La tua AI non dimentica le cose perché si confonde: sta esaurendo lo spazio. Ogni modello ha una "finestra di contesto" fissa, ovvero la quantità totale di testo che può contenere e analizzare contemporaneamente. Quando la finestra si riempie, qualcosa deve cedere: i messaggi più vecchi vengono estromessi, sepolti sotto quelli più recenti o eliminati del tutto.
Su questa pagina
Ultimo aggiornamento: luglio 2026 · A cura del team di KissMySkills
Che cos'è realmente una finestra di contesto
Ogni volta che invii un messaggio a Claude, ChatGPT o Gemini, il modello non vede soltanto quel messaggio. Vede l'intera conversazione fino a quel momento: tutto ciò che hai digitato, tutto ciò a cui ha risposto, oltre a eventuali documenti, immagini o file allegati, raccolti in un unico input. Questo insieme è il "contesto". La "finestra" è il limite massimo di contenuti che il modello può elaborare in un unico passaggio.
Le finestre di contesto si misurano in token, piccole porzioni di testo equivalenti a circa ¾ di parola ciascuna. Un modello con una finestra di 100.000 token può contenere all'incirca 75.000 parole tra conversazione, documenti e istruzioni prima di raggiungere il limite. Sembra molto, finché non si considera che un singolo PDF di 40 pagine, un'esportazione di un foglio di calcolo o la trascrizione di una lunga riunione possono consumare da soli decine di migliaia di token, prima ancora che tu abbia posto la domanda vera e propria.
La cosa importante da capire è questa: la finestra di contesto non è un database in cui il modello cerca informazioni. È più simile alla memoria a breve termine. Per il modello non esiste nulla al di fuori di quella finestra, e tutto ciò che vi si trova compete per la sua limitata attenzione.
Perché sembra che l'AI "dimentichi"
Le persone descrivono questo fenomeno dicendo che l'AI "dimentica" l'inizio di una chat lunga o perde di vista i dettagli di un documento caricato. È un modo ragionevole per descrivere ciò che si osserva, ma non è esattamente ciò che accade internamente. Ci sono due fenomeni distinti, che si sommano tra loro.
1. Dimenticanza graduale: diluizione
Man mano che una conversazione cresce, i contenuti più vecchi non scompaiono: diventano semplicemente una frazione sempre più piccola di ciò che il modello sta analizzando. Le istruzioni, le decisioni o i fatti iniziali acquisiscono proporzionalmente meno "peso" rispetto a tutto ciò che è stato detto in seguito. Tecnicamente, il modello ha ancora accesso a quei contenuti, ma deve lavorare di più per individuarli e attribuire loro la giusta priorità tra tutto il resto stipato nella finestra; nella pratica, la qualità delle conversazioni lunghe peggiora visibilmente: il modello contraddice le risposte precedenti, ripete domande a cui hai già risposto o perde il filo di un'istruzione articolata di dieci scambi prima.
2. Dimenticanza completa: troncamento
Quando la conversazione supera effettivamente il limite massimo della finestra, è necessario eliminare qualcosa per fare spazio ai nuovi input. La maggior parte dei prodotti di chat gestisce la situazione eliminando silenziosamente o riassumendo i turni più vecchi. A quel punto il contenuto non è semplicemente diluito: è davvero scomparso. Il modello non può più vederlo, per quanto fosse importante.
Nessuna delle due situazioni è esattamente un bug. È la conseguenza fisica del riempimento di una finestra di dimensioni fisse. Ma significa che due abitudini comuni - incollare un documento enorme e lasciare che una chat prosegua a lungo e divaghi - sono i due modi più rapidi per far crollare la qualità dell'output, spesso senza capire perché le risposte siano peggiorate.
