I 5 livelli per usare Claude sul serio

La maggior parte delle persone usa Claude, ChatGPT o un altro assistente più o meno allo stesso modo da mesi: apre una chat, scrive una domanda, legge la risposta, copia quello che serve, chiude tutto. Funziona. Ma è anche il motivo per cui, passato l’entusiasmo iniziale, molti si fermano lì — convinti di aver già visto il massimo che questi strumenti possono dare.

Non è così. C’è una distanza enorme tra “fare una domanda a un chatbot” e “avere un collaboratore digitale che conosce il tuo lavoro, scrive nel tuo tono, tocca i tuoi file veri e porta a termine cose anche quando non sei davanti allo schermo”. In mezzo ci sono livelli precisi, e si scalano uno alla volta.

Questo articolo nasce guardando per intero la masterclass del canale Aclas intitolata “La Masterclass completa su Claude: i 5 livelli per usarlo davvero” — 52 minuti che mettono in fila, con un ordine raro per l’argomento, l’intera scala di utilizzo di Claude nel lavoro quotidiano. L’ho guardata dall’inizio alla fine, ho separato il metodo dalla messa in scena, e l’ho riscritta qui passandola attraverso la mia esperienza di chi fa formazione su AI e comunicazione in azienda. Dove il video afferma qualcosa senza mostrarne la prova, lo segnalo apertamente — è, non a caso, una delle regole che trovi più avanti in questo stesso articolo.

Prima dei livelli: tre impostazioni che cambiano tutto il resto

Prima ancora di scrivere la prima richiesta, ci sono tre leve che da sole condizionano la qualità di ogni risposta che riceverai dopo.

Quale modello scegliere

Anthropic dà ai modelli Claude nomi di forme di scrittura, in ordine di grandezza — e la scelta non è casuale, è quasi una dichiarazione di dimensione. Haiku è il più piccolo e veloce: risposte quasi istantanee, costo minimo, perfetto per cose semplici come riscrivere un’email, tradurre un testo, sistemare una lista. Sonnet è quello di mezzo, il più equilibrato: per la maggior parte delle persone, nella maggior parte dei casi, è la scelta giusta — scrittura, analisi, lavoro quotidiano serio. Opus è il modello più impegnativo dei tre: elabora in modo più approfondito, richiede più tempo e più risorse, ed è la scelta giusta quando il compito è genuinamente complicato — una strategia con molte variabili in gioco, un testo che dovrà reggere il confronto con un pubblico competente.

Il video cita anche numeri di benchmark specifici e un esperimento su una memoria esterna che avrebbe triplicato le prestazioni in un gioco — dati mostrati su slide, senza il report o il test originale a corredo. Non li riporto come fatti verificati: li segnalo per applicare da subito la regola di verifica che leggerai tra poco.

Il ragionamento esteso

Su Opus (e sui modelli più capaci in generale) puoi attivare il ragionamento esteso: prima di risponderti, il modello scrive per sé una specie di brutta copia del proprio pensiero, la controlla, e solo dopo ti dà la risposta finale. Su una domanda semplice — “che ore sono a Tokyo” — è tempo sprecato. Su un problema complesso, una decisione con più variabili, un testo che deve reggere un ragionamento lungo e coerente, la differenza si sente. La regola pratica: se la domanda merita che tu ci pensi due volte, vale la pena farla pensare due volte anche a lui.

Le preferenze personali

Nelle impostazioni di Claude c’è uno spazio — le preferenze personali — dove scrivi una volta chi sei, che lavoro fai e come vuoi che ti risponda: lunghezza, tono, formato, regole personali. Quel testo viene iniettato in ogni conversazione che apri da quel momento in poi. Significa smettere di ripetere le stesse istruzioni ogni volta che apri una chat nuova — impostalo una volta, vale ovunque, finché non lo cambi tu.

La regola più importante: non fidarti, verifica

Questi modelli sono addestrati per essere utili e convincenti, ed è proprio questo il rischio: sono convincenti anche quando sbagliano. Se chiedi un dato che il modello non conosce con certezza, può darti qualcosa di plausibile, detto con sicurezza, ma sbagliato. Non è malafede: è come funziona la tecnologia. Tre abitudini aiutano.

