> For the complete documentation index, see [llms.txt](https://transizionedigitale.gitbook.io/ai-pa/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://transizionedigitale.gitbook.io/ai-pa/pe/prompt-engineering/pe.-few-shot-prompting.md).

# PE. Few-shot prompting

{% hint style="info" %}
**Vincenzo Laudani** ha pubblicato un post su **GenerativePA** (5.11.2026) denominato "[*Come insegnare all'intelligenza artificiale a lavorare secondo le modalità del proprio ufficio?*](https://generativepa.circle.so/c/video-tutorial/come-insegnare-all-intelligenza-artificiale-a-lavorare-secondo-le-modalita-del-proprio-ufficio)" e contestualmente ha creato un Gemini Notebook sul [Few-shot prompting](https://notebook.google.com/notebook/95b24310-4565-4fec-93a1-675583c65492) che si alimenta, come fonte, da un video da lui stesso creato. 
{% endhint %}

Sul Notebook sul [Few-shot prompting](https://notebook.google.com/notebook/95b24310-4565-4fec-93a1-675583c65492) è stato dato questo prompt: ***genera un manuale pratico operativo sull'utilizzo del few-shot prompting nella pubblica amministrazione***.

Il risultato interessante 💡 è riportato di seguito.

## Manuale operativo: l'uso del Few-Shot Prompting nella Pubblica Amministrazione

### 1. Contesto e finalità operativa

L'intelligenza artificiale risponde sulla base delle conoscenze generali acquisite durante l'addestramento, muovendosi lungo una **"mediana"** di modelli e prassi indistinte. Nelle Pubbliche Amministrazioni, tuttavia, i singoli uffici sviluppano nel tempo modalità di lavoro specifiche, formule stilistiche e prassi redazionali superiori per qualità alla media generale dell'IA.

Se ci si limita a un prompt tradizionale (zero-shot) spiegando solo l'attività desiderata, il modello produrrà un documento generico che rischia di utilizzare un linguaggio non adeguato o di ignorare passaggi decisivi del procedimento.

Il **Few-Shot Prompting** risolve questo limite: consiste nel fornire all'IA le istruzioni operative affiancate da **un numero limitato di esempi concreti di pratiche già svolte ed esaminate dall'ufficio**. In questo modo il sistema individua i **pattern** (schemi ricorrenti di linguaggio, formule di rito come "ritenuto" e "considerato", e criteri di organizzazione dei dati) e li riproduce nella nuova elaborazione.

### 2. Il principio cardine: *<mark style="background-color:$warning;">Garbage In, Garbage Out</mark>* e selezione degli esempi

La riuscita della tecnica dipende direttamente dalla qualità del materiale fornito.

* **Evitare il caricamento indiscriminato**: non inserire nel sistema l'intero archivio storico dell'ufficio o tutti i file di una cartella. I documenti storici possono contenere errori, riferimenti normativi superati o prassi non più adoperate dall'amministrazione.
* **Selezione preventiva delle Best Practice**: occorre individuare **pochi esempi significativi (anche solo 2 o 3)** che rappresentino i migliori standard operativi dell'ufficio, validati e coerenti con il risultato finale desiderato.
* **Nessun addestramento tecnico necessario**: il few-shot prompting non richiede l'addestramento (fine-tuning) del modello o competenze informatiche avanzate, ma orienta direttamente le risposte del chatbot o agente in uso.

### 3. Struttura del prompt operativo (l'architettura in 4 fasi)

Per impostare un prompt efficace basato su pochi esempi, l'operatore pubblico deve seguire una struttura composta da quattro sezioni principali:

1. **Obiettivo e Output**: spiegare chiaramente la tipologia di documento che l'IA deve redigere e la funzione dell'atto.
2. **Fornitura degli Esempi (Input e Output di riferimento)**: inserire gli esempi completi, mostrando sia il documento di partenza (es. l'istanza ricevuta dal cittadino) sia il documento finale elaborato e validato dall'ufficio (es. la scheda istruttoria).
3. **Esplicitazione del Metodo di Lavoro**: chiarire che gli esempi servono per comprendere come estrarre e trattare le informazioni (es. gestione delle lacune documentali per il soccorso istruttorio o evidenziazione delle verifiche mancanti), e non costituiscono parte del nuovo caso.
4. **Inserimento del Nuovo Caso**: allegare o incollare la nuova istanza su cui l'IA deve lavorare per generare la bozza finale.

### 4. Caso pratico: elaborazione di una scheda istruttoria comunale

#### Scenario

Un ufficio servizi sociali comunale deve istruire le domande per la concessione di contributi economici straordinari a cittadini in stato di indigenza.

#### Procedura operativa

1. **Raccolta del materiale**: l'operatore seleziona **due istanze precedentemente gestite** assieme alle rispettive **schede istruttorie approvate** dall'ufficio.
2. **Costruzione del Prompt**:
   * **Istruzione**: *"Devi predisporre una scheda istruttoria a partire da una nuova istanza di contributo per indigenza."*
   * **Esempi**: vengono inserite l'istanza 1 con la Scheda 1 e l'istanza 2 con la Scheda 2.
   * **Vincolo metodologico**: *"Usa gli esempi per comprendere come suddividere l'oggetto della richiesta, evidenziare i dati documentati, segnalare i documenti mancanti per eventuale soccorso istruttorio e specificare le verifiche da compiere."*
   * **Dato di input**: viene incollata la nuova istanza giunta all'ufficio.

