Come scrivere le istruzioni di un agente AI per l'assistenza clienti

Delle buone istruzioni per un agente AI di assistenza clienti descrivono comportamenti, non fatti, e non si contraddicono mai. Il motivo si può misurare: nel benchmark IFScale, che ha messo alla prova 20 modelli di sette fornitori, anche i migliori modelli di frontiera hanno seguito solo il 68% delle istruzioni quando ne ricevevano 500 insieme, e l'errore più frequente era semplicemente saltare una regola. Ogni regola che aggiungi si contende con tutte le altre l'attenzione del modello. Scrivi le poche regole che contano, in un linguaggio semplice, e sposta tutto il resto nella knowledge base.

Questa guida è per chi apre il campo "istruzioni" di un agente AI e si chiede cosa scriverci. Si affianca a due articoli che abbiamo già pubblicato: come addestrare un agente AI sulle conoscenze della tua attività parla di cosa sa l'agente, mentre come evitare che il tuo agente AI abbia allucinazioni parla dei livelli di sicurezza che lo circondano. Qui parliamo di come si comporta l'agente.

Qual è la differenza tra istruzioni e conoscenze?

Le istruzioni dicono all'agente come agire. Le conoscenze gli dicono cosa è vero.

Da mettere nelle istruzioni	Da mettere nella knowledge base
Tono e stile ("caloroso, breve, niente punti esclamativi")	Prezzi, pacchetti e listini dei servizi
Cosa fare quando un cliente è arrabbiato	Orari di apertura e chiusure per le festività
Quando passare la conversazione a una persona	Testo delle politiche di reso e rimborso
Cosa l'agente non deve mai promettere	Schede prodotto, taglie, ingredienti
Quali dati raccogliere prima di una prenotazione	Indirizzi, parcheggio, indicazioni stradali

L'errore più comune che vediamo è incollare nelle istruzioni l'intero listino prezzi, la pagina delle FAQ e la politica di cancellazione. Sembra un lavoro accurato. In realtà peggiora l'agente, per due motivi.

Primo, i fatti dentro un prompt invecchiano senza che nessuno se ne accorga. Cambi un prezzo sul sito, ti dimentichi del prompt, e l'agente continua a citare il vecchio importo con assoluta sicurezza. Secondo, i prompt lunghi disperdono l'attenzione. Il report "Context Rot" di Chroma del 2025 ha testato 18 modelli e ha rilevato che le prestazioni calano man mano che l'input si allunga, anche su compiti semplici. Uno studio guidato da Stanford e pubblicato su TACL ha scoperto che i modelli usano le informazioni al meglio all'inizio o alla fine di un input lungo e peggio nel mezzo. La tua unica regola fondamentale, sepolta alla riga 140 tra due tabelle di prezzi, si trova proprio nel punto in cui il modello è più debole.

Quante regole dovrebbero avere le istruzioni di un agente AI?

Meno di quante pensi. Vale la pena guardare da vicino i numeri di IFScale, perché mostrano come gli agenti sbagliano quando le regole si accumulano:

• La precisione cala con la densità. Diversi modelli potenti sono rimasti sopra il 94% con 100 istruzioni, per poi scendere sotto il 50% con 500.
• Vincono le regole scritte prima. Gli autori hanno riscontrato una preferenza costante per le istruzioni che compaiono più in alto nel prompt.
• L'omissione è l'errore principale. Per lo più i modelli non hanno violato le regole: le hanno lasciate cadere in silenzio.

Una precisazione onesta: IFScale usava istruzioni semplici del tipo "includi questa parola chiave" in un compito di stesura di report, e gli autori dicono chiaramente che i risultati potrebbero non valere in ogni ambito. Le regole dell'assistenza clienti sono più difficili da seguire dell'inserimento di una parola chiave, quindi semmai aspettati che nel mondo reale il rispetto delle regole sia peggiore, non migliore.

Cosa significa in pratica per te: se le tue istruzioni sembrano un regolamento aziendale di 40 punti, l'agente ne seguirà la maggior parte quasi sempre, e non saprai quali regole ha saltato finché non se ne accorgerà un cliente. Punta a un elenco breve di regole che, se infrante, ti costerebbero davvero soldi o fiducia. E metti le più importanti in cima.

Come si scrivono le istruzioni di un agente AI, passo dopo passo?