Uno, per ogni fatto, numero o data verificabile, chiedi al modello di cercare sul web e di darti le fonti — così puoi aprirle e leggerle tu stesso. Due, sulle informazioni che contano davvero, prova a girare la domanda al modello stesso: invitalo a rileggere la propria risposta e a segnalarti da sé i punti più fragili, quelli su cui varrebbe la pena controllare prima di usarla. È una tecnica nota come self-critique, e sorprende per quanto funzioni — non perché il modello sia in grado di attribuirsi un punteggio realistico (chiedendogli di valutarsi su una scala numerica, la cifra che restituisce è comunque testo prodotto al momento, e tende a essere fin troppo indulgente con sé stesso), ma perché riesce sorprendentemente bene a individuare le zone deboli del proprio stesso ragionamento, quando la domanda è posta in questi termini. Tre, il criterio guida: più conta l’esito, meno spazio dovrebbe avere la fiducia cieca. In una sessione di brainstorming ogni idea può restare così com’è. Se invece un numero sta per arrivare sulla scrivania di un cliente, il controllo va fatto, senza eccezioni.

Livello 1 — Parlare: perché la stessa domanda produce risultati opposti

Il prompt engineering, tolto di mezzo il nome altisonante, è la capacità di fornire al modello gli elementi necessari perché il risultato corrisponda davvero a ciò che avevi in mente. Non richiede competenze tecniche particolari: è, semplicemente, comunicare con precisione. E la stessa identica richiesta, formulata male o formulata bene, produce risultati che sembrano usciti da due strumenti diversi.

Attenzione però alle liste di “prompt pronti” che circolano ovunque: funzionano finché il tuo caso coincide esattamente con il template. Appena devi personalizzare, torni a ricevere risposte banali. Conviene capire la logica sotto, non collezionare ricette.

La logica è una richiesta completa a quattro pezzi.

Ruolo — chi vuoi che sia il modello mentre ti risponde. “Sei un copywriter esperto di LinkedIn” produce scelte diverse da “sei un professore universitario”: stai decidendo da quale scaffale della sua conoscenza deve pescare.

Contesto — chi sei tu, a chi parli, in che situazione, di cosa si tratta. Il modello non sa niente di te: ogni cosa che non gli dici, la inventa o la fa a media con tutto il resto di internet.

Compito — non solo cosa vuoi materialmente ottenere, ma anche a cosa deve servire. C’è una bella differenza tra chiedere semplicemente un post e chiedere un post pensato per catturare l’attenzione di un imprenditore mentre scorre distrattamente il feed, fino a fargli venire il dubbio che quel contenuto parli proprio della sua situazione. La seconda formulazione porta a un risultato radicalmente diverso dalla prima.

Formato — lunghezza, struttura, cosa evitare. E qui la cosa che fa davvero la differenza: quando dai una regola, spiega il perché. Una regola come “evita le frasi fatte”, presa alla lettera e senza altro, viene interpretata in modo rigido e spesso sbagliato. Se invece specifichi che il tuo pubblico individua il linguaggio artificiale quasi subito e smette di leggere non appena lo nota, quella stessa regola viene applicata con più criterio, anche in situazioni che non avevi previsto tu stesso. Non è una particolarità dei modelli linguistici: succede più o meno lo stesso anche dando istruzioni a una persona.

C’è poi un accorgimento più avanzato, probabilmente il consiglio più applicabile subito di tutto il video: chi scrive prompt meglio di chiunque altro è il modello stesso. Invece di affannarti a trovare la formulazione perfetta, spiega la tua esigenza in modo informale e disordinato, quasi parlando a voce alta, e chiedi esplicitamente di essere aiutato a trasformare quel discorso confuso in una richiesta strutturata, facendoti a sua volta le domande necessarie per colmare ciò che manca. Conviene farlo in una conversazione separata rispetto a quella in cui poi userai davvero il risultato. Il beneficio è duplice: da un lato la risposta finale migliora, dall’altro il solo fatto di dover rispondere a quelle domande ti obbliga a mettere ordine nella tua stessa richiesta — capita spesso di accorgersi, proprio in quel momento, che il problema era impostato male fin dal principio.

