Carichi un contratto di 50 pagine su ChatGPT e chiedi: «Quali sono le clausole di rescissione?» Ti dà tre punti — due dei quali sono errati. Provi con Claude. Salta completamente la sezione. Provi con DeepSeek. Inventa una clausola che non esiste.
Il problema non è il tuo prompt. È come stai alimentando il documento all'IA.
La maggior parte delle persone carica PDF grezzi e si aspetta risultati perfetti. Ma i PDF grezzi sono pieni di rumore binario, tabelle rotte e artefatti di formattazione che confondono ogni modello di IA — da ChatGPT e Claude a DeepSeek, Qwen, Gemini, e persino il nuovo GLM-5.2 con la sua massiccia finestra di contesto di 1M di token.
Questa guida ti mostra esattamente come preparare documenti e strutturare prompt per ottenere risultati accurati e affidabili da ogni modello di IA principale.
Modelli Coperti in Questa Guida
Passo 1: Converti il Tuo Documento in Markdown (Prima di Tutto)
Questa è la singola cosa più impattante che puoi fare. Prima di scrivere un singolo prompt, converti il tuo PDF in Markdown. Ecco perché:
- 70% di token in meno — un PDF da 28.000 token diventa un file Markdown da 8.500 token
- Le tabelle sopravvivono intatte — le tabelle PDF sono visive; le tabelle Markdown sono dati strutturati
- I titoli sono semantici —
## Clausole di rescissioneè inequivocabile; il testo in grassetto grande non lo è - Nessun rumore binario — i file di font, i dati di posizionamento e i metadati di rendering vengono rimossi
Usa il convertitore gratuito di Inputo — carica il tuo PDF, ottieni Markdown pulito in pochi secondi. Senza registrazione, senza limiti.
Suggerimento professionale: Anche se il modello di IA accetta il caricamento di PDF (ChatGPT, Claude e Gemini lo fanno), convertire in Markdown prima produce costantemente risultati più accurati — soprattutto per tabelle e dati strutturati.
Passo 2: Scegli la Strategia Giusta per la Lunghezza del Documento
Come alimenti il documento dipende dalla sua lunghezza e dal modello che usi:
| Lunghezza documento | Strategia | Migliori modelli |
|---|---|---|
| 1–5 pagine | Incollare tutto il Markdown direttamente | Qualsiasi modello |
| 5–30 pagine | Incollare sezioni rilevanti con titoli di contesto | ChatGPT, Claude, DeepSeek, Qwen |
| 30–200 pagine | Dividere per sezione, processare iterativamente | Claude (200K), GLM-5.2 (1M), Gemini (1M) |
| 200+ pagine | Documento completo solo su modelli 1M+ contesto | GLM-5.2 (1M), Gemini (1M+) |
Per Documenti Corti (1–5 Pagine)
Incolla tutto il Markdown nella chat. Aggiungi un prompt chiaro alla fine:
Questo è un contratto in formato Markdown:
[incollare Markdown]
Estrai tutte le clausole di rescissione. Per ogni clausola, fornisci: (1) il numero di clausola, (2) le condizioni di rescissione, (3) il periodo di preavviso richiesto, e (4) eventuali penali. Formato: tabella.
Per Documenti Medi (5–30 Pagine)
Non incollare tutto. Estrai prima le sezioni rilevanti, poi incollale con i titoli delle sezioni come contesto:
Condividerò sezioni di un contratto di lavoro di 20 pagine. Ogni sezione sarà preceduta dal suo titolo come contesto.
## Sezione 4: Rescissione
[incollare sezione]
## Sezione 7: Non concorrenza
[incollare sezione]
Basandoti su queste sezioni, riassumi gli obblighi del dipendente se si dimette durante il primo anno.
Per Documenti Lunghi (30–200 Pagine)
Usa una strategia di chunking. Dividi il documento in sezioni logiche e processa ciascuna con un template di prompt coerente:
Stai analizzando un report finanziario di 100 pagine. Ti invierò le sezioni una alla volta. Per ogni sezione, estrai: metriche chiave, cambiamenti anno su anno, e qualsiasi fattore di rischio menzionato.
