Il metodo Karpathy: usare l’IA 10× più efficacemente

Andrej Karpathy – cofondatore di OpenAI ed ex responsabile dell’IA in Tesla – spiega da tempo, in conferenze e interviste, perché la maggior parte delle persone usa l’IA nel modo sbagliato. Non perché si esercitino troppo poco, ma perché fraintendono lo strumento. Il suo metodo per lavorare con l’IA molto più in fretta si riduce a tre livelli: Spec, verifica e ambiente. Ecco che cosa c’è davvero dietro – senza hype, ma con qualcosa da mettere in pratica.

Perché l’IA fallisce su domande semplici

Karpathy fa un esempio semplice: «Voglio andare all’autolavaggio, dista 50 metri. Devo andare in auto o a piedi?» I modelli di punta di oggi – Claude, Gemini, Grok, ChatGPT – rispondono tutti: a piedi, è così vicino. Sbagliato. Perché per lavare l’auto serve avere l’auto sul posto.

È tutto qui: l’IA è brillante su tutto ciò che si può misurare – e cieca su tutto ciò che richiede contesto. Il Suo obiettivo, le Sue condizioni al contorno, il Suo intuito: di questo l’IA non ha alcun segnale. Il compito non è quindi «fare prompt migliori», ma colmare questo divario tra la Sua comprensione e la potenza di calcolo dell’IA. È esattamente ciò che fanno i tre livelli.

Livello 1: lo Spec – la Sua comprensione in forma utilizzabile

Uno Spec è il modo in cui Lei consegna la Sua comprensione all’IA – in un formato con cui essa possa fare qualcosa. La nota «modalità piano» di Claude va nella direzione giusta, ma per Karpathy resta troppo superficiale. Il suo consiglio: elaborare uno Spec davvero dettagliato insieme allo strumento di IA. Ecco come riuscirci in tre passi.

1. Faccia emergere l’obiettivo vero

«Crea un report mensile» è un compito. L’obiettivo è la conclusione che Lei ne trae, la decisione che il report innesca. Quale sia l’obiettivo, l’IA non potrà mai stabilirlo al posto Suo. Si faccia invece intervistare:

«Intervistami per individuare l’obiettivo di questo progetto, prima di cominciare.»

2. Lavori in modo agile, non a cascata

La maggior parte delle persone getta all’IA tutto in una volta (a cascata) e spera nel risultato finito. Meglio lo speccing agile: perimetro stretto, checkpoint chiaro, verifica del risultato, aggiustamento, ripetizione. Così si accorge presto se la direzione non è giusta.

«Tendi a Spec più piccoli e più delimitati, con risultati intermedi chiari.»

3. Sia preciso – e ci ragioni sopra

Più è preciso, meno l’IA deve supporre. E ogni supposizione è un’occasione per allontanarsi dal risultato desiderato. Se l’IA scrive uno Spec per Lei, lo legga con spirito critico – con la propria testa.

«Fammi confermare esplicitamente le decisioni centrali, così non sfugge nulla.»

Tre elementi, un risultato: uno Spec stretto e ben pensato che corrisponde al Suo obiettivo reale. Karpathy lo chiama modern engineering – un atteggiamento che in futuro servirà a chiunque lavori seriamente con l’IA.

Livello 2: il verificatore – far controllare all’IA il proprio lavoro

La cosa più frustrante dell’IA è il controllo del risultato. Per capire perché, aiuta il modello mentale di Karpathy. Parla di «animali» contrapposti a «spiriti»: gli esseri umani sono come animali – con moventi ed emozioni. Se dice a qualcuno «diventa esperto SEO in 14 giorni o sei licenziato», quella persona troverà una strada. L’IA funziona diversamente.

