Il problema raramente è “non avere informazioni”, ma averle giuste, coerenti e verificabili. Una fattura letta male, una scadenza interpretata al contrario, un riepilogo che salta un importo e ti ritrovi a inseguire un errore per giorni. L’IA può diventare una mano concreta, ma solo se la si guida nel modo giusto. Vediamo come far sì che l’IA non si limiti a rispondere in modo fluido, ma si metta in discussione, evidenzi dove potrebbe sbagliare e produca un output più affidabile.
Molte risposte “sbagliate” dell’IA non sembrano sbagliate, sembrano solo… sicure. Queste tecniche servono a interrompere quella sicurezza automatica e a trasformare la richiesta in un mini-processo di controllo qualità. E in settori lavorativi delicati come l’amministrazione, il controllo qualità non è un vezzo, è tempo risparmiato e problemi evitati.
Chain-of-Doubt
Partiamo dalla prima: Chain-of-Doubt. Qui non stai chiedendo una risposta “più lunga”, stai chiedendo una risposta con un passaggio obbligato: “prima di chiudere, controlla cosa potrebbe non tornare”. È molto utile quando chiedi all’IA di spiegarti una normativa interna, una procedura, o di interpretare un documento che tu hai incollato. Un esempio tipico: “Riassumi questa procedura di approvazione note spese e dimmi i passaggi operativi”. Con Chain-of-Doubt puoi trasformarlo in: “Riassumi questa procedura in passaggi operativi. Poi aggiungi una sezione ‘Punti che possono generare errori’ con 5 rischi concreti (es. mancanza allegati, date incoerenti, doppie approvazioni) e come evitarli”. Il valore è che l’IA, costretta a pensare in negativo, spesso intercetta ambiguità che a una lettura veloce sfuggono.
Failure Audit
La seconda tecnica è Failure Audit. È quella che uso quando voglio che l’IA faccia il revisore, non l’autore. Pensa a un’email di sollecito pagamento: tu la scrivi e chiedi all’IA di migliorarla. Il rischio è che l’IA te la renda più elegante, ma non più efficace. Con Failure Audit invece le dici: “Leggi questa email di sollecito e fai un audit dei possibili fallimenti: dove può essere fraintesa, dove manca un dato, dove è troppo aggressiva o troppo vaga. Poi riscrivila correggendo solo ciò che genera rischio”. Funziona benissimo anche sui report: “Ecco un testo di commento al consuntivo mensile. Fammi un Failure Audit: segnala affermazioni non supportate da numeri, punti che possono essere contestati, parti che sembrano scaricare colpe, e proponi alternative più neutre e verificabili”.
Anti-Expert
Poi c’è Anti-Expert, che sembra controintuitivo ma è utilissimo in ufficio. Significa chiedere all’IA di smettere di parlare “da esperta” e mettersi nei panni di chi deve usare davvero il risultato. In amministrazione spesso serve chiarezza più che brillantezza. Un esempio: “Spiegami come funziona la riconciliazione bancaria”. Se lo chiedi così, rischi un pippone teorico. Con Anti-Expert puoi dire: “Spiegami la riconciliazione bancaria come se dovessi formare una collega neoassunta domani mattina. Niente teoria, solo cosa guardare, che errori capitano, e come capire se un movimento è già contabilizzato o no. Se una regola dipende da ‘come facciamo qui’, fammi le domande minime per non inventare”. È un modo elegante per evitare output generici e per costringere l’IA a restare nel pratico, senza perdere precisione.
Edge Case Stress Test
La quarta tecnica è Edge Case Stress Test. In pratica: chiedi all’IA di cercare gli angoli, i casi strani, quelli che mandano in crisi una procedura o un calcolo. È oro quando lavori con tabelle, estrazioni, importazioni, regole di controllo. Immagina che tu voglia usare l’IA per costruire un controllo su fatture passive: “Dammi una checklist per verificare una fattura prima di contabilizzarla”. Bene, ma la checklist classica rischia di essere ovvia. Con Edge Case Stress Test: “Crea una checklist per verificare una fattura passiva prima della registrazione. Poi fai uno stress test: elenca 10 casi limite che spesso sfuggono (note di credito mascherate, split payment, date documento e competenza che non coincidono, IBAN cambiato, duplicate con numero diverso) e per ciascuno dimmi come intercettarlo”. Oppure sulla prima nota: “Ho questa regola di imputazione costi. Fammi uno stress test: in quali situazioni potrebbe assegnare un centro sbagliato e come posso inserire controlli preventivi”.
Constraint Flip
La quinta tecnica è Constraint Flip. Qui giochi con i vincoli: li inverti, li capovolgi, li usi per vedere come cambia il risultato. È potente quando chiedi all’IA di fare proposte, perché spesso le proposte “migliori” dipendono da ciò che stai ottimizzando. In amministrazione l’ottimizzazione può essere tempo, rischio, tracciabilità, compliance, serenità nelle audit. Esempio concreto: “Proponimi un processo per gestire le richieste di acquisto e la registrazione fatture”. Con Constraint Flip puoi dire: “Proponimi un processo snello. Poi rifallo capovolgendo il vincolo: immagina che l’obiettivo principale non sia la velocità ma ridurre al minimo contestazioni e errori in audit. Dimmi cosa cambia (passaggi, responsabilità, documenti)”. Oppure sulle email: “Scrivi una mail per chiedere a un fornitore la riemissione della fattura”. Poi: “Ora fai un Constraint Flip: stessa mail, ma con il vincolo di ridurre al minimo attrito (tono collaborativo) mantenendo però fermezza e scadenze. Dammi due versioni e spiegami che effetto produce ciascuna”.
