Un team di 5 persone che lascia a tutti la libertà di creare i propri prompts per l'AI non sta solo sprecando token: sta sprecando ore e producendo lavori incoerenti. Questo è un caso di studio rappresentativo (un composito, non un cliente reale identificato) che mostra come si presenta concretamente questo spreco mese dopo mese e cosa cambia quando lo stesso team passa a una piccola libreria condivisa di file di competenze per l'AI.
Su questa pagina
- La configurazione: un normale flusso di lavoro AI ad hoc
- La matematica: 5 persone, più sessioni al giorno, ogni giorno
- Il vero costo non sono i token, ma i minuti, moltiplicati per cinque
- Il secondo costo: il drift della qualità
- Cosa cambia con una libreria Skill condivisa
- Onboarding: il vantaggio sottovalutato
- Domande frequenti
Caso di studio illustrativo · A cura del team KissMySkills
La configurazione: un normale flusso di lavoro AI ad hoc
Immagina un team di marketing e operations di 5 persone in una startup nella fase iniziale - un responsabile dei contenuti, un social media manager, una persona per CRO/analytics, un coordinatore operativo e un founder che interviene un po' in tutto. Tutti usano Claude, ChatGPT o Gemini ogni giorno. Nessuno ha configurato nulla di formale. Tutti semplicemente... scrivono.
Questo significa che ogni nuova chat parte da zero. Prima che l'AI possa produrre una prima bozza utilizzabile, qualcuno deve rispiegare:
- Chi è il brand e a chi si rivolge
- Le regole sul tono ("più diretto, meno aziendalese", "non dire mai 'approfondire'", "termina sempre con una CTA chiara")
- Gli standard di formattazione (intestazioni, stile degli elenchi puntati, intervalli di conteggio delle parole)
- Per quale canale è destinato il contenuto e che cosa significa "buono" in quel contesto
- Il contesto della campagna, del prodotto o del trimestre in corso
Niente di tutto questo viene annotato come risorsa riutilizzabile. Vive come conoscenza tacita, ricordata a metà e riscritta - ogni volta in modo leggermente diverso - ogni singola volta.
La matematica: 5 persone, più sessioni al giorno, ogni giorno
Questi numeri sono indicativi, non verificati - il punto è mostrare la forma dello spreco, non la precisione decimale. Supponiamo che ogni persona svolga 4-6 sessioni di chat AI al giorno per lavoro: scrivere una didascalia, riscrivere un'email, controllare il titolo di una landing page, riassumere una chiamata. Se anche solo metà di queste sessioni inizia con un nuovo blocco di 150-300 parole del tipo "lascia che spieghi di nuovo la voce del nostro brand e le regole di formattazione", si arriva all'incirca a:
- 5 persone × ~3 sessioni al giorno ad alto uso di contesto = 15 rispiegazioni ridondanti del contesto al giorno
- 15 × ~20 giorni lavorativi/mese = circa 300 rispiegazioni ridondanti al mese
- Con una stima prudente di 200 parole di contesto riscritte ogni volta, si arriva a circa 60.000+ parole al mese di pura rispiegazione - contesto che non produce alcun nuovo risultato, ma si limita a ristabilire il punto di partenza
Moltiplica questo per i token di input elaborati in ogni singolo messaggio della conversazione (la maggior parte degli strumenti di chat reinvia il contesto accumulato a ogni turno), e il sovraccarico di token cresce rapidamente. Ma il costo dei token è il problema minore. Quello più grande è il tempo.
Il vero costo non sono i token, ma i minuti, moltiplicati per cinque
Supponiamo che riscrivere o copiare e incollare un blocco del tipo "ecco il contesto sul nostro brand e sulla formattazione" richieda 2-4 minuti per sessione, oltre agli scambi aggiuntivi quando la prima bozza dell'AI non è all'altezza perché il contesto era incompleto o formulato diversamente rispetto all'ultima volta. In un team di cinque persone, è facile arrivare a 1-2 ore a settimana per persona spese per ristabilire un contesto che avrebbe dovuto essere definito una volta sola.
In un mese, si tratta di una parte significativa di una giornata lavorativa intera per persona, spesa non per svolgere il lavoro, ma per rispiegare all'AI come svolgerlo. In un team di 5 persone, questo si accumula fino a equivalere quasi al lavoro aggiuntivo di una persona intera ogni mese, sotto forma di "tassa sul contesto".
Inserisci Maya in Claude, ChatGPT o Gemini una sola volta e ogni didascalia, calendario e post nativo per la piattaforma verrà prodotto con la tua voce, senza dover rispiegare tono o formattazione a ogni sessione.
Scopri Maya - Social Media Manager →Il secondo costo: il drift della qualità
I token ridondanti e il tempo perso sono i costi visibili. Quello più silenzioso è il drift. Quando cinque persone diverse scrivono ciascuna la propria versione di "ecco la voce del nostro brand" a memoria, non la scrivono mai allo stesso modo, né tantomeno nello stesso modo tra loro. La formulazione estemporanea di una persona è più formale, un'altra inserisce slang che il brand non usa davvero, una terza dimentica del tutto di menzionare la regola della CTA.
Il risultato: contenuti, email e analisi sono tutti tecnicamente "in linea con il brand", ma ciascuno porta con sé un accento leggermente diverso. Clienti e potenziali clienti se ne accorgono anche quando nessuno nel team riesce a spiegare esattamente perché qualcosa sembri incoerente. È la morte per mille piccole deviazioni.
