ππ‘π§πππππππ‘ππ ππ₯π§ππππππππ ππ‘ ππ¨ππ₯π₯π
Applicazioni reali e limiti etici nei conflitti contemporanei
di Alessandro Pozzi β Docente al Politecnico di Milano, esperto di geopolitica ed economia
Tra il 2023 e il 2026, sistemi basati su intelligenza artificiale sono stati impiegati operativamente in almeno quattro contesti bellici distinti: Gaza, Ucraina, Venezuela e Iran.
In alcuni di questi casi, le tecnologie AI hanno determinato, in modo diretto e documentato, chi dovesse essere colpito, quando e con quale strumento.
L’obiettivo di questo podcast Γ¨ capire come funzionino questi sistemi, a quale livello di maturitΓ si trovino, con quali limiti etici operino, e in quale direzione si stiano sviluppando.
Vedremo le sei categorie di applicazione militare dell’AI, tutte giΓ operative: target selection, sorveglianza di massa, droni autonomi, ISR (Intelligence, Surveillance, Reconnaissance), il cloud militare, la simulazione e addestramento.
La maturitΓ tecnologica non equivale a maturitΓ etica nΓ© a chiarezza giuridica e lβarticolo affronta tre nodi critici: l’automation bias, l’accuratezza dichiarata vs. errore reale, la diffusione tecnologica incontrollata.
L’AI non Γ¨ un tema del futuro. E’ una realtΓ giΓ dispiegata sui campi di battaglia e nell’economia in misura sempre piΓΉ pervasiva: le aziende e gli Stati devono porre limiti, controlli e responsabilitΓ perchΓ© l’intelligenza artificiale sta creando una straordinaria concentrazione di potere economico e quindi politico, nelle mani di un numero esiguo di imprese e persone, in competizione con gli interessi collettivi delle nostre democrazie.
Trovi di seguito l’articolo completo oltre ai link per ascoltarlo in PODCAST su YouTube (con video proiezione delle slide) e su Spotify.
Buona lettura e ascolto !
Il panorama dell’AI militare: sei categorie operative
Il primo errore da evitare Γ¨ trattare l’AI militare come un fenomeno unitario. Non esiste “l’AI militare”: esistono sei principali categorie di applicazione distinte, con livelli di maturitΓ tecnologica differenti, attori diversi e profili di rischio specifici. Studiarle separatamente Γ¨ il primo atto analitico necessario.
1. Target selection
Γ la categoria piΓΉ documentata e, per certi versi, la piΓΉ perturbante. I sistemi di target selection sono algoritmi di machine learning addestrati per generare liste di potenziali bersagli a partire da grandi volumi di dati eterogenei: comunicazioni intercettate, geolocalizzazione, attivitΓ sui social media, dati biometrici, pattern comportamentali. Il risultato Γ¨ una lista prioritizzata di individui o strutture da colpire. La compressione temporale Γ¨ drastica: ciΓ² che una volta richiedeva mesi o anni di analisi umana oggi avviene in settimane.
Il caso piΓΉ documentato Γ¨ il sistema Lavender delle IDF (Israel Defense Forces), che nei primi mesi del conflitto a Gaza ha identificato fino a 37.000 palestinesi come potenziali bersagli.
2. Sorveglianza AI
Il riconoscimento facciale applicato a reti di telecamere e l’intercettazione massiva di comunicazioni costituiscono il secondo dominio. L’UnitΓ 8200 israeliana utilizza il sistema Gospel-8200 per analizzare in tempo reale le conversazioni intercettate nei Territori Occupati e costruire profili operativi individuali. Il riconoscimento facciale viene impiegato sia per i checkpoint in Cisgiordania sia per operazioni di combattimento a Gaza, con tecnologie fornite da Corsight e integrate con Google Photos.
3. Droni autonomi
L’Ucraina ha sviluppato sciami di droni AI-enabled con cicli di iterazione di poche settimane. Israele ha esportato il sistema Harop, un loitering munition capace di individuare e colpire veicoli o individui in modo autonomo. Si tratta di un velivolo dotato di esplosivo integrato, progettato per rimanere in volo (circuitare) sopra un’area specifica in attesa di individuare il bersaglio, per poi tuffarsi e detonare all’impatto. Il sistema Γ¨ giΓ stato venduto a Cile, Cina, India, Corea del Sud e Turchia, tra gli altri.
4. Intelligence & ISR
Project Maven, avviato dagli Stati Uniti nel 2019, analizza dati satellitari e di geolocalizzazione per rilevare automaticamente potenziali bersagli. Originariamente sviluppato per operazioni contro ISIS, Γ¨ stato progressivamente esteso. La partnership strategica con Palantir ne costituisce l’infrastruttura analitica portante.