Dopo che tutte le sezioni sono state processate, ti chiederò un riassunto.
---
SEZIONE 1: Sintesi Esecutiva
[incollare sezione]
Poi invia le sezioni successive con «SEZIONE 2:», «SEZIONE 3:», ecc. Alla fine, chiedi l'analisi consolidata.
Per Documenti Molto Lunghi (200+ Pagine)
Solo due modelli possono gestire questo in un singolo passaggio:
- GLM-5.2 (Zhipu AI) — contesto di 1M di token, licenza MIT, open-weight. Rilasciato a giugno 2026, è già chiamato «il momento ChatGPT per l'IA locale». Supera Claude Opus 4.8 e GPT-5.5 su attività di coding a lungo raggio.
- Gemini 2.5 Pro (Google) — contesto di 1M+ token. Eccellente per l'analisi di documenti con la sua finestra massiccia.
Per altri modelli, avrai bisogno della strategia di chunking sopra, oppure puoi usare Markdown per ridurre l'uso di token abbastanza da far entrare più contenuto nel contesto.
Passo 3: Scrivi Prompt che Prevengano Allucinazioni
Il rischio maggiore nell'usare documenti con l'IA è l'allucinazione — il modello inventa informazioni che non sono nel document. Ecco come prevenirlo:
La Regola «Solo da Questo Documento»
Dì sempre al modello di usare SOLO il documento fornito. Questa singola frase elimina la maggior parte delle allucinazioni:
Rispondi basandoti SOLO sul documento fornito qui sotto. Se l'informazione non è nel documento, dì «Questa informazione non è nel documento fornito.» Non usare conoscenze esterne.
La Tecnica «Cita le Tue Fonti»
Chiedi al modello di citare il testo esatto su cui basa ogni risposta:
Per ogni risposta, includi la citazione esatta del documento che supporta la tua risposta. Formato: Risposta: [tua risposta] | Fonte: «[citazione esatta dal documento]»
Il Prompt di «Punteggio di Fiducia»
Per documenti critici (legali, finanziari, medici), chiedi livelli di fiducia:
Analizza questa clausola del contratto. Per ogni punto estrai, valuta la tua fiducia: ALTA (esplicitamente affermato), MEDIA (fortemente implicito), o BASSA (inferito). Segna qualsiasi elemento a fiducia BASSA per revisione umana.
Passo 4: Ottimizzazione Specifica per Modello
🇺🇸 ChatGPT (GPT-4o, o3)
Punti di forza: Eccellente nel seguire prompt strutturati, buono nell'estrazione di tabelle Markdown.
Debolezza: Tende a riassumere invece di estrarre testualmente. Può perdere dettagli in documenti lunghi.
Ottimizzazione: Usa «Non riassumere. Estrai testualmente.» nel tuo prompt. Per le tabelle, specifica il formato di output esatto che vuoi.
Estrai tutte le voci da questa fattura. NON riassumere. Output come tabella Markdown con colonne: Articolo | Quantità | Prezzo Unitario | Totale. Includi ogni singola riga.
🇺🇸 Claude (Opus 4.8, Sonnet 4.6)
Punti di forza: Finestra di contesto di 200K, eccellente in analisi sfumate, segue istruzioni complesse con precisione.
Debolezza: Può essere eccessivamente verboso. A volte aggiunge avvertenze invece di dare risposte dirette.
Ottimizzazione: Usa istruzioni esplicite di formato di output. Claude risponde bene a tag stile XML per strutturare input/output.
<documento>
[incollare Markdown]
</documento>
<compito>Estrai tutti i termini di pagamento dal documento sopra. Formato: lista numerata. Ogni elemento: [riferimento clausola] — [termini]. Max 200 parole in totale.</compito>
🇨🇳 DeepSeek (V3, R1)
Punti di forza: Forte ragionamento (specialmente R1), eccellente con contenuto tecnico e strutturato, piano gratuito disponibile.
Debolezza: Può faticare con il linguaggio legale sfumato. A volte prioritizza la velocità sull'accuratezza.