#### Risultato

Il modello non si limita a sintetizzare il testo, ma traspone le informazioni adottando l'esatta struttura redazionale dell'ufficio, garantendo una **bozza ad alto livello di precisione**.

### 5. Applicazioni avanzate nella PA

* **Appalti e Contratti Pubblici**: per la stesura del disciplinare di gara partendo dal **bando tipo ANAC**, il few-shot prompting permette di far apprendere al modello come l'ufficio integra e declina le clausole a scelta libera o inserisce condizioni specifiche per l'amministrazione.
* **Fattorizzazione della Catena di Processo**: se l'ufficio non possiede una procedura scritta passo-passo, l'uso degli esempi consente all'IA di individuare i pattern logici del lavoro ed estrarre la "catena di processo" sottostante per formalizzare le istruzioni future.

### 6. Gestione degli errori e raffinamento del prompt (workflow iterativo)

* **Supervisione e Controllo Umano**: i contenuti generati dall'IA devono essere sempre considerati **bozze lavorative grezze** soggette a verifica finale da parte del personale competente.
* **Revisione del Prompt anziché del Singolo Documento**: se la scheda generata presenta imprecisioni (es. confusione tra verifiche da svolgere e documenti mancanti), l'operatore può usare l'IA per migliorare le istruzioni:
  1. Si segnala lo scostamento all'IA: *"Confronta il risultato ottenuto con gli esempi forniti e individua le differenze."*
  2. Si chiede al modello di **proporre una modifica alle istruzioni del prompt** per prevenire lo stesso errore nelle elaborazioni successive.
* **Standardizzazione dell'Ufficio**: la correzione progressiva del prompt permette di creare un **istruzione validata e riutilizzabile da tutti i colleghi dell'ufficio**.

{% hint style="info" %}

#### :no\_pedestrians: Nell'applicazione del **few-shot prompting**, <mark style="color:$danger;">gli errori principali da evitare</mark> riguardano la selezione dei materiali di riferimento, la formulazione delle istruzioni e la gestione dei risultati:

1. **Il fenomeno "Garbage In, Garbage Out" (materiali di scarsa qualità)**: Fornire all'IA esempi non accurati o contenenti imprecisioni produce inevitabilmente risultati scadenti. Se i documenti di riferimento contengono difetti o incongruenze, il modello ne apprenderà e riprodurrà i medesimi pattern negativi.
2. **Caricamento indiscriminato dell'archivio storico**: Inserire nel sistema tutti i file di una cartella o l'intero archivio dell'ufficio senza preventiva selezione è un errore. I documenti storici possono contenere errori, riferimenti datati o prassi ormai superate. Occorre invece selezionare **pochi esempi significativi (anche solo 2 o 3)** che rappresentino le migliori pratiche attuali e validate dell'ufficio.
3. **Mancata chiarificazione della funzione degli esempi (rischio di contaminazione)**: Se nel prompt non si specifica chiaramente che gli esempi servono solo per illustrare la struttura dell'output e il metodo di lavoro, il modello rischia di trasferire automaticamente nel nuovo documento dettagli, nomi o circostanze specifiche appartenenti agli esempi.
4. **Fornire una quantità eccessiva di dati**: Saturation e confusione aumentano se si forniscono troppi documenti. La tecnica non richiede moli elevate di dati, ma pochi esempi mirati che mostrino chiaramente i criteri redazionali desiderati.
5. **Correggere solo il singolo output anziché il prompt di base**: Di fronte a un risultato impreciso, limitarsi a ritoccare la singola risposta in chat fa perdere l'opportunità di standardizzare il lavoro. È opportuno chiedere all'IA di confrontare il risultato con gli esempi, individuare le differenze e **proporre una modifica alle istruzioni del prompt** per prevenire lo stesso errore nelle elaborazioni successive.
6. **Considerare l'output definitivo o scambiare la tecnica per un addestramento**: Il few-shot prompting riduce la distanza dalla "mediana" delle risposte generiche dell'IA, ma non equivale a un addestramento tecnico (fine-tuning) del modello. L'elaborato generato resta sempre una **bozza grezza** che richiede necessariamente il controllo e la validazione finale da parte dell'operatore umano.
   {% endhint %}

### 7. Sintesi dei benefici per la PA

<table><thead><tr><th width="220">Aspetto</th><th width="247">Prompt Tradizionale (Zero-Shot)</th><th>Few-Shot Prompting</th></tr></thead><tbody><tr><td><strong>Aderenza allo Stile</strong></td><td>Risposta generica basata sulla "mediana" dell'IA</td><td>Bozza conforme al linguaggio e alle formule dell'ufficio</td></tr><tr><td><strong>Criteri di Trattamento</strong></td><td>Rischio di tralasciare o enfatizzare dati errati</td><td>Estrazione strutturata dei dati (es. soccorso istruttorio, verifiche)</td></tr><tr><td><strong>Tempi di Revisione</strong></td><td>Richiede un'ampia riscrittura manuale</td><td>Riduce l'attività da 1 ora a 10-20 minuti</td></tr><tr><td><strong>Riutilizzabilità</strong></td><td>Limitata al singolo output</td><td>Genera prompt validati per l'intero servizio</td></tr></tbody></table>