5. Cloud militare
Microsoft Azure è integrato nelle operazioni delle IDF: supporto alle unità di targeting aereo, gestione delle comunicazioni classificate, supporto operativo in tempo reale. Secondo fonti citate da +972 Magazine, il personale tecnico di Azure era così integrato nelle strutture operative israeliane da risultare indistinguibile dai militari.
6. Simulazione & training
Gli Stati Uniti investono sistematicamente in combat simulation AI-powered, addestramento tramite gemelli digitali e pianificazione operativa assistita. La Defense Innovation Unit (DIU, 2015) funge da interfaccia istituzionale tra Silicon Valley e il Pentagono β accelerando il tempo di trasferimento dall’innovazione civile all’applicazione militare.
Big Tech e il complesso militare-industriale digitale
Uno degli elementi piΓΉ rilevanti e meno discussi della trasformazione in corso riguarda il ruolo delle grandi piattaforme tecnologiche. L’AI militare non Γ¨ sviluppata esclusivamente da contractor della difesa tradizionali: Γ¨ costruita, almeno in parte, con le stesse tecnologie e spesso con la partecipazione diretta delle aziende che forniscono i servizi digitali quotidiani di miliardi di persone.
Google ha avviato nel 2021 il Project Nimbus, un contratto da 1,2 miliardi di dollari per la fornitura di servizi cloud al governo israeliano, includendo capacitΓ di riconoscimento facciale, riconoscimento delle emozioni e analisi biometrica. Nel febbraio 2025, Google ha rimosso il divieto interno all’utilizzo della propria AI per applicazioni di armamento e sorveglianza.
Amazon, co-contractor del progetto Nimbus tramite Amazon Web Services Γ¨ la divisione dedicata al cloud computing, leader mondiale nel settore. AWS permette ad aziende e governi di affittare server, spazio di archiviazione e strumenti di intelligenza artificiale via internet, ed ha proceduto nonostante le proteste interne dei dipendenti organizzati sotto il nome βNo Tech for Apartheidβ.
Microsoft ha integrato Azure nelle operazioni delle IDF, l’esercito nazionale dello Stato di Israele, con personale tecnico che risiede ed opera direttamente allβinterno delle basi militari israeliane in una modalitΓ che va ben oltre il semplice supporto commerciale.
Palantir ha siglato una partnership strategica con le IDF per analisi intelligence e supporto decisionale. Il CEO Alex Karp ha assunto pubblicamente posizioni apertamente favorevoli al conflitto. Jacob Helberg, figura chiave di Palantir, Γ¨ stato nominato Sottosegretario di Stato USA nel 2025.
OpenAI, nel febbraio 2026, ha raggiunto un accordo con il Pentagono per lβimplementazione dei propri modelli su sistemi classificati americani, su uno spettro che include analisi dati, intelligence e targeting assistito.
L’unica eccezione documentata Γ¨ Anthropic, che nel 2026 ha rifiutato di rimuovere i safety guardrail dei propri modelli per applicazioni di sorveglianza di massa e sistemi d’arma autonomi: l’unico caso di rifiuto esplicito e documentato a una richiesta del Pentagono nell’intero settore.
Gaza: il caso di studio cruciale
Gaza tra il 2023 e il 2026 rappresenta il primo caso documentato e sistematico di impiego dell’AI nel targeting di massa in un conflitto armato. Γ il caso con la maggior densitΓ di documentazione e analisi disponibile, che Γ¨ stata raccolta ed elaborata in articoli di particolare rigore e interesse analitico come quelli recentemente pubblicati su Survival (IISS, Istituto Internazionale Studi Strategici, aprileβmaggio 2026) a firma di Anwar Mhajne e Nathan Orlando.
Il sistema Lavender
Il sistema Lavender Γ¨ un algoritmo di machine learning sviluppato per le IDF con l’obiettivo di identificare potenziali affiliati di Hamas o della Jihad Islamica Palestinese. I criteri di classificazione includono variabili comportamentali: sesso maschile, giovane etΓ , residenza in determinate aree, pattern di comunicazione specifici, contatti con persone giΓ schedate.
Nei primi mesi del conflitto, Lavender ha generato una lista di circa 37.000 potenziali bersagli. L’accuratezza dichiarata Γ¨ di circa il 90%. Una cifra che potrebbe sembrare rassicurante, fino a quando non si calcola cosa significa un margine di errore del 10% applicato a 37.000 individui: migliaia di persone identificate come bersagli sulla base di un algoritmo.
Il meccanismo di approvazione umana Γ¨ stato documentato come un “rubber stamp” di circa venti secondi: tempo sufficiente per confermare l’output algoritmico, in particolare se il nome indicato Γ¨ di genere maschile, non per esaminarlo criticamente.
