia principale, il chatbot non può intuire il vostro vero obiettivo a meno che non lo esprimiate in modo esplicito. Se l'obiettivo resta vago, l'IA riempirà i vuoti informativi con contenuti generici.
Il prezzo della precisione: spesso vorremmo che l'IA "facesse e basta", quindi le lanciamo un'istruzione approssimativa sperando che se la cavi da sola. Il modello si trova così a dover indovinare cosa significhi davvero "un testo dettagliato ma conciso" o "un contenuto accattivante", e soprattutto a quale pubblico si rivolga. Nel tentativo di risolvere l'ambiguità, rischia di andare fuori traccia e produrre testi fumosi.
L'illusione della memoria: chi è alle prime armi tende a pensare che la chat "ricordi tutto", specialmente all'interno di una singola conversazione in cui ha caricato diversi PDF, dettagli di progetto e istruzioni. In realtà, quando gestiscono grandi quantità di dati, i modelli possono perdere il filo dei vincoli iniziali e iniziare a "allucinare" (inventando dettagli plausibili ma errati). Un trucco pratico consiste nell'inserire un segnale di controllo nel primo messaggio, ad esempio:
"Se hai letto queste istruzioni e le stai ancora seguendo, scrivi la parola [HIVEMIND] alla fine di ogni risposta."
Se il modello "dimentica" l’istruzione, l'assenza di [HIVEMIND] fungerà da campanello d'allarme immediato.
Il paradosso delle competenze: per valutare se l'output dell'IA sia valido, bisogna avere almeno un'idea di base di cosa sia un "buon lavoro" in quel campo. Un errore tipico è chiedere all'IA un lavoro specialistico in un settore che l'utente non padroneggia (ad esempio, quando il personale dei progetti usa l'IA per scrivere testi di marketing senza avere competenze di comunicazione).
Queste sfide possono sembrare estenuanti, e lo sono. La buona notizia, però, è che la soluzione si basa su competenze che chi lavora nelle OSC possiede già.
Fare prompting è come gestire un progetto in miniatura
Un prompt è, in sostanza, il brief di un progetto.
Se il brief è vago, si va incontro a continui cambi di rotta, confusione tra i collaboratori e alla frustrazione di avere tra le mani un prodotto che tecnicamente esiste, ma che all'atto pratico è del tutto inutilizzabile.
Un buon prompt nasce quando smettiamo di aspettarci che l'IA ci legga nel pensiero e iniziamo a scrivere un brief chiaro, che un collega in carne e ossa potrebbe eseguire senza difficoltà.
Gli elementi chiave di un buon prompt
Immagine 3. I componenti base di un prompt: 1) CONTESTO: definisce il ruolo e lo scenario. Fornisce le informazioni di base per aiutare il modello a comprendere il contesto di partenza. 2) ISTRUZIONE: comandi chiari e decisi che indicano all'IA l'attività esatta da svolgere per ottenere risultati. 3) DETTAGLI: i materiali grezzi, i testi o le informazioni specifiche necessarie. Forniscono le informazioni necessarie per completare il compito. 4) INPUT: specificano l'aspetto che dovrà avere il risultato, inclusi i vincoli di tono, stile e lunghezza.
Per migliorare nettamente un prompt bastano quattro elementi fondamentali:
1. Contesto: spiega lo scenario e il ruolo che il modello deve assumere. Esempio: "Sei un fundraiser digitale esperto, con 10 anni di esperienza nella gestione di campagne per organizzazioni giovanili".
2. Istruzione: definisci con precisione il compito da svolgere. Esempio: "Il tuo compito è scrivere il testo della campagna / progettare un modello di raccolta fondi / analizzare il profilo dei donatori".
3. Dati di input: fornite dettagli precisi sul lavoro da svolgere (spesso sotto forma di allegati, come descrizioni dei progetti, attività, vincoli ed esempi passati). Non caricate fogli di calcolo con dati personali dei donatori, a meno che non stiate usando un modello installato in locale sul vostro computer e sappiate esattamente come muovervi.
4. Formato dell'output: specificate l'aspetto che deve avere la risposta: struttura, impaginazione e, idealmente, qualche esempio concreto. Se desiderate il testo per una campagna, inserite esempi di passate raccolte fondi che hanno funzionato bene o che considerate efficaci.
