Maven: guerra e sicurezza nel tempo dell’Intelligenza Artificiale

L’ Algorithmic Warfare e la personalizzazione del nemico

Abstract

Algorithmic Warfare Cross-Functional Team: Maven

La parola Maven appartiene contemporaneamente a due linguaggi. Nel linguaggio istituzionale e militare, Project Maven è l’Algorithmic Warfare Cross-Functional Team, l’iniziativa statunitense nata per applicare tecniche di intelligenza artificiale e apprendimento automatico all’analisi di grandi quantità di immagini e dati provenienti da sistemi di sorveglianza alla guerra e al controllo. Nel linguaggio gergale, invece, la parola maven – di origine yiddish, – legata all’ebraico mavin – indica una persona esperta, un conoscitore, qualcuno che possiede competenze specialistiche e sa orientarsi in un campo complesso.

Questa doppia natura è teoricamente significativa. Da una parte, Maven rappresenta un programma organizzativo e tecnologico: un progetto, una piattaforma, un insieme di procedure, dati, algoritmi e operatori. Dall’altra, designa una cultura: quella degli esperti, dei pionieri e dei credenti nella possibilità di trasformare l’incertezza della guerra in un problema computazionale.

Maven non è dunque soltanto l’acronimo di una tecnologia militare. È una figura operativa. Indica il passaggio da una guerra fondata sulla percezione umana e sulla catena gerarchica a una guerra nella quale l’osservazione viene accelerata, filtrata e organizzata da sistemi algoritmici. Indica inoltre il passaggio da un nemico rappresentato come categoria politica – l’avversario, il combattente, l’hostis – a un nemico ricostruito attraverso profili, pattern, probabilità e comportamenti osservabili. Il maven è il mediatore tra due mondi. Da una parte vi è il mondo della complessità, dell’incertezza e della violenza; dall’altra, il mondo delle variabili, delle etichette e delle probabilità. La sua funzione consiste nel rendere traducibile il primo attraverso il secondo. Questa traduzione non è neutrale. Quando un fenomeno viene trasformato in una variabile, alcune sue caratteristiche diventano visibili e altre scompaiono. Quando una persona viene trasformata in un profilo, la sua storia concreta viene sostituita da una configurazione di dati. Quando un ambiente viene trasformato in una mappa di rischio, la sua complessità sociale viene ridotta a una distribuzione probabilistica.

Il maven è quindi anche un costruttore di cornici narrative. Decide, insieme al sistema e all’organizzazione, quale mondo debba essere considerato leggibile. In questo senso, il significato gergale del termine si collega al significato istituzionale: entrambi indicano la produzione di una competenza specializzata capace di trasformare il caos in una sequenza operativa. Nella guerra attuale la Algorithmic Warfare Cross-Functional Team è  quindi un sistema di piattaforme “Palantir” interconnesse che gestiscono un flusso informativo strutturato per livelli e gradi di autonomia per decisioni a livello strategico e tattico, di teatro e di battaglia, per la definizione delle liste dei target fisici e delle kill chain e la loro esecuzione con regole di ingaggio militare.

Le vecchie guerre e la catena umana

Prima dell’integrazione sistematica dell’intelligenza artificiale, la guerra era strutturata – almeno nell’immaginario operativo –  come una catena umana e procedurale. Un osservatore acquisiva l’informazione, un analista la interpretava, un ufficiale la confrontava con altre fonti, un comandante valutava le conseguenze e un’unità eseguiva. Con Maven questo spazio tende a modificarsi. Il sistema può analizzare grandi quantità di immagini e dati in un tempo incompatibile con la revisione umana tradizionale. L’operatore riceve non una massa indifferenziata di informazioni, ma una selezione già ordinata: oggetti riconosciuti, aree segnalate, comportamenti classificati, priorità assegnate. Il cambiamento fondamentale non consiste nella sostituzione totale dell’uomo. L’uomo rimane presente, ma cambia il punto nel quale esercita il proprio giudizio. Non osserva più necessariamente il mondo nella sua complessità originaria; bensì attraverso la sua rappresentazione algoritmica. In questo nuovo contesto la decisione appare ancora umana, ma il campo delle opzioni è stato organizzato dalla macchina. La libertà dell’operatore viene quindi mantenuta formalmente e assoggettata praticamente. Questa è una delle caratteristiche centrali della guerra algoritmica: l’automazione non deve eliminare l’essere umano per trasformare la responsabilità. È sufficiente che renda il giudizio umano dipendente da una rappresentazione profilata della realtà.

La velocità come trasformazione morale

L’intelligenza artificiale modifica soprattutto la velocità. Un sistema capace di analizzare migliaia di immagini può ridurre il tempo tra raccolta dell’informazione e indicazione operativa. Ma la velocità non è un elemento soltanto tecnico, è anche una condizione morale. Più breve è l’intervallo tra osservazione e azione, minore è lo spazio per la comprensione, contestazione, la comparazione e la valutazione delle conseguenze. La velocità trasforma la prudenza in un costo operativo. Chi mette in dubbio il sistema appare lento; chi chiede una verifica supplementare può essere percepito come un ostacolo.

La rapidità, inoltre, crea un rapporto particolare con l’errore. In un sistema lento, l’errore può essere individuato prima dell’azione. In un sistema rapido il feedback arriva quando non può più impedire il danno. La velocità tende anche a naturalizzare la sequenza “trovare-identificare-colpire”. Ogni passaggio sembra il risultato necessario del precedente. Una volta trovato un oggetto, si cerca di identificarlo; una volta classificato, lo si inserisce in una lista di priorità; una volta assegnata una priorità, l’azione appare come il passo successivo.