Livello 2 — Ricordare: smettere di spiegarti da capo ogni volta

Ogni conversazione nuova riparte da zero. Hai speso dieci minuti a spiegare chi sei, il tuo pubblico, le tue regole; chiudi la chat, ne apri un’altra, e non si ricorda niente. Tre strumenti diversi risolvono il problema, ognuno con uno scopo preciso.

La memoria automatica si costruisce da sola, conversazione dopo conversazione, senza che tu debba configurare nulla: col tempo il modello assorbe chi sei e su cosa lavori, e puoi anche accelerarla chiedendole esplicitamente di tenere a mente un dettaglio preciso. Va benissimo per il contesto d’insieme, molto meno quando vuoi decidere tu, in modo puntuale, cosa deve sapere e cosa no.

Le preferenze personali, già viste al livello zero, restano quelle: le scrivi tu, valgono ovunque, cambiano solo quando le cambi tu.

Il terzo strumento sono i project. Immagina una stanza dedicata a un pezzo specifico del tuo lavoro: tutto quello che ci carichi dentro — documenti, brief, esempi, istruzioni — resta a disposizione in modo permanente, e ogni nuova conversazione aperta lì parte già sapendo quelle cose. Rispetto alla memoria automatica cambia il controllo: qui il contenuto lo scegli e lo curi tu, voce per voce. Rispetto alle preferenze cambia la portata: le preferenze sono globali, un project riguarda solo quella singola area.

Un project ben costruito si limita a tre categorie di materiale, niente di più. Prima: una descrizione sintetica di chi sei in quel contesto specifico, cosa stai realizzando, per quale pubblico e con quale obiettivo — praticamente ciò che scriveresti per un nuovo collaboratore alla sua prima settimana. Seconda: due o tre esempi concreti di un lavoro riuscito, perché un caso reale insegna al modello più di una lunga spiegazione teorica del risultato desiderato. Terza: i vincoli, ossia le regole accompagnate dal loro perché — cosa evitare sempre, cosa rispettare sempre.

Va trattato come un contesto mirato, non come un archivio generico: un documento che non serve al lavoro specifico è solo peso in più, non aiuto in più — caricare tutto quello che si trova non rende le risposte più intelligenti, le rende solo più difficili da filtrare. Meglio quindi tante stanze piccole quante sono le aree ricorrenti del tuo lavoro, invece di un’unica stanza enorme dove tutto finisce mischiato: contesti diversi tenuti insieme finiscono per contaminarsi a vicenda.

Livello 3 — Dare metodo: le Skill

Conoscere la tua identità e conoscere il tuo modo di lavorare sono due competenze separate: si può sapere tutto di un’azienda — la sua storia, il suo pubblico, i suoi valori — senza per questo saper replicare lo stile con cui una persona specifica porta a termine i compiti. Qui entra in gioco lo strumento più interessante di tutta la masterclass: le Skill.

Una skill funziona come un manuale operativo che metti per iscritto una sola volta, richiamato automaticamente ogni volta che il compito lo giustifica. La distinzione rispetto a un project è netta: il project custodisce conoscenza (chi sei, cosa stai costruendo), la skill custodisce procedura (i passaggi da seguire, i controlli da fare, i momenti in cui fermarsi, gli errori da non commettere). È come consegnare a chi entra in azienda, da un lato l’archivio con la storia e i documenti, dall’altro il manuale con cui si esegue davvero il mestiere.

Tecnicamente una skill è una cartella con dentro un file di testo chiamato SKILL.md, scritto in Markdown — un formato di testo semplice, leggibile sia da una persona che da un computer, dove il cancelletto fa da titolo, il trattino da elenco, i due asterischi da grassetto. In testa ha nome e descrizione, sotto le istruzioni vere e proprie, e può portarsi dietro file di supporto: esempi, riferimenti, modelli.

Come si attiva da sola: la descrizione è il grilletto

Il meccanismo si chiama progressive disclosure, e avviene in due passaggi distinti. In condizioni normali Claude conserva in memoria soltanto il nome e la descrizione di ogni skill — un ingombro minimo, che permette di averne archiviate decine senza appesantire nulla. Solo quando una tua richiesta combacia con una di quelle descrizioni, il manuale completo viene caricato e seguito passo per passo. Da qui discende un aspetto pratico decisivo: una descrizione che indica con precisione quando ricorrere alla skill (ad esempio, per ogni script, post o articolo che chiedi) la farà scattare al momento opportuno; una descrizione generica, invece, rischia di lasciarla inattiva per sempre. Quando una skill “non funziona mai”, conviene guardare prima lì: spesso il problema non è la skill stessa, ma il modo in cui è stata descritta.

