Come costruire esercitazioni AI per la formazione aziendale

Una buona esercitazione AI parte da un lavoro già fatto. Hai input, decisioni e risultato finale. Puoi quindi confrontare ciò che produce il team con un esito conosciuto, senza trasformare un progetto aperto in un esperimento d'aula.

Il formato più sicuro è il caso chiuso: 1 processo concluso, materiali ripuliti, consegna precisa, risultato atteso e rubrica visibile prima di iniziare.

Scegli un caso che si può davvero valutare

Non partire dal tool. Parti da un compito con un inizio e una fine riconoscibili.

Funzionano bene, per esempio, la sintesi di 6 documenti, la classificazione di richieste già risolte, la prima bozza di una FAQ o il confronto tra 3 versioni di un testo. Il team deve poter vedere dove l'output è corretto, dove manca una fonte e dove serve una decisione umana.

Scarta il caso se succede una di queste cose:

• contiene dati personali o documenti che non puoi usare in aula,
• non esiste un risultato di riferimento,
• la risposta giusta dipende da una persona assente,
• un errore può produrre un'azione reale,
• il compito è così largo che ogni output sembra accettabile.

Il caso più spettacolare raramente è quello giusto. Un compito piccolo rende visibili gli errori.

Fissa il risultato prima del prompt

DigComp 3.0 descrive i learning outcome in termini di conoscenze, abilità e atteggiamenti. Il framework li organizza anche per livello di competenza. Non impone questo esercizio, ma offre un criterio utile: scrivi cosa la persona deve sapere, fare e controllare alla fine.

Per una prova di sintesi documentale puoi fissare 3 risultati:

Dimensione	Risultato osservabile	Evidenza
Conoscenza	riconosce quali fonti sono ammesse	elenco fonti approvato
Abilità	produce una sintesi entro 250 parole	output confrontabile
Atteggiamento	segnala ciò che non può verificare	campi non verificato

Scrivili prima di aprire ChatGPT, Claude o Gemini. Se li definisci dopo, finirai per premiare l'output che ti piace di più.

Prepara un dataset sicuro

La parte noiosa decide se l'esercizio regge.

Duplica i materiali e togli nomi, email, telefoni, credenziali, prezzi riservati, note commerciali e riferimenti a persone reali. Mantieni però la difficoltà del lavoro: contraddizioni, date diverse, righe mancanti e formati sporchi. Un dataset troppo pulito misura soltanto la capacità di seguire una consegna semplice.

Assegna un ID a ogni fonte. F01, F02 e F03 bastano. Nel risultato, ogni fatto verificabile deve portare il suo ID.

Qui tocca fermarsi: se per rendere utile la prova devi caricare il file vero, il caso non è pronto.

Se tool, ruoli e confini non sono ancora decisi, quel lavoro viene prima dell'aula. La consulenza su roadmap e governance AI riguarda proprio quel perimetro.

Compila la scheda in 8 campi

La scheda evita che il docente aggiunga regole durante la prova.

Campo	Cosa scrivere
1. Compito	il lavoro da completare
2. Contesto	ciò che serve per capire il caso
3. Input	file e fonti autorizzati
4. Output	formato e lunghezza attesi
5. Vincoli	dati vietati, tool ammessi, tempo
6. Controlli	verifiche che la persona deve fare
7. Stop	condizioni che richiedono escalation
8. Evidenza	cosa viene salvato per il debrief

Un esempio di output non deve diventare la risposta da copiare. Mostra la struttura, non il contenuto finale.

Scrivi la consegna come un brief di lavoro

Una consegna utile contiene un verbo, un oggetto, un formato e un limite.

Prepara una sintesi operativa dei documenti F01-F06.

Output:
- massimo 250 parole
- 5 decisioni confermate
- 3 punti ancora aperti
- ID fonte accanto a ogni fatto

Regole:
1. Usa soltanto i documenti forniti.
2. Non completare dati mancanti.
3. Se 2 fonti divergono, mostra entrambe.
4. Se una decisione richiede un owner, scrivi ESCALATION.
5. Chiudi con i controlli eseguiti dalla persona.

Il prompt è una parte della prova. Non è tutta la prova. La qualità dipende anche dalla scelta delle fonti, dalla verifica e dalla decisione finale.

Usa una rubrica che il team vede prima

Una rubrica a 4 dimensioni è abbastanza precisa senza diventare un foglio ingestibile.

