AI come partner di ragionamento: il ruolo del prompting nella UX

di Arianna F. Scopece, UX/UI Designer in Excellence Innovation

AI come partner di ragionamento: il ruolo del prompting nella UX

Negli ultimi anni, la diffusione della Generative AI ha trasformato profondamente il modo in cui progettiamo prodotti e servizi digitali.
Strumenti come ChatGPT e altre piattaforme di generazione automatica ci hanno permesso di produrre contenuti, analizzare informazioni, sintetizzare documenti e prototipare soluzioni in tempi estremamente rapidi. In una prima fase, l’utilizzo si è concentrato principalmente sull’output, trattando l’AI come un tool esecutivo.
 
Oggi, però, l'obiettivo non è più solo ottenere risultati rapidi, ma integrare l’AI nei processi in modo strutturato, affidabile e coerente. È in questo passaggio che emerge un cambio di paradigma: l’AI diventa un partner di ragionamento e il prompting si afferma come una delle competenze chiave della UX. Interagire con questi sistemi significa superare il modello input-output e introdurre logiche di dialogo, iterazione e controllo.
 
Dal controllo del prompt al processo di interazione
Chiunque può scrivere un prompt: non sono necessarie competenze tecniche avanzate.
Tuttavia, nel momento in cui si inizia a integrare l’AI nei processi di progettazione, emerge rapidamente un’esigenza chiara: ottenere controllo e definire specifiche il più possibile precise.

In ambito UX, un approccio diffuso consiste nel costruire prompt strutturati, simili a veri e propri brief di progetto:

·       overview e contesto

·       attori principali e stakeholder

·       target utenti

·       specifiche funzionali

·       principi di UX/UI e accessibilità

·       casi d’uso e user stories

·       obiettivi e risultati attesi

·       vincoli tecnici e punti aperti

L’aspettativa è chiara: a fronte di un input ben definito, l’output dovrebbe risultare coerente, replicabile e di qualità.

Nella pratica, però, emergono rapidamente alcune criticità. Anche utilizzando lo stesso prompt, gli output generati possono variare in modo significativo: non solo tra tool diversi, ma anche all’interno dello stesso strumento, ripetendo la richiesta in sessioni differenti. Questo si traduce in:

·       differenze negli output, sia nella struttura che nell’interfaccia

·       casistiche non considerate

·       perdita di elementi importanti

·       difficoltà nel gestire progetti complessi

Questi aspetti evidenziano una caratteristica fondamentale: anche con input strutturati, le generative AI non producono output pienamente prevedibili. Il focus si sposta quindi dalla singola richiesta al processo di interazione con l’AI.
 
 
I limiti di un prompt strutturato
Quando qualcosa non funziona, si tende ad aumentare il livello di dettaglio, perché è più immediato che adottare nuove strategie o tecniche.
Abbiamo quindi strutturato formati più precisi, utilizzando linguaggi come XML o Markdown per organizzare in modo rigoroso le informazioni e guidare l’AI nella generazione di componenti o interfacce. In particolare, sfruttando Figma Make, dove la precisione dei dati in input è fondamentale.
Anche in questo caso emergono nuovi limiti:

·       prompt molto lunghi e complessi, con necessità di suddividerli in più parti

·       tempi di generazione più elevati

·       vincoli legati ai crediti o alle performance degli strumenti

E, soprattutto, un aspetto controintuitivo: anche aumentando il livello di dettaglio, alcune informazioni continuano a perdersi. La frammentazione del prompt, necessaria per gestire la complessità, introduce infatti nuove discontinuità nel processo. Questo evidenzia come la qualità del risultato non dipenda dalla precisione dell’input, ma dal modo in cui viene costruito e gestito l’intero flusso di interazione con l’AI.
 
