Costruire profili esperti con le skill di Claude

A prima vista le skill di Claude possono sembrare un insieme di regole che dicono al modello come comportarsi. Scrivi in italiano, usa un tono formale, non fare liste puntate. Indicazioni utili, ma che non rendono giustizia a quello che le skill possono fare.

Una skill di Claude è un file di istruzioni che trasforma il modello in uno specialista di dominio, definendo workflow operativi, criteri decisionali e procedure complete. Non sono preferenze di stile, sono modelli di competenza. E ogni modello di competenza, in pratica, definisce un profilo esperto.

La differenza non è sottile. Un insieme di regole dice a Claude come parlare. Un profilo esperto gli dice come lavorare, quali strumenti usare, in quale ordine, come interpretare i risultati, quando fermarsi e chiedere. Un conto è dire a un collega “sii gentile con i clienti”, un altro è consegnargli un manuale operativo con procedure, criteri decisionali e casi limite. Nel primo caso hai dato un’indicazione, nel secondo hai costruito una competenza.

Di recente mi sono trovato a lavorare con due skill che illustrano bene le due facce di questa idea, e secondo me vale la pena raccontarle perché mostrano direzioni che molti non stanno ancora considerando.

Orchestrare strumenti: una skill come workflow engine

La prima skill l’ho costruita qualche giorno fa e ne ho scritto in un articolo dedicato. Cosa volevo, capire cosa succede sul mio sito in modo più completo di quanto Google Analytics e Google Search Console permettano, incrociando i loro dati. Analytics dice come si comportano i visitatori una volta arrivati, Search Console dice cosa succede prima, quando il sito compare nei risultati di ricerca. Sono due fotografie dello stesso fenomeno prese da angolazioni diverse, ma la foto più interessante è quella che le unisce.

Esistono server MCP per collegarli a Claude, ma quello che mancava era un’intelligenza che li facesse lavorare insieme. La skill che ho costruito fa esattamente questo, definisce come interrogare i due strumenti, quali dati incrociare, quali criteri applicare per distinguere un problema di contenuto da un problema di posizionamento. Non insegna a Claude una competenza nuova, gli dice come orchestrare competenze che già ha.

Mentre ci lavoravo mi sono accorto che la logica della skill somigliava a qualcosa che conoscevo già. Connettere servizi diversi, definire una sequenza di operazioni, applicare logica condizionale sui risultati. È quello che fa n8n, o qualsiasi piattaforma di automazione. La differenza è che il motore di esecuzione non è un engine deterministico che segue binari rigidi, ma Claude stesso, che interpreta le istruzioni e ci ragiona sopra. Se i dati mostrano qualcosa di inatteso non si blocca, adatta l’analisi al contesto.

In pratica la skill funziona come un workflow engine leggero. Non serve una piattaforma di automazione dedicata per costruire processi che collegano più servizi, basta descrivere il flusso in un file di istruzioni e lasciare che Claude lo esegua con intelligenza contestuale. È automazione che capisce il contesto invece di limitarsi a seguire regole.

Insegnare una competenza: Remotion e i video programmabili

La seconda skill fa una cosa diversa. Non orchestra strumenti esterni, insegna a Claude una competenza intera che non possiede.

Lo strumento in questione si chiama Remotion, e ammetto che ci ho messo un po’ a capire cosa fosse. La descrizione tecnica dice che è un framework per creare video programmabili con React. Messa così non è particolarmente illuminante, almeno non per chi non è uno sviluppatore. Ho dovuto fare qualche passo indietro per afferrare il concetto, e credo che il modo più chiaro per spiegarlo sia partire da quello che fa.

Un video, nella sua essenza, è una sequenza di immagini mostrate in rapida successione. Trenta al secondo, di solito. Remotion parte da un’intuizione, se ogni fotogramma è un’immagine, e un’immagine può essere costruita con le stesse tecnologie con cui si costruisce una pagina web, allora si possono scrivere istruzioni che descrivono il video e lasciare che il computer le esegua. Il titolo entra da sinistra, la foto appare con una dissolvenza, il testo scorre dal basso. Non con un editor visuale come Premiere o DaVinci Resolve, ma con codice.

Remotion è in sintesi un framework che trasforma il video in un programma. Invece di editare fotogrammi si scrivono istruzioni, e siccome le istruzioni le può scrivere un’AI, il video si può generare a partire da una descrizione testuale.

Il passaggio interessante per chi non scrive codice è il prossimo. Siccome il video è un programma, un’intelligenza artificiale può scriverlo. Lo stesso meccanismo per cui si chiede a Claude di scrivere uno script Python funziona per chiedergli di scrivere un video. Descrivi quello che vuoi vedere, Claude genera le istruzioni, Remotion le trasforma in un MP4.

