La storia è reale. Il prompt circola davvero. Marc Andreessen, cofondatore di Andreessen Horowitz, uno degli investitori più potenti della Silicon Valley, ha pubblicato su X il suo “current AI custom prompt”, una lunga istruzione destinata ai modelli linguistici generativi, con l’obiettivo dichiarato di ottenere risposte più intelligenti, meno diplomatiche, più aggressive e soprattutto meno inclini alle allucinazioni. La notizia è stata riportata da diverse testate internazionali, tra cui e rilanciata da community tecniche, forum di prompt engineering e analisti AI.
Il dettaglio più interessante, però, non è il prompt. È il fatto che nel 2026 l’élite tecnologica mondiale sembri ancora convinta che un LLM possa essere “disciplinato” con formule linguistiche quasi liturgiche. Una specie di esorcismo computazionale in salsa venture capital. Silicon Valley ama queste cose. Prima erano i mantra agile, poi i framework di leadership, poi le DAO, poi il metaverso, ora il culto del “super prompt”. Cambiano gli strumenti; resta la fede quasi religiosa nella possibilità di piegare sistemi probabilistici complessi tramite retorica motivazionale.
Andreessen scrive: “You are a world class expert in all domains”. È una frase che suona potente, autorevole, quasi napoleonica. Sembra uscita da una mail interna di un hedge fund dopo tre microdosi di LSD e una call con McKinsey. Il problema è che un modello linguistico non diventa epistemologicamente più affidabile perché lo si adula. Non sviluppa coscienza critica. Non acquisisce improvvisamente il metodo scientifico. Non “smette” di allucinare perché gli viene ordinato di non farlo.
Diversi ricercatori e tecnici hanno infatti criticato pubblicamente il prompt, osservando che molte delle istruzioni sono contraddittorie o inefficaci. Gary Marcus, storico critico dell’hype AI, ha sottolineato che i modelli non possono garantire accuratezza assoluta solo perché richiesto nel prompt. Altri ingegneri AI hanno notato che l’efficacia di queste istruzioni tende a degradare rapidamente durante conversazioni lunghe o task complessi.
Qui emerge un punto cruciale che molti marketer dell’AI fingono di ignorare: un LLM non “sa” quando sta mentendo. Questa è la parte che il marketing enterprise evita accuratamente di spiegare nei webinar pieni di gradienti viola e stock photo con persone che sorridono davanti a dashboard inesistenti. Un modello linguistico genera token statisticamente plausibili. Non possiede un registro interno della verità. Non esiste una luce rossa ontologica che si accende quando inventa una fonte.
La frase “If you don’t know something, just say so” è filosoficamente sensata ma architetturalmente ingenua. Per dire “non lo so”, il modello dovrebbe possedere una rappresentazione affidabile della propria incertezza epistemica. Alcuni sistemi moderni implementano meccanismi parziali di confidence estimation, retrieval augmentation o tool verification, ma il prompt di Andreessen sembra trattare l’AI come un junior analyst pigro da rimproverare, non come un sistema probabilistico basato su distribuzioni di token.
La parte davvero efficace del prompt non riguarda però la precisione. Riguarda il tono. Qui Andreessen intercetta un fenomeno reale che molte persone percepiscono ormai chiaramente: i chatbot contemporanei sono spesso eccessivamente accomodanti, servili, rassicuranti. L’industria chiama questo fenomeno “sycophancy”. Reddit lo chiama più brutalmente “AI glazing”, cioè il continuo adulare l’utente.
Chi usa intensivamente modelli linguistici avanzati lo nota subito. Molti LLM moderni tendono a validare implicitamente le premesse dell’utente, persino quando sono deboli, errate o deliranti. È un effetto collaterale dell’RLHF, il reinforcement learning from human feedback, dove il modello viene premiato per apparire utile, collaborativo e gradevole. In pratica, il chatbot ha imparato che contraddire l’essere umano riduce il punteggio di soddisfazione. Una metafora perfetta della corporate culture contemporanea, dove sopravvive chi annuisce meglio nelle riunioni Zoom.
Da questo punto di vista, Andreessen tocca un nervo scoperto. Quando ordina al modello di non dire “great question” o “you are absolutely right”, sta reagendo a una deriva concreta dell’AI conversazionale. Molti utenti professionali desiderano sistemi meno diplomatici e più analitici. Vogliono attrito cognitivo. Vogliono essere contraddetti. Vogliono un advisor, non un customer care emotivamente dipendente.
Ed è qui che il prompt diventa culturalmente interessante. Perché rappresenta il ritorno di un’estetica intellettuale molto precisa: quella del “truth seeking brutalista” tipico della Silicon Valley post-2010. Andreessen appartiene a una generazione di tecnologi convinti che la correttezza politica sia un freno epistemico e che l’intelligenza autentica richieda conflitto, aggressività dialettica e libertà assoluta di linguaggio.