Dal nemico impersonale al nemico profilato

Nella guerra tradizionale, il nemico poteva essere rappresentato come una categoria impersonale. Era lo Stato nemico, l’esercito avversario, il combattente di una parte. Questa impersonalità non significava necessariamente umanità, ma introduceva una distinzione politica. La guerra poteva essere combattuta proprio perché  il nemico era riconoscibile e come parte poteva essere  oggetto di regole. Il diritto bellico si fonda su queste distinzioni, come quelle tra combattenti e civili, tra obiettivi militari e beni protetti, tra partecipazione al conflitto e semplice appartenenza alla popolazione.

Le guerre asimmetriche, le rivoluzioni, guerre civili, guerre coloniali, hanno modificato la natura  stessa del combattente. Il miliziano, il rivoluzionario, il terrorista, non indossano segni di riconoscimento visibili, l’azione non avviene in campo aperto, non sempre c’è una linea di fronte. L’agguato, l’attentato spostano l’azione di contrasto dalla logica della battaglia a quella dell’intervento di sicurezza. In queste condizioni l’organizzazione algoritmica dell’analisi dei metadati e dei flussi informativi può essere una risorsa per l’individuazione del nemico e delle sue infrastrutture ma introduce una logica diversa. Il nemico non è più soltanto chi appartiene a una parte riconoscibile, ma chi presenta una combinazione di segnali associati a una minaccia. Questi segnali possono comprendere movimenti, contatti, luoghi, comunicazioni, comportamenti, immagini e relazioni.

La persona non viene necessariamente identificata per ciò che ha fatto, ma per ciò che il suo profilo suggerisce. In questo passaggio, il nemico diventa individualizzato e probabilistico. Non è più semplicemente “il combattente dell’altra parte”; è “il soggetto che corrisponde a una configurazione di rischio”.

La profilazione ha una conseguenza politica: trasforma l’incertezza in sospetto. Un individuo può essere segnalato non perché esista una prova sufficiente di una condotta, ma perché il suo comportamento è simile a quello di soggetti precedentemente classificati come minacciosi. Il profilo può così sostituire l’identità. La persona concreta viene ridotta a un insieme di caratteristiche statistiche. Il sistema non ha bisogno di conoscere il suo nome, la sua storia o le sue intenzioni. È sufficiente che riconosca una somiglianza. La profilazione algoritmica può favorire il passaggio da hostis a nemico metafisico o teologico quando il soggetto classificato viene sottratto al campo della politica e inserito in quello  della sicurezza assoluta. Se il sistema identifica una persona come nodo di una rete, vettore di radicalizzazione o possibile autore di un attacco, essa può essere trattata come minaccia e come tale rimossa, prima ancora che una condotta concreta abbia avuto luogo.

La persona non è più un avversario con cui confrontarsi, ma un rischio da rimuovere. La sua intenzione diventa secondaria rispetto alla probabilità assegnata dal modello. Il nemico metafisico nasce quando la sua identità viene costruita attraverso una dicotomia assoluta: innocenza o minaccia, sicurezza o pericolo, vita protetta o vita esposta.

Questo passaggio non è inevitabile, ma è favorito da narrazioni politiche che descrivono il terrorismo, l’estremismo o la radicalizzazione come mali senza interlocutore. Quando la minaccia viene rappresentata come assoluta, la sospensione della prudenza appare giustificata. La formula “li troveremo e li uccideremo” segna allora la trasformazione dell’ hostis in nemico metafisico.  Non si dice più: “individueremo l’avversario e lo affronteremo”. Dice: “troveremo coloro che il sistema riconosce come minaccia e li elimineremo”. Il loro profilo di colpevoli è precedente alla loro identificazione, solo la percentuale stabilisce il grado di aderenza.

La promessa di Maven: vedere tutto

Maven nasce dalla promessa, attraverso Palantir, di rendere visibile ciò che l’occhio umano non può osservare. La guerra contemporanea produce quantità enormi di immagini, video, comunicazioni e dati. L’intelligenza artificiale viene impiegata per filtrare questa massa e individuare ciò che merita attenzione. La promessa è operativa: trovare più rapidamente, ridurre il sovraccarico, aumentare la precisione, sostenere il targeting. Ma è anche culturale. Maven promette che la guerra possa diventare più leggibile. La visibilità, tuttavia, non coincide con la conoscenza. Un sistema può mostrare più elementi e comprendere meno il contesto. Può riconoscere una sagoma senza sapere chi la occupi, individuare un movimento senza comprenderne l’intenzione, rilevare una relazione senza stabilire se sia significativa. L’algoritmo non vede il mondo come lo vede una persona. Vede variabili, pattern, similarità e anomalie. La sua forza consiste nel trattare grandi quantità di informazioni; la sua debolezza consiste nel non possedere necessariamente una comprensione situata. Ma la guerra è propriamente il campo nel quale la situazione conta. Il significato di un comportamento può cambiare rapidamente. Un edificio può essere utilizzato per scopi diversi; un gruppo può mutare composizione; un segnale può essere autentico, manipolato o privo di valore. La promessa di vedere tutto rischia quindi di produrre un paradosso: più dati possono creare più fiducia nel sistema senza garantire maggiore verità.