1. Parti dal compito, in una sola frase

"Rispondi ai messaggi Instagram e WhatsApp di uno studio dentistico, aiuti le persone a prenotare pulizie e visite, e passi tutto ciò che riguarda questioni cliniche alla reception." Quella frase fa più lavoro di una pagina di aggettivi. La guida ufficiale di Anthropic sui prompt suggerisce di trattare il modello come un dipendente brillante ma appena arrivato, che non conosce ancora le vostre consuetudini. Scrivi quello che diresti a un nuovo assunto il primo giorno.

2. Descrivi lo stile con esempi, non con aggettivi

"Cordiale e professionale" non significa nulla: lo scrivono tutte le aziende. Fornisci invece due brevi risposte di esempio nello stile che vuoi. Mostra anche la lunghezza. Se i tuoi clienti scrivono tre parole su WhatsApp, una risposta di cinque paragrafi sembra scritta da un robot.

3. Spiega il motivo di ogni regola rigida

"Non indicare mai un prezzo definitivo per gli impianti" è una regola. "Non indicare mai un prezzo definitivo per gli impianti, perché il prezzo dipende da una radiografia che il dentista non ha ancora visto; proponi invece una visita" è una regola che l'agente può applicare anche a casi che non avevi previsto, come corone o ponti.

4. Scrivi in modo esplicito rifiuti e passaggi di consegne

Decidi cosa fa l'agente quando non dovrebbe rispondere: consulenze mediche o legali, lamentele su un membro specifico dello staff, contestazioni sui rimborsi, qualsiasi problema di pagamento. Per ciascun caso, indica cosa dice al cliente e cosa succede dopo. "Digli che un membro del team risponderà in orario lavorativo, poi passa la conversazione a una persona" è chiaro. "Inoltra quando opportuno" no.

5. Indica cosa raccogliere, non come fare l'interrogatorio

Se per una prenotazione servono nome, numero di telefono e giorno preferito, elenca questi tre campi. Lascia che l'agente li raccolga in modo naturale nel corso della conversazione, invece di imporre un ordine fisso di domande. I clienti forniscono le informazioni in ordine sparso, e un copione rigido si rompe nel momento in cui lo fanno.

6. Cerca le contraddizioni prima di salvare

È il passaggio che quasi tutti saltano. Le istruzioni crescono nel giro di mesi: a marzo qualcuno aggiunge "offri sempre lo sconto del 10% sulla prima visita", a luglio qualcun altro aggiunge "non menzionare mai sconti nei DM". Ora l'agente ha due regole che non possono essere vere entrambe, e ne sceglierà una, in modo incoerente. Dopo ogni modifica rileggi l'intero prompt dall'inizio alla fine, non solo la riga che hai cambiato.

7. Fai i test con i messaggi che ricevi davvero

Prendi dieci messaggi reali del mese scorso, compresi quelli scomodi (il cliente arrabbiato, quello che scrive in spagnolo, chi chiede uno sconto, il classico "sei un bot?"). Falli passare all'agente e leggi ogni risposta. Cambia una cosa sola, poi rifai la prova con gli stessi dieci.

Come appaiono a confronto istruzioni deboli e istruzioni efficaci?

Istruzione debole	Versione più efficace
"Sii disponibile e cordiale."	Due risposte di esempio che mostrano tono e lunghezza esatti.
"Non dare informazioni sbagliate."	"Se la risposta non è nella knowledge base, di' che verificherai con il team e passa la conversazione."
"Inoltra i reclami."	"Se un cliente è scontento di una visita passata, scusati una volta, non discutere e passa la conversazione a una persona."
"I nostri orari sono dalle 9 alle 6, una pulizia costa..."	Sposta orari e prezzi nella knowledge base.
"Proponi sempre un upsell."	"Dopo la conferma di una prenotazione, menziona una volta l'offerta per lo sbiancamento. Se viene rifiutata, non riproporla mai."

Perché le istruzioni contano anche dal punto di vista legale?

Perché quello che dice il tuo agente è quello che ha detto la tua azienda. Nel caso Moffatt v. Air Canada (2024), un tribunale della Columbia Britannica ha ritenuto la compagnia aerea responsabile dopo che il chatbot del suo sito aveva detto a un cliente che poteva richiedere in modo retroattivo una tariffa agevolata per lutto, cosa che la politica effettiva della compagnia non prevedeva. Il tribunale ha respinto la tesi secondo cui il chatbot era responsabile delle proprie azioni. Regole di rifiuto chiare ("non descrivere mai una politica di rimborso che non sia nella knowledge base") sono un'assicurazione che costa poco.

