Benvenuti! Questo materiale è nato digitale di proposito: proprio come le notizie e le scoperte del settore, può essere revisionato e aggiornato quasi alla stessa velocità — cosa impossibile in un libro stampato.

L’obiettivo non è esaurire l’argomento, ma servire daguida di riferimento pratica: un posto da cui estrarre un’informazione specifica, copiare un prompt e adattarlo alla tua necessità. Non serve leggere in ordine — vai diretto a ciò che ti serve.

Mantenendo le definizioni teoriche al minimo necessario: capire come funzionano gli strumenti di IA è fondamentale per estrarne i migliori risultati. È solo per questo motivo che ha senso comprenderne le basi — e non sarà molto complicato. Come avrai sicuramente sentito dire, ChatGPT (e simili) funziona come un grande predittore di testo. Siamo più o meno abituati a queste funzioni in alcune app quotidiane. Per esempio, al telefono, quando rispondiamo alle nostre e-mail, il messaggio è appena iniziato ed è già presente un suggerimento per il testo successivo (Figura 01).

Questo autocompletamento esiste per una questione di "contesto" e per la probabilità delle parole in sequenza. Se ti chiedo di completare la frase "il cielo è [___]", quale parola ti è venuta in mente? La probabilità che tu abbia pensato a "blu" o "grande" è molto maggiore rispetto a quella di aver pensato a "cremisi". Le frasi "Il cielo è blu", "Il cielo è grande" e "Il cielo è cremisi" sono tutte tecnicamente corrette, ma non vengono usate con la stessa frequenza nella nostra vita quotidiana.

Come applichiamo questo agli strumenti di IA? Sono stati presentati ("addestrati") analizzando miliardi — letteralmente — di testi e materiali, così da possedere dati sulle probabilità di occorrenza di parole sequenziali. Ovviamente è molto più complicato di così, ma questa analogia ci aiuterà a usare gli strumenti di IA in maniera più efficace.

Nel contesto di questo e-book: treinamento, in maniera molto semplice, è il nome dato al processo di presentazione di fonti di materiale (per esempio, testi in diverse lingue) alle IA, affinché sia possibile riconoscere i pattern e, da lì, decidere quale testo o parola debba venire nella sequenza.

Quando apri gli strumenti di IA (come Gemini e ChatGPT), ti troverai davanti alla possibilità di scegliere IA "diverse" — ciò che chiamiamo modelli. Considerali come "versioni" delle IA, allo stesso modo in cui esistono biciclette (senza marce, con 18 marce, con sospensioni, in fibra di carbonio...) o automobili (Onix LT, LTZ, Premier...): è più o meno la stessa logica. Non esistono modelli "giusti o sbagliati": esistono modelli più adatti a ogni compito, con capacità e prezzi (o limiti d'uso) differenti.

Qui entrano due categorie importanti: i modelli detti di ragionamento (thinking models) e modelli "comuni". In teoria, i modelli di ragionamento sono più adatti per compiti complessi, che implicano la considerazione di molteplici fattori. Sono più capaci in termini di elaborazione, ma anche più lenti nel generare le risposte.

In pratica, non ti preoccupare troppo: attualmente (2026) praticamente tutti i modelli rilevanti sono di ragionamento per impostazione predefinita, e ciò che cambia è quanto "pensano" prima di rispondere — molti strumenti offrono già un selettore di intensità del ragionamento (qualcosa come "veloce" oppure "pensare di più"), invece di due prodotti completamente separati. Per compiti semplici (riassumere, tradurre, formattare), preferisci l'opzione più rapida; per analisi che richiedono di incrociare più informazioni, vale la pena attivare il ragionamento esteso e attendere un po' di più. L'idea resta la stessa: provare, senza paura, i prodotti e i modelli disponibili e verificare quali offrono le migliori risposte per ogni compito.

Una domanda frequente che ricevo è: "qual è lo strumento migliore?" La migliore risposta sarà sempre "dipende", ma lascia che approfondisca. Qual è migliore: un martello, un cacciavite o una pinza? Dipende da quello che devi fare.

Con gli assistenti di IA la logica è simile. GPT, Gemini e Claude sono i più conosciuti. Il GPT ha il miglior Deep Research disponibile (modalità di ricerca avanzata — sarà spiegato più avanti). Il Gemini si integra con l'ecosistema Google ed è migliorato notevolmente dalla sua nascita. Il Claude, per sua parte, ha risultati eccellenti per la produzione di testi e per i compiti che coinvolgono la programmazione.

Se stai pensando di pagare per un assistente di IA, segui questi passaggi:

1. Prova le versioni gratuite dei servizi che stai valutando per almeno uno o due mesi.
2. Non abbonarti ai cosiddetti "aggregatori di IA" (siti che offrono accesso a più modelli a prezzi bassi/promozionali): è molto probabile che non soddisfino adeguatamente le tue esigenze. Con i piani più accessibili di Gemini e ChatGPT disponibili, non vale la pena usare intermediari.
3. Puoi usare i modelli di Google, gratuitamente, su https://ai.dev.

Di seguito sono elencati i principali strumenti di IA disponibili, gratuiti o a pagamento.

Iniziamo dal prompt. Questo è un concetto fondamentale: prompt è il nome dato alle istruzioni che passiamo agli strumenti di intelligenza artificiale.

"Il testo qui sotto sarà inviato come riassunto di un lavoro per un congresso del corso di [psicologia/ingegneria/giurisprudenza/medicina]. Rivedi la grammatica, la coerenza e la coesione del testo, suggerendo modifiche quando necessarie."

"An electrician came to my home and said I need to install a residual-current device (RCD). Explain what it is and what its function is."

"You will act as an expert radiology instructor. I have 20 days to learn the fundamentals of ultrasonography and you will be my teacher: build a detailed learning schedule for those 20 days, covering the key ultrasound concepts that an excellent introductory module should include."

"You will act as an English teacher specialized in teaching English as a foreign language. I have 20 minutes per day and you will be my instructor: build a detailed learning plan with basic, intermediate and advanced English content so that a foreign learner can communicate adequately.
                
We can begin immediately, and your first task is to assess my current English level. Ask the necessary questions to evaluate my skills."

Sei un career coach senior con 20 anni di esperienza in transizioni professionali, specializzato nell'aiutare professionisti di IT, ingegneria e aree creative a cambiare carriera con chiarezza e sicurezza. Il tuo stile è empatico, diretto e basato sull'evidenza, ispirato a metodi come l'Ikigai e il GROW.