Un’immagine più efficace: si immagini l’IA come un bibliotecario robot. Risponde alle domande solo in base ai libri della sua biblioteca. Se un libro manca, non può aiutare – e spesso non se ne accorge. Per questo brilla in matematica e inciampa sul contesto: dove in biblioteca ci sono risposte chiare è brillante; dove non ci sono, sbaglia con sicurezza. Urlare, supplicare o dire «fallo meglio» non serve. L’unica leva vera è la verifica. Tre punti di partenza:

• Definire in anticipo i criteri di valutazione. Invece di «fai un buon report»: «Il report ha tre sezioni, ognuna si chiude con una raccomandazione.» Più si è precisi prima, meno margine resta per gli errori.
• Un secondo modello come critico. Un secondo bibliotecario di un’altra biblioteca valuta il risultato del primo. In Claude Code si può usare per esempio il plugin Codex: «Se diventa un build complesso, fai ricontrollare il risultato finale da Codex.»
• Integrare segnali esterni. Colleghi l’IA al sistema che conosce la verità – per esempio l’ambiente di deployment, per confermare che sia stato davvero rilasciato. Oppure fornisca vecchi report come formato di riferimento.

Boris Cherney, inventore di Claude Code, lo dice senza giri di parole: se Claude ha un ciclo di feedback, la qualità del risultato finale raddoppia o triplica.

«Delinea i criteri di valutazione con cui garantisci un risultato finale di qualità. Sii preciso. Dove ha senso, ricorri a un secondo modello o a dati esterni per la verifica.»

Livello 3: l’ambiente – il pavimento dell’officina su cui tutto poggia

Spec e verifica hanno bisogno di un luogo in cui vivere: l’ambiente in cui Lei costruisce. Pensi a un’officina – lo Spec è il progetto appeso al muro, il verificatore è il controllo qualità alla porta e l’ambiente è l’officina stessa. Il problema: quasi tutti ripartono ogni volta da zero. Ecco invece come allestire una postazione di lavoro che migliora con il tempo:

• Un file CLAUDE.md pulito. Viene caricato automaticamente a ogni prompt – è la prima cosa che Claude legge. Esempio: «Prima di costruire qualcosa a più stadi, aggiungi un piano di verifica.» Così il controllo è imposto, non facoltativo.
• Una base di conoscenza propria (LLM knowledge base). Un sistema di cartelle con i Suoi dati, in cui l’IA cerca senza fatica. I Suoi dati sono il Suo fossato – qui comincia la Sua proprietà intellettuale.
• Skills riutilizzabili. Regola pratica: ciò che fa ripetutamente diventa uno Skill – un manuale per un compito concreto. «Il modo migliore per trovare una perdita in un tubo è farci passare l’acqua.» Più usa gli Skills, migliori diventano.
• Regole vere invece di preghiere. Una frase in CLAUDE.md («non inventare») è una richiesta che l’IA può ignorare. Ciò che è critico va imposto a livello di strumento – p. es. un hook pre-tool-use che protegge in modo rigido determinati file.

Ordini le Sue azioni in tre cesti: sempre consentito (va in automatico), chiedere prima (da ricontrollare) e mai (limiti che non vanno superati). Faccia dell’ambiente il Suo mondo – l’IA ci vive dentro, non il contrario.

L’unica cosa che conta davvero

«Può esternalizzare il Suo pensiero – ma non la Sua comprensione.»
– Andrej Karpathy

Tutti e tre i livelli ruotano esattamente attorno a questo: la Sua comprensione del quadro più ampio. Deve conoscere i Suoi obiettivi e sapere che cosa serve per indirizzare l’IA nella direzione giusta. Gli strumenti diventano più economici – la comprensione resta scarsa.

Conclusione

«Fare prompt migliori» è la domanda sbagliata. Chi con l’IA diventa davvero più veloce e più bravo costruisce un sistema: uno Spec preciso che parte dall’obiettivo; una verifica che impone qualità; e un ambiente che cresce a ogni uso. Non è magia e non è hype – è lavoro pulito, in cui la testa resta Sua. È esattamente così che consiglio: in modo onesto, misurabile, senza hype sull’IA. Se vuole impostarlo nella Sua azienda, ne parliamo.

Da portare con sé

Il metodo completo in documenti compatti – ideali da salvare e condividere nel team:

Fonte: «Stop Prompting Claude. Use Karpathy’s Method Instead.» di Austin Marchese (YouTube). Riassunto liberamente e adattato in italiano.