Hai mai chiuso una sessione con un LLM convinto che la tua tesi fosse più solida di prima — senza che sia cambiata una sola evidenza?
Output AI-assisted che suonano brillanti ma a fine giornata ti lasciano la sensazione di aver pensato meno, non di più. Documenti più lunghi, meno letti, mai contestati. Decisioni firmate in fretta — e ribaltate altrettanto in fretta nei mesi successivi. Una "AI policy" di tre pagine che nessuno ricorda di aver letto e che è già obsoleta. Se ti suona familiare, questo libro è per te.
"Pensare con gli LLM, the Right Way" non è l'ennesimo manuale di prompt engineering. È un manuale di governance critica del pensare con LLM — un sistema di pensiero critico applicato all'uso quotidiano dell'AI generativa, alimentato da anni di pratica in aula con team di ogni settore — per smettere di scivolare in modalità conferma e iniziare a usare l'AI generativa come strumento di aumento del pensiero, non di sostituzione.
Cosa troverai dentro:
- Il Triangolo del Pensare-Con (Intento / Avversario / Editore): tre vertici sempre attivi, una sola regola — quando uno collassa, non stai usando l'LLM, l'LLM sta usando te
- La matrice 2×2 orologi/nuvole × verità/conferma: una mappa diagnostica per capire in 30 secondi se la sessione che stai per aprire è il caso giusto per un LLM
- Quattro pattern socratici (Elenchus, Maieutic, Aporia, Dialectic) per indagare un problema mal posto, e Chain-of-Verification con la triade deduttivo/induttivo/abduttivo per verificare un output prima di firmarlo — calibrato sul costo dell'errore, non sul tipo di task
- Quattro decisioni meta esplicite (Cosa delegare · Come verificare · Chi è responsabile · Soglia di rinuncia) per la governance di team — non un documento, un patto operativo
- Tre derive da riconoscere — specchio, inerzia, agenticità — con i relativi pattern di recupero
Francesco Fullone, autore della serie the Right Way (KPI, OKR, Sustainable IT, Business Innovation, Business Design, Theory of Change), founder di Daruma Consulting e formatore presso Bologna Business School, H-Farm, Bi-Rex e Talent Garden, condensa anni di pratica con LLM in 8 capitoli (più introduzione) che ti porteranno dalla frustrazione del «ho usato l'AI ma non ne sono uscito più bravo» alla postura del professionista che firma ogni output con la propria voce.
Questo libro è per te se:
- Sei stanco di output AI-assisted che non reggono a una rilettura severa
- Vuoi capire la differenza fra pensare-con e delegare-a un LLM
- Devi disegnare la policy AI del tuo team — e non sai da dove iniziare oltre i divieti generici
- Cerchi un metodo, non l'ennesimo tutorial sul prompt del momento
- Lavori con un LLM ogni giorno e ti accorgi che, dopo sei mesi, sei più produttivo e meno bravo
Include:
- 8 figure didattiche inline (Triangolo, matrice 2×2, paradosso del cervello aumentato, tre derive, quadrante socratico-avversariale, specchio inclinato, quattro pattern socratici, falso/vero onboarding) con didascalie descrittive
- Appendice C — Roadmap operativa delle prime quattro settimane
- Appendice D — Materiali compilabili (template delle Quattro Decisioni Esplicite del ruolo, sessione socratica completa con esempio, checklist di onboarding LLM per il team)
- Skill open-source
adversarial-verify per Claude Code (licenza MIT): il metodo del libro cristallizzato in workflow eseguibile, con ciclo di rilascio indipendente - Bibliografia ragionata con 49 fonti indicizzate per riferimento incrociato — filosofia critica, cognizione e decisione, AI applicata al lavoro, ingegneria adversarial
Workshop aziendali — richiedibili separatamente
Il libro insegna il metodo; il workshop aziendale Pensare con gli LLM, the Right Way lo trasferisce in aula. Disponibile in tre formati — 2h tasting culturale, 4h base (consigliato), 6h deep — comprende guida facilitatore, workbook studente, sei canvas operativi A2/A3, quattro istruzioni illustrate da tavolo, simulazioni d'aula.
Per portarlo nella tua organizzazione: contattami via DarumaHQ.it
Contenuti del libro sotto licenza CC BY-NC-SA 4.0 · Skill adversarial-verify sotto licenza MIT.