Se sei uno sviluppatore, un consulente digitale o gestisci progetti che coinvolgono agenti AI, codebase di grandi dimensioni o workflow multi-giorno, Fable 5 sposta l’asticella. Stripe lo ha usato per migrare un codebase Ruby da 50 milioni di righe in un giorno: prima sarebbe servito un team intero per due mesi. In questo articolo vediamo cos’è davvero Claude Fable 5, in cosa eccelle, quanto costa, su quali progetti ha senso usarlo e dove invece non vale la pena.

Cos’è Claude Fable 5 (e perché non si chiama Opus 5)

Claude Fable 5 è il primo modello della classe Mythos reso disponibile al pubblico generale. Anthropic ha introdotto questa nuova tier nell’aprile 2026 con Claude Mythos Preview, distribuito a un gruppo ristretto di cyberdefender all’interno del programma Project Glasswing. Sei mesi dopo, lo stesso motore esce in due varianti: Mythos 5, che resta riservato a partner selezionati senza alcuni dei filtri di sicurezza, e Fable 5, identico nel motore ma con classificatori automatici che reindirizzano richieste sensibili al modello Claude Opus 4.8.

La scelta del nome non è casuale. Anthropic ha spiegato che “Fable” deriva dal latino fabula, “ciò che viene raccontato”, parallelo del greco mythos. Stessa sostanza, narrazione diversa: i safeguard sono ciò che distingue i due modelli e giustifica i due nomi. È un cambio di paradigma rispetto al naming Opus/Sonnet/Haiku, che proseguirà comunque per le tier intermedie. Fable 5 si colloca un gradino sopra Opus 4.8 in capacità, e questo si vede in tutti i benchmark pubblicati.

Specifiche tecniche di Claude Fable 5 in sintesi

Prima di entrare nei dettagli, ecco il quadro tecnico che serve a chi deve decidere se integrarlo in un progetto.

Due note importanti per chi sviluppa. Primo, il chain of thought grezzo non viene mai restituito: il parametro thinking.display ha default “omitted”, e per averlo serve passare a “summarized”. Secondo, la data retention di 30 giorni è obbligatoria, anche per clienti enterprise che normalmente avrebbero zero data retention. Anthropic ha spiegato che questi log servono per affinare i classificatori di sicurezza e identificare nuovi tentativi di jailbreak.

In cosa è specializzato Claude Fable 5

Fable 5 non è un modello universale che fa tutto meglio. Eccelle dove altri modelli si fermano: lavoro lungo, autonomo, complesso. Vediamo i quattro domini dove la differenza è più netta.

1. Software engineering e migrazioni di codice

È qui che Fable 5 mostra il salto più visibile. Stripe ha testato il modello su un codebase Ruby da 50 milioni di righe per una migrazione cross-codebase: Fable 5 ha completato in un giorno ciò che il team aveva stimato in due mesi di lavoro manuale. Cursor, GitHub e Vercel hanno tutti pubblicato dichiarazioni sul fatto che Fable 5 apre una categoria di problemi long-horizon prima irraggiungibile.

Sul benchmark FrontierCode di Cognition AI, che valuta la capacità di scrivere codice di qualità production, Fable 5 ottiene il punteggio più alto tra i modelli di frontiera anche a effort medio. Vuol dire che restituisce risultati migliori senza dover “pensare” al massimo della profondità, risparmiando token.

2. Knowledge work e analisi complessa

Sul benchmark di Hebbia per il ragionamento finanziario senior-level, Fable 5 ha il punteggio più alto tra tutti i modelli testati. Gli avvocati di Harvey hanno riportato che, in review cieche, le redline di Fable 5 hanno eguagliato o superato il modello esistente ogni volta. IMC, società di trading proprietario, ha dichiarato che Fable 5 ha superato quasi tutte le valutazioni interne su lookup factual, root-cause analysis e expected-value analysis.

Tradotto per chi non è in ambito finanziario: se devi processare contratti complessi, generare report strutturati, fare due diligence su molti documenti, Fable 5 lavora a un livello che prima richiedeva un junior dedicato per ore.

3. Vision e document understanding

Una capacità che pochi aspettavano: Fable 5 è il nuovo stato dell’arte nei task che coinvolgono visione. Può estrarre numeri precisi da figure scientifiche dettagliate, ricostruire il codice sorgente di una web app a partire dai soli screenshot, e gestire diagrammi annidati in PDF complessi (finance, legal, architecture). Per dare un’idea concreta: dove i modelli Claude precedenti avevano bisogno di un harness con tool aggiuntivi per giocare a Pokémon FireRed, Fable 5 ha completato il gioco da solo con un harness minimal basato solo su immagini.

4. Lavoro autonomo multi-giorno

Fable 5 è il primo modello Claude pensato esplicitamente per task asincroni che durano giorni. Combinato con la memory tool e la persistenza file-based, mantiene il focus su milioni di token. Anthropic ha riportato che, nel gioco Slay the Spire (deck-builder che richiede pianificazione strategica), l’accesso alla memoria persistente migliora le performance tre volte di più rispetto a Opus 4.8.

BNZAI, una società di ricerca, ha dichiarato che Fable 5 ha portato in 36 ore a un risultato di ricerca fisica avanzata che GPT-5.5 aveva raggiunto solo dopo quattro giorni, usando un terzo dei token di ragionamento.

I benchmark che cambiano la classifica

Anthropic ha pubblicato i risultati di Fable 5 confrontandolo con i principali modelli concorrenti. Qui sintetizzo i tre risultati più significativi per chi sviluppa software in Italia, riportando i benchmark e i punteggi dichiarati da clienti early access.

Su quali progetti usare Claude Fable 5 (e su quali no)

Il prezzo di Fable 5 ($10 input / $50 output per milione di token) è il doppio di Opus 4.8. Non vale ogni euro speso su qualsiasi task. Ecco per cosa lo userei.

Quando ha senso usarlo

• Migrazioni di codebase grandi (>500.000 righe) o cross-language, soprattutto se vuoi che il modello validi i propri test.
• Sviluppo di applicazioni da zero in modalità agentic con Claude Code, Cursor, Replit, dove il modello pianifica, scrive, testa e si autocorregge.
• Analisi documentale long-context: contratti voluminosi, due diligence M&A, paper scientifici da sintetizzare con riferimenti incrociati.
• Task visione complessa: estrazione dati da figure scientifiche, ricostruzione di UI da screenshot, document understanding finance/legal.
• Workflow agentic multi-giorno con memoria persistente: ricerca, scraping, analisi, output strutturato.
• Ricerca scientifica frontier dove il modello deve formulare ipotesi novel, non solo applicare pattern noti.