Buoni candidati per una skill: qualsiasi processo ricorrente e standardizzabile con uno standard preciso — proposte commerciali con la tua struttura e le tue obiezioni anticipate, onboarding di clienti nuovi, riassunti di riunioni nel formato del tuo team, risposte ai clienti nel tuo tono, report settimanali. Attenzione a non esagerare: trasformare tutto in una skill diventa collezionismo, non metodo.

La lezione centrale: una skill non deve pensare al posto tuo

Qui il video tocca il punto più importante, ed è utile spiegarlo bene perché è facile fraintenderlo. C’entra la teoria del carico cognitivo: la mente, quando lavora, ha uno spazio limitato — un tavolo piccolo. Partire da zero, dalla pagina bianca, è quello che riempie quel tavolo più di ogni altra cosa, perché devi tenere in testa insieme cosa dire, in che ordine, con che senso. È il momento del blocco creativo, del cursore che lampeggia: non è pigrizia, è il cervello sotto carico massimo.

Una skill non ti toglie il lavoro. Ti toglie la salita più ripida, quella iniziale — ti porta un primo materiale grezzo già sul tavolo, così non parti dal foglio bianco. Ma quel materiale non è il lavoro finito. Il video la inquadra con la nota regola dell’80/20, usata qui come indicazione di massima e non come misura esatta: gran parte del risultato arriva in fretta e con poco sforzo, ma la parte finale — quella che conta davvero — resta interamente tua, e non è detto che sia la più leggera.

A sostegno di questa idea, il video cita anche uno studio del MIT secondo cui chi lascia scrivere tutto all’AI, in seguito, fatica persino a ricordare cosa ha scritto — presentato però solo su una slide, senza il link alla pubblicazione o ai dati originali. È esattamente il tipo di affermazione su cui vale la pena applicare l’abitudine di verifica descritta al livello zero: l’idea di fondo — che il pensiero interamente delegato si dimentica — è plausibile e coerente con quanto sappiamo sull’apprendimento, ma il riferimento specifico andrebbe rintracciato alla fonte prima di citarlo come un dato accertato in una presentazione o in un articolo.

Costruire una skill del proprio tono di voce

La parte più concreta del video riguarda come costruire una skill per scrivere nel proprio tono di voce, e la ricetta vale per qualunque tipo di skill tu voglia costruire. Cinque materiali da preparare, prima di parlarne a Claude.

Esempi veri, non descrizioni. Questo singolo punto vale, da solo, buona parte del risultato finale. La tentazione comune è descrivere la propria voce con aggettivi vaghi — diretta, informale, con frasi brevi — ma un modello linguistico riconosce i pattern reali di scrittura molto meglio a partire da testi concreti che da autodescrizioni. Il relatore consiglia, come regola pratica e non come soglia tecnica misurata, che il materiale caricato sia per gran parte — indicativamente due terzi o più — scritto o comunque riscritto a mano da te, non da un’intelligenza artificiale senza intervento. Il motivo è semplice: se il materiale di partenza è già in larga parte prodotto da un’AI, quello che finisce insegnato alla skill non è la tua voce, ma lo stile medio dell’intelligenza artificiale stessa — e il risultato suonerà generico anche se formalmente personalizzato.

I limiti. Non solo come deve suonare, ma anche come non deve suonare mai: le parole da “guru” che ti fanno venire l’orticario, il linguaggio troppo accademico, le formule che semplicemente non useresti. Sapere cosa evitare è potente quanto sapere cosa fare.

Le regole di formato. Un contenuto breve per i social e un contenuto lungo hanno leve di attenzione diverse: vale la pena documentare la differenza invece di scrivere allo stesso modo ovunque.

Il tuo processo, non solo il tuo stile. Qual è il tuo filo logico ricorrente, perché scegli un certo aggancio invece di un altro, che scaletta segui. Richiede un lavoro di introspezione vero su come ragioni, non solo su come scrivi.