Ottimizzazione: DeepSeek è stato addestrato intensamente su GitHub e documentazione tecnica, quindi gestisce Markdown eccezionalmente bene. Usa prompt passo passo per analisi complesse.
Analizza questa specifica tecnica passo passo:
1. Prima, identifica tutti i requisiti di prestazione
2. Poi, confronta ogni requisito con i risultati dei test
3. Infine, elenca qualsiasi requisito che NON è soddisfatto, con la mancanza specifica
[incollare Markdown]
🇨🇳 GLM-5.2 (Zhipu AI) — Il Nuovo Sfidante
Punti di forza: Finestra di contesto di 1M di token (modello open-weight più grande), licenza MIT, supera Claude Opus 4.8 e GPT-5.5 su attività a lungo raggio. Può processare interi libri in un singolo passaggio. Gira localmente su un singolo Mac.
Debolezza: Modello più recente — meno conoscenze della comunità sull'ingegneria dei prompt. Design orientato al coding significa che potrebbe aver bisogno di più guida per attività di scrittura creativa.
Ottimizzazione: GLM-5.2 eccelle con documenti lunghi. Il suo contesto di 1M significa che puoi incollare report interi senza chunking. Usa prompt di ragionamento esplicito — ha modalità di ragionamento selezionabili che attivano un'analisi più profonda.
Stai analizzando un manuale tecnico di 200 pagine. L'intero documento è fornito qui sotto in formato Markdown.
[incollare tutto il Markdown — GLM-5.2 può gestirlo]
Compito: Crea un indice completo di tutti gli avvertimenti di sicurezza in questo documento. Per ogni avvertimento, fornisci: (1) numero di sezione, (2) livello di gravità, (3) testo dell'avvertimento, (4) a quale attrezzatura si applica.
GLM-5.2 è disponibile tramite il Piano di Codifica GLM di Z.AI, OpenRouter, e può essere auto-ospitato. Ha licenza MIT, quindi puoi distribuirlo senza restrizioni. Per l'analisi di documenti, la sua finestra di contesto di 1M cambia le regole del gioco — non serve più il chunking.
🇨🇳 Qwen (Qwen3)
Punti di forza: Eccellente supporto multilingue (specialmente lingue CJK), buono nell'estrazione strutturata.
Debolezza: Finestra di contesto più piccola di GLM-5.2. Può faticare con documenti molto lunghi.
Ottimizzazione: Qwen funziona meglio con struttura esplicita. Usa liste numerate e tabelle nei tuoi prompt. Per documenti cinesi, Qwen supera i modelli occidentali.
🇺🇸 Gemini 2.5 Pro (Google)
Punti di forza: Contesto di 1M+ token, eccellenti capacità multimodali (può leggere immagini nei PDF direttamente).
Debolezza: A volte eccessivamente cauto — può rifiutare di analizzare certi tipi di documenti.
Ottimizzazione: La finestra di contesto massiccia di Gemini significa che puoi caricare documenti interi. Usa Google AI Studio per la migliore esperienza con documenti lunghi.
🇨🇳 Kimi (Moonshot AI)
Punti di forza: Forti capacità di lungo contesto, buono nell'analisi di documenti cinesi e inglesi.
Debolezza: Meno noto internazionalmente — meno risorse di ingegneria dei prompt disponibili.
Ottimizzazione: Kimi risponde bene a prompt strutturati con specifiche chiare di formato di output. Usa input Markdown per i migliori risultati.
🇫🇷 Mistral (Large)
Punti di forza: Efficient, buono con le lingue europee, forte ragionamento.
Debolezza: Finestra di contesto più piccola dei concorrenti. Migliore per documenti corti.
Ottimizzazione: Mantieni i prompt concisi. Mistral funziona meglio con domande mirate e specifiche piuttosto che richieste di analisi ampie.
Passo 5: Tecniche Avanzate
Il Metodo dei «Due Passaggi»
Per documenti critici, usa due passaggi:
- Passaggio 1 — Estrazione: «Estrai tutti i punti dati chiave da questo documento in una tabella strutturata.»