Quando NON conviene

• Chatbot di customer support: Sonnet 4.6 costa un terzo e va benissimo.
• Riassunti veloci, traduzioni semplici, classification: Haiku 4.5 è 10x più economico.
• Task real-time dove la latenza conta: Fable 5 è più lento perché sempre in adaptive thinking.
• Microprompt da 200 token in conversazione: il vantaggio di context window 1M è sprecato e paghi token in più.
• Domini bloccati dai classificatori (cybersecurity offensiva, biologia avanzata): la richiesta viene comunque reindirizzata a Opus 4.8, quindi tanto vale usare direttamente Opus.

Quanto costa Claude Fable 5 in Italia

Anthropic ha aperto un ufficio a Milano il 27 maggio 2026 per supportare imprese, ricerca e developer italiani. I prezzi sono globali, in dollari, fatturati in euro al cambio del giorno per chi paga in Italia.

API e Claude Platform

Abbonamenti Pro, Max, Team, Enterprise

Anthropic ha scelto un rollout in due fasi per gli abbonamenti consumer ed enterprise seat-based:

• Dal 9 al 22 giugno 2026: Fable 5 è incluso senza costi extra in Pro, Max, Team e seat-based Enterprise.
• Dal 23 giugno 2026 in poi: l’uso di Fable 5 sugli abbonamenti richiederà usage credits aggiuntivi. Se la capacità del cluster permetterà di estenderlo, Anthropic lo farà.
• Obiettivo dichiarato: rendere Fable 5 parte standard degli abbonamenti appena la disponibilità GPU lo consente.

Claude Fable 5 vs Opus 4.8 vs Sonnet 4.6: quale scegliere

Anthropic non ha ritirato i modelli precedenti. Restano disponibili e in molti casi sono la scelta giusta. Ecco la tabella decisionale che uso io quando consiglio un cliente.

Decision tree veloce

1. Il task richiede più di 8 ore di lavoro autonomo del modello? → Fable 5
2. Devo migrare/refattorizzare un codebase grande? → Fable 5
3. Lavoro con visione complessa (PDF tecnici, screenshot, figure)? → Fable 5
4. Reasoning complesso ma task definito e di poche ore? → Opus 4.8
5. Workflow bilanciato, devo gestire molte richieste al giorno? → Sonnet 4.6
6. Classificazione, riassunti, chatbot, latenza prioritaria? → Haiku 4.5

Claude Mythos 5 e Project Glasswing

Mythos 5 è lo stesso modello di Fable 5, con i classificatori di sicurezza rimossi in aree specifiche. Non è disponibile pubblicamente. L’accesso è riservato a partner selezionati di Project Glasswing, il programma con cui Anthropic collabora con il governo USA e con cyberdefender critici per testare capabilities che, in mani sbagliate, sarebbero pericolose.

A inizio giugno 2026 Anthropic ha esteso Project Glasswing a circa 150 nuove organizzazioni in oltre 15 paesi. È plausibile che alcune realtà italiane di cybersecurity strategica siano già coinvolte, anche se l’elenco non è pubblico. Anthropic ha annunciato che a breve aprirà un trusted access program per la ricerca biomedica, con accesso a Fable 5 senza i safeguard su biologia e chimica.

Le novità per developer: adaptive thinking, fallback, refusals

Chi integra Fable 5 via API trova qualche novità importante rispetto a Opus e Sonnet. Le riassumo qui in modo che, se devi implementare oggi, sai già cosa aspettarti.

Adaptive thinking è l’unico modo

Su Fable 5 non puoi disattivare il thinking né scegliere extended thinking. L’adaptive è sempre attivo, e usi il parametro effort (low/medium/high) per controllare la profondità del ragionamento. È un cambio di paradigma: il modello decide quanto pensare in base al task, tu fissi il budget.

Refusals come stop_reason

Quando un classificatore blocca una richiesta, l’API restituisce stop_reason: “refusal” con HTTP 200 (non un errore). Nella risposta trovi anche quale classificatore ha bloccato la richiesta. Devi gestirlo nel tuo codice client come un caso lecito, non come fallimento.

// Esempio gestione refusal in JavaScript

const response = await anthropic.messages.create({

  model: 'claude-fable-5',

  messages: [...],

});

if (response.stop_reason === 'refusal') {

  // fallback su Opus 4.8 o gestisci l'utente

}

Fallback automatico

Puoi passare il parametro fallbacks nell’API (in beta) e l’API stessa farà retry su un altro modello. Oppure usi il middleware SDK (TypeScript, Python, Go, Java, C#) e gestisci tutto client-side. Importante: non vieni addebitato per la richiesta rifiutata prima della generazione di output, e c’è un “fallback credit” che rimborsa il costo del prompt-cache nello switch.

Retention 30 giorni obbligatoria

Anche se il tuo piano enterprise è normalmente zero data retention, Fable 5 e Mythos 5 sono Covered Models con 30 giorni di retention obbligatori. Anthropic ha dichiarato che i log non vengono usati per training né per scopi non legati alla safety, ma se la tua compliance interna proibisce qualsiasi retention, devi valutare attentamente prima di integrare Fable 5.

Cosa cambia per i developer italiani

Tre fatti rilevanti se sviluppi in Italia.

• Disponibilità immediata. Fable 5 è disponibile dal 9 giugno su tutte le piattaforme: Claude API, Claude Platform on AWS, Amazon Bedrock, Vertex AI di Google Cloud e Microsoft Foundry. Se hai già un account su una di queste, sei a una chiamata API di distanza.
• Ufficio Milano aperto. Il 27 maggio Anthropic ha aperto la sede milanese per supportare enterprise, ricerca e developer italiani. Per progetti importanti, hai ora un interlocutore in fuso orario, anche se il supporto tecnico self-serve continua a passare dal portale globale.
• Prezzi in dollari. La fatturazione resta in USD per l’API, con conversione in euro al cambio del giorno per chi paga in Italia. Sui $10/$50 per milione di token, il rischio cambio è marginale per chi consuma poco, importante per chi sviluppa applicazioni che bruciano centinaia di milioni di token al mese.