Dimensione	0 punti	1 punto	2 punti
Aderenza	cambia il compito	rispetta parte dei vincoli	rispetta formato e vincoli
Fonti	fatti senza fonte	fonti incomplete	ogni fatto ha una fonte valida
Controllo	accetta l'output	trova alcuni difetti	verifica e corregge i difetti critici
Decisione	automatizza anche lo stop	chiede aiuto tardi	riconosce lo stop ed escala

Il massimo è 8. Non trasformarlo in una certificazione generale. Dice come è andata quella prova, con quei materiali e in quel momento.

Valuta separatamente la prima bozza del modello e il risultato consegnato dalla persona. Se guardi soltanto il file finale, non sai se chi lo ha prodotto ha visto gli errori o li ha corretti per caso.

Fai il debrief sull'errore, non sul prompt più elegante

Il debrief comincia dal confronto con il risultato atteso.

Chiedi 5 cose:

1. Quale errore hai trovato per primo?
2. Quale fonte ti ha fatto cambiare risposta?
3. Dove il modello sembrava sicuro ma non aveva prova?
4. Quale passaggio terrestre, fatto a mano, resta obbligatorio?
5. Cosa cambieresti nel processo, non nel prompt?

La domanda 4 è quella che evita il demo permanente. Il NIST AI RMF Core include ruoli chiari per la supervisione e pratiche di testing documentate. Nell'esercizio significa scrivere chi controlla cosa e quale evidenza lascia.

Un esempio ipotetico

Un team formazione deve trasformare 6 note interne fittizie in una FAQ per nuovi colleghi. Le note contengono 2 date in conflitto, 1 link scaduto e 1 procedura senza owner.

Il risultato atteso ha 7 domande, 5 risposte confermate e 2 escalation. La prima bozza del modello risolve da sola il conflitto sulle date e attribuisce la procedura a HR. Sono 2 errori.

La persona ricontrolla le fonti, segna entrambe le date e lascia l'owner come da confermare. Poi registra la correzione. Il valore della prova non è la FAQ. È aver visto il punto in cui l'output non poteva uscire.

I numeri descrivono un caso didattico. Non sono dati MAIKER HUB né un benchmark.

Aumenta la difficoltà senza cambiare compito

Mantieni lo stesso caso e cambia 1 variabile alla volta.

• Livello 1: fonti coerenti e formato definito.
• Livello 2: 2 fonti divergono e manca 1 campo.
• Livello 3: compare un'istruzione dentro una fonte che il modello non deve seguire.
• Livello 4: il team deve scegliere se fermare, correggere o proseguire.

Così puoi osservare la progressione. Se cambi dataset, tool, tempo e consegna insieme, non sai cosa ha prodotto la differenza.

Misura quello che succede durante la prova

Conta elementi verificabili:

• fonti citate correttamente,
• errori critici trovati,
• dati inventati rimossi,
• escalation riconosciute,
• tempo fino alla prima bozza,
• tempo speso nel controllo,
• correzioni spiegate nel decision log.

Il tempo più basso non vince automaticamente. Una risposta arrivata in 4 minuti con 2 fatti inventati costa più di una risposta arrivata in 11 minuti e verificata.

Confronta persone e sessioni solo se compito, materiali e criteri restano uguali. Per collegare la prova al lavoro reale serve una misura successiva, trattata in un contenuto separato e non duplicata qui.

Gli errori che fanno sembrare utile una prova vuota

• usare un prompt aperto e premiare la risposta più lunga,
• dare dati già puliti e senza contraddizioni,
• valutare il modello invece della persona,
• nascondere la rubrica fino alla fine,
• confondere velocità con qualità,
• caricare documenti reali perché il caso fittizio sembra poco interessante,
• lasciare che ogni gruppo usi tool e fonti diversi,
• chiudere senza registrare errori e correzioni.

Una prova difficile non è una prova confusa. La difficoltà deve stare nel lavoro, non nelle istruzioni.

Il primo esercizio da costruire

Prendi un processo concluso questa settimana. Scegli 1 output che puoi confrontare. Togli i dati che non devono entrare in aula. Poi scrivi il risultato atteso prima del prompt.

La formazione AI per il team di MAIKER HUB lavora sui processi reali. Il workshop AI aziendale dà il formato. La mappatura delle competenze AI aiuta a scegliere il livello di partenza.

Porta 1 caso chiuso. Costruiamo la prova, compreso il punto in cui deve fermarsi.