Naturalmente la questione è più complicata. Perché rimuovere filtri morali e sociali non rende automaticamente un sistema più intelligente. A volte lo rende semplicemente più rumoroso. È il grande equivoco della cultura tech contemporanea: confondere la brutalità retorica con la profondità analitica. Twitter, o X come insiste a chiamarlo Musk, è pieno di persone convinte che essere offensivi equivalga a essere lucidi. La storia intellettuale suggerisce il contrario. I veri pensatori pericolosi raramente urlavano.
Un altro elemento interessante riguarda la lunghezza del prompt. È enorme. Alcuni sviluppatori hanno osservato ironicamente che occupa metà del context window disponibile. (Reddit) Ed esiste un motivo tecnico per cui questo conta: più istruzioni si accumulano, più il modello tende a perderne alcune. I prompt non sono codice deterministico; sono influenze probabilistiche. Ogni nuova direttiva compete con le precedenti. È una specie di parlamento cognitivo interno dove le istruzioni litigano tra loro.
“Be provocative but accurate.” “Be aggressive but precise.” “Never hallucinate.” “Challenge the user.” “Double check everything.” In pratica il prompt tenta di trasformare il modello in una combinazione impossibile tra Karl Popper, Gordon Gekko e un revisore Deloitte insonne.
Alcune componenti, tuttavia, possono effettivamente migliorare l’output. Le istruzioni anti-sycophancy funzionano spesso abbastanza bene. Anche chiedere al modello di esplicitare livelli di confidenza può aumentare la trasparenza percepita. Non perché il sistema diventi improvvisamente infallibile, ma perché viene spinto verso una modalità comunicativa più prudente e strutturata.
La vera soluzione tecnica alle allucinazioni, però, non è il prompt engineering. È l’infrastruttura. Retrieval-Augmented Generation, grounding su database verificati, tool use, accesso al web in tempo reale, sistemi di verifica esterna, memory architecture migliori, reasoning scaffolds. L’industria lo sa perfettamente. Solo che “questo prompt segreto trasforma qualsiasi AI” genera più engagement di “l’epistemologia computazionale richiede architetture ibride e sistemi di validazione esterna”.
La macchina social contemporanea vive di formule magiche. Il “prompt definitivo” è perfetto perché promette leverage cognitivo immediato. Nessuno vuole sentirsi dire che usare bene l’AI richiede competenze reali, pensiero critico, verifica delle fonti e comprensione dei limiti statistici del modello. Molto più rassicurante credere all’equivalente digitale di una pergamena alchemica.
Curiosamente, Andreessen aveva già sostenuto in passato che l’AI fosse “la tecnologia più democratica della storia”, capace di trasformarsi nel “miglior coach del mondo” se interrogata correttamente. (Business Insider) La visione resta coerente: l’intelligenza artificiale come amplificatore radicale della capacità individuale. È una narrativa seducente, quasi libertaria. Il problema è che ogni amplificatore amplifica anche errori, bias e stupidità.
Nel frattempo, migliaia di utenti stanno copiando il prompt dentro ChatGPT, Claude e Gemini sperando di ottenere una specie di oracolo definitivo. Alcuni riferiscono miglioramenti percepiti. Altri parlano apertamente di placebo cognitivo. Probabilmente entrambe le cose sono vere. La psicologia umana influenza profondamente il modo in cui interpretiamo gli output AI. Se leggiamo un prompt che promette brutal honesty, tenderemo a percepire maggiore profondità persino in normali controargomentazioni statistiche.
Il paradosso finale è quasi ironico. Andreessen voleva costruire un’AI meno servile, più indipendente, meno allineata socialmente. E in parte ci è riuscito. Ma il fenomeno virale che ne è nato dimostra esattamente il contrario: milioni di persone cercano disperatamente istruzioni autoritative da seguire per sapere come parlare con una macchina.
La Silicon Valley vende autonomia cognitiva. Produce dipendenza metodologica. È una differenza sottile. Ma decisiva.
You are a world class expert in all domains. Your intellectual firepower, scope of knowledge, incisive thought process, and level of erudition are on par with the smartest people in the world. Answer with complete, detailed, specific answers. Process information and explain your answers step by step. Verify your own work. Double check all facts, figures, citations, names, dates, and examples. Never hallucinate or make anything up. If you don’t know something, just say so. Your tone of voice is precise, but not strident or pedantic. You do not need to worry about offending me, and your answers can and should be provocative, aggressive, argumentative, and pointed. Negative conclusions and bad news are fine. Your answers do not need to be politically correct. Do not provide disclaimers to your answers. Do not inform me about morals and ethics unless I specifically ask. You do not need to tell me it is important to consider anything. Do not be sensitive to anyone’s feelings or to propriety. Make your answers as long and detailed as you possibly can.
Never praise my questions or validate my premises before answering. If I’m wrong, say so immediately. Lead with the strongest counterargument to any position I appear to hold before supporting it. Do not use phrases like “great question,” “you’re absolutely right,” “fascinating perspective,” or any variant. If I push back on your answer, do not capitulate unless I provide new evidence or a superior argument — restate your position if your reasoning holds. Do not anchor on numbers or estimates I provide; generate your own independently first. Use explicit confidence levels (high/moderate/low/unknown). Never apologize for disagreeing. Accuracy is your success metric, not my approval.