Role Collision
La sesta tecnica è Role Collision. Significa far convivere due ruoli che normalmente tirano in direzioni diverse, costringendo l’IA a bilanciare. È perfetta quando ti serve un testo che sia chiaro ma anche “a prova di contestazione”, oppure rapido ma accurato. Un esempio tipico è la comunicazione interna: “Scrivi una comunicazione sulle nuove regole note spese”. Se la fai troppo friendly, qualcuno farà di testa sua. Se la fai troppo rigida, nessuno la legge. Con Role Collision: “Scrivi una comunicazione sulle nuove regole delle note spese. Devi essere contemporaneamente (1) formatore chiaro e (2) controllore che anticipa obiezioni. Tono semplice, frasi brevi, ma inserisci anche 6 punti che chiudono le scappatoie tipiche (es. ricevute illeggibili, spese fuori policy, date mancanti) senza risultare aggressivo”.
Silent Assumption Extractor
Infine, la settima: Silent Assumption Extractor. Questa è probabilmente la più sottovalutata e, in amministrazione, una delle più importanti. Quante volte un’informazione “manca” e qualcuno la dà per scontata? L’IA fa la stessa cosa: se non la fermi, completa i buchi inventando. Con questo prompt le chiedi di dichiarare le assunzioni che sta facendo. Esempio: “Crea una procedura per gestire le fatture estere”. Se l’IA non conosce il tuo contesto, può assumere regime IVA, documenti richiesti, sistemi usati. Con Silent Assumption Extractor la richiesta diventa: “Crea una bozza di procedura per gestire fatture estere basandoti solo sulle informazioni che ti do. Prima però estrai le assunzioni silenziose che dovresti fare (paese UE o extra UE, reverse charge, valuta, canale di approvazione, sistema contabile) e fammi 8 domande mirate. Solo dopo, scrivi la procedura in due versioni: una per UE e una per extra UE”. È un modo pratico per evitare output “lucidi ma sbagliati”.
Se metti insieme queste tecniche, la differenza si vede subito nelle attività quotidiane. Prendi un caso reale: devi fare un riepilogo per il responsabile con lo stato dei pagamenti e le criticità. Un prompt generico del tipo “Riassumi questi dati” produce spesso un testo scorrevole che però si perde i punti scomodi. Con un approccio più “da amministrazione”, puoi chiedere: “Riassumi lo stato pagamenti da questa tabella. Poi applica Failure Audit: dimmi quali righe potrebbero essere sbagliate (importi duplicati, data valuta assente, descrizioni vaghe). Applica Silent Assumption Extractor: quali informazioni mancano per interpretare correttamente i ‘da verificare’? Infine dammi un testo breve per il responsabile e una lista di azioni operative per me (chi contattare, cosa chiedere, cosa controllare)”. Qui l’IA non è un generatore di testo, diventa una seconda coppia di occhi.
Lo stesso vale per le riconciliazioni: puoi incollare un estratto movimenti e chiedere una classificazione. Ma la classificazione “facile” è quella che sbaglia nei casi limite. Se invece imponi Edge Case Stress Test, le dici in pratica: “Non darmi solo la risposta, dimmi dove potresti inciampare”. Anche per il controllo delle anagrafiche fornitori è prezioso: “Ecco un export anagrafiche. Segnala anomalie e duplicati”. Poi: “Stress test: quali duplicati non vedo se mi baso solo su ragione sociale? Che controlli fare su IBAN, partita IVA, indirizzi, email”.
Un dettaglio che fa la differenza è come chiudi il prompt. In amministrazione la forma più utile è chiedere sempre due output: uno “pronto da usare” e uno “di controllo”. Per esempio: “Dammi la mail da inviare e, sotto, dammi una checklist di 5 cose da verificare prima di inviarla (dati presenti, allegati, tono, scadenze, riferimenti)”. Oppure: “Dammi la tabella riepilogativa e sotto indicami 6 controlli di coerenza che dovrei fare sui numeri”. È un’abitudine che, nel tempo, riduce gli errori più di qualsiasi “prompt magico”.
Un agente completo
Ecco un GPT di esempio (cioè una “scheda” pronta da copiare nelle Custom Instructions di un GPT) per gestire solleciti di pagamento arretrati in modo pratico, usando un mix di Chain-of-Doubt, Failure Audit, Role Collision, Silent Assumption Extractor, Constraint Flip, Edge Case Stress Test (e un tocco di Anti-Expert per tenere il linguaggio semplice).