I primi maven e la religione del dato

I primi protagonisti del progetto possono essere definiti “maven” nel senso gergale: esperti, pionieri, conoscitori di un mondo tecnico e operativo nel quale dati, piattaforme e capacità di calcolo sembrano offrire una risposta alla complessità. Questi soggetti costruiscono molto più di un software. Costruiscono un vocabolario: classificazione, confidenza, probabilità, anomalia, rilevanza, priorità. Le categorie diventano strumenti operativi e, progressivamente, categorie della realtà. Il sistema non si limita a dire che cosa è presente in un’immagine. Suggerisce ciò che conta. Non si limita a riconoscere un oggetto, stabilisce che esso meriti attenzione. Non si limita a fornire un’informazione, la inserisce in una sequenza di decisione.

La fiducia nel maven nasce dalla competenza. Ma la competenza può diventare autorità non contestabile. Se un esperto conosce il modello, sa interpretare l’interfaccia e controlla l’accesso ai dati, può diventare il punto di passaggio obbligato della decisione. La cultura dei pionieri tende a privilegiare la velocità e l’iterazione. In un sistema letale, però, il principio “proviamo e miglioriamo” incontra un limite radicale: alcuni errori non possono essere trattati come semplici dati per il prossimo aggiornamento. La religione del dato nasce quando il numero viene considerato più credibile del contesto. Il risultato è una forma di autorità matematica che può sostituire il giudizio senza dichiarare di farlo.

Palantir e la politica dell’interfaccia

Una piattaforma come Palantir assume un ruolo centrale non perché decida necessariamente in modo autonomo, ma perché organizza la conoscenza. L’interfaccia determina ciò che l’operatore vede, ciò che resta nascosto e il modo in cui le informazioni vengono collegate. Una mappa, una lista, un grafico o un ranking sono già interpretazioni. Mostrare una relazione significa suggerire che essa sia significativa. Mettere un soggetto in cima a una lista significa attribuirgli priorità. Collegare dati provenienti da fonti diverse significa produrre una narrazione coerente, anche quando la coerenza può essere soltanto apparente. La piattaforma è quindi un’infrastruttura cognitiva. Essa può influenzare la decisione anche quando non produce direttamente il comando di attacco. Il potere della piattaforma consiste nella sua capacità di diventare indispensabile. Una volta integrata nel workflow, stabilisce le condizioni della conoscenza operativa. Chi controlla la piattaforma non controlla necessariamente la decisione finale, ma può influenzare il modo in cui la decisione diventa possibile.

Il colonnello e il maven matematico

Nel Mondo della guerra, il colonnello rappresenta la logica del comando, dell’esperienza e della responsabilità. Il maven matematico rappresenta la logica della probabilità, del modello e della prestazione. Alla domanda del Colonnello: “Possiamo agire?”. Il mavenista matematico risponde: “Il sistema attribuisce a questa ipotesi una determinata probabilità”. Tra le due proposizioni esiste una distanza che nessuna interfaccia può eliminare.

Il comandante deve decidere in condizioni di tempo limitato, ma non può trasformare la probabilità in certezza. Il tecnico deve fornire un risultato utile, ma non può fingere che il modello comprenda ciò che non comprende. Il conflitto nasce quando la responsabilità operativa cerca una risposta binaria e il modello produce una stima graduata. Invece di affrontare l’incertezza, l’organizzazione può cercare una soglia: sopra una certa percentuale si procede; sotto si attende. Ma ogni soglia è una decisione politica. Stabilire che il novanta per cento sia sufficiente, o che un certo livello di rischio sia accettabile, significa fissare il valore della vita e dell’errore all’interno del processo. La soluzione non consiste nell’eliminare il matematico o nel sostituirlo con il colonnello. Consiste nel mantenere aperto il conflitto tra i due linguaggi. La situazione deve poter contestare il numero, e il numero deve poter mettere in discussione l’intuizione.

Vi troveremo e vi uccideremo

La formula “We Will Find You and We Will Kill You”  scritta da Trump, nella prefazione della United State Counter Terrorism Strategy del 6 maggio 2026, rappresenta metafora di questa trasformazione. Essa condensa una sequenza apparentemente lineare: prima trovare, poi identificare, infine colpire. Ma proprio questa apparente linearità nasconde la complessità del processo. Chi sono “loro”? Come vengono individuati? Quali dati permettono di inserirli in una categoria? Quando una probabilità diventa sufficiente per autorizzare l’azione? E come si passa dal nemico politico, riconoscibile come parte di un conflitto, al nemico metafisico, costruito come minaccia assoluta e privo di uno spazio legittimo di negoziazione?

La formula sposta la focalizzazione dell’intera attività sull’eliminazione fisica, come sintesi critica di una trasformazione della razionalità bellica. Il suo significato più importante consiste nel mostrare come la guerra contemporanea tenda a personalizzare il nemico prima ancora di averlo pienamente identificato. L’algoritmo non si limita a trovare una persona già nota, può contribuire a costruire il profilo di chi dovrà essere considerato pericoloso. Il passaggio da hostis a nemico metafisico è decisivo. L’hostis è il nemico politico: un avversario riconoscibile, appartenente a una parte, potenzialmente soggetto a regole, trattative e forme di reciprocità. Il nemico metafisico, in senso teologico e morale, diventa invece il nemico assoluto, anche personale, colui che non viene più percepito come semplice avversario ma come incarnazione del male, minaccia esistenziale o contaminazione da eliminare. La profilazione algoritmica può contribuire a questo slittamento quando trasforma comportamenti, relazioni e probabilità in indicatori di pericolosità morale.

La guerra algoritmica non consiste dunque soltanto nell’uso di software più veloci. Essa modifica il rapporto tra informazione e decisione, tra visibilità e sospetto, tra rischio e colpa, tra nemico e individuo. La sua posta in gioco non è esclusivamente militare. Riguarda la sicurezza nazionale, la sorveglianza, la privacy, il diritto internazionale, la responsabilità politica e il modo in cui lo Stato definisce chi deve essere protetto e chi può essere anticipatamente neutralizzato.