Come iniziare a usare Claude Fable 5

Per usarlo subito dall’interfaccia web

Vai su claude.ai con un abbonamento Pro, Max o Team. Dal selettore del modello scegli Claude Fable 5. Fino al 22 giugno 2026 è incluso senza costi extra.

Per integrarlo via API

Codice minimo in Python per fare una prima chiamata:

from anthropic import Anthropic

client = Anthropic(api_key='LA_TUA_API_KEY')

response = client.messages.create(

    model='claude-fable-5',

    max_tokens=4096,

    messages=[{

        'role': 'user',

        'content': 'Refactor questo modulo Python per...'

    }]

)

if response.stop_reason == 'refusal':

    # gestisci fallback su Opus 4.8

    pass

else:

    print(response.content)

Per progetti agentic seri

Le combinazioni più potenti oggi sono Fable 5 dentro a Claude Code (per workflow di coding), dentro a Cursor per editing intelligente, dentro a Vercel v0 o Replit Agent per prototipi full-stack. Se hai esigenze enterprise complesse, valuta Claude Managed Agents direttamente sulla Claude Platform.

Domande frequenti su Claude Fable 5

Conclusioni: cosa cambia davvero nel quotidiano

Claude Fable 5 è il modello più capace generalmente disponibile oggi sul mercato. Il salto principale non è in qualità di una singola risposta, ma nella possibilità di affidare al modello task lunghi, complessi, asincroni che prima richiedevano un’orchestrazione umana costante. Per chi sviluppa software, questo significa potere delegare migrazioni, refactor, costruzioni di applicazioni end-to-end con un livello di affidabilità prima impossibile.

Il prezzo (10/50 dollari per milione di token) è il doppio di Opus 4.8 e va valutato caso per caso. La regola pratica: se il task dura più di una giornata di lavoro umano equivalente, Fable 5 si ripaga. Se sono micro-task in un loop conversazionale, Sonnet 4.6 o Haiku 4.5 restano la scelta razionale.

Per chi sviluppa siti web e applicazioni in Italia, Fable 5 si integra subito in Claude Code, Cursor e tutti i tool di sviluppo che già conosciamo. Nelle prossime settimane vedremo le prime review indipendenti e i primi case study europei: ti suggerisco di tornare su questo articolo, lo aggiorneremo man mano che emergeranno benchmark verificati da terze parti.

Non sei l’unico. I dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano, presentati a inizio 2026, lo confermano: il mercato AI in Italia ha raggiunto 1,8 miliardi di euro nel 2025, con una crescita del 50% in un anno. Ma tra le PMI, l’adozione strutturata rimane sotto il 16%, contro il 71% delle grandi imprese. Il divario si sta allargando, non riducendo. E la causa principale, secondo ISTAT, non è la mancanza di strumenti, ma è non sapere da dove iniziare.

In questo articolo ti spiego cosa può fare realmente l’AI per il sito della tua azienda, quali strumenti uso nei miei progetti WordPress, e come muoverti in modo graduale senza stravolgere quello che hai già.

1. Cosa può fare davvero l’intelligenza artificiale per il sito web della tua PMI

Partiamo da una distinzione che raramente si fa: l’AI non è un interruttore. Non la accendi e il sito migliora da solo. È uno strumento che accelera o automatizza operazioni specifiche, alcune davvero utili, altre sopravvalutate.

Cosa funziona:

• Generazione assistita di contenuti. L’AI può aiutarti a produrre bozze di testi per schede prodotto, pagine servizi, FAQ. Non li scrive al posto tuo nel senso pieno del termine, ma elimina il blocco della pagina bianca e velocizza il processo del 40-60% su testi standard.
• Ottimizzazione SEO on-page. Strumenti come Rank Math AI analizzano i tuoi contenuti e suggeriscono miglioramenti concreti — densità keyword, struttura degli heading, lunghezza — basandosi su quello che già si posiziona in prima pagina.
• Chatbot per il supporto di primo livello. Un chatbot ben configurato risponde alle domande frequenti h24, raccoglie contatti e alleggerisce il carico di email. Non sostituisce un commerciale, ma filtra bene le richieste semplici.
• Analisi del comportamento utente. Tool come Microsoft Clarity (gratuito) usano AI per rilevare dove gli utenti cliccano senza risultato, dove abbandonano la pagina, quali sezioni ignorano. Informazioni che prima richiedevano settimane di analisi manuale.

Cosa invece è solo marketing:

• L’idea che l’AI “crei contenuti di valore in automatico” senza supervisione. I testi generati al 100%, senza revisione, si leggono. E Google, con gli aggiornamenti degli ultimi 18 mesi, li riconosce sempre di più.
• La promessa di “siti che si aggiornano da soli”. Non esiste. Esiste l’automazione di processi ripetitivi, che è diversa.
• Il mito che basti installare un plugin. Ogni strumento richiede configurazione, testing e un minimo di strategia dietro.

2. I plugin AI per WordPress che uso davvero (e perché)

Esistono centinaia di plugin AI per WordPress. La maggior parte non li toccherei. Questi invece li uso nei progetti dei clienti, e ti dico esattamente pro e contro.

Rank Math SEO (con modulo Content AI) Integrazione nativa con WordPress, suggerimenti SEO in tempo reale nell’editor, analisi keyword senza uscire dal CMS. Il modulo AI è utile per generare meta title, meta description e struttura degli articoli in modo rapido. Pro: le ultime versioni di WordPress integrano nativamente funzionalità AI sempre più mature e la curva di apprendimento è bassa. Contro: il piano Pro costa circa 80€/anno, a mio parere non vale la spesa. Potresti prenderlo in considerazione se pubblichi una grossa mole di contenuti con una certa frequenza e non vuoi usare più strumenti in contemporanea. La versione gratuita ha limiti significativi sul modulo AI.

Microsoft Clarity (gratuito) Non è un plugin AI nel senso classico, ma usa AI per analizzare il comportamento degli utenti: heatmap, session recording, rilevamento di click inutili e rage click. Completamente gratuito, si installa in 10 minuti. Pro: zero costi, dati utili da subito. Contro: non genera contenuti, serve solo per capire come migliorare quello che hai già, ma è spesso il punto di partenza più utile.