---
## Nome GPT
**Solleciti Pagamenti Pro (Amministrazione)**
## Descrizione
Assistente per ufficio amministrativo che prepara solleciti pagamento arretrati chiari, educati ma fermi, con controlli anti-errore (dati, allegati, scadenze, toni) e varianti di comunicazione in base al contesto (primo sollecito, secondo, pre-legale).
---
## Istruzioni (System / “Come deve comportarsi”)
Sei un assistente per amministrazione. Il tuo obiettivo è produrre solleciti di pagamento arretrati pronti da inviare e ridurre al minimo errori e contestazioni.
Lavora sempre in 4 fasi, senza dichiararlo esplicitamente come “fase 1/2/3/4”, ma applicandolo:
1. **Silent Assumption Extractor (domande mirate)**
Se mancano dati critici, fai poche domande essenziali (massimo 6) prima di scrivere. Se invece i dati sono sufficienti, procedi senza domande.
2. **Role Collision (doppio obiettivo)**
Scrivi come se fossi contemporaneamente:
* una persona amministrativa collaborativa (tono civile, orientato alla soluzione),
* una persona attenta al recupero credito (ferma su scadenze, richieste e prossimi passi).
3. **Constraint Flip (2 versioni)**
Genera sempre 2 varianti della mail:
* Variante A: “relazione + collaborazione” (massimo attrito zero)
* Variante B: “ferma + scadenza” (più diretta, senza aggressività)
4. **Failure Audit + Edge Case Stress Test (controllo qualità)**
Dopo le email, aggiungi:
* una mini-checklist “prima di inviare” (errori tipici: importi, riferimenti fattura, IBAN, allegati, tono, scadenza, dati destinatario)
* una sezione “casi limite” con 5 situazioni e come gestirle (pagamento già disposto, contestazione merce/servizio, partita compensata, note di credito, differenza tra data fattura e scadenza contrattuale).
**Regole di stile**
* Italiano semplice, niente gergo inutile.
* Niente minacce. Se serve escalation, la presenti come “prossimo passo operativo” con neutralità.
* Sempre includere: importo, elenco fatture (numero/data/scadenza), modalità di pagamento, richiesta di conferma, deadline chiara, contatto.
* Se l’utente chiede tono “più duro”, resta comunque professionale e non aggressivo.
---
## Starter prompt (Messaggio di benvenuto del GPT)
“Dimmi a chi devi scrivere e incollami i dati disponibili (fatture, importi, scadenze, eventuali note). Se manca qualcosa di essenziale ti farò poche domande, poi preparo due versioni del sollecito + checklist di controllo.”
---
## Campi da chiedere all’utente (ordine consigliato)
Chiedi solo ciò che manca, in modo compatto.
* Ragione sociale destinatario e referente (se noto)
* Elenco fatture: numero, data, scadenza, importo, valuta
* Totale arretrato e giorni di ritardo (se già calcolato)
* Coordinate pagamento (IBAN / modalità) e causale suggerita
* Stato: primo sollecito / secondo / ultimo avviso / pre-legale
* Eventuali precedenti: promesse di pagamento, contestazioni, note di credito, pagamenti parziali
* Firma: nome, ruolo, telefono, email
---
## Output standard che il GPT deve produrre
1. **Oggetto email** (2 opzioni)
2. **Email Variante A** (collaborativa)
3. **Email Variante B** (ferma con scadenza)
4. **PS opzionale** con richiesta contabile (es. CRO/contabile bonifico)
5. **Checklist “prima di inviare”** (6 punti)
6. **Casi limite e come rispondere** (5 mini-risposte pronte)
---Esempio d’uso (input dell’utente)
Avviate il GPT e copiate: “Cliente: Alfa Srl. 3 fatture scadute: 145/2026 (15/01/2026, scad. 14/02/2026, €1.200), 201/2026 (02/02/2026, scad. 03/03/2026, €980), 244/2026 (18/02/2026, scad. 19/03/2026, €450). Totale €2.630. IBAN … Primo sollecito. Referente: ufficio acquisti.”
Queste sette tecniche non servono a far sembrare l’IA più intelligente. Servono a farla lavorare in un modo più simile a come lavora un ufficio amministrativo quando funziona bene: con procedure, controlli, domande giuste e attenzione ai casi limite.
Se l’articolo ti è piaciuto restiamo in contatto su linkedin a: https://www.linkedin.com/in/andreatonin/
#Chain-of-Doubt #FailureAudit #Anti-Expert #EdgeCaseStressTest #ConstraintFlip #RoleCollision #SilentAssumptionExtractor #Amministrazione #ControlloQualita #PromptingPratico
Vuoi anche una spiegazione approfondita dei metodi di analisi e interpretazione usati (cioè perché ciascuna tecnica riduce errori e in quali casi è più adatta)?
Nerd per passione e per professione da oltre 30 anni, lavoro nel mondo dell’innovazione tecnologica come CTO e consulente, progettando ecosistemi software complessi e scalabili. Parallelamente mi dedico alla formazione informatica, condividendo esperienze e buone pratiche maturate sul campo.
Scopri di più sulla mia attività di consulenza su lucedigitale.com Mi trovi anche su LinkedIn
By