Questo emerge soprattutto in due aree: nel flusso di lavoro CRO/analytics, dove un'interpretazione incoerente di "che cosa costituisce un incremento significativo" porta persone diverse a trarre conclusioni diverse dagli stessi dati, e nel marketing automation, dove la logica delle sequenze e le ipotesi sul lead scoring vengono reinventate informalmente ogni volta che una persona nuova interviene su una campagna.
Beck fa la diagnosi prima dei test: analisi dell'abbandono nel funnel, progettazione di test A/B e interpretazione dei risultati coerente indipendentemente da chi conduce la sessione nel team.
Visualizza Beck - Specialista CRO →Cosa cambia con una libreria Skill condivisa
La soluzione non è un nuovo strumento né un nuovo documento di processo che nessuno legge. È sostituire i prompt ad hoc con una piccola libreria condivisa di file Skill - uno per ogni funzione per cui il team usa effettivamente l'AI. Un file Skill è semplicemente un prompt di sistema salvato: voce del brand, regole di formattazione, contesto del ruolo e standard interni, scritti una volta e incollati all'inizio di qualsiasi sessione con Claude, ChatGPT o Gemini (oppure salvati come istruzione di un progetto Claude, così vengono sempre caricati).
Per un team marketing/operations di 5 persone, in genere questo significa 3-4 file Skill che coprono le attività ricorrenti: contenuti e social, CRO/analytics e automazione del marketing/lifecycle. Tutti nel team usano lo stesso file per la stessa attività invece di scrivere ogni volta la propria versione.
Cosa cambia davvero:
- La necessità di rispiegare il contesto ripetitivo si riduce quasi a zero - la voce del brand e le regole di formattazione sono già incorporate nel file Skill, non vengono riscritte a ogni sessione
- La coerenza degli output aumenta - cinque persone che eseguono lo stesso file Skill producono un lavoro che sembra provenire da un unico team, non da cinque singoli individui
- L'onboarding diventa molto più rapido - a un nuovo assunto vengono consegnati i file Skill invece di dover cercare tra vecchi thread di Slack per ricostruire «come scriviamo di solito questi contenuti»
- Il tempo per sessione si riduce - meno configurazione, meno riscritture perché il primo output non includeva il contesto implicito, più output utilizzabile al primo tentativo
Finn progetta sistemi, non sequenze una tantum - architetture dei flussi di lavoro e modelli di lead scoring che tutto il team può riutilizzare invece di ricostruire ogni volta la logica dalla memoria.
Visualizza Finn - Specialista di automazione del marketing →Onboarding: il vantaggio sottovalutato
Il risparmio di token e tempo è importante, ma l'effetto sull'onboarding è ciò che i team notano di più una volta fatto il passaggio. Invece di passare le prime due settimane a imparare per osmosi «come facciamo le cose qui» e a ricevere correzioni sul tono durante ogni ciclo di revisione, un nuovo assunto apre il file Skill pertinente il primo giorno e il suo primo output è già vicino allo stile del brand. La conoscenza istituzionale che prima viveva solo nella testa delle persone senior - e fuoriusciva dall'organizzazione ogni volta che qualcuno se ne andava - ora è un file portatile che viaggia con il team.
Se il tuo team si occupa di più di una di queste funzioni, vale la pena consultare la libreria di Skill per marketing e pubblicità completa invece di creare prompt una tantum funzione per funzione.
In sintesi:
Un team di 5 persone che rispiega da zero la voce del brand e la formattazione in ogni sessione AI perde silenziosamente ore ogni settimana a causa del contesto ridondante e, di conseguenza, produce output incoerenti. Standardizzare su una piccola libreria condivisa - Maya per contenuti e social, Beck per CRO e analytics e Finn per l'automazione del marketing - riduce il reinserimento, rafforza la coerenza e trasforma l'onboarding nel consegnare a un nuovo assunto un file invece di costringerlo a fare archeologia su Slack.
Inserisci come tu (o il tuo team) usate realmente le chat AI e ottieni una stima mensile reale dei token sprecati e dei costi in denaro dovuti al reinserimento dei prompt rispetto a un file Skill persistente. Nessuna registrazione, nessuna email - solo i calcoli di questo articolo applicati ai tuoi numeri.
Prova il calcolatore →Domande frequenti
Si basa sui numeri di un cliente reale?
No - questo è un caso di studio illustrativo e composito, costruito a partire da schemi tipici che osserviamo in piccoli team di marketing/operations che usano strumenti di chat AI in modo estemporaneo, non dai dati verificati di un cliente reale identificabile. Le cifre relative a token e tempo sono indicative e servono a mostrare l'entità dello spreco, non sono misurazioni esatte.
In che modo un file Skill è diverso dal semplice scrivere una volta un buon prompt e riutilizzarlo?
È la stessa idea, formalizzata e condivisa. Il problema della maggior parte dei team non è che nessuno scriva mai un buon prompt, ma che ogni persona scriva la propria versione, che questa resti nelle note personali e che nessun altro nel team la usi. Un file Skill è un'unica versione aggiornata che tutto il team incolla o carica come istruzione di un Project, così tutti partono dalla stessa base invece che da cinque versioni leggermente diverse.
I file Skill funzionano al di fuori di Claude?
Sì. I file Skill sono prompt di sistema basati su Markdown, quindi funzionano ovunque sia possibile incollare istruzioni - Claude Projects, istruzioni personalizzate di ChatGPT o Custom GPTs e Gemini Gems. Il team non deve standardizzare su un unico strumento di AI per standardizzare un unico contesto condiviso.