Anche i tuoi errori. Non solo i pezzi migliori: anche quelli che, rileggendoli, non suonano per niente come te. Analizzare perché un testo suonava falso, mostrando il prima e il dopo, aiuta il modello a distinguere le due logiche molto meglio di mille esempi solo positivi.

Una volta pronto il materiale, la costruzione tecnica è quasi banale: si chiede direttamente a Claude, in chat, di leggere tutto, fare una domanda alla volta dove qualcosa non è chiaro, non inventare nulla che non trova nei materiali, e scrivere la skill con un nome e una descrizione che la facciano attivare al momento giusto. Il miglior costruttore di skill, anche qui, è il modello stesso.

Vale però il principio di fondo, ribadito più volte nel video: una skill non inventa un metodo, ne registra uno che già esiste. Se il modo in cui lavori oggi è disordinato, quello che ottieni scrivendolo in una skill sarà altrettanto disordinato. La qualità finale dipende interamente dalla qualità del materiale di partenza che le fornisci.

Gli Artifacts: risultati che vivono da soli

Un artifact è un risultato che, invece di restare dentro la chat, vive in uno spazio dedicato accanto alla conversazione. Può essere un documento formattato — appunti, report, articoli — del codice in qualsiasi linguaggio, una pagina web completa di grafica e funzioni, un’immagine vettoriale, un diagramma, oppure un piccolo componente interattivo come un calcolatore o una dashboard. Basta chiedere a Claude di trasformare qualcosa in un artifact, o semplicemente descrivere cosa vuoi ottenere.

La parte utile da sapere: un artifact si può pubblicare come link a sé stante. Chi lo riceve può aprirlo e vederlo anche senza account — per intervenire sui contenuti interattivi o portarselo nella propria chat, invece, potrebbe comunque servire un login — mentre la tua conversazione originale resta privata. Attenzione però: quel link, una volta pubblico, è raggiungibile da chiunque lo abbia, quindi niente materiale sensibile — ma resta sempre possibile riportarlo privato in qualsiasi momento.

Livello 4 — Dare mani: da consigli a lavoro finito

Fino a qui, il rischio massimo era una risposta sbagliata: fastidiosa, ma rimediabile — la leggi, la correggi, vai avanti. Nel momento in cui concedi a Claude l’accesso ai tuoi file, alla posta, agli strumenti che usi ogni giorno, un errore smette di essere una risposta scartabile e diventa qualcosa che è realmente avvenuto — e non tutto quello che accade davvero si può disfare con un clic, a differenza di una frase sbagliata in una chat.

Vale la pena affrontare subito l’obiezione più comune: la privacy, il controllo dei dati. Le impostazioni granulari e i permessi selettivi esistono davvero, e permettono di scegliere con precisione cosa collegare — ma restano strumenti che vanno configurati attivamente, non protezioni che agiscono da sole. È un po’ come un servizio bancario online, dove la piattaforma è progettata per essere sicura, ma la responsabilità concreta di non condividere le proprie credenziali resta sempre di chi le possiede. Spesso, dietro l’affermazione “non c’è alcun controllo”, si nasconde semplicemente il fatto di non aver mai aperto il pannello dei permessi.

Nessuna delega, del resto, dovrebbe funzionare dando accesso a tutto indiscriminatamente: chi si occupa della tua contabilità vede i conti ma non necessariamente tutta la tua corrispondenza, chi cura i tuoi contenuti non vede per forza i contratti. Ogni accesso concesso dovrebbe rispondere a un motivo preciso. E la fiducia, con l’uso, non dovrebbe tradursi in un accesso via via più ampio, quanto in una maggiore autonomia lasciata muoversi dentro un perimetro che resta comunque definito. Tre regole pratiche aiutano a restare dentro questo perimetro.

La prima: concedi solo la porzione di spazio realmente necessaria al compito — una cartella specifica, non l’intero archivio. La seconda: qualunque output nuovo va trattato come una proposta da rivedere, mai come qualcosa già pronto per essere pubblicato o spedito al posto tuo — resti sempre tu il punto di passaggio verso l’esterno. La terza: ciò che aumenta nel tempo non dovrebbe essere il perimetro dei permessi, ma la fiducia riposta nei risultati già dimostrati dentro quel perimetro, che può restare invariato.

