Conosci la sensazione. Al quarantesimo messaggio di una chat iniziata bene, ora ricevi risposte che ignorano metà delle tue istruzioni, contraddicono qualcosa che il modello ha detto dieci messaggi prima o tornano a un'impostazione generica predefinita che avevi corretto un'ora prima. Non si è «rotto» nulla. Il modello non è peggiorato. È cambiata la quantità di testo che ora deve leggere prima di poterti rispondere.
Su questa pagina
Che cosa succede davvero dentro una chat lunga
Ogni risposta che un modello di AI ti dà viene generata leggendo l'intera conversazione fino a quel punto - le tue istruzioni originali, ogni messaggio successivo, ogni correzione, ogni digressione, ogni «anzi, puoi anche...?» - e prevedendo cosa dovrebbe venire dopo. Quella trascrizione completa si chiama finestra di contesto e non si riduce man mano che la conversazione cresce. Diventa più grande, messaggio dopo messaggio, finché contiene molto più testo di quanto ne contenesse all'inizio.
All'inizio di una chat, le tue istruzioni costituiscono quasi tutto il contesto. Il compito del modello è semplice: leggere un brief chiaro e seguirlo. Al trentesimo messaggio, il brief originale è una piccola parte di un documento molto più lungo, sepolto sotto decine di scambi su modifiche specifiche, numeri specifici e richieste una tantum. Il modello ha ancora tecnicamente le tue istruzioni originali nel contesto, ma ora sono diluite e competono per l'attenzione con un volume molto più ampio di testo più recente, più specifico e spesso contraddittorio.
Ecco perché le chat lunghe non falliscono tutte in una volta. Si deteriorano gradualmente. Il modello inizia a dare più peso ai messaggi recenti rispetto a quelli iniziali (spesso è la scelta giusta: la recenza di solito segnala rilevanza), ma quando le tue regole fondamentali si trovano nello stesso thread ormai datato, «recente» e «importante» finiscono per confondersi. Un commento estemporaneo di cinque minuti fa può avere più peso di un'istruzione che definisce gli standard data un'ora prima, semplicemente per la posizione che occupa nella trascrizione.
C'è un secondo costo, più silenzioso: il modello deve ricostruire il tuo intento da un documento più disordinato ogni singola volta. Invece di leggere «sei un senior strategist della crescita che struttura sempre l'output come X ed evita sempre Y» come un'istruzione chiara, interpreta la stessa idea filtrata attraverso parafrasi, eccezioni concesse durante la conversazione e modifiche applicate solo a un'attività specifica. Più testo da conciliare significa più spazio perché il modello faccia una media, usi formule prudenti o abbandoni silenziosamente un vincolo che non è mai stato ripetuto.
Le due soluzioni a cui si ricorre più spesso - e perché entrambe comportano una perdita di informazioni
Prima soluzione: scorri verso l'alto e incolla di nuovo le istruzioni originali
Questa è la soluzione tampone più comune. Torni indietro fino al primo messaggio, copi il brief originale e lo incolli di nuovo al quarantesimo messaggio con qualcosa come "solo un promemoria, attieniti a questo". Funziona per circa altre cinque risposte. Poi la stessa deriva si ripete, perché non hai realmente cambiato nulla nel funzionamento della finestra di contesto: hai solo aggiunto un'altra copia delle tue istruzioni a una trascrizione già sovraccarica. La chat ora è ancora più lunga, il rapporto segnale-rumore non è migliorato e ti ritrovi a fare tutto questo periodicamente per il resto del progetto.
Soluzione due: avvia una chat completamente nuova e riscrivi tutto
L'altra soluzione comune è più drastica: abbandonare il thread e ricominciare da capo. Questo risolve il problema della diluizione: una nuova chat ha un contesto pulito e breve, quindi le istruzioni vengono lette di nuovo chiaramente. Ma insieme al rumore elimina anche qualcosa di prezioso: il contesto utile e specifico dell'attività che rendeva l'AI efficace proprio in quel progetto. Gli esempi che le hai fornito, i casi limite che avevi già analizzato con lei, le decisioni che avevate già preso insieme: tutto questo scompare. Stai ricostruendo da zero e, inoltre, fai affidamento sulla tua memoria (o su una ricerca frenetica nei vecchi messaggi) per ricostruire istruzioni che potresti non aver salvato in alcun luogo al di fuori di quella chat.
Entrambe le soluzioni trattano il sintomo. Nessuna risolve il problema di fondo: il tuo RUOLO, FORMATO e STANDARD non risiedono in alcun luogo al di fuori di un mucchio crescente di scambi.
Un file Skill compatto e riutilizzabile che definisce il ruolo, il formato dell'output e gli standard di una senior strategist della crescita, così una nuova chat inizia con il piede giusto invece che da una pagina vuota.
Visualizza Sofia - Stratega di Growth Marketing →La soluzione migliore: separa il segnale dal rumore
La soluzione effettiva non è un trucco per scorrere né ripartire da zero: è un cambiamento strutturale del luogo in cui risiedono le tue istruzioni. Invece di avere il tuo RUOLO, FORMATO e STANDARD all'interno del primo messaggio di un thread in continua crescita, questi vivono in un piccolo file autonomo: una Skill. Carichi quel file da zero in una nuova chat o in un progetto Claude/ChatGPT ogni volta che ti serve, e la conversazione che segue rimane concentrata esclusivamente sull'attività del momento.
Pensalo come una conversazione divisa in due livelli che prima erano intrecciati:
- Segnale - tutto ciò che non dovrebbe mai cambiare né diluirsi: chi interpreta l'AI, esattamente come deve formattare l'output, quali standard e vincoli si applicano sempre. Questo vive nel file Skill, fuori dalla chat.