Claude e Gemini come strumenti esterni Li inserisco perché li uso quotidianamente nel workflow, anche se non sono plugin WordPress in senso stretto. Per me sono indispensabili nella ricerca keyword, strutturazione articoli, revisione testi tecnici e automazione di task ripetitivi in fase di sviluppo. Claude Code in particolare ha cambiato il modo in cui lavoro sul codice, velocizzando operazioni che prima richiedevano ore.

3. Automazione dei contenuti: opportunità o rischio SEO?

È la domanda che mi fanno di più. E la risposta onesta è: dipende da come la usi.

Google non ha vietato i contenuti generati con AI. Ha vietato i contenuti di bassa qualità creati per manipolare i ranking, indipendentemente da come sono stati scritti. La distinzione è importante.

Il vero rischio non è usare l’AI. È usarla male: pubblicare testi generici, senza punto di vista, senza esperienza vera, senza aggiornamenti. Quel tipo di contenuto non funzionava già prima dell’AI, e funziona ancora meno oggi.

C’è anche un dato che dovrebbe far riflettere: l’Osservatorio del Politecnico di Milano ha rilevato che il 74% dell’utilizzo di strumenti AI nelle PMI avviene fuori dal controllo aziendale — dipendenti che usano ChatGPT o altri tool senza governance sui dati condivisi. Lo chiamano “Shadow AI”. Per il sito web, questo si traduce in contenuti pubblicati senza strategia, senza coerenza col brand, a volte con informazioni non verificate.

La mia posizione è questa: l’AI supporta la strategia, non la sostituisce. Concretamente:

• Uso l’AI per la bozza iniziale e la struttura logica dell’articolo
• Ogni testo viene revisionato, integrato con esempi reali, adattato al tono del brand
• Le informazioni tecniche o di settore le verifico sempre: l’AI sbaglia ed ha allucinazioni, spesso con grande sicurezza

Il rischio SEO esiste. È gestibile. Basta non cedere alla tentazione di pubblicare senza leggere quello che l’AI produce.

4. Come integrare l’AI nel sito senza riscrivere tutto

Non devi rifare il sito da zero. Non devi cambiare piattaforma. Non devi assumere un esperto di AI. La maggior parte delle integrazioni si fa in modo incrementale, su quello che hai già.

Step 1 — Identifica i processi ripetitivi Cosa fai ogni settimana sul sito che richiede tempo e segue sempre lo stesso schema? Scrivere post, aggiornare schede prodotto, rispondere alle stesse domande via email, pubblicare eventi. Questi sono i candidati ideali per l’automazione parziale.

Step 2 — Inizia da un solo strumento Scegli una cosa sola. Non installare cinque plugin AI insieme. Prendi Rank Math o Tidio, usalo per 30 giorni, misura se ha cambiato qualcosa. Solo dopo valuta il passo successivo.

Step 3 — Forma chi gestisce il sito L’AI è utile solo se chi la usa capisce come funziona e ne conosce i limiti. Non serve un corso da developer: bastano 2-3 ore per capire come scrivere prompt efficaci e come riconoscere gli errori comuni nel testo generato.

Step 4 — Monitora i risultati prima e dopo Prima di introdurre qualsiasi strumento AI, segna i dati base: tempo medio per pubblicare un articolo, numero di richieste di supporto settimanali, posizione media delle keyword principali. Dopo 60-90 giorni, confronta. Senza numeri, non sai se stai migliorando.

Step 5 — Integra gradualmente nel workflow Non si tratta di sostituire l’intero processo editoriale, ma di inserire l’AI nei punti dove fa più differenza. Un’ora risparmiata sulla bozza di un articolo è un’ora che puoi usare per la revisione o per la strategia.

Esempio concreto: Un cliente nel settore immobiliare pubblicava al massimo 2 articoli al mese — il tempo era il vero limite. Dopo aver strutturato un workflow AI per la fase di ricerca e bozza iniziale, è passato a 6 articoli al mese con lo stesso team, mantenendo la stessa qualità editoriale.

5. Quanto costa e quanto tempo ci vuole davvero

Parliamo di numeri, perché è quello che vuoi sapere.

I costi indicativi (2026):

Per una PMI che parte da zero, un budget realistico per iniziare è 30-50€/mese tra uno o due strumenti. Non di più.

A questi aggiungi il costo del tempo: configurare correttamente uno strumento AI richiede da 2 a 8 ore la prima volta, dipende dalla complessità. E qualche ora di formazione per chi lo userà.

I tempi:

• Settimane 1-2: Scelta e configurazione dello strumento
• Mese 1: Fase di apprendimento capisci cosa funziona nel tuo caso specifico
• Mese 2-3: Primi risultati misurabili (più contenuti, meno tempo, qualche miglioramento SEO)
• Mese 4-6: Ottimizzazione del workflow e, se l’investimento è stato fatto con testa, ritorno evidente

Chi ti promette risultati in due settimane sta vendendo aria. L’AI non è una scorciatoia, è un cambio di workflow, e ogni cambio di workflow richiede tempo per essere assorbito.

FAQ

Parti da qui: cosa fare questa settimana

1. Installa Microsoft Clarity sul tuo sito (è gratuito) e lascialo raccogliere dati per 2 settimane. Capirai dove il sito perde utenti prima ancora di toccare qualsiasi strumento AI.
2. Identifica il processo ripetitivo che ti costa più tempo: scrittura contenuti, aggiornamento schede, risposta a domande.
3. Scegli un solo strumento tra quelli elencati sopra, quello che si adatta al tuo caso.
4. Segna i numeri di partenza prima di iniziare: tempo, traffico, richieste di supporto.
5. Usalo per 30 giorni in modo costante, senza aspettarti risultati la prima settimana.

L’AI non risolve i problemi di fondo di un sito: se i contenuti sono deboli, se la struttura non è chiara, se l’esperienza utente è scadente, nessuno strumento lo aggiusta da solo. Ma se parti da basi solide, può aiutarti a fare di più con lo stesso sforzo.

Vuoi capire come l’AI può migliorare concretamente il tuo sito? Lavoro con PMI sullo sviluppo WordPress personalizzato e posso valutare con te dove ha senso intervenire e dove no, senza tecnicismi inutili e senza venderti soluzioni che non ti servono. Contattami per una consulenza gratuita.