**Contesto**: L'utente sta valutando una transizione professionale — cambiare lavoro, settore o persino avviare un'attività — ma deve riflettere in profondità per evitare rimpianti. Siamo in una conversazione iterativa per tracciare il percorso ideale.

**Obiettivo**: Guidare l'utente a riflettere sul proprio momento attuale, identificare motivazioni reali, punti di forza e ostacoli, creando un piano di transizione personalizzato in passi chiari e attuabili.

**Compiti (reverse prompting)**: NON dare ancora consigli o piani. Fai invece 5-7 domande essenziali e aperte per raccogliere le informazioni chiave. Raggruppale in categorie (es.: "Sulla tua situazione attuale", "Motivazioni e valori", "Competenze e rete"). Dopo le risposte dell'utente, usale per generare un rapporto di riflessione e un piano iniziale.

Domande iniziali da fare ADESSO:
1. Qual è la tua professione attuale, da quanti anni la svolgi e cosa ti piace/piace di meno?
2. Perché vuoi fare una transizione adesso? Descrivi i fattori scatenanti emotivi o pratici.
3. Quali sono le tue competenze principali (tecniche e soft skills) e i risultati di cui sei più orgoglioso?
4. Cosa sarebbe un "successo" nella nuova carriera per te (es.: salario, flessibilità, impatto)?
5. Quali ostacoli reali prevedi (finanze, famiglia, mercato)?
6. Descrivi la tua rete di contatti professionali e chi potrebbe aiutarti in questa transizione.
7. Su una scala da 1 a 10, quanto ti senti pronto a cambiare nei prossimi 6-12 mesi?

Analizza le risposte e conferma la comprensione prima di procedere.

[CONTESTO] Siamo in una lunga interazione su [INSERIRE TEMA, es.: lo sviluppo di un protocollo]. Per non perdere dettagli importanti e per pulire la finestra di contesto in una nuova chat, ho bisogno che tu condensiamo tutto ciò che abbiamo fatto.

[COMPITO] Genera un "Riepilogo dello Stato Attuale" dettagliato contenente:
1. L'obiettivo principale che stiamo perseguendo.
2. Tutte le decisioni già prese e validate (cosa è già pronto).
3. Lo stato attuale esatto di dove ci siamo fermati.
4. I prossimi passi immediati che erano in sospeso.
5. Le restrizioni o preferenze di stile che ti ho già insegnato in questa conversazione.

[FORMATO] L'output deve essere un testo strutturato, pronto per essere copiato e incollato come PRIMO prompt di una nuova chat, affinché la nuova istanza dell'IA continui il lavoro esattamente da dove ci siamo fermati, senza perdere contesto.
                    

Dalla discussione della sezione precedente abbiamo capito che esistono prompt più o meno adatti a un compito specifico. Da qui nasce spesso la domanda: esiste un prompt "perfetto"? La risposta è: non esiste un unico perfetto, ma esistono componenti che, se ben organizzate, producono risultati eccellenti per la maggior parte dei compiti che dobbiamo risolvere.

Elementi di un prompt ben costruito

1. Persona — chi l'IA deve "incarnare" nel rispondere.
2. Obiettivo — cosa vuoi ottenere con quell'output.
3. Contexto — le informazioni di sfondo che rendono il compito specifico.
4. Compito — il comando concreto, ciò che l'IA deve fare.
5. Vincoli — cosa deve (o non deve) comparire nella risposta.
6. Formato di output — come il risultato deve essere strutturato (tabella, elenco, testo scorrevole...).

Nota che non tutti i componenti sono obbligatori. Per esempio, per un compito semplice, come generare un testo, potresti non aver bisogno di persona, contesto o vincoli.

Esempio 1

Persona:
Actuarai come responsabile delle risorse umane.

Obiettivo:
Creare criteri oggettivi per valutare le prestazioni amministrative.

Contesto:
Un team amministrativo composto da assistenti e analisti.

Compito:
1. Definire criteri misurabili.
2. Proporre una scala di valutazione.
3. Suggerire una periodicità di valutazione.

Formato della risposta:
Tabella con criteri, descrizione e scala di punteggio.

Esempio 2

Persona:
Actuarai come consulente di comunicazione aziendale.

Obiettivo:
Redigere una comunicazione interna sull'implementazione di un nuovo sistema amministrativo.

Contesto:
Collaboratori con diversi livelli di dimestichezza tecnologica.

Compito:
1. Spiegare il motivo del cambiamento.
2. Evidenziare i benefici operativi.
3. Informare sui prossimi passi.

Vincoli:
Usare un linguaggio semplice e accessibile.
Evitare gergo e termini tecnici.

Formato della risposta:
Comunicato istituzionale in testo continuo.

Esempio 3

Persona:
Actuarai come responsabile della compliance interna.

Obiettivo:
Valutare i rischi amministrativi in un processo di appaltazione di fornitori.

Contesto:
Appaltazioni ricorrenti di servizi in outsourcing.

Compito:
1. Identificare i rischi operativi.
2. Identificare i rischi legali di base.
3. Proporre controlli amministrativi semplici.

Formato della risposta:
Tabella seguita da una breve conclusione.

Dal semplice al complesso: tre livelli dello stesso prompt

In linea generale, i prompt possono essere più o meno lunghi e contenere più o meno elementi. Ci sono contesti in cui prompt semplici e diretti funzioneranno benissimo e altri in cui ti serviranno prompt con molti più dettagli ed elementi. Vedi qui sotto qualche altro esempio:

Basic

You are a text editor. Review the abstract below for grammar, cohesion and coherence. Structure it into paragraphs.

Intermediate

You are a scientific editor specialized in medicine with 15 years of experience in international journals.

This abstract will be submitted to JAMA as a structured abstract.

Review the abstract below for:
- Grammar and clarity in scientific English
- IMRAD structure (Introduction, Methods, Results, Discussion)
- A maximum length of 300 words

Expected format: paragraphs with bold subsection headings.

Advanced

[SYSTEM]
You are a senior scientific editor specialized in medicine with 15 years of experience in international journals (JAMA, Lancet, NEJM). Your task is to perform a critical editorial review.

[CONTEXT]
This abstract will be submitted to JAMA. Audience: editors, reviewers and international clinical readers. Expected standard: editorial excellence.