- Passaggio 2 — Verifica: «Rivedi la tabella qui sotto rispetto al documento originale. Segna qualsiasi discrepanza o dato mancante.»
Questo cattura errori che un singolo passaggio potrebbe perdere.
La Tecnica del «Ruolo»
Assegna un ruolo specifico all'IA per documenti di dominio specifico:
Sei un ragioniere fiscale senior con 20 anni di esperienza nella legislazione fiscale italiana. Analizza questa dichiarazione dei redditi e identifica qualsiasi detrazione che il contribuente potrebbe aver perso. Fai riferimento a numeri di riga specifici dal documento.
Il Prompt della «Catena di Pensiero»
Per documenti complessi, forza il modello a pensare passo passo:
Analizza questa clausola del contratto. Pensa passo passo:
1. Prima, identifica le parti coinvolte
2. Poi, identifica l'obbligo descritto
3. Poi, identifica qualsiasi condizione o innesco
4. Infine, identifica le conseguenze se l'obbligo non viene rispettato
Mostra il tuo ragionamento per ogni passo.
Confronto di Documenti tra Modelli
Per documenti ad alto rischio, esegui lo stesso prompt su più modelli e confronta i risultati. Le discrepanze evidenziano aree che necessitano revisione umana:
| Caso d'uso | Miglior modello | Perché |
|---|---|---|
| Analisi contratti | Claude Opus 4.8 | Migliore con linguaggio legale sfumato |
| Report finanziari | GPT-4o | Eccellente nell'estrazione numerica |
| Manuali tecnici (completi) | GLM-5.2 | 1M di contesto — legge il manuale intero in una volta |
| Documenti cinesi | Qwen3 | Migliore supporto lingue CJK |
| Documenti scansionati | Gemini 2.5 Pro | Elaborazione nativa immagini/multimodale |
| Analisi di bilancio | DeepSeek R1 | Forte ragionamento, piano gratuito |
| Documenti legali europei | Mistral Large | Forte in lingue FR/DE/IT/ES |
| Lunghi report cinesi | Kimi | Lungo contesto + eccellente cinese |
Errori Comuni (E Come Evitarli)
❌ Caricare PDF Grezzi
La soluzione: Converti sempre in Markdown prima. Usa il convertitore gratuito di Inputo.
❌ Inviare l'Intero Documento Quando Ti Serve Una Sezione
La soluzione: Estrai e incolla solo le sezioni rilevanti. Questo risparmia token e migliora l'accuratezza.
❌ Prompt Vaghi
❌ «Riassumi questo documento.»
✅ «Estrai le 3 metriche finanziarie più importanti da questo report. Per ognuna, fornisci: nome della metrica, valore attuale, valore del periodo precedente, e variazione percentuale.»
❌ Non Specificare il Formato di Output
❌ «Quali sono i punti chiave?»
✅ «Elenca i punti chiave come una lista numerata. Ogni punto: max 2 frasi. Includi il riferimento di pagina/sezione per ognuno.»
❌ Fidarsi della Prima Risposta
La soluzione: Verifica sempre i dati critici rispetto al documento sorgente. Usa il metodo dei due passaggi per l'analisi ad alto rischio.
La Conclusione
Ottenere grandi risultati dall'IA con documenti non dipende da quale modello usi — dipende da come prepari il documento e strutturi il tuo prompt. Le tre regole:
- Converti in Markdown prima — risparmia token, preserva struttura, previene allucinazioni
- Sii specifico — dì al modello esattamente cosa estrarre e come formattarlo
- Verifica — controlla sempre l'output dell'IA rispetto al documento sorgente per dati critici
Che tu usi ChatGPT, Claude, DeepSeek, il nuovo GLM-5.2, Qwen, Gemini, o qualsiasi altro modello — questi principi funzionano su tutti.
Inizia con il Formato Giusto — Gratuito
Converti il tuo PDF in Markdown in pochi secondi. Senza registrazione, senza limiti, senza filigrana. Funziona con ogni modello di IA.
Converti PDF in Markdown →Lettura aggiuntiva: Convertitore PDF a Markdown Gratuito per Ogni IA · Perché Markdown È il Miglior Formato per l'IA