Questo approccio è noto come CIIO (Contesto, Istruzione, Input, Output), ma online si trova spesso anche con la sigla CIDI (Contesto, Istruzione, Dettagli, Input): il concetto è lo stesso, cambiano solo le etichette.
Non è sempre obbligatorio usarli tutti e quattro contemporaneamente, ma nella raccolta fondi aiutano moltissimo, specialmente se l'obiettivo è ottenere output etici, specifici e pronti all'uso.
Come possiamo applicare questo schema alla campagna di raccolta fondi per i giovani a rischio di emarginazione sociale?
Screenshot di ChatGPT – La trascrizione originale in inglese è disponibile qui.
In questo modo si ottengono risultati decisamente migliori: la storia diventa molto più tangibile e scorre in modo naturale dall'incipit fino alla chiamata all'azione.
I 7 componenti di un prompt efficace
L'avvento dei nuovi modelli basati sul ragionamento logico mette a disposizione ulteriori possibilità. Lo schema CIIO resta un ottimo punto di partenza, ma sul fronte della precisione si può fare un passo avanti.
I recenti aggiornamenti dei modelli sono stati significativi. Ora sono molto più abili nell'eseguire istruzioni complesse rispetto al passato, in una sfida aperta tra OpenAI e Google che introduce miglioramenti quasi quotidiani. Basti pensare che, tra la prima stesura e la revisione finale di questo articolo, il panorama è già cambiato con l'uscita di ChatGPT 5.2.
Immagine 5. Componenti avanzati del prompt per i modelli di ragionamento. RUOLO: definisce l'identità specifica o la prospettiva che l'IA deve assumere per svolgere il compito. OBIETTIVO: specifica in modo chiaro e deciso il traguardo o l'attività che l'IA deve portare a termine. METODOLOGIA: delinea i passaggi specifici o il percorso logico che l'IA deve seguire. FORMATO DELL'OUTPUT: stabilisce la presentazione, lo stile, il tono o la struttura della risposta. VINCOLI: imposta i paletti e le restrizioni su ciò che l'IA deve assolutamente evitare di fare. INCERTEZZA: risolve eventuali conflitti tra le istruzioni stabilendo quali principi hanno la priorità. VALIDAZIONE: prevede una fase di iterazione, perfezionamento o di richiesta all'IA di analizzare criticamente il proprio output.
Ecco i sette componenti che migliorano sensibilmente i risultati con questi nuovi modelli:
1. Definite il ruolo –Trattate l'IA come uno specialista. Invece di un generico "Scrivi un'e-mail", usate: "Agisci in qualità di Responsabile delle partnership aziendali con solida esperienza nel settore tech per l'area EMEA". In questo modo il sistema attingerà a strategie e vocaboli pertinenti.
2. Fissate un obiettivo chiaro – Chiedere "Aiutaci a raccogliere donazioni" produce solo consigli vaghi. Bisogna specificare l'obiettivo: "Redigi il testo di una campagna di crowdfunding rivolta a singoli donatori in Nigeria per sostenere il nostro bootcamp di competenze digitali per giovani disoccupati, con l'obiettivo di raccogliere 20.000 dollari in due mesi".
3. Esplicitate il processo e il percorso logico – La conoscenza che possedete del vostro settore rappresenta un vantaggio competitivo. L'IA può anche conoscere i vari modelli teorici, ma siete voi a doverne richiedere l'applicazione. Specificate come deve ragionare: "Procedi passo dopo passo usando il Value Proposition Canvas per allineare il nostro impatto sociale con gli obiettivi di CSR (responsabilità sociale d'impresa) di un'azienda tecnologica". Per le e-mail, potete richiedere una struttura classica come il modello AIDA (Attenzione, Interesse, Desiderio, Azione).
4.Formato e livello di dettaglio –Il modello non può sapere se vi serve un post per LinkedIn o una proposta formale. Specificate struttura e lunghezza, ad esempio: "Fornisci una tabella per il piano editoriale con le colonne: Data, Piattaforma, Idea visiva e Testo del post" oppure “Mantieni la sintesi esecutiva sotto la lunghezza di una pagina".
5. Limiti e condizioni di stop – Inserite dei "guardrail". Esempio: "Non usare un linguaggio vittimistico; focalizzati sull'empowerment". Aggiungete anche una condizione di stop per evitare che il sistema tiri a indovinare: "Se non disponi di dati specifici sull'impatto in questa regione, fermati e chiedili a me invece di fare supposizioni".
