Le skill di Claude (seconda parte)
La seconda parte dell’introduzione delle skill, qui il confronto è con i server MCP e i progetti, feature tra loro complementari.
Il primo articolo partiva da cosa sono e come funzionano tecnicamente, esplorando sia le quattro del mondo Office sia esempi di workflow professionali che combinano skill avanzate predefinite. Ora è il momento del livello successivo, la creazione di skill personalizzate, le differenze con altri strumenti di estensione come MCP e i progetti, e le considerazioni pratiche per chi vuole iniziare a utilizzare questa funzionalità.
Le fasi della creazione di una skill
Come posso creare una mia skill? Anthropic ne mette a disposizione una predefinita chiamata skill-creator, progettata proprio per guidare nella costruzione di nuove skill. Si tratta di una meta-skill che aiuta a definire la struttura e le istruzioni necessarie.
Il processo si articola in alcune fasi.
• La definizione dello scopo: bisogna identificare con precisione quale comportamento ripetitivo si vuole codificare. Una skill efficace nasce da un’esigenza chiara, non da un’idea generica. Per esempio, “aiutami a scrivere meglio” è troppo vago, mentre “trasforma le mie bozze applicando uno stile divulgativo specifico, eliminando termini tecnici non necessari e usando esempi concreti” è un obiettivo utilizzabile.
• La strutturazione delle istruzioni: è il momento della scrittura del file SKILL.md che contiene le regole che Claude dovrà seguire. Non è programmazione tradizionale ma definizione di comportamenti attraverso linguaggio naturale. Le istruzioni devono essere specifiche ma non eccessivamente rigide, lasciando a Claude margine di adattamento al contesto.
• Le risorse supplementari: file di esempio, script Python per elaborazioni specifiche, template da utilizzare. Sono esempi di risorse caricabili a richiesta quando servono, seguendo il meccanismo a tre livelli descritto nel primo articolo.
L’aspetto interessante è che non serve essere sviluppatori per creare skill funzionali. Il limite principale è la capacità di descrivere con chiarezza il comportamento desiderato, sapere dare le specifiche corrette insomma. Se si sa spiegare a un collega come si vorrebbe che un compito venisse svolto, probabilmente si sa anche scrivere una skill.
Differenze fra skill, server MCP e progetti
Un aspetto che genera confusione è la differenza tra skill, server MCP e progetti, tre funzionalità che sembrano sovrapporsi ma hanno scopi distinti.
• Una skill codifica conoscenza e comportamento, dice a Claude “quando ti trovi in questa situazione, ragiona in questo modo e segui queste linee guida“. È un’estensione delle capacità cognitive di Claude, non delle sue possibilità di azione sul mondo esterno. Una skill per la revisione di testi non può aprire file o salvare documenti, ma può applicare criteri di revisione sofisticati che altrimenti richiederebbero istruzioni ripetute ogni volta.
• Un server MCP estende le capacità operative di Claude, fornisce nuove azioni che Claude può compiere: leggere file da sistemi specifici, interrogare database, interagire con API esterne, manipolare dati in formati particolari. Un server MCP per Notion permette a Claude di cercare e leggere pagine dal tuo workspace Notion, ma non gli dice come interpretare o organizzare quell’informazione.
• I progetti Claude sono contenitori di contesto, raccolgono documenti, conversazioni correlate e istruzioni personalizzate che si applicano a tutte le chat all’interno del progetto. Servono per mantenere coerenza quando si lavora su un tema specifico che richiede riferimenti costanti a materiali o linee guida particolari.
Tra skill e progetti c’è una somiglianza parziale che può generare confusione, entrambi infatti permettono di definire istruzioni che influenzano il comportamento di Claude. La differenza sostanziale sta nello scope e nel meccanismo di caricamento. Le skill sono attive in tutte le conversazioni dell’utente e vengono caricate solo quando il contesto le rende pertinenti, secondo il meccanismo progressivo descritto nel primo articolo. Le istruzioni di un progetto, invece, sono attive esclusivamente nelle chat contenute in quel progetto specifico e vengono caricate sempre e completamente all’inizio di ogni conversazione, indipendentemente dalla loro pertinenza immediata.
Casi d’uso
Questa differenza ha implicazioni pratiche. Le skill sono usabili in ogni chat creata dall’utente, attivate solo quando servono. I progetti sono legati al contesto di uno specifico di lavoro, con un costo fisso in termini di token a ogni avvio della conversazione.
Ipotiziamo un’azienda che usa Claude in diversi ambiti, ad esempio per la documentazione tecnica dei prodotti, la gestione del personale e l’analisi finanziaria. Crea una skill “stile-aziendale” che codifica il tono di comunicazione, la terminologia preferita e le convenzioni di formattazione comuni a tutti i documenti aziendali. Quando si scrive un report finanziario, un manuale tecnico o una comunicazione HR, la skill si attiva automaticamente in ogni contesto applicando lo stesso stile coerente.
Per ciascuna area di lavoro, l’azienda crea progetti Claude separati. Il progetto “Documentazione Prodotti” contiene il glossario tecnico specifico, esempi di manuali già scritti, le specifiche di ciascun prodotto. Il progetto “Gestione HR” contiene i modelli di contratto, le policy aziendali, la struttura organizzativa. Il progetto “Analisi Finanziarie” contiene i template di report, i KPI da monitorare, lo storico delle analisi precedenti. Questo contesto specifico viene caricato completamente solo quando si lavora in quel progetto particolare.