MCP: la presa elettrica dell’intelligenza artificiale

Per collegare Claude ai tuoi strumenti serve una lingua comune. Si chiama MCP (Model Context Protocol): progettato e lanciato da Anthropic, oggi è diventato uno standard aperto adottato anche da altri. La metafora più chiara è quella della presa elettrica a muro: nessuno pensa alla presa in sé, è lo standard che permette a mille elettrodomestici diversi di funzionare in casa tua. MCP è quella presa per l’intelligenza artificiale — e significa che quello che colleghi oggi non ti incastra: se domani cambi modello, gli stessi collegamenti parlano già la stessa lingua.

I connector sono l’elettrodomestico già montato: un ponte pronto tra Claude e gli strumenti che usi ogni giorno — posta, calendario, Drive. Ti colleghi una volta con consenso esplicito, fai login, dai i permessi, e da quel momento Claude può guardare dentro quello strumento — ma esattamente nei limiti dei tuoi permessi reali: se c’è una cartella che tu non puoi aprire, il connector non ci arriva nemmeno per te.

Cowork: quando smetti di essere il corriere

Pensa a come probabilmente usi l’AI oggi: apri un documento, copi il testo, lo incolli in chat, chiedi la modifica, copi la risposta, torni al documento, incolli di nuovo. Sei il corriere che porta pacchi avanti e indietro tra il tuo computer e la chat. Cowork — la modalità di Claude pensata per operare direttamente sul computer, diversa sia dalla chat classica sia dall’ambiente rivolto a chi scrive codice — elimina proprio questo passaggio manuale: interviene sui file reali, porta avanti da sola un lavoro suddiviso in più fasi, e restituisce alla fine il foglio di calcolo compilato, il testo già pronto, la presentazione già impaginata.

Conviene usarlo al posto della chat in quattro casi: un lavoro complesso da gestire dall’inizio alla fine; qualsiasi cosa che tocchi direttamente i file sul tuo computer; il lavoro ripetitivo che torna ogni settimana; i compiti che mischiano lavoro sui file e ricerca online.

Cowork va preparato, non lanciato a caso. Il primo passo è creare una cartella di lavoro dedicata — non collegarlo a tutti i tuoi documenti — organizzata in tre sottocartelle: una per il contesto, una per i progetti in corso, una per i risultati finiti. Nella sottocartella del contesto conviene tenere tre documenti essenziali: chi sei e per chi lavori (due paragrafi bastano), la tua voce con esempi concreti di tono e stile, e le tue preferenze operative — comprese le istruzioni su cosa fare quando qualcosa non è chiaro, se procedere per conto proprio o fermarsi e chiedere. Configurando le istruzioni del progetto perché li richiami, Claude può ripartire da quei tre documenti a ogni sessione, evitando che tu debba ripresentarti da capo ogni volta.

L’esempio mostrato nel video rende bene l’idea: un fascio di trascrizioni di più riunioni, poco ordinate, e un unico incarico complessivo — produrre, per ciascun cliente, un foglio di lavoro con attività, responsabili, scadenze e priorità, più una breve email di aggiornamento in tono professionale ma naturale. Claude incrocia i contenuti dei diversi file, deduce le scadenze reali anche da espressioni imprecise come “entro la prossima settimana”, e consegna entrambi i documenti mentre tu ti occupi d’altro. Un progetto Cowork, inoltre, funziona meglio se non lo tratti come una semplice cartella di ingresso/uscita: scrivendo al suo interno le istruzioni che devono valere ogni volta, il lavoro successivo riparte già da lì invece che da zero.

Livello 5 — Dare autonomia: quando smetti di essere presente

In ognuno dei quattro livelli precedenti c’era una costante: tu, presente davanti allo schermo, a premere invio. Il livello 5 toglie anche quello. L’idea di base è semplice: prendi un incarico come quelli visti al livello precedente e gli abbini una cadenza temporale — una certa mattina, a una certa ora, ricorrente — così che venga eseguito comunque, con te presente o assente.

Alcuni esempi concreti citati nel video: una rassegna stampa personale ogni mattina alle 7, che riassume le tre cose da sapere sul proprio settore da fonti scelte; un punto della situazione ogni lunedì, che incrocia calendario e task aperti e segnala cosa scade, cosa è in ritardo, dove sono i buchi; una bozza ricorrente, come la bozza di newsletter preparata ogni giovedì sulla base di quello pubblicato durante la settimana — una bozza, non un invio automatico.