Il costo nascosto del «carica semplicemente il documento»
Caricare un file di grandi dimensioni sembra gratuito. Non lo è. Un contratto voluminoso, un rapporto di ricerca o un intero set di dati possono consumare una quota enorme della finestra disponibile prima ancora che il modello abbia elaborato una sola parola della tua richiesta effettiva. Se il tuo modello ha, per esempio, una finestra di 150.000 token e il tuo documento ne occupa 90.000, te ne restano 60.000 per le istruzioni di sistema, la cronologia della conversazione e il ragionamento e la risposta del modello, in un'attività che potrebbe richiedere effettivamente di sintetizzare l'intero documento.
Questa è esattamente la situazione che mette in difficoltà le persone quando svolgono attività analitiche impegnative: report di marketing pieni di tabelle, modelli finanziari, lunghi corpus di ricerca. Più l'input è grande e disordinato, meno spazio rimane all'AI per ragionare davvero bene su ciò che le stai chiedendo di fare con quell'input.
Rafa trasforma Claude in uno Specialista Senior di analisi di marketing proprio per questo problema: analizzare report complessi, dashboard e dati delle campagne senza che le istruzioni permanenti consumino lo spazio di cui ha bisogno il tuo documento.
Visualizza Rafa - Specialista di analisi di marketing →Perché anche le chat lunghe e divaganti peggiorano le cose
L'altra trappola è la chat maratona, la conversazione che non chiudi mai perché «ha già tutto il contesto». Ogni scambio, ogni digressione abbandonata, ogni «in realtà, proviamo in un altro modo» resta nella finestra, occupando spazio e diluendo ciò che conta davvero. Al messaggio numero cinquanta, il modello si ritrova a gestire un cumulo di cronologia parzialmente rilevante insieme alla tua richiesta attuale e concreta, dando a tutto più o meno lo stesso peso.
La soluzione non è «non avere mai conversazioni lunghe». È prestare attenzione a ciò che occupa davvero spazio in quella finestra e assicurarsi che le cose su cui vuoi che il modello si concentri maggiormente - il tuo compito attuale, il tuo documento attuale - non vengano sommerse da elementi che non sono più rilevanti.
Dove entrano in gioco i file Skill
Questo è il motivo pratico per cui esistono i file Skill (o i prompt di sistema, le istruzioni personalizzate, le istruzioni del progetto: stessa idea, nome diverso a seconda della piattaforma). Un file Skill separa due tipi di contenuti molto diversi che normalmente vengono ammassati nella finestra di contesto:
- Istruzioni permanenti - il ruolo che l'AI dovrebbe assumere, gli standard da applicare, il formato dell'output. Non cambia da un'attività all'altra.
- Contenuto dell'attività - il documento che stai analizzando, i dati su cui stai lavorando, la conversazione effettiva sul problema concreto. Cambia ogni volta.
Quando incolli nella chat stessa una lunga spiegazione libera del tipo "comportati come un analista senior, segui questa struttura, usa questo tono, fai sempre X e non fare mai Y", quella spiegazione occupa spazio e attenzione nella finestra, competendo direttamente con il tuo documento e le tue domande - ogni singola volta, in ogni conversazione. Un file Skill carica una volta sola quello stesso insieme di istruzioni, in modo compatto, come un ruolo definito che il modello assume. È scritto in modo più conciso rispetto a una tipica spiegazione in botta e risposta e non viene rimesso in discussione né rispiegato nel corso della conversazione come spesso accade con le istruzioni improvvisate.
Il risultato è semplice: una parte maggiore della finestra resta disponibile per ciò che cambia davvero - il report che hai caricato, i dati su cui stai chiedendo informazioni, le venti domande successive in questa sessione. La qualità rimane elevata più a lungo perché il modello non divide la sua attenzione limitata tra "ricordare come dovrebbe comportarsi" e "capire cosa stai chiedendo davvero in questo momento".
Ryan configura Claude per il tipo esatto di lavoro dirigenziale continuativo e ad alto contesto - documenti per il consiglio di amministrazione, briefing, memo decisionali - in cui un ruolo permanente e conciso diventa sempre più importante man mano che la conversazione cresce.