Il nemico metafisico e teologico e la sicurezza assoluta

Quando il nemico viene personalizzato attraverso un profilo, può essere anche assolutizzato. La sicurezza contemporanea tende spesso a descrivere alcune minacce come esistenziali: terrorismo, estremismo, proliferazione, attacchi informatici catastrofici.

La minaccia assoluta giustifica misure eccezionali. Se un soggetto viene considerato portatore di un male potenziale, la sua posizione politica può dissolversi. Non è più un avversario con cui negoziare, ma un rischio che deve essere neutralizzato. La sua radicalità viene costruita secondo la logica assoluta del bene e del male. La complessità dei conflitti viene ridotta a una lotta per l’estirpazione del male, del radicalmente altro. La profilazione può intensificare questa dinamica. Un insieme di comportamenti, contatti e caratteristiche viene interpretato come segno di appartenenza a una categoria pericolosa. La persona diventa il luogo nel quale si materializza una minaccia astratta. L’algoritmo può così offrire alla teologia politica una nuova infrastruttura. Non proclama direttamente il male, ma produce classificazioni che possono essere utilizzate per giustificare l’esclusione.

The Human Machine Team: Il Vangelo, Lavender, Where’s Daddy nella guerra algoritmica  a Gaza 

Con la pubblicazione di “The Human Machine Team. Come creare la sinergia tra l’umano e l’intelligenza che rivoluzionerà il nostro mondo” il  Brigadier Generale Y.S.  descrive la costruzione di unità operative nella quale capacità umane e capacità algoritmiche vengono integrate al fine di rispondere alle minacce a cui è sottoposto lo Stato di Israele. L’ipotesi sostenuta dal saggio è che il vantaggio sul terreno della sicurezza e della guerra del futuro non dipenderà semplicemente dal possesso di sistemi di intelligenza artificiale, ma dalla capacità di trasformare organizzazioni, culture, processi decisionali, infrastrutture e forma di leadership per poterli utilizzare. In questo senso è importante analizzare come l’impiego dell’intelligenza artificiale nel conflitto sta trasformando la tradizionale kill chain, ossia la sequenza che conduce dall’individuazione di una possibile minaccia alla decisione per l’esecuzione di un attacco per la sua eliminazione.  Le forze armate israeliane e i suoi servizi di sicurezza da sempre hanno dovuto confrontarsi con una minaccia di natura asimmetrica costituita da quella militare classica degli stati arabi,  dalle milizie della resistenza palestinese, da quelle del fondamentalismo islamico e dalle rivolte popolari dei territori occupati. La complessità della minaccia ha sempre posto problemi complessi alle forze di sicurezza israeliane sia nella individuazione della minaccia sia nelle modalità di controllo e di eliminazione. Da sempre il confine tra l’attività di intelligence -istruttoria- nell’individuazione e identificazione della minaccia e l’ingaggio militare per la rimozione presenta  profili di legittimità. Se un’istruttoria indiziaria non è una prova come potrà un flusso informativo probabilistico rappresentare un giudizio?

L’ analisi della risposta israeliana al massacro del 7 ottobre, nella ricerca ed eliminazione dei responsabili, è particolarmente significativa per  illustrare questi nodi irrisolti. Secondo testimonianze e ricostruzioni pubblicate da organi di stampa interni ed internazionali  l’utilizzo integrato di tre sistemi attribuiti all’apparato militare e d’intelligence israeliano: Lavender, Habsora — tradotto in Italiano,“Il Vangelo” — e Where’s Daddy?  avrebbero svolto funzioni di classificazione probabilistica degli individui, generazione di obiettivi fisici e localizzazione dei bersagli nel momento del loro rientro presso un’abitazione. Stando a questa ricostruzione è possibile descrivere la possibile architettura della kill chain algoritmica. Le piattaforme messe in campo dagli israeliani appaiono orientate soprattutto alla guerra urbana, la contro-insurrezione e alla profilazione di una popolazione sottoposta a sorveglianza capillare – da qui il possibile dual use delle piattaforme e la sovrapposizione tra i profili della sicurezza e quelli della guerra -. La sequenza logica del The Human Machine Team si basa sulla interconnessione di piattaforme per la per costruzione di Kill Chain e liste di obiettivi prioritari di infrastrutture attraverso la sequenza di individuazione, identificazione, localizzazione, decisione e ingaggio. 

Il flusso della Kill Chain

Nel caso dei sistemi attribuiti all’apparato israeliano, la catena può essere ricostruita in cinque fasi: raccolta e fusione dei dati; classificazione degli individui; individuazione e caratterizzazione degli spazi fisici; localizzazione temporale del bersaglio; autorizzazione ed esecuzione dell’attacco. A queste fasi se ne aggiunge una sesta, spesso trascurata: la valutazione successiva dell’esito. In teoria, ogni attacco dovrebbe produrre informazioni utili a correggere il sistema. In pratica, se la verifica degli effetti è incompleta o se gli errori vengono classificati come inevitabili, il ciclo può incrementare i propri bias.