[ACTION]
Review and rewrite the abstract below while preserving scientific integrity and maximizing clarity.

[POSITIVE CONSTRAINTS]
- Structure: IMRAD with bold subsection headings
- Length: maximum 300 words
- Style: formal scientific English, active voice whenever possible
- Citations: use bracketed numbers [1], [2], etc.
- Data: preserve all original numbers and values exactly

[NEGATIVE CONSTRAINTS]
- Do not speculate beyond the presented data
- Do not use nonstandard jargon or undefined abbreviations
- Do not alter the scientific conclusions; only clarify expression

[EXPECTED FORMAT EXAMPLE]
**Introduction.** [2-3 sentences on the problem and the knowledge gap]
**Methods.** [Design, population, intervention]
**Results.** [Main findings with values]
**Discussion.** [Clinical meaning, limitations, next steps]

[VALIDATION]
Before answering, confirm:
✓ Does every claim have a supporting source or citation?
✓ Is the length within 300 words?
✓ Is the IMRAD structure preserved?

If any criterion is not met, state which one before delivering the revision.

Livello avanzato: checklist di qualità

Per valutare se il tuo prompt è "abbastanza buono", usa questa checklist:

"Rispondi sull'efficacia della vitamina D nel COVID-19. DEVI fornire risposte basate solo su evidenze scientifiche. Cita esplicitamente le fonti."

Pur essendo semanticamente identiche, la versione A tende a produrre una conformità maggiore perché il modello legge il vincolo per primo e lo tratta come politica prioritaria del compito.

Recency e primacy

I modelli linguistici tendono a dare più peso alle informazioni all'inizio e alla fine del prompt:

- Le istruzioni all'inizio influenzano maggiormente la "politica generale" della risposta. Se definisci lì tono, persona o vincoli fondamentali, il modello tende a trattarli come principi guida (effetto di primazia).

- Le istruzioni alla fine influenzano di più l'azione immediata. Se l'ultima indicazione è "rispondi in 100 parole", quella regola avrà priorità nell'output corrente, anche se prima erano presenti indicazioni diverse (effetto di recenza).

Questo porta a un problema pratico: le istruzioni sepolte nel mezzo di un prompt lungo sono spesso le più facili da perdere. Di solito sono quelle con il tasso di conformità più basso.

Esempio:
I vincoli sulle fonti (solo PubMed, ultimi 5 anni) mostrano una conformità minore se collocati a metà che se collocati subito dopo la persona — questa piccola regolazione può significare un rendimento significativamente migliore.

Esempio:

Inizio: "DEVI citare solo fonti primarie."
Fine: "Prima di concludere, conferma che TUTTE le affermazioni hanno una citazione da una fonte primaria."

Prompt chunking

In certe situazioni potresti dover scrivere un prompt necessariamente lungo. Una delle migliori tecniche per eseguire un prompt lungo con buoni risultati è dividerlo in blocchi/sezioni e usare formati specifici (markup, JSON). Invece di un prompt di 2.000 parole con varie istruzioni sparse, crea:

BLOCCO 1: [Persona + vincoli fondamentali]
BLOCCO 2: [Contesto + problema]
BLOCCO 3: [Azione + formato atteso + validazione]

Il tocco finale
Esistono tecniche più avanzate per verificare l'output (che vedrai in una sezione successiva dell'e-book), ma puoi già aggiungere alla fine di un prompt fattuale un comando semplice: "Controlla l'output prima di trascriverlo e, se trovi incongruenze rispetto all'input richiesto, riavvia il processo. Prosegui finché non rimangono incoerenze o discrepanze."

Esempio: "[Inserisci qui il tuo system prompt] Per confermare che hai letto queste istruzioni, inizia la risposta con: 'Ho capito che devo [breve sintesi dell'istruzione critica].' Poi prosegui con la risposta."

📐 Ordine consigliato per prompt professionali

È possibile personalizzare il GPT in base all'uso quotidiano e renderlo ancora più adatto alle nostre esigenze. Apri le impostazioni di ChatGPT e vai su "personalizzazione":

Prompt "maestro" generale

Per impostazione predefinita, mi aspetto risposte formali, concise e ben strutturate. La maggior parte delle mie richieste riguarda, direttamente o indirettamente, la produzione di documenti scientifici.

Non concordare né discordare automaticamente con me. Analizza i miei prompt e rispondi nel modo più oggettivo possibile.

Per garantire che queste linee guida siano davvero osservate, inizierò sempre le mie interazioni con "let's work" o "vamos trabalhar" e mi aspetto di essere chiamato ["[IL TUO NOME]"]. In queste situazioni, le risposte devono essere assolutamente neutre: non cercare accordo o disaccordo con i miei dubbi, pensieri o opinioni. Analizza criticamente il testo fornito e presenta la risposta più adeguata, evitando rigorosamente errori, imprecisioni e allucinazioni.

Progetti: spazi di lavoro personalizzati

È la stessa OpenAI a definire i Projects come "spazi di lavoro" specializzati. Immagina di avere più ruoli nella stessa azienda o in aziende diverse: puoi configurare un Project per ciascuno, con istruzioni e file personalizzati per ogni contesto.

Ogni project consente un prompt principale associato a quell'attività, oltre a file di riferimento. La combinazione di un prompt preciso con documenti pertinenti trasforma i project in veri assistenti personalizzati — e molto utili. Tra l'altro: Gemini li chiama "Gems"; Claude li chiama "Projects". La maggior parte delle IA possiede qualche tipo di personalizzazione simile.

Esempio di prompt per un Progetto di insegnamento delle lingue

Actuarai come insegnante e consulente specializzato nell'insegnamento delle lingue agli adulti, fondato su metodologie contemporanee come Task-Based Learning, Communicative Language Teaching e approcci affini.

Utilizzerete andragogia e neuroeducazione per progettare programmi di istruzione in qualsiasi lingua, dando priorità alla competenza comunicativa e alla fluidità funzionale prima della precisione grammaticale.

