La lettera di presentazione resta decisiva quando due candidati hanno un CV simile. L’intelligenza artificiale può accelerarne la stesura, ma il rischio è scivolare in testi generici, pieni di frasi vuote e toni artificiosi. L’obiettivo è semplice: usare l’IA come booster di velocità e chiarezza, preservando contenuto autentico e dati verificabili. Con alcune regole precise, si può ottenere una bozza solida, calibrarne il tono sulla job description e inserire proof point misurabili che reggono a qualsiasi controllo.
Questo approccio funziona se si separano tre fasi: pre-brief (raccolta materiale e risultati), generazione e rifinitura. Si prepara all’IA un set di informazioni concreto, si chiede una bozza focalizzata e poi si verifica ogni affermazione. Niente magia: solo metodo, lessico attivo e tracciabilità dei numeri. Di seguito, un percorso chiaro con prompt efficaci, controlli di factualità e tre esempi immediatamente riutilizzabili per profili entry, mid e senior.
Bozza veloce senza perdere la voce
La bozza migliore nasce da input accurati. Prima di aprire un modello, raccogliere: 1) risultati quantificabili degli ultimi 12-24 mesi, 2) responsabilità chiave, 3) parole della job description che descrivono impatto e priorità. Offrire all’IA questo brief di base e chiedere una bozza in 150-200 parole. Specificare: persona singolare, tono professionale, struttura in apertura-motivo-fit-chiusura. Chiedere frasi brevi e verbi d’azione. Così l’IA produce un testo ordinato su cui intervenire: si mantiene la propria voce sostituendo espressioni generiche con esempi vissuti e dettagli concreti, riducendo gli aggettivi e aumentando metriche e contesto.
Tono e adattamento alla job description
Il tono va calibrato su settore e cultura aziendale. Indicare all’IA tre aggettivi-guida (es. “chiaro, focalizzato, collaborativo”) e incollare i passaggi chiave della job description per allineare lessico e priorità. Richiedere un paragrafo d’aggancio che citi 1-2 requisiti centrali, poi un paragrafo che dimostri competenze con risultati comparabili. Evitare “soft skill” generiche: meglio legarle a contesti e outcome. Per non perdere autenticità, sostituire qualsiasi frase che non si userebbe parlando ad alta voce. Se l’azienda è formale, preferire costruzioni sobrie; se è product-led, valorizzare impatto su utenti e cicli di rilascio; per ruoli commerciali, enfatizzare pipeline e percentuali.
Prompt efficaci: struttura e varianti
Un buon prompt è specifico e misurabile. Struttura consigliata: 1) contesto candidato (ruolo target, anni esperienza, settore), 2) risultati con numeri, 3) estratto job description, 4) istruzioni di stile e lunghezza, 5) vincoli di factualità (usare solo dati forniti), 6) richiesta di due varianti di tono. Esempio sintetico: “Ruolo target: account manager B2B; risultati: quota 128% 2025, ciclo vendita -22%, deal medio +18%; JD: hunting, CRM, cross-selling; stile: chiaro, diretto; 170 parole; usa solo dati forniti; produci versione formale e una più energica”. Le varianti aiutano a scegliere passaggi riusciti e a scartare cliché, mantenendo il core informativo identico.
Verificare factualità e inserire proof point
L’IA può “inventare” collegamenti o titoli. Imporre il vincolo “usa solo i dati forniti” e poi verificare ogni cifra con CRM, report o portfolio. Trasformare aggettivi in numeri: veloce → lead time ridotto del 35%; efficace → tasso di risposta +24%; collaborativo → progetto interfunzionale con 4 team coinvolti. I proof point devono includere periodo, baseline e risultato: “Q1–Q3: NPS da 42 a 57” è verificabile, “NPS migliorato” no. Se il dato è sensibile, fornire un range o un proxy (es. “riduzione a doppia cifra”). Tenere una lista interna di metriche aggiornate ogni trimestre per evitare discrepanze tra lettera, CV e colloquio.
Tre esempi pronti: entry, mid, senior
Entry-level (Marketing Assistant): apertura con motivazione legata al prodotto e a un requisito della JD (es. gestione calendario contenuti). Corpo con 2 mini risultati misurabili da stage o progetti: “calendario editoriale di 8 settimane con CTR medio +19% su 3 canali; supporto ad A/B test con incremento sign-up +11%”. Chiusura con disponibilità a mostrare un portfolio sintetico. Mid-level (Account Manager B2B): aggancio su hunting e retention; risultati: “quota 128% annua, churn -3 pt, ciclo -22%”. Evidenziare collaborazione con pre-sales e customer success. Senior (Head of Product): allineamento a mission e priorità roadmap; risultati: “ARR +21% anno su anno; riduzione time-to-value da 21 a 14 giorni; NPS +8 pt su segmento core”.
Esempi di prompt e micro-rifinitura sul testo
Prompt entry: “Ruolo junior marketing; risultati: CTR social +19%, sign-up +11%; JD: content calendar, A/B test, analisi; stile: chiaro; 150-170 parole; riusa solo numeri forniti”. Prompt mid: “AM B2B; quota 128%, churn -3 pt, ciclo -22%; JD: hunting, CRM, cross-sell; tono professionale; 170 parole; due varianti”. Prompt senior: “Head of Product; ARR +21%, TTV -7 giorni, NPS +8 pt; JD: priorità roadmap, discovery, KPI; tono sobrio; 180 parole”. In rifinitura, chiedere: rimuovere aggettivi non sorretti da prove, sostituire 2 frasi con verbi d’azione, inserire un call to action concreto (portfolio, demo, case). Conservare terminologia coerente con CV e profilo LinkedIn.
Checklist finale e piccoli automatismi
Prima dell’invio: 1) coerenza numeri tra lettera e CV, 2) allineamento lessico alla JD, 3) massimo 200 parole, 4) 1-2 proof point per paragrafo, 5) nessuna affermazione non verificabile, 6) nome dell’azienda e ruolo esatti. Automatismi utili: un template di prompt salvato, un foglio con metriche aggiornate trimestralmente e una libreria di micro-paragrafi per aperture e chiusure in toni diversi. Impostare un promemoria mensile per aggiornare risultati e link a portfolio: quando arriva una nuova opportunità, la lettera è pronta in minuti e centrata su ciò che davvero conta.
