Ragionamento passo passo (chain of thought)

Detto anche: chain of thought, catena di pensiero, CoT

Il ragionamento passo passo (in inglese chain of thought) è la tecnica di chiedere al modello di esporre i passaggi intermedi prima della risposta finale. Migliora i risultati nei problemi di logica, calcolo e decisione, e rende il ragionamento controllabile.

In breve

Da dove nasce questa tecnica?

Nel 2022 ricercatori di Google hanno mostrato che inserire nel prompt esempi con il ragionamento scritto migliorava molto i risultati dei modelli nei problemi in più passaggi. Poco dopo un altro studio ha notato che bastava aggiungere una frase come «Ragioniamo passo dopo passo».

Serve ancora con i modelli che «pensano»?

Molti modelli recenti ragionano già internamente prima di rispondere. Chiedere i passaggi resta utile per controllare come il modello è arrivato alla conclusione e per guidarlo con una scaletta precisa.

Quando non conviene?

Per compiti semplici (una traduzione breve, una riformulazione) allunga la risposta senza vantaggi.

Esempio pratico

«Dobbiamo scegliere tra tre fornitori. Prima elenca i criteri importanti per noi, poi valuta ogni fornitore criterio per criterio, poi indica il migliore spiegando perché. Scrivi la scelta finale in una riga separata.»

Differenze con Risposta diretta

Confronto tra Ragionamento passo passo (chain of thought) e Risposta diretta
AspettoRagionamento passo passo (chain of thought)Risposta diretta
LunghezzaMaggioreBreve
Problemi complessiRisultati miglioriPiù errori
ControlloSi vedono i passaggiSolo la conclusione

Domande frequenti

Il ragionamento mostrato è quello vero del modello?

È un testo generato che di solito aiuta il modello a rispondere meglio, ma non è una garanzia del suo funzionamento interno: le conclusioni vanno comunque verificate.

Fonti

  1. Wei e altri, «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models» (2022)
  2. Kojima e altri, «Large Language Models are Zero-Shot Reasoners» (2022)
  3. Anthropic, Claude prompting best practices (2026)

Come lo gestisce Prompt Architect

La lezione 3, «Allenare l'AI a pensare fuori dagli schemi», usa tecniche di scomposizione e divergenza per guidare il modello oltre la prima risposta.

Vedi anche