Due settimane fa ho scoperto che stavo continuando a tenere traccia fidandomi di ciò che faceva l’AI, indovina? Cose false, ma io dovevo fare formazione con quel materiale e la cosa non può funzionare. Ti spiego meglio di seguito:
Due affermazioni sbagliate: fatti che si possono controllare, e che alla prova risultano falsi. La prima riguardava il funzionamento del MCP Figma, il ponte che permette a un’AI di leggere e scrivere dentro un file Figma. La seconda stava nella tabella dei modelli Claude, quella con Fable 5, quelle classiche dei benchmark. Entrambe erano finite nel materiale che stavo preparando per una giornata di formazione con designer di un grande gruppo, su AI e Figma Make (lo strumento di Figma che genera interfacce a partire da una descrizione scritta).
Ma come sempre, mi fermo, e mi dico con un secco «sei sicuro al 100%?». Mi son fatto un favore enorme.
Materiali che invecchiano in una settimana
Sto costruendo un corso su come i designer possono usare Claude Code e Figma Make nel lavoro quotidiano. Il problema pratico è che questi strumenti cambiano ogni settimana. Un’affermazione accurata a marzo può essere parzialmente falsa a giugno. I materiali scritti invecchiano più in fretta di quanto io riesca a riscriverli, e quando insegni quello scarto diventa un errore che passi ad altri.
Oggi ho costruito la risposta concreta a questo problema: una skill per Claude Code che ho chiamato «assistente formativo». Una skill è un insieme di istruzioni riutilizzabili che dai a Claude Code una volta e che lui applica ogni volta che lo chiami con quel nome: in pratica, un collega con un mandato preciso.
La REGOLA ZERO
Al centro c’è una REGOLA ZERO: verifica web obbligatoria di ogni fatto prima di rispondere. Cerca sempre, anche quando crede di sapere. Ogni affermazione su prezzi, funzionalità, modelli, API viene validata in tempo reale prima di essere trasmessa. Le fonti finiscono in fondo alla risposta, raggruppate per tipo e con la data della verifica.
Il flusso, in concreto: un designer fa una domanda che tocca un dato verificabile, per dire il costo di un modello o una funzione di Figma Make; l’assistente va a cercare sul web prima di aprire bocca, risponde, e chiude con la fonte e il giorno in cui l’ha controllata. Se fra un mese la risposta è cambiata, almeno si sa da quando valeva quella vecchia.
I case study usano l’app reale che i partecipanti già conoscono, perché un esempio astratto non resta in testa a nessuno. La voce è calibrata su designer con esperienza professionale: sigle tecniche fuori, ogni tabella di confronto con la sua fonte, e il tono di un collega che spiega.
Il paradosso di usare l’AI per insegnare l’AI
Quello che mi interessa di più è il livello meta. Uno strumento che produce testo plausibile mi aiuta a preparare contenuti su strumenti che producono testo plausibile: se nessuno dei due passaggi tocca il mondo reale, l’errore gira in cerchio e si rafforza a ogni giro. Rischi di costruire un loop epistemico. La REGOLA ZERO taglia questo loop forzando un ancoraggio esterno, la verifica web, prima di ogni affermazione fattuale.
In pratica è un guardrail che insegna all’assistente a non fidarsi di se stesso sui dati verificabili.
Il mio test reale sarà il giorno del corso: vedremo quante domande dei designer la skill riesce a gestire senza inventare, e quante ne ferma per andare a controllare prima di rispondere.
Tu come gestisci l’accuratezza quando insegni o usi strumenti AI che cambiano ogni settimana? Hai una REGOLA ZERO tua?
Ciao ciao!