Visualizza Ryan - Chief of Staff →Abitudini pratiche che aiutano davvero
- Avvia nuovi thread per le nuove attività. Una nuova conversazione significa una finestra pulita - senza una cronologia diluita che compete con la richiesta attuale.
- Tieni separate e concise le istruzioni permanenti. Un file Skill caricato una volta è meglio che rispiegare le tue aspettative in ogni chat.
- Riduci ciò che carichi. Se ti servono solo i capitoli 3 e 4, non caricare l'intero libro - ogni pagina non necessaria è costituita da token che il modello non può spendere per la tua domanda.
- Riassumi prima di continuare. In un progetto di lunga durata, chiedi periodicamente al modello (oppure fallo tu) di condensare in un breve riepilogo le decisioni chiave prese finora, quindi avvia un nuovo thread con quel riepilogo e il tuo file Skill.
- Fai attenzione ai segnali d'allarme. Domande ripetute, risposte che contraddicono quelle precedenti o risposte vaghe a richieste specifiche sono spesso sintomi di una finestra di contesto affollata o troncata - non di un problema legato a un prompt più intelligente.
In sintesi:
Ogni modello AI ha una finestra di contesto fissa e, una volta riempita, i contenuti meno recenti vengono diluiti o eliminati - è questo il "dimenticare" che noti, non la confusione. Sia i caricamenti di documenti voluminosi sia le cronologie di chat molto estese occupano quello stesso spazio limitato. Mantenere le istruzioni permanenti compatte e separate, come con Rafa (Specialista di analisi di marketing) o Ryan (Chief of Staff), libera spazio per il documento e il contenuto dell'attività che ne hanno realmente bisogno - così le risposte rimangono precise più a lungo.
Inserisci il modo in cui tu o il tuo team utilizzate effettivamente le chat AI e ottieni una stima mensile reale dei token sprecati e dei costi in denaro per il re-prompting rispetto a un file di skill persistente. Nessuna registrazione, nessuna email - solo i calcoli di questo articolo applicati ai tuoi numeri.
Prova il calcolatore →Domande frequenti
Cosa rientra esattamente nella finestra di contesto?
Tutto ciò che è presente nella conversazione attuale: i tuoi messaggi, le risposte del modello, qualsiasi prompt di sistema o istruzione del file di skill e il testo completo estratto da eventuali file o documenti allegati. Tutto viene misurato insieme in token rispetto a un unico limite condiviso.
Iniziare una nuova chat risolve davvero il problema?
Sì, nel senso che svuota completamente la finestra - nessuna cronologia diluita, nessun rischio di troncamento a partire da un punto precedente della conversazione. Il compromesso è che perdi qualsiasi contesto della vecchia conversazione che non hai trasferito, quindi conviene portare nella nuova chat un breve riepilogo insieme al tuo file di skill, invece di ricominciare da zero.
Perché non usare semplicemente un modello con una finestra di contesto più ampia?
Una finestra più ampia aiuta, ma non elimina le dinamiche di fondo - diluizione e definizione delle priorità si verificano comunque su larga scala, e gli input enormi continuano a costare token reali, indipendentemente dal fatto che il limite sia di 100,000 o 1,000,000. Una finestra più ampia ti offre più spazio; non ti offre un modello che sappia automaticamente a cosa dare la priorità all'interno di quello spazio.
In cosa è diverso un file di skill dal semplice scrivere buone istruzioni nella chat?
Entrambe le opzioni possono funzionare, ma le istruzioni digitate direttamente in una chat si trovano nella stessa finestra affollata di tutto il resto e spesso vengono ripetute, contraddette o diluite man mano che la conversazione cresce. Un file di skill viene caricato una volta come ruolo definito - compatto e separato dal contenuto dell'attività - quindi non compete per lo spazio con il documento o i dati su cui stai effettivamente lavorando.
Correlati: Le migliori skill per Claude per dirigenti e chief of staff · I migliori marketplace di skill per Claude (a confronto)