La regola che riduce sensibilmente il margine di rischio è questa: non programmare nulla che tu stesso non abbia già controllato a mano, ripetutamente. La sequenza sensata è: prima si lavora insieme in una normale conversazione, correggendo quello che non va; poi si trasforma lo stesso lavoro in un incarico di livello 4, verificandone l’esito ogni volta; solo dopo diverse esecuzioni consecutive andate a buon fine ha senso aggiungere una programmazione temporale automatica.

A questo livello cambia proprio la natura del lavoro: non lo stai più eseguendo, e nemmeno lo stai più richiedendo di volta in volta — stai progettando le condizioni perché avvenga da solo. La domanda della settimana non è più “cosa devo fare oggi”, ma “cosa può succedere senza il mio intervento diretto, e in quali punti mi conviene comunque restare a controllare”.

Come puoi applicarlo alla tua azienda

Se ti riconosci ancora nel livello 1 — apri una chat, fai una domanda, copi la risposta — non è un problema da risolvere in un pomeriggio, ed è anche del tutto normale: è il punto di partenza più comune. La cosa da fare non è saltare al livello 5. È salire un gradino alla volta, esattamente nell’ordine di questo articolo.

Comincia scrivendo le tue richieste con i quattro pezzi — ruolo, contesto, compito, formato — per una settimana, su qualsiasi cosa fai già con l’AI. Poi crea un solo project per l’area di lavoro che usi di più, con solo brief, esempi e vincoli dentro. Solo dopo, quando ti accorgi di ripetere sempre lo stesso tipo di istruzioni, vale la pena investire il tempo per costruire una skill vera — e il tempo da investire è soprattutto quello di mettere ordine nel tuo stesso metodo, non nella tecnica.

Il livello 4 e il livello 5 — collegare l’AI ai tuoi strumenti veri e farla lavorare da sola con un orario — sono quelli dove il rischio smette di essere astratto e diventa concreto: un file sbagliato, un’email inviata per errore, un’automazione che ripete lo stesso sbaglio ogni settimana senza che nessuno se ne accorga. Le regole viste in questo articolo — accesso minimo, lavoro nuovo sempre in bozza, autonomia che si guadagna e non si regala — non sono un freno all’adozione: sono ciò che la rende sostenibile nel tempo, ed è un tema che affronto sempre nei laboratori di intelligenza artificiale in azienda, prima ancora di parlare di quali pulsanti premere.

Domande frequenti

Qual è la differenza tra un Project e una Skill di Claude?

Un Project contiene conoscenza — chi sei, cosa stai costruendo, i tuoi documenti. Una Skill contiene procedura — in che ordine si fanno le cose, cosa controllare, cosa non fare mai. Il primo è l’archivio, la seconda è il manuale operativo.

Perché la mia Skill su Claude non si attiva mai da sola?

Nella maggior parte dei casi la causa è una descrizione troppo vaga. Claude attiva una skill confrontando la tua richiesta con la sua descrizione: se la descrizione non dice chiaramente quando va usata, la skill resta sullo scaffale.

Cos’è l’MCP (Model Context Protocol)?

È lo standard, progettato e lanciato da Anthropic e poi adottato anche da altri, che permette a un’intelligenza artificiale di collegarsi a strumenti esterni come posta, calendario o file in modo uniforme — come una presa elettrica che funziona con qualsiasi elettrodomestico costruito secondo quello standard.

Quando conviene automatizzare un compito con un’attività programmata?

Solo dopo averlo validato a mano più volte di fila con lo stesso risultato buono. Automatizzare un processo che non è ancora affidabile non fa risparmiare tempo: produce lo stesso errore, puntualmente, a ogni esecuzione programmata.

Fonte

Questo articolo distilla e riorganizza i contenuti di “La Masterclass completa su Claude: i 5 livelli per usarlo davvero”, pubblicato il 13 agosto 2026 sul canale YouTube Aclas. Guarda il video originale per vedere le schermate e le demo dal vivo di ogni livello.

Risorse per approfondire

• Claude for Small Business: 44 skill che trasformano l’AI in un vero collaboratore aziendale
• Cosa non scrivere mai in ChatGPT
• Commercialisti, avvocati e AI: cosa dice la legge