Come gestisce le istruzioni Entagl

Alcune scelte progettuali di Entagl derivano direttamente dalle ricerche citate sopra:

• Fatti e comportamenti restano separati. Servizi, prodotti, FAQ e orari stanno nei dati della tua attività e nella knowledge base, così le istruzioni possono restare brevi e concentrate sul comportamento.
• Specialisti invece di un unico prompt gigante. Il Receptionist gestisce un team di agenti specializzati (prenotazioni, prodotti, FAQ, vendite e altro), ognuno con un compito più circoscritto, così nessun singolo prompt deve contenere tutte le regole.
• Un controllo delle contraddizioni a ogni modifica. Quando chiedi all'AI Manager di cambiare le istruzioni del tuo agente in linguaggio semplice, controlla l'intero prompt alla ricerca di regole esistenti che la modifica contraddirebbe o duplicherebbe e le riconcilia prima di applicarla, chiedendoti quale comportamento mantenere quando due regole sono davvero in conflitto. È il passaggio 6, fatto al posto tuo.
• Regole di passaggio decise da te. Sei tu a stabilire quando una conversazione passa a una persona, e il tuo team la riprende nella inbox condivisa con tutta la cronologia.
• Un pannello di test che mostra il suo lavoro. Il pannello Test Agent traccia cosa ha fatto l'agente a ogni risposta, così quando una risposta di prova sembra sbagliata puoi vedere il perché invece di tirare a indovinare.

Niente di tutto questo sostituisce il tuo giudizio su quali debbano essere le regole. Rende però più facile mantenere brevi e aggiornate quelle che scrivi. Se stai pianificando un lancio, la nostra guida su come lanciare un agente AI senza perdere clienti copre la parte dell'introduzione graduale.

FAQ

Cosa devo mettere nelle istruzioni del mio agente AI?

Il compito dell'agente in una frase, risposte di esempio che mostrano il tuo tono, le poche regole rigide che proteggono soldi e fiducia (con il motivo di ciascuna), cosa raccogliere prima di una prenotazione e quando, esattamente, passare la conversazione a una persona. Prezzi, orari e politiche lasciali alla knowledge base.

Un prompt più lungo è meglio per un agente AI di assistenza clienti?

Di solito no. Ricerche come IFScale e il report Context Rot di Chroma mostrano che il rispetto delle istruzioni e la precisione calano man mano che i prompt diventano più lunghi e densi. Un prompt breve con priorità chiare batte uno lungo in cui la regola importante sta nel mezzo.

Ogni quanto dovrei aggiornare le istruzioni di un agente AI?

Ogni volta che cambia un tuo processo, e dopo aver esaminato conversazioni reali andate storte. La nostra guida su come mantenere accurato un agente AI dopo il lancio descrive quel ciclo di revisione. Ogni volta, rileggi l'intero prompt cercando regole che la nuova contraddice, poi rifai la prova con un insieme fisso di messaggi di test.

Posso scrivere le istruzioni dell'agente AI nella mia lingua?

Sì. Scrivile nella lingua in cui pensi. L'agente di Entagl risponde ai clienti nella lingua in cui scrivono, in oltre 100 lingue, indipendentemente dalla lingua delle tue istruzioni.

Servono competenze di prompt engineering per configurare un agente AI?

No. Le competenze che contano sono quelle che usi già per formare un nuovo dipendente: spiegare qual è il lavoro, mostrare esempi, chiarire il motivo delle regole e controllare il risultato.

Parti dai dieci messaggi

Prima di riscrivere qualsiasi cosa, prendi dieci messaggi reali dei clienti e leggi come risponde oggi il tuo agente. La maggior parte dei problemi nelle istruzioni emerge già in quei dieci. Se vuoi vedere come Entagl confronta le nuove istruzioni con quelle esistenti prima che vadano online su WhatsApp, Instagram, Messenger e sul tuo sito, prenota una demo di 30 minuti.

Fonti: Jaroslawicz et al., "How Many Instructions Can LLMs Follow at Once?" (IFScale, arXiv 2507.11538, luglio 2025); Hong, Troynikov e Huber, "Context Rot: How Increasing Input Tokens Impacts LLM Performance" (Chroma, luglio 2025); Liu et al., "Lost in the Middle: How Language Models Use Long Contexts" (TACL, 2024); Anthropic, "Prompting best practices" (Claude Platform Docs); Moffatt v. Air Canada, 2024 BCCRT 149, come riassunto dall'American Bar Association.