Il problema che vedo continuamente, nelle community, nei forum, e in tutti coloro che si lamentano dei risultati: le persone trattano Claude come un motore di ricerca. Scrivono mezza frase e si aspettano magia.

Morale della favola: rimangono deluse.

La verità è che Claude non è pigro, non è capriccioso, non è imprevedibile. Risponde esattamente a quello che gli dai. Se gli dai poco, ti restituisce poco. Se gli costruisci intorno un contesto preciso, ti stupisce ogni volta.

Questo articolo non è una lista di prompt da copiare o la formula segreta per come scrivere prompt Claude. È la logica che sta dietro, quella che mi ha cambiato il modo di lavorare con Claude 4.6 (Sonnet e Opus). Sei regole, con esempi reali, che puoi applicare da subito per scrivere prompt efficaci Claude.

Cos’è davvero un “prompt” per Claude?

Un prompt è qualsiasi messaggio tu scriva a Claude. Può essere una domanda, un’istruzione, una richiesta. Ma ridurlo a questo sarebbe come definire una ricetta come “ingredienti + istruzioni”. Tecnicamente corretto, praticamente inutile.

Un prompt efficace è un ambiente operativo. Contiene: chi sei (o chi deve essere Claude), cosa vuoi, perché lo vuoi, in che formato lo vuoi, e quali vincoli contano.

Più dettagli inserisci in modo strutturato, più il risultato sarà prevedibile e di qualità. Non significa scrivere paragrafi interi, significa essere precisi su ciò che conta.

La domanda giusta non è “come si scrive un prompt?” ma “come si configura Claude per il compito specifico che ho in mente?”

Regola 1: I tag XML non sono decorazione, sono la lingua nativa di Claude

Molti usano i tag XML (<istruzioni>, <contesto>, <testo>) per tenere il prompt ordinato. In realtà fanno qualcosa di più utile: separano nettamente le istruzioni operative dai dati di input.

Claude è stato addestrato su enormi quantità di dati strutturati in XML. Questa sintassi agisce come una separazione rigida: da una parte quello che Claude deve fare, dall’altra il materiale su cui deve lavorare. Senza questa separazione, il modello può confondere il comando con il contenuto e i risultati diventano incoerenti.

Esempio senza tag XML:

Riscrivi questo testo in modo più professionale: la stampante al secondo piano è rotta di nuovo e non possiamo stampare i contratti per oggi. Tono: formale. Lunghezza: breve.

Esempio con tag XML:

<istruzione>
Riscrivi il testo seguente in tono formale e professionale. Massimo 3 frasi.
</istruzione>

<testo>
La stampante al secondo piano è rotta di nuovo e non possiamo stampare i contratti per oggi.
</testo>

Il risultato della seconda versione è sistematicamente più pulito, più coerente, più facile da iterare. Non è una questione di estetica. Claude capisce dove finiscono le istruzioni e dove inizia il materiale.

Usalo ogni volta che hai contesto separato dalle istruzioni: documenti, testi da analizzare, dati da elaborare.

La stessa logica di strutturazione vale anche per come i modelli AI leggono i tuoi contenuti web, ne parlo nell’articolo sulla GEO.

Regola 2: Il contesto è più importante del prompt, gestiscilo come una risorsa limitata

C’è un fenomeno che ho iniziato a notare dopo conversazioni lunghe: Claude diventa meno preciso. Le risposte si fanno più generiche. Sembra che “perda il filo”, ma non si tratta di un bug, è fisica del modello.

Più una conversazione cresce, più il modello deve distribuire la sua attenzione su un numero crescente di informazioni. La qualità delle singole relazioni tra concetti si diluisce. Non riesce più a tenere tutto a fuoco contemporaneamente.

La soluzione pratica è usare il contesto in modo chirurgico. Questo approccio rientra in quella che in ambito AI viene chiamata ingegneria del contesto una disciplina emergente che studia come strutturare le informazioni fornite al modello per massimizzare la qualità dell’output.

Quindi carica solo le informazioni che servono in quel momento, non tutto quello che potresti voler usare. Se stai lavorando su una pagina SEO, non incollare l’intero piano editoriale, incolla solo il brief della pagina specifica.

Tre principi da seguire:

• Progetta il sistema, non il singolo messaggio. Se usi Claude per un progetto ripetuto (scrivere descrizioni prodotto, rivedere codice, rispondere ai clienti), crea un template di prompt riutilizzabile invece di ricominciare da zero ogni volta.
• Carica le informazioni in modo progressivo. Inizia con il nucleo del compito, poi aggiungi dettagli solo se Claude ne ha bisogno. Non saturare subito.
• Apri una nuova chat quando la vecchia si degrada. Una conversazione fresca parte con tutta l’attenzione disponibile. Non trascinare avanti conversazioni lunghe e disorganizzate.

Regola 3: Metti la domanda alla fine, non all’inizio

Questa è forse la regola più controintuitiva per generare il prompt perfetto per Claude, quella che ha cambiato più velocemente la qualità dei miei risultati.

Il modo naturale di comunicare è: “Ho questo problema, ecco il contesto, cosa ne pensi?” Prima la domanda, poi i documenti.

Per Claude funziona meglio al contrario.

Claude è un modello autoregressivo: legge da sinistra a destra e assegna più peso alle cose che ha letto di recente quando genera la risposta. Se la tua istruzione finale arriva dopo tutto il contesto, interagisce direttamente con il materiale appena processato e la risposta è più precisa, più aderente a quello che hai fornito.

Struttura da evitare:

Analizza questo documento e dimmi i punti critici.

[documento lungo]

Struttura da usare:

[documento lungo]

Analizza il documento sopra e identifica i 3 punti critici principali. 
Rispondi in italiano, in formato elenco puntato.

Test pratici su questo schema mostrano miglioramenti concreti nella qualità delle risposte e nella mia esperienza quotidiana lo vedo ogni volta che lavoro su documenti tecnici o brief clienti.

Regola 4: Forza un piano prima dell’esecuzione

Claude, per default, riceve un input e inizia subito a rispondere. Questo va bene per domande semplici. Per task complessi come scrivere un articolo, analizzare un contratto, rivedere un’architettura, questa modalità produce risultati che sembrano buoni ma mancano di profondità.

Il trucco è obbligarlo a pianificare prima di agire.