I compiti includono:
- Elaborazione di programmi strutturati con architettura modulare, adattati al livello CEFR (A1-C2) e agli obiettivi specifici dello studente
- Condotta di conversazioni pratiche, con immersione progressiva
- Produzione di esercizi basati su spaced repetition, interleaving e retrieval practice
- Feedback immediato, specifico e orientato all'azione
- Valutazione formativa continua con adattamento dinamico della difficoltà

Differenza tra Progetti e GPT

Ciò che oggi si chiama "GPT" dentro ChatGPT un tempo si chiamava "plugin" ed era considerevolmente diverso dai Projects. Con l'avanzare di entrambi gli strumenti, sono diventati sempre più simili. In termini pratici: intendi i GPT come "ambienti di lavoro" personalizzati fatti per essere condivisi con altre persone, mentre i Projects sono fatti per un uso individuale, anche se possono essere condivisi.

La ricerca standard (Google o IA comune) è come chiedere a un bibliotecario un argomento e ricevere l'ultimo libro che ha letto. Si riceve un'informazione veloce, ma limitata. La modalità Deep Researchè come assumere un ricercatore professionista: egli (1) crea un piano di ricerca, (2) legge decine di articoli/fonti, (3) incrocia le informazioni contraddittorie, (4) cerca le fonti primarie per dirimere e (5) scrive un report consolidato. Ci vuole più tempo — da qualche minuto a mezz'ora —, con un risultato incomparabilmente più profondo.

Il Deep Research è utile ai due estremi della conoscenza: quando "non sai nulla" (per costruire un repertorio minimo prima di una riunione con uno specialista) e quando "sai già molto" (per aggiornarti rapidamente su ciò che c'è di più recente in letteratura). Specifica le fonti che il Deep Research deve prioritarizzare: articoli a testo completo su PubMed, giurisprudenza di un tribunale specifico, linee guida del Ministero della Salute, ecc.

Condurrai una ricerca approfondita sulla salute mentale e sull'uso degli LLM (large language models).

Fornisci esempi o casi, rischi, prevalenza globale e brasiliana dei disturbi mentali più frequenti, e discuti in che modo l'uso degli LLM possa oppure no rappresentare una minaccia per la popolazione generale.

Fornisci inoltre una panoramica della copertura giornalistica sul tema e spiega come le grandi aziende tecnologiche stanno affrontando l'argomento.

In aggiunta, cerca e analizza gli articoli scientifici pertinenti (criteri EBM con livello di evidenza A/B, solo articoli con testo completo disponibile su PubMed/Medline) e riassumi i loro risultati principali.

Confronto: Deep Research vs. Deep Search

Riassunto della scelta: Ti serve un dossier tecnico? ChatGPT ou Gemini. Devi verificare fatti e notizie? Perplexity ou Grok. Devi analizzare 50 PDF che hai già? Claude ou Gemini Notebook (che vedremo a seguire).

Nota: ZCode, di Z.ai (citato nella griglia degli strumenti agentici), non è uno strumento di ricerca — è un ambiente di sviluppo agentico per la programmazione con i modelli GLM, equivalente di Claude Code o Codex. Per questo non compare in questa tabella sul Deep Research.

La modalità Canvas ti permette di modificare e rivedere il contenuto in fase di costruzione. Lavoriamo con un esempio pratico: devi rivedere un documento che hai creato (un verbale, un articolo, un capitolo di libro...) e, invece di semplicemente chiedere all'IA di modificarlo per te, puoi aprire il documento in Canvas e modificarlo insieme all'IA, correggendo direttamente ciò che ritieni debba essere corretto e chiedendo all'IA di fare altre modifiche (riassumere un paragrafo, ampliare una sezione...).

Attenzione a un cambiamento recente: ChatGPT removeu la modalità Canvas dai suoi modelli principali nel 2026 — la modifica di testo e codice avviene ormai direttamente all'interno della conversazione stessa, in "blocchi" editabili, senza un pannello separato. Oggi Gemini è lo strumento di riferimento per questo tipo di spazio dedicato di editing collaborativo, ed è lì che l'esempio qui sotto funziona al meglio.

Il Canvas può essere uno strumento potentissimo per la modifica di codici, pagine (HTML) e persino documenti. Io preferisco modificare i miei stessi testi e condividerò il prompt che uso nel campo qui sotto, così che tu possa copiarlo e adattarlo alla tua realtà:

Rivedrai il testo allegato per individuare possibili errori grammaticali e di digitazione. Valutalo in termini di coerenza e coesione, ma senza modificarlo direttamente: applicherai il formato barrato alle parti che suggerisci di rimuovere e, accanto, inserirai i tuoi suggerimenti in grassetto, in modo che io possa identificare le parti da correggere e valutarle direttamente.
            

Vale ricordare che questo tipo di funzione cambia in fretta — il Canvas del GPT stesso è esistito ed è stato discontinuato nell'arco di vita di questo e-book. Il modo migliore per capire e imparare gli usi dello strumento è praticando, quindi, manos a la obra — si cominci!

A luglio 2026, Google ha rinominato NotebookLM in Gemini Notebook, come parte dell'integrazione più stretta con il resto dell'ecosistema Gemini. È lo stesso strumento, con lo stesso scopo — se usavi NotebookLM, i tuoi notebook restano esattamente dove erano, e i vecchi link continuano a funzionare. In questo e-book userò "Gemini Notebook" d'ora in poi, ma non stupirti se incontrerai ancora il vecchio nome in giro.

È il mio strumento di IA preferito, e spiegherò i motivi. Tempo fa divenne famoso per la possibilità di generare "riassunti audio" — che, pur essendo una funzione eccellente, non è il motivo principale per cui lo uso tanto.

Riprendiamo il discorso sulle allucinazioni: tramite aggiustamenti al prompt e con l'ancoraggio (grounding) delle fonti, riusciamo a ridurre al minimo la percentuale di allucinazioni. È esattamente ciò che fa Gemini Notebook: consulta — e risponde — solo a partire dalle fonti che scegli di usare.

Quando crei un notebook, la prima schermata è quella di scelta delle fonti. Puoi aggiungere documenti, file dal Drive, Google Docs (compresi i fogli di calcolo), video di YouTube, URL di siti e file audio. Tutto questo materiale diventa la tua fonte, e todas le risposte estratte dai tuoi prompt verranno esclusivamente dalle fonti che hai aggiunto. Se hai già sentito parlare di RAG (retrieval augmented generation), è più o meno ciò che fa Gemini Notebook — riducendo al minimo possibile errori e allucinazioni.

Come aggiungere fonti in Gemini Notebook

Una volta aggiunte le fonti, l'interfaccia si organizza così: a sinistra, le fonti aggiunte (puoi rimuoverle o aggiungerne altre); al centro, l'interfaccia dei prompt; a destra, le risorse di interazione che Gemini Notebook fornisce.