- Rumore - tutto ciò che è specifico per questo incarico, questa settimana, questo scambio: "rendilo più breve", "usa i numeri di questo cliente", "no, l'altra versione". Questo rimane nella chat e va bene se diventa lunga, perché non compete con le tue istruzioni fondamentali per l'attenzione del modello.
Quando questi due livelli sono separati, un progetto lungo smette di essere una singola chat che si deteriora lentamente. Diventa una serie di chat ordinate, ognuna delle quali inizia con lo stesso identico e preciso insieme di istruzioni caricato dal file Skill, libera di dilungarsi sul lavoro effettivo senza dover ridiscutere ogni volta che cosa significhi "fatto bene". Ottieni la freschezza della seconda soluzione (una nuova chat, un contesto pulito) senza il costo della seconda soluzione (riscrivere tutto a memoria), perché le istruzioni non sono mai rimaste intrappolate nella vecchia conversazione.
Questo risolve anche un problema che nessuna delle due soluzioni imperfette affronta: la coerenza tra le sessioni. Se i tuoi standard risiedono nella tua testa e vengono riscritti ogni volta in modo leggermente diverso, la qualità varia da un progetto all'altro, non solo all'interno di una singola chat. Un file Skill è sempre lo stesso file: lo versioni una volta, lo perfezioni quando impari qualcosa di nuovo e ogni chat futura eredita immediatamente il miglioramento.
Le conversazioni di analisi diventano lunghe - dashboard, schemi degli eventi, cadenze dei report. Rafa mantiene fissi gli standard analitici in un file Skill, così la sesta settimana del progetto segue lo stesso rigore del primo giorno.
Visualizza Rafa - Specialista di analisi di marketing →Come appare in pratica
Supponiamo che tu stia gestendo un incarico di più settimane - un audit della crescita, una realizzazione continuativa di analisi, un progetto di consulenza con un cliente. Invece di una maratona di chat che perde lentamente il filo, lo schema appare così:
- Il tuo RUOLO/FORMATO/STANDARD risiede in un file Skill (un documento breve e strutturato, del tipo che incolleresti come prompt di sistema o istruzione di progetto per Claude/ChatGPT).
- Ogni sessione di lavoro, o ogni nuova fase del progetto, inizia con una nuova chat che carica quel file Skill.
- La chat può diventare lunga e disordinata quanto richiede il compito effettivo, perché le istruzioni fondamentali non vengono trascinate nella stessa trascrizione, finendo per essere sovrastate dal testo più recente.
- Quando impari qualcosa che dovrebbe valere per ogni sessione futura - una preferenza di formattazione, un vincolo che continui a dover ripetere - modifichi il file Skill una volta sola, non ogni chat successiva.
L'effetto netto è che la qualità rimane costante durante un progetto lungo invece di diminuire gradualmente. Non stai combattendo contro la finestra di contesto; semplicemente non le stai chiedendo di svolgere un compito per il quale non è mai stata particolarmente adatta: essere la tua memoria permanente per le istruzioni ricorrenti.
Pensiero strutturato, formato McKinsey, caricato nuovamente in ogni sessione - così un lungo incarico di consulenza non eredita la deriva di un thread di chat sovraccarico.
Visualizza Thomas - Consulente aziendale →Inserisci il modo in cui tu (o il tuo team) utilizzate davvero le chat AI e ottieni una stima mensile reale dei token sprecati e dei costi in denaro per riscrivere i prompt rispetto all'utilizzo di un file Skill persistente. Nessuna registrazione, nessuna email - solo i calcoli di questo post applicati ai tuoi numeri.
Prova il calcolatore →FAQ
Perché un'AI sembra "dimenticare" le istruzioni che le ho dato in precedenza nella stessa chat?
Non le ha letteralmente dimenticate: il testo è ancora presente nella finestra di contesto. Ma man mano che la conversazione cresce, le tue istruzioni originali rappresentano una quota sempre più piccola di tutto ciò che il modello deve valutare, e i messaggi più recenti tendono ad avere un'influenza maggiore sulla risposta. Il risultato sembra una dimenticanza, ma in realtà è diluizione.
Non è più semplice iniziare una nuova chat?
Risolve il problema della diluizione, ma ne crea uno nuovo: perdi il contesto specifico dell'attività che rendeva l'AI utile per quel particolare progetto e devi ricordare (o recuperare) le istruzioni originali per riscriverle. Un file Skill ti offre il vantaggio di un contesto pulito tipico di una nuova chat senza il costo mnemonico, perché le tue istruzioni permanenti vivono interamente al di fuori della chat.
Qual è la differenza tra un file Skill e un prompt semplicemente più lungo e dettagliato?
Un prompt più lungo rimane comunque nella chat e invecchia allo stesso modo di ogni altro messaggio: è soggetto alla stessa diluizione all'interno di un thread lungo. Un file Skill è separato da ogni singola conversazione: lo carichi nuovamente all'inizio di ogni nuova chat o progetto, quindi non compete mai con i messaggi recenti per l'attenzione del modello e non accumula mai il rumore di un'attività specifica.
In sintesi:
Le chat lunghe non diventano più stupide perché il modello peggiora: diventano più stupide perché le tue istruzioni permanenti vengono sepolte sotto una pila crescente di scambi specifici dell'attività. Mantieni RUOLO/FORMATO/STANDARD in un file Skill compatto e riutilizzabile - come Sofia, Rafa o Thomas -, caricalo nuovamente in ogni nuova chat e lascia che la conversazione porti con sé solo il rumore di cui ha davvero bisogno.