Un team di 5 persone che lascia a ciascuno la libertà di creare i propri prompts con l'AI non sta solo sprecando token: sta sprecando ore e producendo un lavoro incoerente. Questo è un caso di studio rappresentativo (composito, non riferito a un cliente reale identificato per nome) che mostra come si manifesta concretamente questo spreco mese dopo mese e che cosa cambia quando lo stesso team passa a una piccola libreria condivisa di file di competenze per l'AI.
Caso di studio illustrativo · A cura del team KissMySkills
La situazione: un flusso di lavoro con l'AI normale e improvvisato
Immagina un team di marketing e operations di 5 persone in una startup alle prime fasi: un responsabile dei contenuti, un social media manager, una persona che si occupa di CRO/analytics, un coordinatore operativo e un fondatore che interviene un po' su tutto. Ognuno usa Claude, ChatGPT o Gemini ogni giorno. Nessuno ha impostato 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 «fatto bene» in quel contesto
- Il contesto relativo alla campagna, al prodotto o al trimestre in corso
Nulla di tutto questo viene messo per iscritto come risorsa riutilizzabile. Vive come conoscenza tacita, ricordata a metà e riscritta — ogni volta in modo leggermente diverso — ogni singola volta.
I calcoli: 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'e-mail, 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 approssimativamente a:
- 5 persone × ~3 sessioni ricche di contesto al giorno = 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 oltre 60.000 parole al mese di pura rispiegazione: contesto che non produce alcun nuovo output, ma si limita a ristabilire il punto di partenza
Moltiplica questo per i token di input elaborati a ogni singolo messaggio nella conversazione (la maggior parte degli strumenti di chat reinvia il contesto accumulato a ogni turno) e l'eccedenza di token si accumula rapidamente. Ma il costo dei token è il problema minore. Quello più grande è il tempo.
Il costo reale non sono i token: sono i minuti, moltiplicati per cinque
Supponiamo che riscrivere o copiare e incollare un blocco con «il contesto del nostro brand e della nostra formattazione» richieda 2-4 minuti per sessione, oltre agli scambi aggiuntivi quando la prima bozza dell’AI non è adeguata perché il contesto era incompleto o formulato diversamente rispetto all’ultima volta. In un team di cinque persone, si arriva facilmente a 1-2 ore alla 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 per persona, persa non per svolgere il lavoro, ma per ridefinire all’AI come svolgerlo. In un team di 5 persone, questo si accumula fino a equivalere quasi al lavoro extra di una persona intera in «tassa sul contesto» ogni mese.
Inserisci Maya in Claude, ChatGPT o Gemini una sola volta e ogni caption, calendario e post nativo per la piattaforma verrà prodotto con la tua voce, senza dover rispiegare tono o formattazione a ogni sessione.
Visualizza Maya - Social Media Manager →Il secondo costo: il progressivo calo della qualità
I costi visibili sono i token sprecati e il tempo perso. Quello più silenzioso è il progressivo allontanamento. Quando cinque persone diverse scrivono ciascuna la propria versione di «ecco la nostra voce del brand» affidandosi alla memoria, non la formulano mai nello stesso modo, tanto meno nello stesso modo degli altri. La formulazione estemporanea di una persona è più formale, un’altra inserisce espressioni colloquiali che il brand non usa davvero, una terza dimentica del tutto di menzionare la regola CTA.
Il risultato: contenuti, email e analisi sono tutti tecnicamente «in linea con il brand», ma ognuno porta con sé un accento leggermente diverso. I clienti e i potenziali clienti se ne accorgono, anche quando nessuno nel team riesce a spiegare esattamente perché qualcosa sembra incoerente. È la morte per mille piccole deviazioni.
Questo si manifesta soprattutto in due aree: nel flusso di lavoro CRO/analytics, dove un’interpretazione incoerente di «che cosa costituisce un miglioramento 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 formula diagnosi prima dei test: analisi dell’abbandono nel funnel, progettazione di test A/B e interpretazione dei risultati coerente, indipendentemente da chi nel team gestisce la sessione.
Visualizza Beck - Specialista CRO →Cosa cambia con una libreria condivisa di Skill
La soluzione non è un nuovo strumento né un nuovo documento di processo che nessuno legge. È sostituire il prompting 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 aziendali, scritto una volta e incollato all’inizio di qualsiasi sessione con Claude, ChatGPT o Gemini (oppure salvato come istruzione di un progetto Claude, così viene sempre caricato).
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 i membri del team usano lo stesso file per la stessa attività, invece di scrivere ogni volta la propria versione.
Cosa cambia davvero:
- La ripetizione del contesto si riduce quasi a zero - la voce del brand e le regole di formattazione sono già integrate nel file Skill, invece di essere riscritte in ogni sessione
- La coerenza degli output aumenta - cinque persone che eseguono lo stesso file Skill producono contenuti che sembrano provenire da un unico team, non da cinque individui
- L’onboarding diventa molto più rapido - una nuova assunzione riceve i file Skill invece di dover setacciare vecchi thread di Slack per ricostruire “come scriviamo di solito queste cose”
- Il tempo per sessione si riduce - meno configurazione, meno riscritture perché il primo output non teneva conto del contesto implicito, più output utilizzabile già 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 a memoria.
Visualizza Finn - Specialista di automazione del marketing →Onboarding: il vantaggio sottovalutato
Il risparmio di token e tempo conta, ma l’effetto sull’onboarding è ciò che i team notano di più dopo il passaggio. Invece di trascorrere le prime due settimane ad assorbire per osmosi “come facciamo le cose qui” e a ricevere correzioni sul tono durante ogni ciclo di revisione, una nuova assunzione apre il file Skill pertinente già dal primo giorno e il suo primo output è già vicino allo stile del brand. La conoscenza istituzionale, che prima esisteva 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 dare un'occhiata alla libreria di Skill per Marketing e Ads completa invece di creare prompt una tantum per ogni 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 i contenuti e i social, Beck per il CRO e l'analisi, e Finn per l'automazione del marketing — riduce la necessità di riscrivere, rende i risultati più coerenti e trasforma l'onboarding nel consegnare a un nuovo assunto un file invece di costringerlo a fare archeologia su Slack.
Inserisci il modo in cui tu o il tuo team utilizzate effettivamente le chat AI e ottieni una stima reale mensile dei token sprecati e dei costi in dollari dovuti alla ripetizione dei prompt rispetto all'uso di 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 dati 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 e 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 cosa è diverso un file Skill 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: è che ogni persona ne scrive una propria versione, la conserva nelle note personali e nessun altro del team la usa. Un file Skill è una versione unica e aggiornata che tutto il team incolla o carica come istruzione di un progetto, 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, le istruzioni personalizzate di ChatGPT o i Custom GPT e Gemini Gems. Il team non deve standardizzare su un unico strumento AI per standardizzare un unico contesto condiviso.