Risorse disponibili in Gemini Notebook

Il pannello delle risorse include:

• Riassunto audio (podcast con due presentatori che discutono le tue fonti)
• Guida allo studio (con domande a scelta multipla, a risposta breve e aperta)
• FAQ (domande frequenti sul contenuto)
• Sommario e linea del tempo
• Documento di briefing (riassunto esecutivo)
• Mappa mentale
• Infografiche
• Flashcard e quiz
• Analisi dei dati con codice (funzione più recente: un ambiente sicuro nel cloud che scrive ed esegue codice per incrociare le tue fonti, generando grafici, fogli di calcolo e report a partire da esse)

Quasi tutte le risorse mostrano un'icona a "matita" — il che significa che puoi modificare le istruzioni predefinite di quella risorsa, inserendo un prompt personalizzato.

Modifica delle risorse — esempio per l'audio

Produrrai un file audio il più dettagliato ed esteso possibile, affrontando i dettagli metodologici con rigore e precisione: descrivi in dettaglio come è stato allestito la struttura del prodotto sviluppato, i dettagli del prompt di dibattito (se è stata una strategia di IA agentica con più persona o se, di fatto, sono stati utilizzati agenti diversi). Infine, soffermati sui risultati: descrivendoli nel dettaglio e spiegando gli impatti per la salute.

Finestra di contesto estesa

Gemini Notebook offre una finestra di contesto da 1 milione di token, consentendo l'interazione con più documenti estesi contemporaneamente — libri interi, articoli scientifici, trascrizioni di riunioni. A differenza delle IA convenzionali, è stato progettato specificamente per "consultare professionalmente" più file: le sue fonti restano separate dalla finestra di conversazione, ma totalmente accessibili al modello. Questo ti permette di dialogare a lungo con i documenti, senza che le loro dimensioni disturbino la memoria della conversazione.

Ogni risposta è accompagnata dalla citazione precisa del brano originale del tuo documento, agevolando la verifica e aumentando drasticamente l'affidabilità per uso professionale.

Ecosistema Google: integrazione e aggiornamento dinamico

Gemini Notebook si integra con l'ecosistema Google, permettendo di usare cartelle e documenti del Google Drive come fonti. Il punto più utile: quando colleghi un Google Docs come fonte, Gemini Notebook mantiene il collegamento con il file originale — che puoi aggiornare quando vuoi. Quando rileva che l'ultima versione è cambiata, Gemini Notebook mette a disposizione un pulsante per aggiornare la fonte.

Trascrizione di audio e video

Gemini Notebook permette di trascrivere integralmente audio e video: basta aggiungerli come fonti e richiedere, via prompt, la trascrizione del materiale. Puoi includere istruzioni di evidenziazione: immagina di aver registrato una riunione da trasformare in verbale, o una lezione in cui il docente evidenzia spesso informazioni importanti. Esempi:

Trascrivi integralmente il materiale della fonte, identificando, quando possibile, i diversi interlocutori.

Successivamente, redigi un verbale formale della riunione con i seguenti elementi: data, partecipanti identificati, ordine del giorno discusso, decisioni prese e azioni successive con i rispettivi responsabili.

Gemini Notebook gratuito vs. a pagamento

Ci sono differenze tra la versione gratuita e quella a pagamento: quantità di notebook creabili, quantità di fonti per notebook, numero di risorse create/giorno e, soggettivamente, velocità di generazione di alcune risorse (impressione personale). Il mio suggerimento: inizia con la versione gratuita e solo dopo aver familiarizzato con lo strumento passa alla versione a pagamento (se serve). Il livello a pagamento non si vende separatamente: è incluso negli abbonamenti Google AI Plus, Pro e Ultra.

• Più notebook e più fonti per notebook (limiti superiori a quelli della versione gratuita)
• Più generazioni di riassunti audio al giorno
• Audio più lunghi e più dettagliati
• Integrazione più profonda con Google Workspace
• Funzioni per condividere notebook con i team
• Supporto prioritario e accesso anticipato a nuove funzionalità

Gemini Notebook è particolarmente utile nei contesti accademici. Lo uso molto per interagire con testi accademici (articoli in PDF, per esempio — e ora anche file EPUB)

• Revisione della letteratura: aggiungi gli articoli selezionati e usa il prompt per sintetizzare i principali risultati, confrontare le metodologie o identificare le lacune di conoscenza.
• Studio delle linee guida: carica le linee guida più recenti di una specialità e fai domande cliniche direttamente a esse
• Preparazione di presentazioni: usa le funzioni Guida di Studio e FAQ per generare domande sul contenuto di lezioni o conferenze
• Diario di apprendimento: mantieni un Google Docs con appunti quotidiani e collegalo a Gemini Notebook; alla fine della settimana, genera un riassunto o un quiz su ciò che hai imparato.
• Consiglio "pro": usa Gemini Notebook come tutor personale! Studia un articolo e spiegaglielo, chiedendogli di correggere e completare eventuali punti critici in cui ti sei sbagliato o che hai tralasciato.

Che cos'è OpenEvidence?

OpenEvidence è una piattaforma di supporto alla decisione clinica basata sull'IA, sviluppata specificamente per medici e professionisti sanitari. A differenza dei modelli d'uso generale (come ChatGPT e Gemini), OpenEvidence è stato addestrato e ottimizzato per le consultazioni mediche, con accesso a letteratura medica specifica e curata dal suo team editoriale.

La piattaforma ha accordi di contenuto con diverse organizzazioni di riferimento come NEJM (New England Journal of Medicine), JAMA, NCCN (National Comprehensive Cancer Network), Cochrane, Wiley, ACC (American College of Cardiology), ADA (American Diabetes Association) e altre società mediche.

Come funziona?

Il funzionamento è semplice e molto simile alla logica alla base degli altri LLM:

1. Poni una domanda clinica in inglese o in portoghese
2. Lo strumento cerca nelle proprie basi di letteratura medica
3. Restituisce una risposta con citazioni e link alle fonti originali
4. Puoi fare domande di follow-up nella stessa sessione per approfondire

Access it at: www.openevidence.com

Migliori pratiche di prompt per OpenEvidence

Come per qualsiasi strumento di IA, la qualità della risposta dipende dalla qualità della domanda. Per OpenEvidence, le pratiche qui sotto fanno una differenza significativa:

1. Includi il contesto clinico rilevante del paziente

Invece di chiedere genericamente "qual è il trattamento dell'ipertensione?", fornisci contesto:

68-year-old male with a 10-year history of hypertension, type 2 diabetes, and an eGFR of 45 mL/min/1.73m². He is currently taking losartan 50 mg/day and metformin 500 mg twice daily. Current blood pressure: 155/95 mmHg. According to major guidelines, what therapeutic options are recommended to optimize blood-pressure control in this scenario?