Per accedere a sistemi esterni, l’azienda usa un server MCP per Notion dove risiede la knowledge base, uno per il sistema HR, uno per il gestionale finanziario. Questi server permettono a Claude di recuperare informazioni dai sistemi quando necessario nello specifico progetto.
I tre strumenti operano su livelli diversi. La skill “stile-aziendale” garantisce coerenza comunicativa ovunque. I progetti forniscono contesto specializzato per ambiti specifici. I server MCP estendono le capacità operative permettendo l’accesso ai dati. Quando si lavora sulla documentazione di un prodotto, la skill applica lo stile, il progetto fornisce il contesto tecnico specifico, l’MCP recupera informazioni aggiornate da Notion.
È possibile identificare scenari in cui le skill personalizzate potrebbero risultare utili per chi lavora con le AI generative.
• Un formatore aziendale potrebbe creare una skill che trasforma materiale tecnico complesso in presentazioni per pubblici non specializzati. La skill codificherebbe i criteri di semplificazione secondo, i tipi di esempi da preferire, il livello di dettaglio appropriato per ogni sezione, il tutto secondo il suo stile. Ogni volta che deve preparare materiale didattico, attiva la skill invece di riscrivere le stesse istruzioni.
• Un amministratore di una ipotetica community online di aziende e professionisti potrebbe sviluppare una skill per formulare post che rispettino il tono e le regole del gruppo. La skill incorporerebbe le linee guida sulla lunghezza dei post, lo stile comunicativo preferito, i tipi di contenuto accettati, la gestione delle fonti. Quando deve scrivere un annuncio o condividere una notizia tecnica, la skill assicura coerenza con le aspettative della community.
• Un consulente che produce regolarmente analisi di mercato potrebbe costruire una skill che struttura i report secondo un template specifico: executive summary in apertura, analisi quantitativa nella sezione centrale, raccomandazioni operative in chiusura. La skill potrebbe anche includere verifiche di coerenza tra le sezioni e segnalare quando mancano dati rilevanti rispetto al template standard.
Questi esempi condividono una caratteristica: codificano conoscenza procedurale che altrimenti andrebbe riesplicitata manualmente in ogni interazione. La skill non fa il lavoro al posto dell’utente, ma applica criteri che l’utente ha definito una volta e vuole riutilizzare in modo consistente.
Aspetti da valutare
Le skill non sono una soluzione universale e presentano aspetti da valutare prima di investire tempo nella loro creazione.
• La sicurezza: le skill hanno accesso alle stesse informazioni disponibili in una conversazione. Se si caricano documenti sensibili, la skill può leggerli e utilizzarli secondo le sue istruzioni. Non c’è isolamento. Per questo è importante verificare cosa fa una skill prima di attivarla, soprattutto se proviene da fonti esterne. Inoltre una skill può eseguire degli script, il probabile successo di questi tool potrebbe portare anche alla diffusione di repository da cui scaricare liberamente con il rischio di trovare codice maligno attivo nel proprio sistema. Anthropic sta lavorando su meccanismi di sandboxing e verifica, ma al momento dell’introduzione della funzionalità la responsabilità della sicurezza è dell’utente.
• Il costo in termini di token: skill complesse con molte istruzioni e file di supporto consumano spazio nel contesto. Il sistema di caricamento progressivo mitiga il problema, ma non lo elimina. Una skill che carica 50.000 token di linee guida dettagliate riduce lo spazio disponibile per la conversazione effettiva. Bisogna trovare un equilibrio tra completezza delle istruzioni e efficienza.
• Quando ha senso creare una skill: se un’operazione viene svolta raramente, probabilmente non vale la pena codificarla. Le skill diventano utili quando c’è ripetizione: stesse istruzioni applicate a contesti diversi, stesso tipo di analisi su materiali differenti, stessa struttura di output richiesta più volte. La soglia varia per ciascuno, ma come regola pratica se si sono ricopiate le stesse istruzioni più di tre o quattro volte, probabilmente conviene valutare la creazione di una skill.
• La manutenzione: una skill ben progettata richiede aggiornamenti quando cambiano i requisiti sottostanti. Se le linee guida aziendali evolvono, la skill va modificata di conseguenza. Non è un sistema “scrivi una volta, funziona per sempre“. Richiede cura nel tempo.
Le skill di Claude rappresentano un’evoluzione rispetto all’uso standard delle AI conversazionali, ma siamo ancora nelle fasi iniziali. Al momento dell’introduzione della funzionalità, i casi d’uso consolidati sono limitati e la maggior parte delle applicazioni potenziali è ancora da esplorare.
Per chi lavora professionalmente con le AI generative, vale la pena iniziare a sperimentare partendo da casi semplici. Identificare un’operazione ripetitiva che richiede sempre le stesse istruzioni è un buon punto di partenza. Creare una skill di base, testarla, osservare dove funziona e dove necessita aggiustamenti fornisce esperienza pratica più utile di discussioni teoriche.
La documentazione ufficiale di Anthropic continuerà a evolversi con esempi e best practice man mano che la community di utenti identificherà pattern efficaci. Nel frattempo, l’approccio più sensato è quello sperimentale: provare, valutare, iterare.
Le skill non sostituiscono la competenza dell’utente né automatizzano completamente processi complessi. Sono uno strumento per rendere riutilizzabile la conoscenza procedurale che già si possiede. Se si sa come si vuole che un compito venga svolto e ci si ritrova a spiegarlo ripetutamente, probabilmente si è identificato un buon candidato per una skill personalizzata.
