Cos’è un Framework nei diversi modelli di IA

Un framework è uno schema guida utile a creare prompt, usato per formulare richieste corrette alle IA. La sua principale utilità sta nel fornire struttura e ordine, evitando ambiguità e migliorando la qualità delle risposte.
Ha una valenza didattica perché supporta l’insegnante nel costruire attività più mirate, stimolando l’apprendimento attivo e personalizzato degli studenti. L’uso di framework come RACE, STAR o PARTS permette di trasformare una semplice domanda in uno strumento di insegnamento efficace, potenzia motivazione, comprensione e competenze trasversali.
L’uso in classe di un framework opportuno durante una attività didattica può migliorare la resa scolastica rendendo l’interazione con l’IA più produttiva.

ChatGPT o3 e 4.0

Nei modelli precedenti a GPT-5 i framework erano schemi rigidi di prompting per guidare meglio l’IA, molto sensibile alla formulazione.
Tra gli schemi ufficiali maggiormente consigliati troviamo:

• RACE (Role, Action, Context, Expectation)
• STAR (Situation, Task, Action, Result)
• SOAP (Subjective, Objective, Assessment, Plan)

Il loro utilizzo principale è controllare il tono, il formato e la logica della risposta. In questi LLM l’assenza di un framework adeguato porta le risposte ad una eccessiva generalizzazione o incoerenza. Anche il tasso di allucinazioni risulta abbastanza alto, ma sempre più contenuto da un modello al successivo.
In questo caso i framework si possono considerare un supporto, stampelle quasi, per un modello meno autonomo.

ChatGPT-5

Il ragionamento del modello è più evoluto, ha più memoria e contestualizza maggiormente le informazioni, riducendo nel contempo le allucinazioni.
I framework classici (Zero-shot, Few-shot, CoT, ToT, ReAct) restano validi ma non sono più indispensabili data la maggiore autonomia fornita al modello
In questo caso i prompt servono soprattutto per:

• standardizzare i prompt (es. CoT nei problemi matematici),
• garantire ripetibilità (ricerca, didattica),
• gestire output complessi (JSON per costruire rubriche, schede).

Si può quindi osservare che i framework, pur mantenendo una buona utilità, diventano opzionali dato che GPT-5 ha già incorporato parte delle logiche interne.

Gemini 2.5

Google ha reso i framework più strutturati e integrati in Workspace. Consistono in una griglia di pianificazione che supporta l’utente a strutturare i prompt in modo completo per una risposta efficace.

Introduce:

• PARTS (Persona, Act, Recipient, Theme, Structure),
• Context + Prompt + Format (es. @file in Docs, tabelle dirette in Sheets).

In sintesi: i framework in Gemini sono tecniche di prompting collegate a strumenti di produttività.

NotebookLM

Qui il framework non è solo prompting, ma metodologia di lavoro e studio: è infatti possibile definire schemi di apprendimento (es. Riassunto + domande + mappa + glossario) che si applicano automaticamente ai documenti caricati.
L’utilità maggiore di questo LLM è l acapacità di costruire costruire un modello di studio personalizzato sulle proprie necessità, utilissimo in ambiente di formazione.
Possiamo quindi notare come in NotebookLM il framework è considerabile alla stregua di una struttura di analisi e apprendimento, non più uno schema rigido di prompt.

Tabella di sintesi