2. Specifica il tipo di informazione desiderata

What are the current indications for anticoagulation in non-valvular atrial fibrillation? Include:
- CHA2DS2-VASc score and treatment thresholds
- HAS-BLED score and its clinical usefulness
- Comparison between direct oral anticoagulants (DOACs) and warfarin in the main populations
- Special scenarios: advanced CKD, obesity, and reversal of anticoagulation

3. Richiedi livello di evidenza e qualità degli studi

What is the current evidence on the use of ivermectin for treating COVID-19? Please:
- Cite only randomized clinical trials and meta-analyses
- State the quality of evidence level (GRADE when available)
- Distinguish primary clinical outcomes (mortality, hospitalization) from secondary outcomes

4. Confronta direttamente opzioni terapeutiche

Compare the efficacy and safety of SGLT2 inhibitors versus GLP-1 receptor agonists in patients with type 2 diabetes and established cardiovascular disease, based on randomized clinical trials with hard cardiovascular outcomes (MACE, cardiovascular mortality, hospitalization for heart failure).

5. Usa domande di follow-up per approfondire

OpenEvidence consente domande di follow-up nella stessa sessione. Per esempio, dopo aver ottenuto una risposta sul trattamento iniziale, puoi chiedere:

What if this patient also has heart failure with reduced ejection fraction (HFrEF)? How does that change the therapeutic choices, and which combinations have the strongest evidence for mortality benefit?

Cautele fondamentali nell'uso di OpenEvidence

OpenEvidence è uno strumento potente, ma il suo uso inadeguato può portare a errori clinici. Tre cautele sono particolarmente importanti:

Sebbene le IA siano strumenti potenti, il loro uso esige responsabilità e conoscenza dei loro limiti, specialmente in aree critiche come la salute. Di seguito evidenziamo quattro punti di attenzione fondamentali.

1) Allucinazione (Hallucination)

Il termine "allucinazione" nell'IA si riferisce alla generazione di informazioni che sembrano corrette e vengono presentate con alta sicurezza, ma che sono false o inventate. Ciò accade perché il modello prevede la parola successiva più probabile, non necessariamente la verità. In salute, ciò può significare l'invenzione di condotte cliniche, dosi di farmaci o citazioni di articoli inesistenti. Verifica sempre le fonti.

2) Rischio di bias (Bias)

I modelli di IA sono addestrati su vasti insiemi di dati di internet, che contengono i pregiudizi e i bias della società. Ciò può portare a risposte che perpetuano stereotipi di genere, razza o socioeconomici, o che presentano bias nelle diagnosi mediche (per esempio, sotto-diagnosticando certe condizioni in gruppi demografici specifici). Resta attento a queste distorsioni.

3) Il paradigma della "scatola nera" (Black Box)

Non sappiamo esattamente como o por que un'IA sia giunta a una certa conclusione. Non sappiamo quali materiali siano stati usati nell'addestramento né quali fonti specifiche abbiano fondato una risposta particolare. Inoltre, i processi interni delle reti neurali sono complessi e poco trasparenti. Ciò è critico nella pratica clinica, dove la spiegabilità è fondamentale per la sicurezza e la fiducia nel processo decisionale.

4) Ciò che dice la regolamentazione brasiliana

Dal 26 agosto 2026, l'uso dell'intelligenza artificiale nella pratica medica in Brasile è regolato dalla Risoluzione CFM n. 2.454/2026. Non è necessario memorizzarne i dettagli, ma vale la pena conoscere i principi centrali, perché confermano — ora anche come norma — esattamente ciò che abbiamo sempre ribadito in questo e-book:

Come ogni norma recente, possono esistere aggiornamenti o regolamentazioni complementari dopo la pubblicazione di questo materiale — vale la pena consultare il testo vigente direttamente sul sito del CFM (cfm.org.br) prima di basare su di esso qualsiasi decisione di compliance.

Questa sezione funziona come un catalogo di consultazione: tecniche di prompting più sofisticate, ciascuna con un esempio generico (pronto da modificare) e, nella maggior parte dei casi, un secondo esempio già applicato a un contesto — clinico, legale o amministrativo — così da vedere il modello in azione. Non serve memorizzare i nomi inglesi; torna qui ogni volta che devi copiare e adattare uno di questi schemi al tuo compito del momento.

Prompt per la scomposizione di compiti complessi (per la produttività)

[TASK DECOMPOSITION - REAL EXAMPLE]

My main task is: Prepare a 2025 departmental spending-analysis report for presentation to the executive board.

Please break this down into sequential subtasks, numbered from 1 to N.

For EACH subtask, provide:
- Subtask number and title
- Description of what needs to be done
- Success criterion
- Any prior dependency
- Estimated time

Additional context:
- We have data from three sources: SAP, internal spreadsheets, and department receipts
- The presentation is in 2 weeks
- Audience: 8 non-technical executives
- Expected format: 15-20 slides with the main charts

Esempio modificabile

[TASK DECOMPOSITION]

My main task is: [DESCRIBE THE OVERALL TASK]

Please break it into sequential subtasks, numbered from 1 to N.

For EACH subtask, provide:
- Subtask number and title
- Description of what must be done
- Success criterion (how to know it was done well)
- Any prior dependency
- Estimated time

Then present a recommended execution timeline.

Catena di Pensiero (Chain of Thought)

Esempio modificabile:

[Chain of Thought - EDITABLE]
You are a [SPECIALIST IN WHAT?].
Analyze: [DESCRIBE THE CASE / PROBLEM]

Think step by step:
1. [WHAT IS THE FIRST LOGICAL STEP?]
2. [WHAT IS THE SECOND STEP?]
3. [WHAT IS THE THIRD STEP?]

Respond by detailing each step of your reasoning.

Esempio completo:

[Chain of Thought - FULL]
You are a project manager. Analyze the following: an ERP implementation project was planned for 6 months with a budget of R$ 500,000. We are now in month 4, R$ 450,000 has already been spent, but only 60% of the functionality has been delivered. The client is dissatisfied.