La prima fase consiste nell’acquisizione di informazioni da fonti differenti. Nel materiale disponibile vengono menzionati segnali telefonici, metadati, intercettazioni, immagini satellitari, riprese da droni, dati biometrici, informazioni geospaziali, fonti umane e contenuti pubblicati online. La fusione dei dati presenta un vantaggio solo apparente, perché l’integrazione non equivale automaticamente a conferma. Mentre la classificazione della popolazione attraverso Lavender viene effettuata secondo la logica terroristi non terroristi. In questo schema binario Lavender sarebbe stato utilizzato per  stilare liste nelle quali assegnare agli individui una probabilità di appartenenza a gruppi armati. L’algoritmo avrebbe confrontato i dati della popolazione con profili di persone già conosciute come militanti, individuando schemi ricorrenti. Il risultato non può essere una prova, bensì una stima che  assegnata agli individui una probabilità di appartenenza a gruppi armati. La  classificazione non è discreta -si, no-, bensì probabilistica – il 10%, il 20%, … il 50%. In una scala da 0 a 100 chi decide chi deve entrare nella kill chain è chi decide la soglia? La stima può essere utile per orientare un’indagine, ma diventa pericolosa quando viene trattata come identità accertata. La soglia decisionale rappresenta il problema politico decisivo. La soglia non è una proprietà naturale dell’algoritmo, è una scelta politica e operativa. Abbassarla significa aumentare il numero degli obiettivi potenziali, ma anche il rischio di errori. Alzarla riduce i falsi positivi, ma può escludere soggetti realmente pericolosi. Stabilire la soglia implica dunque attribuire un valore relativo alla velocità dell’attacco e alla tutela dei civili. Le inchieste hanno riferito di un margine di errore tollerato intorno al dieci per cento. Un errore del dieci per cento in un sistema medico, commerciale o amministrativo è grave; in una procedura che contribuisce a determinare attacchi letali, può essere catastrofico. Il passaggio successivo è quello di collegare la persona è il luogo. Habsora, tradotto come “Il Vangelo”, è una piattaforma dedicata alla generazione o alla gerarchizzazione di obiettivi fisici: edifici, infrastrutture, centri di comando, depositi o altri luoghi ritenuti militarmente rilevanti. Il sistema non classifica principalmente la persona, ma l’ambiente costruito. Attraverso immagini satellitari, riprese aeree, dati geospaziali e altri flussi informativi, l’algoritmo può individuare anomalie, cambiamenti strutturali e pattern di attività. A completare la catena c’è Where’s Daddy?, che è uno strumento di localizzazione e allerta. Il sistema segnala il momento in cui un individuo classificato come obiettivo si trova nella  propria abitazione. Per comprendere la sua funzione è necessario distinguere localizzazione e identificazione. La localizzazione indica dove si trova un dispositivo o un soggetto presumibilmente associato a un dispositivo. Non dimostra che la persona ricercata sia effettivamente presente. 

Il caso di Vangelo, Lavender e Where’s Daddy? mostra che l’intelligenza artificiale militare non deve essere analizzata soltanto come tecnologia di precisione. Deve essere studiata come architettura di classificazione, localizzazione e distruzione. La kill chain parte dalla raccolta di dati sulla popolazione, passa attraverso la profilazione di individui, collega gli individui a luoghi fisici, li segue fino all’abitazione e utilizza il momento della presenza domestica per facilitare l’attacco. Ogni fase contiene margini di errore: il dato può essere incompleto; il dispositivo può essere condiviso; la rete sociale può essere interpretata erroneamente; l’edificio può essere classificato sulla base di immagini obsolete; la posizione può riferirsi al telefono e non alla persona; la casa può ospitare numerosi civili.

Il rischio maggiore nasce dall’interazione tra gli errori. La macchina non commette soltanto errori isolati; può concatenare errori e trasformarli in una decisione coerente solo in apparenza. La certezza apparente dell’output nasconde l’incertezza reale delle fonti.

I modelli  superano ampiamente il limite umano nella gestione di grandi quantità di dati e di riduzione del  tempo esecuzione della kill chain ma questo non attenua la responsabilità. La responsabilità non risiede solo nella verifica concentrata in pochi secondi, bensì su quale realtà profilata dalla piattaforma l’uomo effettua la verifica.  I pesi assegnati alle variabili come l’età, il sesso, la residenza, le relazioni sociali, la partecipazione a un social, del soggetto possono amplificare la concatenazione degli errori dell’algoritmoe. La scelta di localizzare il bersaglio presso l’abitazione può avere una logica tattica, ma aumenta il rischio di vittime civili  Se adottata sistematicamente, essa può trasformare la casa in un dispositivo di esposizione della popolazione e contribuire alla distruzione generalizzata del tessuto urbano. La questione ultima non è se l’intelligenza artificiale possa contribuire alla guerra. Può farlo, e lo sta già facendo. La questione è se l’accelerazione algoritmica venga utilizzata per migliorare la distinzione nell’individuazione del pericolo reale o per aumentare il numero degli attacchi oltre la capacità effettiva di verifica. Nel primo caso la tecnologia può essere subordinata a obblighi giuridici e morali e a regole di ingaggio rigorose e trasparenti; nel secondo rischia di trasformare l’incertezza in violenza seriale.

La distruzione sistematica delle abitazioni richiede infine di guardare oltre il singolo bersaglio. L’eliminazione di un presunto miliziano non può essere valutata separatamente dall’effetto cumulativo prodotto sulla popolazione e sul territorio. Quando una campagna algoritmica rende inabitabili interi quartieri, disperde le famiglie e cancella le infrastrutture della vita civile, la questione non è più soltanto quella della precisione dell’attacco, ma quella del fine complessivo dell’operazione. L’intelligenza artificiale non rende la guerra automaticamente più precisa, più legale o più umana. Può renderla più veloce, più ampia e più difficile da contestare. La responsabilità resta agli esseri umani che progettano i sistemi, scelgono i dati, fissano le soglie, autorizzano gli attacchi e definiscono il valore attribuito alle vite.