6. Gestite le situazioni di incertezza e stabilite le priorità – Nel mondo della raccolta fondi bisogna scendere a compromessi. Rendete esplicite le vostre priorità: "Se l'obiettivo di massimizzare le entrate contrasta con le nostre linee guida per uno storytelling etico, dai sempre la priorità allo storytelling etico".
7. Verifica – Non prendete mai per buono il primo risultato. Chiedete al modello di analizzare criticamente il proprio lavoro e di verificarlo: "Prima di considerare definitivo questo testo, verificalo alla luce dei fattori PESTLE per assicurarti che non siano sfuggiti rischi politici o economici", oppure "Valuta questa e-mail su una scala da 1 a 5 in base alla sua centralità sul donatore e suggerisci un miglioramento".
Come si traduce tutto questo in un esempio di raccolta fondi? Ecco un prompt strutturato per sviluppare un nuovo modello di raccolta fondi destinato a un'organizzazione che supporta i bambini a rischio di emarginazione che vivono e lavorano in strada, a seguito dell'uscita di scena di un grande donatore storico.
Screenshot di ChatGPT – La trascrizione originale in inglese è disponibile qui.
Quando utilizzate un prompt di questo tipo, l'output si presenta così:
Screenshot di ChatGPT – La trascrizione originale in inglese è disponibile qui.
In questa versione viene introdotto anche un ulteriore livello di narrazione (l'esempio di David) che toccherà le corde emotive dei potenziali sostenitori, ma in modo del tutto dignitoso, senza alcuna forma di strumentalizzazione. Storie di questo tipo, unite ai dati sull'impatto reale, offrono ai potenziali donatori una motivazione forte e convincente per contribuire.
Consigli extra per il prompting
Etica
Prima di considerare definitivo un qualsiasi testo per la raccolta fondi generato dall'IA, ponetevi queste domande:
Rispetta la dignità delle persone di cui ci occupiamo?
I nostri beneficiari si sentirebbero rappresentati in modo accurato e corretto?
Abbiamo evitato di condividere informazioni sensibili o dati personali identificabili?
Questo contenuto rafforza o contrasta gli squilibri di potere esistenti?
Siamo trasparenti sul ruolo che l'IA ha avuto nella creazione di questo testo?
Abbiamo verificato le affermazioni ed evitato statistiche inventate (allucinate) dal modello?
L'uso etico dell'intelligenza artificiale non è una questione di perfezione, ma di intenzionalità. I prompt che scriviamo riflettono i nostri valori, quindi è bene renderli espliciti.
Usate la formattazione per blocchi
Separate chiaramente le varie sezioni all'interno del vostro prompt utilizzando titoli ben visibili, in questo modo:
# Ruolo
# Obiettivo
# Metodologia
# Formato dell'output
# Vincoli
# Priorità
# Criteri di valutazione
Chiedete esplicitamente l'uso degli strumenti
Se desiderate che il chatbot utilizzi uno strumento specifico a sua disposizione (ad esempio la generazione di immagini, la ricerca avanzata o la navigazione web), indicatelo chiaramente. Alcuni chatbot sanno decidere autonomamente quando attivare queste funzioni, ma specificare ciò che volete è sempre la scelta più sicura.
Localizzazione
Una domanda molto frequente riguarda la lingua: "Se ho bisogno di un testo nella mia lingua madre (diversa dall'inglese), mi conviene scrivere il prompt direttamente nella mia lingua o farlo prima in inglese e poi chiedere la traduzione?"
La risposta pratica sta nel mezzo. I modelli sono generalmente addestrati su una mole di dati nettamente superiore in inglese e spesso "ragionano" meglio in questa lingua.
Un ottimo approccio consiste nello scrivere il prompt in inglese per garantirvi massima chiarezza e qualità delle istruzioni, specificando però che l'output finale dovrà essere redatto nella vostra lingua di arrivo.
Strumenti di ottimizzazione dei prompt
Ora che abbiamo visto le componenti di un buon prompt, ecco due strumenti utili che possono esservi d'aiuto:
Il Prompt Optimizer di OpenAI per ChatGPT 5 è in grado di prendere un prompt disordinato e trasformarlo in un testo ben strutturato. Tuttavia, è essenziale conoscerne i singoli componenti, perché l'ottimizzatore a volte fa confusione tra le istruzioni operative e i dati di input. Consideratelo un punto di partenza, non la versione definitiva.