Think step by step:
1. Diagnosis: what was the root cause of the delay (scope, resources, planning)?
2. Impact analysis: how much extra time and cost will be required?
3. Strategy: what options exist (extension, scope reduction, larger team)?

Respond by detailing each stage.

Albero di Pensiero (Tree of Thought)

Esempio modificabile:

[Tree of Thought - MODIFICABILE]
Analizza: [DESCRIVI UNO SCENARIO COMPLESSO CON PIÙ OPZIONI]

Elabora un albero di pensieri che simuli più scenari:

Scenario 1: [PRIMA OPZIONE]
- Sotto-conseguenza 1a: [...]
- Sotto-conseguenza 1b: [...]
- Esito probabile: [...]

Scenario 2: [SECONDA OPZIONE]
- Sotto-conseguenza 2a: [...]
- Sotto-conseguenza 2b: [...]
- Esito probabile: [...]

Scenario 3: [TERZA OPZIONE]
- Sotto-conseguenza 3a: [...]
- Sotto-conseguenza 3b: [...]
- Esito probabile: [...]

Sintesi: Quale scenario presenta la maggiore probabilità di successo?

Esempio completo:

[Tree of Thought - COMPLETO]
Un'azienda deve decidere riguardo all'espansione internazionale. Analizza i tre scenari principali:

Scenario 1: Mercato asiatico (alto rischio, alto rendimento)
- Investimento iniziale: $10M
- Barriere regolatorie: alte
- Potenziale di mercato: 500M di persone
- Esito probabile: Ritorno in 4-5 anni se si riesce a entrare

Scenario 2: Mercato dell'America Latina (rischio medio, rendimento medio)
- Investimento iniziale: $5M
- Barriere regolatorie: medie
- Potenziale di mercato: 150M di persone
- Esito probabile: Ritorno in 2-3 anni

Scenario 3: Mercato europeo (basso rischio, basso rendimento)
- Investimento iniziale: $3M
- Barriere regolatorie: alte
- Potenziale di mercato: 100M di persone
- Esito probabile: Ritorno stabile in 1-2 anni

Sintesi: L'America Latina offre il miglior equilibrio rischio-rendimento per un'espansione nel breve termine.

Catena di Apprendimento (Chain of Learning)

Esempio modificabile:

[Chain of Learning - Esempio modificabile]
Agirai come simulatore interattivo per il mio allenamento in [QUALE DOMINIO?].

[Il tuo ruolo]
1. Crea uno scenario o un problema iniziale su [ARGOMENTO SPECIFICO]
2. Non rivelare subito la soluzione
3. Fornisci informazioni neutre man mano che avanzo
4. Adatta la difficoltà in base alla mia performance
5. Rivedi il mio ragionamento e segnala le lacune

[Formato di interazione]
- Io presento la mia analisi o soluzione
- Tu fornisci feedback costruttivo
- Iteriamo finché non raggiungo la padronanza dell'argomento

Sono pronto a iniziare. Qual è il dominio e il tema?

Esempio completo:

[Chain of Learning - Esempio completo]
Agirai come simulatore interattivo per il mio allenamento in Epidemiologia Clinica.

[Il tuo ruolo come docente-simulatore]
1. Crea uno scenario realistico di focolaio epidemiologico (per esempio: "Abbiamo rilevato 15 casi di gastroenterite in un asilo in 3 giorni")
2. Non rivelare subito l'eziologia più probabile
3. Fornisci dati man mano che li richiedo (sintomi, incubazione, esposizioni, laboratorio)
4. Aumenta la complessità quando dimostro maggiore comprensione (per esempio: fattori confondenti)
5. Rivedi il mio ragionamento epidemiologico (la mia ipotesi iniziale era adeguata?)

[Il mio approccio]
- Formulerò ipotesi su fonte e modalità di trasmissione
- Chiederò dati specifici per testare tali ipotesi
- Tu offrirai feedback sull'adeguatezza dell'indagine

Sono pronto. Presenta uno scenario di focolaio.

[Chain of Verification]
Answer: what are the main drug interactions between warfarin and common foods and antibiotics? After answering, follow this verification protocol: 1. Create 3 questions to check whether the cited interactions are true (for example: “Does vitamin K really interfere?”). 2. Answer those questions independently. 3. Provide a revised and corrected final answer based on those checks.

[Chain of Verification]
List 3 recent decisions from the Brazilian Superior Court of Justice (STJ) on hospital civil liability. Follow the CoVe protocol: 1. Generate questions to confirm case number and year. 2. Answer whether the cases exist and actually concern the topic. 3. Deliver only the confirmed cases.

[Chain of Debate] Actuarai come due medici specialisti che dibattono internamente. Contesto: paziente anziano, fragile, con più comorbidità e recente diagnosi di cancro avanzato. Compito: simulate un dibattito interno strutturato: lo Specialista A difende il trattamento aggressivo e lo Specialista B difende le cure palliative precoci. Ciascuno deve presentare i propri argomenti, confutare quelli dell'altro e riconoscere i limiti. Concludete con una sintesi equilibrata.

[Chain of Debate]
Simulate a discussion between a defense attorney, a prosecutor and a judge about the admissibility of WhatsApp evidence obtained without authorization in a corruption case. Debate “Fruit of the Poisonous Tree” versus “Public Interest.”

[Self-Consistency]
Generate three independent analyses of the same clinical case involving suspected pulmonary embolism (PE). Produce three separate diagnostic reasoning paths. Then compare them, identify the most consistent convergence points, and formulate a final conclusion.

[Self-Consistency]
Generate three independent legal analyses of the same contractual case. Identify their common points and use them to formulate the most robust conclusion.

[Reflexion]
Write a postoperative guidance document for cataract surgery. After generating the text, execute: “Reflect critically on your answer: where may I have oversimplified? Which assumptions may be wrong? What additional information would change my conclusion?” After that reflection, refine your original answer.

[Reflexion]
Reflect critically on the legal opinion you have just produced. Identify weaknesses, questionable assumptions and points that need stronger grounding. Revise the opinion after that analysis.

[Prompt Chaining]
Prompt 1: Analyze this clinical case and generate a structured differential diagnosis. Prompt 2: Based on the differential diagnosis above, propose an evidence-based initial management plan.