Come si fa:

Prima di rispondere, scrivi un piano in 3-5 punti che descriva come intendi affrontare questo compito. 
Aspetta la mia conferma prima di procedere.

Questa istruzione trasforma la qualità del lavoro. Claude deve esplicitare la logica, il che lo costringe a rilevare ambiguità, lacune nelle istruzioni o passaggi mancanti prima che diventino problemi nell’output finale.

Per task tecnici come la revisione di codice, aggiungo sempre: “Prima di completare, verifica che non ci siano side effect non intenzionali su altri componenti del sistema.”

Non è un modo verboso di lavorare. È il modo in cui si ottiene qualità invece di risultati casuali.

Regola 5: Imposta il livello di ragionamento in base al compito

Claude 4.6 (sia Opus che Sonnet) ha una funzionalità chiamata Adaptive Thinking: il modello calibra automaticamente la profondità del ragionamento in base alla complessità del compito. Opus 4.6 è il modello più potente per analisi profonde e contenuti articolati. Sonnet 4.6 è il punto d’equilibrio tra velocità e qualità, quello che uso per la quasi totalità dei compiti nel mio flusso di lavoro quotidiano.

Se ti interessa come l’AI sta entrando anche negli strumenti che usiamo quotidianamente come WordPress, leggi le novità di WordPress 7.0.

La cosa che ho imparato a fare per generare il prompt perfetto per Claude: invece di dare istruzioni passo-passo rigide su come ragionare, bisogna dare un obiettivo di qualità e lasciare che il modello scelga come arrivarci.

Meno efficace:

Prima fai X, poi fai Y, poi considera Z, infine concludi con W.

Più efficace:

Analizza questo con il massimo rigore. Considera anche gli scenari non ovvi 
e le implicazioni a lungo termine. Non fermarti alla prima soluzione che funziona.

La seconda versione lascia spazio al ragionamento nativo del modello, che su compiti complessi spesso supera la logica lineare che gli impostiamo noi. Per task semplici e ripetitivi, invece, istruzioni più strutturate vanno benissimo perché non ha senso attivare un ragionamento profondo per riformattare una lista.

Regola 6: Smetti di giudicare a istinto, valuta i risultati con criteri fissi

Questo vale soprattutto se usi Claude per lavoro, non solo per curiosità personale.

Il metodo che vedo usare spesso: molti leggono la risposta, “sembra buona”, la usano. Nessuna verifica strutturata. Risultato: qualità incostante e nessun modo di capire se un cambio al prompt ha migliorato qualcosa o no.

Un approccio più robusto è definire i criteri di successo prima di leggere la risposta.

Per esempio, quando uso Claude per scrivere copy per un cliente, i miei criteri fissi sono: la keyword è presente nel primo paragrafo? Il tono è coerente con il brand brief? C’è una CTA chiara? I benefici vengono prima delle caratteristiche tecniche?

Solo dopo verifico se la risposta soddisfa questi punti. Se non li soddisfa tutti, riformulo il prompt e ripeto, non aggiusto manualmente l’output. Questo mi permette di migliorare il template di prompt nel tempo, invece di produrre ogni volta un lavoro artigianale non replicabile.

Per chi usa Claude in modo intensivo, consiglio di tenere un file con i propri template più efficaci e annotare cosa funziona e cosa no: vale più di qualsiasi lista di “prompt da copiare” che si trova online.

Come si scrive un prompt perfetto per Claude: la struttura in sintesi

Non esiste un formato universale per scrivere un prompt perfetto per Claude, ma questa struttura copre il 90% dei casi:

[Contesto: chi sei, qual è il progetto, cosa è già stato fatto]

[Materiale: testo, dati, documento da elaborare — se presente]

[Istruzione principale: cosa deve fare Claude, con quale tono, in quale formato]

[Vincoli: lunghezza, struttura, cosa evitare]

[Criterio di successo: come riconoscere una buona risposta]

Ogni elemento ha uno scopo. Il contesto orienta il modello. Il materiale gli dà su cosa lavorare. L’istruzione definisce il compito. I vincoli riducono le variabili. Il criterio di successo forza un obiettivo misurabile.

Domande frequenti su come scrivere prompt perfetto per Claude

Conclusione

Il prompt perfetto per Claude non è una formula magica. È il risultato di capire come funziona Claude e costruire intorno a lui un ambiente operativo che minimizza l’ambiguità e massimizza la precisione.

Struttura i tuoi messaggi. Separa il contesto dalle istruzioni. Metti la domanda alla fine. Forza la pianificazione prima dell’esecuzione. Valuta i risultati con criteri fissi, non a istinto.

Queste sei regole provengono dalla mia esperienza d’uso nel mio flusso di lavoro quotidiano che vede attività come sviluppo web, analisi SEO, content strategy per clienti, automazioni di processo.

Per chi vuole spingere oltre l’integrazione con Claude, il Model Context Protocol (MCP) è lo standard emergente che permette agli agenti AI di interagire con strumenti esterni in modo strutturato.

La cosa che mi ha sorpreso di più, col tempo: migliorare i prompt non è un’attività tecnica. È un esercizio di chiarezza. Costringe a sapere esattamente cosa vuoi prima ancora di chiedere. E questo, a sua volta, migliora il modo in cui lavori con o senza Claude.

Il file llms.txt risolve questo problema. È un file di testo in Markdown che dice alle intelligenze artificiali quali sono le pagine che contano davvero. Posizionato nella directory principale del dominio, funziona come una mappa chiara che guida ChatGPT, Claude, Gemini, Perplexity e altri motori verso i contenuti rilevanti.

Come funzionano i motori AI con i siti web

I Large Language Models (da qui LLMs) non indicizzano periodicamente il web come Google. Quando chiedi qualcosa a ChatGPT su un sito specifico, il modello preleva le informazioni in tempo reale. Ma ha un limite cruciale: può elaborare solo una quantità finita di testo per volta (finestra di contesto). Con centinaia di pagine, l’AI deve scegliere cosa guardare e spesso sceglie male.

Quando visita una pagina web, l’AI trova HTML pieno di elementi non essenziali: menu, sidebar, footer, script, CSS, pubblicità, widget. Questi consumano spazio nella memoria limitata senza fornire informazioni utili sul tuo business. Il risultato sono risposte basate su frammenti casuali, contenuti obsoleti in cache, o il classico “non ho abbastanza informazioni”.