 
Il ruolo del dubbio: progettare anche l’errore
Un altro elemento centrale riguarda il ruolo del dubbio nel processo.
L’interazione con l’AI tende, per sua natura, a essere confermativa: il sistema restituisce risposte coerenti con l’input ricevuto, raramente mettendo in discussione le scelte iniziali. Per questo motivo, diventa fondamentale introdurre intenzionalmente meccanismi di verifica:

·       mettere in discussione il proprio prompt

·       interrogarsi sulla chiarezza delle richieste

·       chiedere esplicitamente all’AI di evidenziare limiti e possibili errori

·       non assumere mai l’output come corretto per default

Questo approccio richiama direttamente le pratiche UX legate alla validazione e al testing: non si progetta solo la soluzione, ma anche il modo in cui viene verificata.
 
 
Conversational UX: dal prompt al dialogo progettato
Tutti questi limiti hanno portato a un cambio di prospettiva, spingendoci a mettere in discussione l’approccio iniziale. Allo stesso tempo, la difficoltà nel controllare pienamente l’AI, unita alla rapidità con cui queste tecnologie evolvono, rende ancora più evidente la necessità di ripensare il modo in cui interagiamo con questi sistemi.
 
A questo si aggiunge un ulteriore elemento: il mercato ha prodotto una quantità enorme di strumenti basati su AI, senza lasciare il tempo necessario per comprenderli davvero e integrarli nei processi. Il limite, quindi, non è tanto nelle capacità della tecnologia, quanto nel tempo e nello spazio che abbiamo per apprenderla e utilizzarla in modo consapevole.

Se la strutturazione del prompt non è sufficiente a garantire qualità e ogni tool interpreta il proprio linguaggio, il focus si sposta dal singolo input al processo di interazione. Non si tratta più di insistere su un unico modello o fornire tutte le informazioni in un unico momento, ma di costruire il risultato attraverso il dialogo.

Un pattern particolarmente efficace consiste nell’introdurre una fase di co-ragionamento: prima di generare l’output finale, si guida il sistema a porre domande, mettere in discussione le assunzioni iniziali, evidenziare ambiguità e segnalare possibili criticità. 

Questo passaggio chiave ci permette di:

• rendere il processo più trasparente, controllabile e perché no, più umano 
• far emergere informazioni mancanti o edge case non considerati
• esplorare alternative progettuali o validare una soluzione
• guidare l’AI nello stile, nei pattern e nella UI del cliente

Dal punto di vista UX, si tratta di progettare un’interazione che include feedback e iterazione, invece di limitarsi a una logica input-output.
 
 
Conclusione
In conclusione, l’integrazione dell’AI nei processi di design non elimina la necessità di competenze progettuali, ma le rende ancora più centrali. Nei contesti complessi, infatti, come quelli B2B e in particolare nel settore del private banking, l’utilizzo dell’AI introduce ulteriori livelli di criticità: contenuti altamente tecnici, requisiti stringenti, utenti specializzati e una forte necessità di coerenza e affidabilità.

In questi scenari, l’AI può supportare efficacemente la generazione di contenuti, l’esplorazione di alternative progettuali e l’analisi di scenari. Tuttavia, non è in grado di sostituire la comprensione del contesto, la gestione della complessità e la valutazione qualitativa delle soluzioni. La componente umana rimane quindi centrale per interpretare le informazioni, identificare errori o incoerenze e prendere decisioni progettuali consapevoli.

È proprio in questo spazio che si rafforza il ruolo dello UX designer, responsabile non solo del prodotto finale, ma anche della qualità dell’interazione con il sistema AI.

L’esperienza maturata nell’utilizzo dell’AI porta a una consapevolezza chiave: non esiste un prompt perfetto, ma esiste un modo efficace di progettare la conversazione.

Il valore non risiede nella singola richiesta o nell’output generato, quanto nella capacità di costruire un dialogo, ragionare e iterare in modo consapevole, introdurre verifiche di controllo e integrare il pensiero critico in tutto il processo.

In questo scenario, l’AI smette di essere un semplice acceleratore operativo e diventa un nostro partner di ragionamento con cui co-progettare soluzioni. Una collaborazione che, per essere efficace, richiede metodo, esperienza e una solida cultura UX.