Claude offre uno strumento analogo per il perfezionamento dei prompt, applicabile però a qualsiasi chatbot. Il sistema vi guida attraverso una serie di domande mirate prima di fornirvi il prompt finale.
Questi strumenti prendono le vostre indicazioni grezze e restituiscono un prompt strutturato simile a quello che abbiamo descritto. Raramente, però, si tratterà della versione definitiva.
A volte invertono le sezioni, dimenticano vincoli chiave o tralasciano passaggi importanti che avevate espressamente richiesto.
Ecco perché è fondamentale comprendere l'anatomia di un buon prompt: solo così sarete in grado di correggere e migliorare l'output di questi ottimizzatori.
Prompt articolati in più fasi (multi-step)
Per i compiti più complessi, conviene ragionare per fasi successive anziché tentare di stipare ogni singola istruzione in un unico prompt.
Ci sono due approcci particolarmente utili:
Prompt in sequenza (prompt chaining): consiste nel suddividere l'obiettivo finale in sotto-attività più piccole e collegate logicamente tra loro. All'interno della stessa chat, guidate l'IA attraverso ogni singolo passaggio, espandendo il contesto man mano che procedete, fino a raggiungere il risultato finale.
Meta-prompting: significa chiedere al chatbot di aiutarvi a progettare il "prompt definitivo", interpretando le vostre esigenze in termini di competenze (ruolo), formato di output, vincoli e così via. All'atto pratico, questo trasforma l'IA da un semplice esecutore di richieste vaghe a un manager capace di definire istruzioni precise per l'esecutore stesso.
Pensate ai prompt come a dei Termini di Riferimento (ToR)
Quelli che abbiamo visto sono solo alcuni approcci e modelli di base per fare prompting in modo efficace, sufficienti per iniziare a ottenere da subito output nettamente migliori.
I tre concetti chiave da ricordare sono:
1. Non esiste il prompt perfetto, esiste solo l'iterazione. Scrivere prompt è una competenza che si impara e si affina con il tempo. Costruite il vostro archivio personale di prompt man mano che sperimentate.
2. La struttura crea chiarezza, e la chiarezza porta risultati. Grazie a una buona struttura, l'intelligenza artificiale diventa più "intelligente" e meno "artificiale". Funziona esattamente come quando pubblicate i termini di riferimento per selezionare un consulente.
3. Smettete di considerare l'IA come una semplice chat. Negli ultimi anni abbiamo usato questa tecnologia principalmente nella sua forma conversazionale: un approccio utile, ma anche molto limitante Il vero valore non è nelle risposte del chatbot, ma nella vostra capacità di gestire e indirizzare il sistema con precisione.
Nel frattempo, potete utilizzare questo archivio di prompt per la raccolta fondi per muovere i primi passi.
Archivio di prompt per la raccolta fondi (in inglese)
Il tuo feedback è importante
Cosa ne pensi di questo testo? Dedica 30 secondi per condividere il tuo feedback e aiutarci a creare contenuti significativi per la società civile.
Note e Disclaimer
Questa risorsa è stata creata nell'ambito del progetto AI for Social Change del Digital Activism Program di TechSoup, con il supporto di Google.org.
L'autore ha utilizzato l'IA per creare questo contenuto. Tuttavia, l'intero articolo è stato ideato, revisionato e verificato dall'autrice e dal team di TechSoup.
Gli strumenti di IA si evolvono rapidamente e, sebbene facciamo il possibile per garantire l'accuratezza dei contenuti, alcuni elementi potrebbero non essere più aggiornati. Se noti informazioni superate, segnalacelo all'indirizzo contact@hive-mind.community
Informazioni sull'autore
Miloš Janković è un consulente di digital fundraising che opera nel punto di intersezione tra organizzazioni non-profit e tecnologia in Serbia e nei Balcani occidentali. Aiuta le organizzazioni della società civile a passare da modelli di finanziamento guidati dai grandi donatori a sistemi alimentati dalle comunità locali, avvalendosi di framework pratici, automazioni e di un uso intelligente ed etico dell'IA. Già dirigente nel settore non profit, ha guidato Donacije.rs, la principale piattaforma di donazioni online della regione, aiutando le organizzazioni a strutturare comunità di sostenitori più solide e a raccogliere fondi in modo più efficace. Oggi ricopre anche il ruolo di Head of Growth all'interno di un'azienda IT.