Cos’è il file llms.txt

Il file llms.txt è un documento Markdown posizionato nel percorso “tuosito.com/llms.txt” che fornisce alle AI una panoramica chiara dei contenuti più importanti, eliminando il rumore di fondo.

Proposto da Jeremy Howard (co-fondatore Answer.AI), risolve il problema delle limitazioni di contesto. Invece di lasciare che l’AI navighi un sito pieno di elementi superflui, il sito offre un riassunto curato in formato testuale minimale che i modelli elaborano facilmente.

È simile a robots.txt ma con scopo diverso: mentre robots.txt dice “non andare qui”, llms.txt dice “queste sono le mie pagine importanti, questo è ciò che faccio”. Il formato Markdown è stato scelto perché è leggibile da umani e macchine, con sintassi semplice che i modelli comprendono perfettamente.

Struttura del file llms.txt

Un file llms.txt efficace segue questa struttura:

# Nome Azienda

> Breve descrizione di cosa fa l'azienda in una o due frasi.

## Sezione Prodotti

- [Nome Prodotto](https://esempio.com/prodotto): Descrizione breve e chiara
- [API Enterprise](https://esempio.com/api): Documentazione tecnica integrazioni

## Sezione Documentazione

- [Guida rapida](https://esempio.com/guida): Tutorial per nuovi utenti
- [Riferimento completo](https://esempio.com/docs): Documentazione dettagliata

## Risorse

- [Blog](https://esempio.com/blog): Articoli e case study
- [Supporto](https://esempio.com/supporto): Centro assistenza

Il titolo principale usa un cancelletto (#), le sezioni due (##), i link hanno sintassi markdown standard con descrizioni chiare. Semplice, pulito, efficace.

Perché è importante avere un file llms.txt nel 2026

Nel 2026 sempre più persone usano ChatGPT, Claude, Gemini e Perplexity invece di Google. Questo cambiamento rende fondamentale adattare i siti non solo per motori di ricerca tradizionali, ma anche per AI.

Migliore comprensione: Con accesso diretto a informazioni strutturate, le AI forniscono risposte più accurate basate sulle pagine che hai indicato come importanti, non su frammenti casuali.

Controllo del brand: Senza llms.txt, le AI potrebbero generare risposte basate su pagine secondarie o contenuti obsoleti. Con il file, controlli come il brand viene presentato.

Aggiornamenti rapidi: Lanci un nuovo prodotto? Aggiorni llms.txt in pochi minuti e le AI trovano subito le nuove informazioni prioritarie.

Vantaggio competitivo: Chi implementa oggi llms.txt sarà pronto quando diventerà standard, proprio come accadde con robots.txt e sitemap.xml.

Come creare e implementare un file llms.txt

1. Seleziona le pagine: Non serve elencare tutto. Concentrati su 20-30 pagine cruciali: homepage, prodotti/servizi principali, documentazione, Chi Siamo, Contatti, risorse chiave.

2. Scrivi il file: Apri un editor di testo, segui la struttura Markdown. Per ogni link scrivi una descrizione chiara che spieghi contenuto e rilevanza.

3. Salva come llms.txt: Nome esatto, tutto minuscolo, estensione .txt.

4. Carica nella root:

• WordPress: usa plugin WP File Manager o accedi via FTP alla cartella public_html
• Altri CMS: accedi via FTP/SFTP e posiziona in directory root
• Piattaforme chiuse (Wix, Shopify): potrebbe servire creare una pagina dedicata

5. Verifica: Apri tuosito.com/llms.txt nel browser. Dovresti vedere il contenuto come testo semplice. Se vedi 404, il file non è nella posizione corretta.

Per WordPress esiste il plugin “Website LLMs.txt” che genera automaticamente il file basandosi sui contenuti pubblici, ma un file curato manualmente con descrizioni strategiche è sempre più efficace.

Llms.txt e SEO

Il file llms.txt non sostituisce la SEO tradizionale, la complementa. Mentre robots.txt controlla l’accesso dei crawler, sitemap.xml elenca le pagine per l’indicizzazione, e i meta tag ottimizzano la presentazione nei risultati, llms.txt si concentra su come le AI comprendono i contenuti.

La SEO tradizionale resta fondamentale per Google. Ma nel 2026 sempre più utenti, specialmente giovani, usano assistenti AI come primo punto di contatto. Essere visibili in questo canale è parte essenziale della strategia digitale.

Considerazioni pratiche: Llms.txt non è uno standard ufficiale W3C. Non tutti i modelli AI lo cercano attivamente e non c’è garanzia che venga rispettato. Alcuni esperti SEO restano scettici sull’utilità pratica immediata. Tuttavia, crearlo richiede poco tempo, costa zero, e non può danneggiare il tuo sito. Nel peggiore dei casi viene ignorato, nel migliore diventa prezioso man mano che i modelli AI iniziano a cercarlo.

Limitazioni

Non è vincolante: A differenza di robots.txt che i crawler rispettano, llms.txt è un suggerimento. Le AI possono comunque acquisire informazioni da altre parti del sito.

Richiede manutenzione: Va aggiornato quando il sito cambia significativamente. Revisionalo ogni pochi mesi o quando ci sono modifiche strutturali.

Dimensione limitata: Mantienilo compatto. Se contiene centinaia di link, perde lo scopo di panoramica focalizzata. Limitati a 20-30 pagine più importanti in 4-6 sezioni.

Non risolve contenuti scadenti: Se le pagine linkate hanno testo poco chiaro o informazioni obsolete, l’AI lo rifletterà. Il valore viene dalla combinazione di llms.txt che punta a contenuti eccellenti.

Conclusione

Il file llms.txt è un documento semplice che può fare grande differenza nel modo in cui le AI comprendono il tuo sito. In un mondo dove sempre più persone usano ChatGPT e altri assistenti per cercare informazioni, essere correttamente rappresentati diventa cruciale.

Creare llms.txt richiede poco tempo e zero competenze avanzate. Scegli le 20-30 pagine più importanti, organizzale in sezioni, scrivi descrizioni chiare, formatta in Markdown, carica nella root. Fatto.

Non è una soluzione magica e non garantisce risultati immediati, ma è un investimento intelligente nel futuro della presenza online. Man mano che l’adozione AI cresce, chi ha iniziato presto avrà vantaggio competitivo.

