C’è un divario di consapevolezza nelle aziende che adottano Claude, e merita di essere nominato. La quasi totalità degli utenti vive su claude.ai, la chat. Una minoranza ha esplorato Cowork, gli add-in Microsoft, Chrome. Solo una piccolissima percentuale, prevalentemente sviluppatori, ha mai aperto platform.claude.com, la console developer di Anthropic. E questo è un peccato, perché dietro quel dominio ci sono funzionalità che non sono affatto riservate a chi scrive codice tutto il giorno. Sono, anzi, gli strumenti che permettono di fare di Claude un asset operativo serio invece che un assistente conversazionale generico.
L’ottava puntata della serie chiude il giro entrando in platform.claude.com. Non parla solo a developer puri, ma a chi decide nelle aziende e vuole capire dove possono nascondersi i veri salti di valore. Il sottotitolo della puntata potrebbe essere: cosa fa Anthropic per chi non si accontenta della chat.
La console come centro operativo dell’AI aziendale
Platform.claude.com, il vecchio console.anthropic.com prima del rebranding del 2025, è la dashboard che Anthropic offre a chi accede a Claude via API. Si arriva con lo stesso account che si usa per claude.ai, ma il prodotto è diverso. Non c’è una chat dove fare domande, c’è un ambiente strutturato per progettare e testare, valutare e monitorare l’uso programmatico dei modelli.
L’accesso è gratuito. Creare un account e navigare l’interfaccia non costa nulla. Per generare API key effettivamente utilizzabili e accedere al Workbench, però, è necessario aggiungere un metodo di pagamento e caricare un minimo di crediti (cinque dollari sono sufficienti per iniziare a sperimentare). Il modello è pay-as-you-go: si paga solo per quello che si usa, non c’è abbonamento mensile, non ci sono commitment minimi.
Una nota importante per chi viene da claude.ai: i due ambienti hanno billing separati. Pagare l’abbonamento Pro a 20 dollari al mese su claude.ai non dà credito su platform.claude.com, e viceversa. È una scelta di architettura che alcuni trovano confusa la prima volta, ma che permette di tenere chiaramente separati l’uso personale dall’uso programmatico aziendale.
Le aree principali della console sono cinque:
- Workbench per il testing dei prompt,
- Evaluations per la valutazione strutturata,
- Files per la gestione di documenti riusabili,
- Usage per il monitoring,
- API Keys per la gestione delle credenziali.
Più gli Account Settings dove si gestiscono billing e organization, oltre alla configurazione di workspace e team.
Il workbench: la differenza tra chattare e progettare
La funzione di gran lunga più sottovalutata della console è workbench. Per chi non l’ha mai aperto, è un ambiente visuale dove si compone un prompt in modo strutturato: si sceglie il modello (Opus, Sonnet, Haiku, con le rispettive versioni), si imposta il system prompt (le istruzioni di sistema persistenti), si scrivono uno o più messaggi utente, si impostano parametri come temperature, max tokens, top_p, e si lancia.
Si vede la risposta, si vedono i token consumati in input e output, si vede il costo esatto della chiamata.
La differenza con la chat di claude.ai è sostanziale. Nella chat, il sistema mette automaticamente system prompt e contesto, oltre alla memoria, e l’utente non vede né controlla questi pezzi. Nel Workbench, l’utente vede tutto, controlla tutto, sa esattamente cosa sta inviando al modello e quanto sta spendendo. Per chi vuole costruire un prompt che funziona davvero, anche se poi lo userà nella chat o in un’integrazione interna, il Workbench è lo strumento giusto per progettarlo.
C’è una funzionalità del Workbench che merita una menzione specifica: il Generate automatico. Si descrive a Claude cosa si vuole ottenere in linguaggio naturale, e Claude genera un prompt strutturato seguendo le sue stesse best practice di prompt engineering: definizione del ruolo, contesto del task, requisiti di output, regole di formato, esempi. Il prompt risultante è di livello significativamente superiore a quello che la maggior parte degli utenti scriverebbe a mano, perché applica tecniche come chain-of-thought reasoning, role definition esplicita, output specification rigorosa.
Per chi sta costruendo una libreria interna di prompt per la propria azienda (procedura di risposta clienti, template di analisi documentale, struttura di brief creativo), il Workbench con Generate è il punto di partenza naturale. Si sviluppa il prompt nella console, lo si testa con casi reali, lo si raffina, e quando funziona lo si porta nella chat di ogni utente o nel proprio applicativo via API.
Prompt sharing: la collaborazione di team che nessuno cerca
Dentro la console esiste una funzionalità che merita attenzione: il prompt sharing all’interno dell’organizzazione. Si crea un prompt nel Workbench, lo si salva, lo si condivide con altri membri del team. Da quel momento, il prompt è una risorsa aziendale: chi ne ha accesso può usarlo e modificarlo, oppure farne un fork. Le versioni sono tracciate, le modifiche sono tracciate.
Il Prompt Generator della console. Fonte: Anthropic, platform.claude.com
Per chi viene da team che hanno gestito i prompt copincollandoli tra documenti Notion, chat Slack, file Word condivisi, il prompt sharing della console è la fine di un’epoca di artigianato confuso. Diventa possibile avere una libreria centrale, governata, dove i prompt validi vivono come asset versionati come si farebbe con il codice in un repository git.
L’adozione di questa funzionalità è ancora bassa, perché richiede che qualcuno in azienda assuma il ruolo di “manager dei prompt”, una figura che non esiste ancora in molte organizzazioni. Ma in quelle che lo fanno, il guadagno di qualità e di consistenza è significativo: tutti usano lo stesso prompt rifinito per generare lo stesso tipo di output, invece che ognuno riscrivere la propria variante peggiore.
Prompt caching: tagliare i costi del 90%
Per chi usa Claude programmaticamente, la singola funzionalità che cambia di più il conto a fine mese è il prompt caching. Il meccanismo è questo: si designa una parte del prompt (tipicamente il system prompt lungo, oppure un documento di riferimento ricorrente, oppure un tool catalog) come cacheable. Anthropic memorizza lo stato processato di quella porzione, e le chiamate successive che condividono lo stesso prefisso non pagano la riproecessazione, solo una piccola quota.
I numeri sono significativi. I token cacheati costano il 10% del prezzo standard di input. Per un’applicazione che invia un system prompt di diecimila token a ogni chiamata e fa centinaia di chiamate al giorno, lo sconto effettivo arriva al novanta percento sui token di prefisso. La latenza migliora di circa ottanta millisecondi per i prefissi cacheati, che è una manciata di tempo ma sommata su migliaia di chiamate giornaliere fa una differenza percepibile sull’esperienza utente.
I dieci modelli che supportano prompt caching includono tutti gli Opus dalla 4 in poi, tutti i Sonnet dalla 4 in poi, tutti gli Haiku dalla 3 in poi. La configurazione richiede di posizionare correttamente i breakpoint di cache nel prompt, una sottigliezza tecnica che vale la pena studiare se si arriva a usare la API in modo serio. La documentazione di Anthropic è chiara su questo, e per chi è developer è un investimento di lettura di mezza giornata che ripaga per anni.
Per chi non è developer ma decide il budget AI in azienda, il messaggio operativo è…
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Fabio Lalli
Source link