La guerra come problema di classificazione

L’intelligenza artificiale incorporata nelle piattaforme e nei sistemi militari viene generalmente presentata come un insieme di strumenti destinati a migliorare la consapevolezza situazionale, accelerare la decisione e aumentare la precisione degli attacchi. Ma la precisione tecnica di un sistema – la sua capacità di riconoscere un oggetto, correlare dati o prevedere un movimento – non coincide necessariamente con il profilo giuridico e morale dell’azione che ne deriva. Nella guerra contemporanea, il passaggio decisivo non consiste soltanto nel colpire un bersaglio con maggiore accuratezza balistica. Consiste, prima ancora, nel definire chi o che cosa debba essere considerato un bersaglio. La guerra algoritmica agisce dunque anzitutto attraverso procedure di classificazione. Un individuo può essere classificato come sospetto, un edificio come infrastruttura operativa, un movimento come anomalo, una comunicazione come indicatore di affiliazione, un’abitazione come luogo idoneo all’attacco. Ogni classificazione semplifica la realtà per renderla trattabile da un sistema decisionale.  Il problema diventa acuto quando la semplificazione viene scambiata per conoscenza sufficiente. La campagna di Gaza porta questa contraddizione a un livello estremo: un territorio densamente popolato, continui spostamenti forzati della popolazione, distruzione infrastrutturale, interruzioni delle comunicazioni, condivisione di abitazioni e dispositivi, perdita degli archivi civili e trasformazione permanente dei riferimenti geografici. In un ambiente simile, l’informazione è simultaneamente abbondante e fragile: esistono enormi quantità di dati, ma il loro significato è instabile. Un telefono può essere utilizzato da più persone; una casa può ospitare più famiglie; un individuo può cambiare domicilio; una comunicazione può essere interrotta o falsamente attribuita; un edificio può avere una funzione civile, militare o mista, oppure essere interpretato erroneamente come tale.

La lista degli obiettivi definita attraverso le piattaforme può avere una sua utilità istruttoria. Non è in discussione l’uso delle informazioni, è in discussione  la modalità in cui l’istruttoria probabilistica sul soggetto lo trasforma in obiettivo e la modalità tecnica di eliminazione: il bombardamento, prevalentemente aereo. Non si contesta il prelievo dell’individuo profilato per appurare se il profilo probabilistico corrisponde alla minaccia concreta bensì l’eliminazione preventiva decisa dalla profilazione. Anche se le denominazioni dei sistemi, le loro funzioni precise, i livelli di autonomia, le modalità di addestramento e il loro effettivo impiego operativo sono avvolti dalla nebbia della guerra e segreto militare, il problema generale rimane: che cosa accade quando un apparato militare utilizza sistemi di analisi automatizzata per classificare una popolazione, generare obiettivi in un territorio urbano e accelerare la decisione sull’uso della forza? L’interrogativo riguarda la struttura stessa della guerra algoritmica, non soltanto la verifica di una singola piattaforma.

Diritto bellico e decisione algoritmica

L’introduzione dell’intelligenza artificiale non modifica il divieto di attacchi diretti contro i civili, l’obbligo di distinguere tra combattenti e popolazione civile, il principio di proporzionalità e il dovere di adottare tutte le precauzioni praticamente possibili. Il principio di distinzione impone di distinguere in ogni momento tra civili e combattenti e tra beni civili e obiettivi militari. Anche in tempi di guerre asimmetriche, una classificazione probabilistica può contribuire a un’indagine, ma non rende automaticamente un individuo un combattente.

Il problema è accentuato quando il sistema classifica una popolazione sulla base di comportamenti indiretti. La distinzione richiede un collegamento concreto tra la persona e l’attività militare. Un algoritmo può suggerire la probabilità di un collegamento, ma la sua esistenza deve essere verificata sulla base delle circostanze specifiche. Il principio di proporzionalità vieta gli attacchi nei quali il danno civile previsto sarebbe eccessivo rispetto al vantaggio militare concreto e diretto atteso. Non si tratta di autorizzare un determinato numero di civili uccisi in cambio di un obiettivo. La proporzionalità è una valutazione giuridica, non una funzione automatica. Il dovere di precauzione richiede di fare tutto il possibile per verificare che gli obiettivi siano militari, scegliere l’ingaggio – mezzi e metodi –  capace di ridurre i danni civili. Un sistema come Where’s Daddy?,  utilizzato per colpire il bersaglio in casa, costituisce una distorsione di questo principio quando la presenza dell’individuo viene considerata sufficiente senza una valutazione della presenza di altri civili.

Non ci sono innocenti ma solo persone non ancora classificate: la popolazione sospetta

L’uso combinato di profilazione, sorveglianza e targeting rischia di trasformare una popolazione in un ambiente permanentemente sospetto. La distinzione tra combattente e civile viene sostituita da una gradazione di rischio. Ogni individuo possiede un punteggio; ogni edificio possiede un livello di rilevanza; ogni movimento può aumentare o diminuire la probabilità. La probabilità è utile quando orienta la ricerca di ulteriori informazioni. Diventa pericolosa quando giustifica direttamente l’uso della forza. La trasformazione della persona in punteggio produce una distanza linguistica e morale: non si parla più di un padre, di una madre, di un bambino, di una famiglia, ma di una probabilità, di un profilo, di una coordinata.