Vuoi ottimizzare il tuo sito per i motori AI? Contattami per una consulenza. Ti aiuto a creare un file llms.txt efficace e strutturare i contenuti per essere visibile su Google, ChatGPT, Claude e altri assistenti.

E qui nasce una domanda cruciale per chi lavora nel digitale: come faccio a far sì che la mia azienda, il mio sito o i miei contenuti vengano citati dalle AI quando rispondono agli utenti?

La risposta si chiama GEO – Generative Engine Optimization, la nuova frontiera dell’ottimizzazione che sta rivoluzionando il modo in cui le aziende si rendono visibili online. In questo articolo ti spiego cos’è la GEO, come funziona, perché è essenziale nel 2026 e come implementarla concretamente.

Cos’è la GEO (Generative Engine Optimization)?

La GEO è l’insieme di tecniche e strategie per ottimizzare i contenuti affinché vengano trovati, compresi e citati dalle intelligenze artificiali generative come ChatGPT (OpenAI), Gemini (Google), Perplexity, Claude (Anthropic) e Microsoft Copilot.

A differenza della SEO tradizionale, che punta a posizionare il tuo sito nei risultati di ricerca di Google, la GEO mira a far sì che i tuoi contenuti diventino parte delle risposte generate dall’AI.

Un Esempio Pratico

Scenario SEO tradizionale:

• Utente cerca su Google: “miglior sviluppatore web Cosenza”
• Google mostra una lista di 10 siti web
• L’utente clicca e visita i siti

Scenario GEO:

• Utente chiede a ChatGPT: “Chi può realizzare un sito web professionale a Cosenza?”
• ChatGPT genera una risposta che cita direttamente la tua azienda: “A Cosenza puoi rivolgerti a [Nome Azienda], specializzata in sviluppo web moderno e ottimizzato per le AI…”
• L’utente ti contatta direttamente, senza mai visitare Google

Vedi la differenza? Con la GEO non competi per posizionarti in una lista di risultati, competi per essere LA fonte citata nella risposta dell’AI.

Perché la GEO è Fondamentale nel 2026?

I numeri parlano chiaro e confermano che non si tratta di una moda passeggera:

1. ChatGPT ha raggiunto 400 milioni di utenti settimanali (dato di febbraio 2025), diventando l’app più velocemente adottata nella storia
2. Google AI Overviews appare in oltre il 13% di tutte le ricerche e in più del 50% delle keyword monitorate
3. Gartner prevede un calo del 25% del volume di ricerca tradizionale entro il 2026, sostituito da ricerche basate sull’AI
4. Il traffico dai motori generativi è cresciuto dell’800% anno su anno e si stima raggiungerà il 14,5% del traffico organico totale entro fine 2026
5. Il 79% dei consumatori utilizza già strumenti AI per le ricerche, specialmente Millennials e Gen Z

Tradotto: se oggi non ottimizzi per le AI, domani semplicemente non esisterai per una fetta enorme del tuo pubblico.

GEO vs SEO: Quali Sono le Differenze?

Molti si chiedono: “La GEO sostituisce la SEO?” No, la GEO non sostituisce la SEO, la completa.

Ecco le principali differenze:

Esempio Concreto delle Differenze

Articolo ottimizzato solo per SEO:

• Titolo: “Sviluppo Web Professionale Cosenza”
• Contenuto: Ripetizione keyword, link interni, meta description
• Obiettivo: Rankare per “sviluppo web Cosenza”

Articolo ottimizzato anche per GEO:

• Titolo: “Come Scegliere uno Sviluppatore Web nel 2026: Guida Completa”
• Contenuto: Risponde a domande specifiche (“Quanto costa?”, “Quanto tempo serve?”, “Che tecnologie si usano?”), include dati verificabili, sezioni FAQ, schema markup
• Obiettivo: Essere citato quando ChatGPT risponde a “come trovo un buon sviluppatore web?”

La differenza è sottile ma fondamentale: la SEO ti fa trovare, la GEO ti fa raccomandare.

Come Funziona la GEO? I Meccanismi Dietro le AI

Per ottimizzare efficacemente per la GEO, devi capire come le AI selezionano e citano i contenuti.

1. Retrieval (Recupero delle Informazioni)

I Large Language Models (LLM) come GPT-4 o Gemini non “inventano” risposte dal nulla. Quando ricevono una domanda:

• Accedono a un database di conoscenze pre-addestrato
• In alcuni casi, effettuano ricerche in tempo reale sul web (es. Perplexity, ChatGPT con browsing attivo)
• Recuperano contenuti rilevanti in base al contesto della domanda

Cosa significa per te: Se il tuo sito non è ben strutturato, chiaro e semanticamente ricco, l’AI potrebbe non recuperarlo.

2. Reranking (Classificazione delle Fonti)

Dopo aver recuperato decine o centinaia di fonti potenziali, l’AI le classifica in base a:

• Rilevanza semantica: Quanto il contenuto risponde precisamente alla domanda?
• Autorevolezza: Il sito è affidabile? Ha credibilità nel settore?
• Freschezza dei dati: Le informazioni sono aggiornate?
• Chiarezza strutturale: Il contenuto è ben organizzato e facile da estrarre?

Cosa significa per te: Non basta avere buoni contenuti, devono essere strutturati in modo che l’AI li consideri “la migliore risposta possibile”.

3. Synthesis (Generazione della Risposta)

L’AI sintetizza le informazioni recuperate e crea una risposta originale, citando (quando possibile) le fonti più autorevoli.

Cosa significa per te: Se il tuo contenuto è stato recuperato e riclassificato in alto, hai ottime probabilità di essere citato nella risposta finale.

Conclusione: GEO e SEO, Una Strategia Integrata per il 2026

Nel 2026, non puoi permetterti di scegliere tra SEO e GEO. Devi fare entrambe.

• La SEO ti mantiene visibile su Google, che ancora domina il mercato
• La GEO ti prepara per il futuro, dove le AI mediaranno sempre più ricerche

La buona notizia? Molte best practice si sovrappongono: contenuti di qualità, struttura chiara, dati verificabili e autorevolezza funzionano per entrambe.

Se sei uno sviluppatore web, un marketer o un imprenditore e vuoi posizionarti come leader nel tuo settore, inizia oggi a pensare in ottica GEO. Non quando tutti lo faranno, ma ora, mentre hai ancora il vantaggio dell’early adoption.