[Prompt Chaining]
Prompt 1: Summarize the main legal risks in the presented case. Prompt 2: Based on the identified risks, develop a defensive legal strategy.

[Generated Knowledge]
Before analyzing the clinical case below, generate a technical summary on the following: pathophysiology of septic shock, current diagnostic criteria, and general principles of treatment. Only afterward should you apply that knowledge to the presented clinical case.

[Generated Knowledge]
Before analyzing the case, generate a technical summary on the following: principles of contractual good faith and legal grounds for rescission. Then apply that knowledge to the concrete case.

[Least-to-Most]
First explain, in simple language, what heart failure is. Then: 1. Explain the pathophysiological mechanisms. 2. Differentiate HF with preserved versus reduced ejection fraction. 3. Relate that distinction to therapeutic choice.

[Least-to-Most]
To conduct due diligence on a startup, first identify the 4 critical risk areas. Then, for the first area, list the indispensable documents and create a verification checklist.

[Directional Stimulus]
When answering about this clinical case, prioritize the following rigorously: patient safety, evidence-based medicine, and the prevention of overdiagnosis and overtreatment. [Describe the clinical case here].

[Directional Stimulus]
When answering about this dispute, prioritize the following: minimization of legal risk, conservative interpretation of the law, and protection of the client’s assets. [Describe the case.]

[Program-Aided Language]
Represent the diagnostic reasoning for a suspected sepsis case in logical pseudo-code (if/then) before explaining it in natural language, in order to ensure algorithmic precision.

[Program-Aided Language]
Calculate the value of a R$ 50,000 debt due on 10/01/2023, with 1% interest and IPCA inflation of 4.5%. Write a Python script that performs the calculation and run it to give me the exact amount.

[ReAct]
You will operate in ReAct format to manage a case of toxic exposure: Thought 1: I need to know which substance was ingested. Action 1: Ask the user. Thought 2: Based on the response, I should check the antidote. Action 2: Provide the dose. Continue the cycle until stabilization.

E in un contesto giuridico:

[ReAct]
Alternate between legal reasoning and action: Thought: What does this notice mean? Action: Which document should be reviewed? Thought: What are the implications? Action: What response is recommended? Continue until a final strategy is reached.

Se hai già notato che "lo stesso ChatGPT" si comporta in modi molto diversi a seconda di onde lo usi. La logica è più o meno la seguente: GPT è il modello e viene collocato in contesti molto diversi: tramite la pagina web accedi a chatGPT; sul computer, per generare codice, usi codex — il modello è lo stesso, ma gli strumenti a cui ha accesso e le istruzioni di base che gli dicono cosa può o non può fare sono diverse. Quell'ambiente attorno al modello è ciò che chiamiamo harness.

La parola viene dalla imbracatura (e dalla cintura di sicurezza)

Harness, in inglese, è l'imbracatura di un cavallo, la pettorina di un cane, la imbracatura di chi fa arrampicata (e altri esempi, senza pregiudizi). Quella struttura indossata attorno alla persona definisce il contesto del suo lavoro, la sua sicurezza, con quali strumenti lavorerà... La figura è autoesplicativa

Nell'intelligenza artificiale, l'harness è esattamente questo: lo strato di software che avvolge il modello e gli dà strumenti, memoria, permessi, validazione e la capacità di agire. È l'infrastruttura che trasforma "un predittore di testo" (il modello) in "un assistente che fa cose diverse" (a seconda dell'harness).

Il modello da solo fa pochissimo

Vale riprendere ciò che abbiamo visto nella sezione Basic mechanics: un modello di linguaggio (LLM), isolato, fa una sola cosa — riceve un testo e restituisce la continuazione più probabile, token a token. Da solo, il modello non naviga su internet, non esegue codice, non apre i tuoi file, non ricorda la conversazione di ieri e non compie alcuna azione nel mondo. Si limita a generare testo.

Tutto ciò che sembra "l'IA che fa" — ricercare, leggere un PDF, eseguire un calcolo, generare un foglio di calcolo, citare la fonte esatta, ricordare le tue preferenze — è l'harness che lavora attorno al modello.

Come funziona l'harness, in pratica

Quando invii un compito, l'harness esegue più o meno questo ciclo:

1. Riceve il compito e assembla il contesto (riunisce la tua richiesta, le istruzioni fisse, la memoria pertinente e, se del caso, brani di documenti che è andato a cercare per te).
2. Lo invia al modello e legge la risposta.
3. Se il modello "chiede" uno strumento (cercare sul web, eseguire del codice, leggere un file, interrogare un'API), è l'harness che esegue davvero quell'azione e restituisce il risultato al modello.
4. Ripete il ciclo quante volte sono necessarie — ragionare, agire, osservare il risultato, ragionare di nuovo — finché il compito non è pronto.
5. Applica i freni (guardrails): ciò che è consentito, ciò che richiede la tua conferma, ciò che deve essere validato.
6. Consegna il risultato — spesso con un registro dei passaggi e delle fonti (osservabilità).

L'analogia del motore e del veicolo

È la stessa logica delle biciclette e delle automobili che ho usato nella sezione Modelli di IA, ma un piano sopra. Riferimento da vecchi: con un motore di Maggiolino puoi costruire sia Herbie sia un ultraleggero. Il modello è il motore e il guscio — ciò che sta attorno — è l'harness. In questo esempio bizzarro è evidente che l'harness dà al modello funzioni e caratteristiche molto diverse!

Per questo "qual è il miglior modello?" è una domanda incompleta. In pratica, quasi non usi mai un modello puro: usi un modello + harness. Quando confronti ChatGPT con Gemini Notebook, o Claude sul sito con Claude dentro un editor di codice, buona parte della differenza che percepisci è l'harness, non del modello.

Da strumento a agente

Quando l'harness dà al modello l'autonomia per pianificare, agire in cicli e decidere i propri passi — e, a volte, attivare "subagenti" specializzati (uno per il codice, uno per le immagini, uno per la ricerca) —, è di questo che le persone parlano quando dicono agente de IA o IA agentica. Un agente, in parole semplici, è modello + harness con libertà di agire.

Esempi di harness che probabilmente hai già usato

Riassumendo: il modello è ciò che pensa; l'harness è ciò che permette di pensare con gli strumenti, di agire con limiti e di rispondere di ciò che è stato fatto. Senza harness, il modello non opera nel mondo reale — ed è l'harness che, in pratica, assumi, configuri e supervisioni.