Un sistema che attribuisce valore negativo alle connessioni può classificare intere reti sociali come sospette. La conseguenza può essere la progressiva espansione della categoria del bersaglio. La guerra algoritmica può dunque assumere la forma di una sorveglianza totalizzante nella quale l’innocenza non è più una condizione, ma soltanto un basso punteggio. In questa struttura, il civile non è riconosciuto come civile; è semplicemente un soggetto che il sistema non ha ancora classificato come sufficientemente sospetto.

La casa svolge una funzione duplice nella catena: è luogo di localizzazione del bersaglio e luogo di concentrazione dei civili. La sua trasformazione in punto privilegiato dell’attacco crea una contraddizione strutturale tra accuratezza dell’individuazione e protezione della popolazione.

Distruzione sistematica e desertificazione del territorio

La casa svolge una funzione duplice in questa catena: è luogo di localizzazione del bersaglio e luogo di concentrazione dei civili. La sua trasformazione in punto privilegiato dell’attacco crea una contraddizione strutturale tra accuratezza dell’individuazione e protezione della popolazione. Se per un verso è più facile colpire un individuo quando è fermo e si trova nel proprio domicilio, è pur vero che il luogo aumenta la possibilità che siano presenti familiari e altri civili. Il vantaggio tattico si converte in danno umanitario. La tecnologia trasforma la casa in un semplice punto georeferenziato, ma la casa è un ambiente umano complesso, nel quale si deve presumere la presenza di persone non coinvolte, soprattutto quando dispone di informazioni incomplete. Inoltre, la campagna  sistematica contro abitazioni, infrastrutture e quartieri produce una trasformazione territoriale che va oltre l’eliminazione di specifici obiettivi.

La desertificazione del territorio può essere anche un obiettivo politico della guerra. La demolizione sistematica di abitazioni e infrastrutture risponde sia alla logica di distruggere i rifugi del nemico sia a quella di rendere inospitale un territorio per imporre l’esodo della sua popolazione. L’utilizzo combinato del Vangelo e Where’s Daddy a Gaza può rispondere ad una logica militare-immobiliare per realizzare i progetti di real estate oggi in discussione. Non si tratta soltanto di “danni collaterali” distribuiti nel territorio, ma della produzione di un ambiente nel quale la vita civile diventa impossibile e l’esodo necessario. Naturalmente, non ogni edificio distrutto indica una strategia di desertificazione. Ma la scala e la ripetizione degli attacchi impongono di esaminare questa questione come parte delle  regole di ingaggio dell’attuale campagna. Il punto centrale è che l’intelligenza artificiale può rendere più efficiente la distruzione senza rendere chiaro il fine politico.  Ma, forse la sua efficienza lo rende manifesto. Un sistema può aumentare la precisione della localizzazione, ma non stabilisce se l’effetto complessivo dell’operazione sia la protezione della popolazione, la neutralizzazione di una minaccia o la trasformazione irreversibile del territorio.

Implicazioni etiche e politiche

La guerra algoritmica tende a presentarsi come neutrale perché utilizza numeri, coordinate e percentuali. Ma ogni sistema incorpora scelte normative: quali soggetti osservare, quali comportamenti considerare sospetti, quale errore accettare, quale soglia applicare, quale danno classificare come collaterale e quale vantaggio ritenere sufficiente.

L’algoritmo non elimina la politica; la rende meno visibile. La decisione politica appare come un output tecnico. La soglia di rischio non è più presentata come scelta del comando, ma come parametro del modello. La definizione del bersaglio non appare più come una valutazione umana, ma come risultato dell’elaborazione dei dati. Questo processo produce una tecnicizzazione della responsabilità. Se una persona viene colpita perché il sistema l’ha classificata con una probabilità elevata, il linguaggio della probabilità può attenuare il linguaggio dell’accusa. Ma la probabilità non cancella l’obbligo di proteggere i civili. Anzi, quanto più la conoscenza è incerta, tanto più rigorosa deve essere la verifica prima dell’uso della forza. La questione democratica riguarda anche la segretezza. I cittadini, i parlamenti, i tribunali e le organizzazioni internazionali dispongono di informazioni limitate sui sistemi, sui criteri e sulle procedure. La segretezza può essere giustificata da esigenze operative, ma non può diventare una protezione assoluta contro ogni controllo. Senza trasparenza almeno retrospettiva, diventa difficile accertare gli abusi. L’asimmetria informativa è particolarmente forte quando una popolazione viene sorvegliata da un apparato che possiede strumenti tecnici incomparabilmente superiori. La sorveglianza produce potere; l’algoritmo concentra quel potere nella capacità di trasformare tracce quotidiane in decisioni letali.

Dalla sicurezza nazionale alla governamentalità algoritmica

Maven non riguarda soltanto il campo di battaglia. Il suo modello può essere trasferito alla sicurezza interna: sorveglianza urbana, prevenzione del terrorismo, analisi dei social network, individuazione di radicalizzazione e gestione delle proteste. Il passaggio è delicato perché il cittadino può essere trattato come un obiettivo potenziale. Non viene osservato per ciò che ha fatto, ma per ciò che il sistema stima che potrebbe fare. La differenza tra prevenzione e predizione diventa qui fondamentale. La prevenzione agisce su un rischio noto e cerca di ridurre la vulnerabilità. La predizione attribuisce una probabilità futura a un soggetto o a un gruppo. Quando questa probabilità produce controllo, il soggetto viene sottoposto a una forma di responsabilità preventiva. Il profilo diventa più importante del fatto. La sicurezza anticipa la colpa. Il rischio è la costruzione di un ciclo autorinforzante. Un quartiere viene considerato rischioso, viene sottoposto a più sorveglianza, produce più dati e quei dati confermano la previsione iniziale. L’algoritmo non descrive soltanto la realtà: partecipa alla sua produzione.

