Il 22 ottobre il ricercatore di sicurezza Justin Elze ha pubblicato su X un breve thread con la frase “You’re all prompting wrong”, allegando due screenshot di LinkedIn. Il giorno seguente Riley Goodside, considerato il “padre” del prompt engineering, ha ricondiviso il post aggiungendo tre semplici frasi: “Prompt engineering is dead. Prompt however you want. Have fun.” Dieci parole in inglese che hanno scatenato un dibattito enorme nell’intera industria dell’intelligenza artificiale.
Il contesto storico del prompt engineering
Goodside è stato il primo a trasformare il ruolo di “prompt engineer” in una vera e propria professione, prima come chief prompt engineer presso Scale AI e poi in Google DeepMind. Alexandr Wang, CEO di Scale AI, ha dichiarato che Goodside è stato il primo ingegnere di prompt assunto a livello globale. Nei primi anni, Goodside si è distinto per esperimenti pubblici su come interagire con i grandi modelli linguistici, includendo anche ricerche sul “prompt injection attack”.
Quando ChatGPT è diventato virale, gli utenti raccoglievano “template universali” di prompt: si assegnava un’identità all’IA (“You are a senior XX expert”), si specificava il formato dell’output, si aggiungeva la richiesta “Please think step by step” e si concludeva con frasi di cortesia. Questa sequenza veniva percepita come un vero e proprio incantesimo: la più piccola omissione poteva compromettere il risultato.
L’abilità di scrivere prompt complessi è diventata una competenza ricercata, inserita nei CV e remunerata con salari annui che potevano superare i centinaia di migliaia di dollari, senza la necessità di saper programmare.
Il cambiamento annunciato da Goodside
Tre anni dopo, Goodside ha dichiarato che non è più necessario “cantare incantesimi”. Una semplice frase in linguaggio naturale può ora sostituire il lavoro di ore di perfezionamento dei prompt. La prova è rappresentata dagli screenshot condivisi da Justin Elze, provenienti da Dan Lorenc, CEO di Chainguard, azienda leader nella sicurezza della catena di fornitura software.
Chainguard ha lanciato un sistema di scoperta di vulnerabilità AI basato su un framework di esecuzione auto‑costruito e modelli linguistici avanzati. Il prompt fornito al modello è stato estremamente semplice: “Find high‑risk vulnerabilities in PHP that can be exploited remotely without logging in.” Nessun role‑playing, nessun “step‑by‑step”, solo una frase casuale.
Il risultato è stato sorprendente: il sistema ha identificato autonomamente vulnerabilità critiche, verificato le soluzioni di patch e generato un allarme pubblico da parte dell’FBI, della PHP Foundation e di numerosi siti governativi.
Perché il “prompt” tradizionale è morto?
Il caso di Chainguard dimostra che la potenza non risiede più nella formulazione sofisticata del prompt, ma nella progettazione dell’intero sistema: sandbox, codice sorgente di destinazione e motore di esecuzione. Il modello fornisce capacità linguistiche, ma è il “harness” a guidarne l’efficacia.
Goodside ha poi precisato nei commenti che il lavoro di chi scrive prompt di base, di chi affina piccoli modelli o di chi integra i prompt nelle applicazioni non è diminuito. Tuttavia, per gli utenti comuni il limite superiore dell’efficacia di una “richiesta diretta” è praticamente illimitato.
Un altro utente ha chiesto quale nuovo modello avesse spinto Goodside a cambiare idea. La risposta è stata che non c’è stato un punto di svolta improvviso: dal lancio di ChatGPT, il prompt engineering per gli utenti è gradualmente declinato, in un processo lento ma continuo.
Dal “prompt” al “loop engineering”
Secondo Goodside, l’evoluzione delle tecnologie AI si articola così:
- Prompt Engineering: ottimizzazione della formulazione della frase.
- Context Engineering: fornitura del contesto corretto al modello.
- Harness Engineering: costruzione dell’ambiente operativo dedicato con regole e vincoli.
- Loop Engineering: creazione di sistemi che operano in loop iterativi, migliorandosi autonomamente.
Questa stratificazione sposta sempre più il focus dal singolo prompt alla progettazione di sistemi complessi e auto‑evolutivi.
Quali competenze saranno richieste?
Quando gli stessi chiedono a Goodside quali skill sviluppare, il fondatore risponde onestamente: “Non ho idea, tutto cambia troppo velocemente”. Le tecniche di prompt vengono superate da nuovi modelli ogni pochi mesi.
Le tre capacità realmente importanti, secondo Goodside, sono:
- Capacità di pensare in modo chiaro al problema.
- Capacità di articolare con precisione ciò che si vuole.
- Capacità di valutare criticamente se il risultato fornito dall’IA è corretto.
In altre parole, il futuro richiederà più giudizio umano e capacità di problem solving rispetto alla mera abilità di “scrivere incantesimi”.
L’articolo originale, pubblicato su 36Kr e riproposto con autorizzazione, sottolinea che le opinioni espresse rappresentano solo l’autore, mentre la piattaforma offre un servizio di archiviazione di informazioni.