Chi può usare i video programmabili

Questo apre possibilità concrete per categorie di persone che oggi non avrebbero modo di produrre certi tipi di video. Chi gestisce un e-commerce e vuole un video promozionale per ciascuno dei suoi prodotti non può farlo manualmente per cinquecento articoli. Chi pubblica report periodici con dati che cambiano ogni mese non vuole rifare il video da zero ogni volta. Chi produce contenuti per i social con volumi alti (short, reel, caroselli animati) sa che una volta definito il formato, il collo di bottiglia è produrre le varianti. In tutti questi casi il video non si edita, si genera. Si definisce un modello, si cambiano i dati, e il sistema produce le varianti necessarie.

Ma la produzione su scala è solo il caso estremo. Remotion diventa interessante anche per chi lavora da solo o in team piccoli e ha bisogno di video senza avere un reparto produzione. Un formatore che vuole accompagnare i propri corsi con video esplicativi, con diagrammi che si costruiscono progressivamente e testo che appare in sincrono con il concetto. Un professionista che pubblica contenuti sui social e passa ore a produrre varianti dello stesso formato per piattaforme diverse (orizzontale per YouTube, verticale per i reel, quadrato per il feed). Un’azienda che vuole presentare i propri dati in modo più efficace di una slide statica ma non ha il budget per un videomaker.

In tutti questi casi il problema non è la creatività né la competenza nel proprio campo. Il problema è il passaggio dall’idea al prodotto finito, quel tratto che normalmente richiede o un software che si impara a usare o una persona che lo sappia usare al posto tuo. Remotion con l’assistenza dell’AI comprime quel tratto in modo significativo.

La skill che trasforma Claude in uno specialista

Remotion non è una novità, esiste dal 2021 e ha una community consistente. La novità è che da gennaio 2026 esiste una skill ufficiale, le Remotion Skills, progettata per gli agenti AI. Quando la skill è installata in Claude Code, Claude non genera codice Remotion approssimativo basandosi sulla sua conoscenza generica, ma lavora con precisione perché sa quali API usare, quali pattern seguire, quali errori evitare. La skill lo trasforma in uno specialista di dominio.

È un modello diverso da quello della skill per l’analisi del sito. Là il profilo esperto sapeva come orchestrare strumenti, qui sa come fare una cosa specifica, creare video. La competenza non è nel collegamento tra servizi ma nella padronanza di un linguaggio tecnico preciso.

Ho iniziato a interessarmi di Remotion proprio per capire fin dove può arrivare questo approccio, e la risposta sembra essere più lontano di quanto immaginassi. La barriera tra l’idea di un video e il video finito si è abbassata in modo significativo. Non è sparita, bisogna saper descrivere con chiarezza quello che si vuole ottenere, e questo richiede almeno una comprensione di base di come funziona il sistema. Ma il percorso da “ho un’idea” a “ho un file MP4” è diventato percorribile anche per chi non ha mai aperto un editor video in vita sua.

Competenze componibili: il terzo livello dell’ecosistema AI

Due skill, due logiche diverse. Una orchestra strumenti esterni in un workflow intelligente, l’altra insegna a Claude una competenza tecnica completa. Ma il principio sottostante è lo stesso, in entrambi i casi qualcuno ha preso una conoscenza esperta, l’ha strutturata in un file di istruzioni e l’ha resa installabile. Competenze che diventano componibili.

Questo secondo me è il punto che vale la pena osservare. Quando si ragiona sull’ecosistema AI si tende a concentrare l’attenzione sui modelli (quale è più potente, quale ragiona meglio) e sulle connessioni (quali servizi si possono collegare tramite MCP). Le skill aggiungono un terzo livello, i profili esperti che definiscono non solo cosa il modello può raggiungere, ma come ci arriva.

L’ecosistema AI non cresce solo con modelli più potenti o connessioni a più servizi. Cresce aggiungendo competenza, sotto forma di profili esperti installabili.

Un modello più potente non garantisce un risultato migliore se non sa come affrontare il problema specifico. Una connessione a un servizio esterno è utile, ma senza una logica che governi quando interrogarlo e come interpretare le risposte resta un tubo vuoto. Le skill riempiono questo spazio. Trasformano capacità generiche in competenze operative.

Questi sono due esempi miei, ma sono già numerosissime le skill specializzate disponibili, ciascuna con il proprio profilo esperto, la propria logica decisionale, i propri criteri di qualità. L’ecosistema non cresce solo aggiungendo modelli più capaci o connessioni a più servizi. Cresce anche aggiungendo competenza.