Sovranità, dati e dipendenza tecnologica

La sovranità nel tempo di Maven comprende il controllo dei dati, delle reti, delle infrastrutture e delle piattaforme. Uno Stato può essere militarmente forte e tecnologicamente dipendente.

La dipendenza da fornitori privati crea questioni di responsabilità e sicurezza. Chi controlla gli aggiornamenti? Chi conserva i log? Chi può verificare il codice o i modelli? Quali dati vengono trasferiti? Quali vulnerabilità sono conosciute? La piattaforma può diventare una componente critica della sicurezza nazionale senza essere pienamente governata dallo Stato. Questo produce una forma di privatizzazione dell’autorità epistemica. L’autonomia strategica richiede quindi non soltanto capacità di acquistare tecnologia, ma capacità di comprenderla, verificarla e sostituirla. Senza competenza pubblica, la sovranità rischia di essere delegata a infrastrutture che le istituzioni non sono in grado di controllare completamente.

L’Algoritmo tra contraddizioni e antinomie

Maven rappresenta il passaggio dalla guerra come catena umana alla guerra come architettura algoritmica. Non è una trasformazione puramente tecnica. È un mutamento del modo in cui la minaccia, il nemico vengono visti, definiti e resi agibili.

Maven sia come struttura (l’Algorithmic Warfare Cross-Functional Team), sia come immagine evocativa dell’esperto, del soggetto che padroneggia una materia complessa, evoca una cultura nella quale i dati vengono considerati strumenti privilegiati per ridurre l’incertezza e ottenere un vantaggio strategico.

La formula “li troveremo e li uccideremo” riassume la logica operativa di questa cultura, che deve essere letta criticamente. Perché “trovare” non significa più soltanto localizzare un nemico già riconosciuto. Può significare costruire un profilo, individuare una configurazione, associare un soggetto a una categoria di rischio. “Uccidere” non è necessariamente un atto direttamente automatizzato, ma può essere il termine di una catena nella quale la classificazione algoritmica orienta la decisione umana.

La distinzione tra hostis e nemico metafisico soggetta alla profilazione algoritmica da una parte e alla assolutizzazione teologica ha subito una trasformazione politica più profonda. Il profilo dell’hostis come avversario, il nemico pubblico, una parte riconoscibile del conflitto, veste i panni del nemico personale e teologizzato, non come soggetto politico ma il male da eliminare. La profilazione può favorire questo passaggio perché sostituisce l’identità concreta con una probabilità di pericolosità. L’individuo non viene più giudicato soltanto sulla base di un atto, ma sulla base della somiglianza con un pattern. Il sospetto diventa una proprietà del profilo, e il profilo può assumere il valore di una presunzione. Il rischio non riguarda soltanto il campo militare. Lo stesso modello può trasferirsi alla sicurezza interna, alla sorveglianza, alla prevenzione del terrorismo e alla gestione dei conflitti sociali. La governamentalità algoritmica tende a operare attraverso l’anticipazione: non aspetta che il soggetto agisca, ma organizza l’ambiente sulla base di ciò che potrebbe fare. La risposta non può essere un semplice rifiuto della tecnologia. L’intelligenza artificiale può migliorare la protezione delle infrastrutture, la cybersecurity, l’analisi delle minacce e la manutenzione predittiva. Ma nei contesti letali e nei processi che incidono sui diritti fondamentali, devono essere imposti limiti sostanziali. Il futuro della sicurezza dipenderà dalla capacità di mantenere insieme efficienza e legittimità. Una tecnologia che trova più rapidamente ma comprende meno può aumentare il rischio invece di ridurlo. Un sistema che personalizza il nemico prima di averlo realmente conosciuto può trasformare l’incertezza in colpa. Una piattaforma che distribuisce la responsabilità senza renderla visibile può indebolire lo Stato di diritto.

La domanda decisiva non è se Maven sappia trovare il nemico. È chi stabilisca che cosa debba essere considerato un nemico, quali prove siano sufficienti, quale valore abbia l’incertezza e chi debba rispondere quando il profilo algoritmico si rivela falso. Nel tempo dell’intelligenza artificiale, la sicurezza non consiste soltanto nel vedere prima. Consiste nel sapere quando ciò che si vede non basta per agire. La vera superiorità strategica non sarà quindi la capacità di trasformare ogni segnale in un bersaglio, ma la capacità istituzionale di distinguere tra informazione e verità, tra probabilità e colpa, tra avversario politico e nemico assoluto, tra protezione della vita e amministrazione della morte.

Bibliografia essenziale

1. Katrina Manson: Project Maven. A Marine Colonel, His Team, and the Dawn of AI Warfare, W.W. Norton & Company, 2026
2. Brigadier General Y.S: The Human Machine Team. How to Create Synergy Human & Artificial Intelligence That Will Revolutionize Our World. 2021
3. Henry A. Kissinger, Craig Mundie, Eric Schmidt: Genesi. Come navigare nell’Era dell’intelligenza artificiale, Mondadori, 2025
4. Mariarosaria Taddeo: Codice di guerra. Etica dell’intelligenza artificiale nella difesa, Raffaello Cortina Editore, 2025
5. Shyam Sankar: Mobilize. How to reboot the American Industrial Base and Stop World War III, Bombardier books, 2026
6. Gianluca Di Feo: Il cielo sporco. Come la guerra dei droni e dell’intelligenza artificiale cambierà il mondo, Guanda, 2025