I tre nodi critici
Automation bias. Quando un sistema presenta una lista di bersagli con un’apparente precisione algoritmica, gli operatori tendono a fidarsi dell’output senza esame critico. L’AI amplifica questo bias perchΓ© l’output algoritmico ha una “veste di neutralitΓ ” che le valutazioni umane non possono imitare.
Regole d’ingaggio permissive. A Gaza le soglie erano: fino a 20 civili per l’eliminazione di un bersaglio di basso rango; oltre 100 civili per un leader Hamas. Nel corso del 2024, Γ¨ stato rimosso qualsiasi limite giornaliero al numero di vittime civili accettabili negli airstrikes. L’AI non ha creato questa permissivitΓ : l’ha resa operativamente scalabile.
Riconoscimento facciale fallace. La tecnologia utilizzata Γ¨ una combinazione di sistemi Corsight integrati con Google Photos e presenta tassi di errore documentati, particolarmente elevati su soggetti femminili. Il rapporto Airwars ha documentato come donne e bambini fossero tra i principali bersagli erroneamente identificati dagli algoritmi. Il tasso di falsi positivi, in questo contesto, equivale direttamente a vittime civili.
I numeri dell’impatto
Quattro dati sintetizzano le dimensioni del fenomeno: 37.000 persone nelle liste di bersaglio generate da AI; 36% di bambini tra le 5.139 vittime civili documentate nel solo mese di ottobre 2023 per le operazioni militari IDF; fattore Γ12 di accelerazione nel ciclo di targeting (da anni a settimane); oltre il 20% del PIL ed il 50% dellβexport israeliano originato dal settore high-tech, il che colloca questa storia al crocevia tra economia, politica industriale e conflitto armato.
Secondo i dati pubblicati dall’organizzazione indipendente Airwars, nei primi 25 giorni di operazioni militari a ottobre 2023, le forze israeliane hanno ucciso a Gaza almeno 5.139 civili, tra cui un minimo di 1.900 bambini. Cifre che evidenziano l’intensitΓ e l’impatto dei moderni sistemi di puntamento algoritmici sulla popolazione vulnerabile.
Secondo una dettagliata inchiesta giornalistica internazionale guidata da +972 Magazine e rilanciata da The Guardian, nelle prime sei settimane del conflitto a Gaza l’IDF avrebbe impiegato un sistema di Intelligenza Artificiale chiamato ‘Lavender’. Elaborando dati di sorveglianza di massa, l’algoritmo ha inserito fino a 37.000 palestinesi in una lista di potenziali bersagli umani per attacchi aerei a causa di presunti legami con organizzazioni militanti.
Il settore high-tech israeliano impiega lβ11,4% della forza lavoro, costituisce circa il 20% del PIL, finanzia oltre un quarto di tutte le imposte sul reddito e traina la metΓ delle esportazioni del Paese: l’iper-concentrazione dell’economia israeliana spiega perchΓ© il comparto tecnologico sia considerato un asset di sicurezza nazionale vitale per sostenere lo sforzo bellico e trainare la crescita economica.
Il paradosso della neutralitΓ apparente
L’apparente precisione dell’AI, la sua capacitΓ di presentare un output numerico, una percentuale di probabilitΓ , una lista ordinata per rilevanza, conferisce una credibilitΓ che le valutazioni umane su numeriche cosΓ¬ significative non avrebbero mai ottenuto. Strike che avrebbero suscitato scrutinio se proposti da un analista su base valutativa soggettiva vengono approvati perchΓ© “il sistema dice che…”
Questo produce un circolo vizioso: l’AI accelera il targeting, che riduce l’esitazione degli operatori, che accelera l’approvazione, che diminuisce la responsabilitΓ individuale del decisore. Al termine di questo circolo, chi Γ¨ responsabile di un attacco che si rivela sbagliato?
CCTV+AI: la sorveglianza come arma geopolitica
Una delle sezioni piΓΉ originali del seminario riguarda un fenomeno meno analizzato: la trasformazione delle reti di videosorveglianza urbana in strumenti di guerra geopolitica, secondo fonti istituzionali come Bortnikov, direttore FSB ed alcune fonti di intelligence anonime citate dal Financial Times nell’inchiesta βNew AI espionage powers trigger Putin camera scareβ pubblicata in maggio 2026.
Il caso Gaza β Iran
Nel dicembre 2025, durante le proteste in Iran, il regime aveva installato nuove telecamere per monitorare i manifestanti. Israele ha hackerato quegli stream in tempo reale, identificando i membri del Basij anche fuori divisa attraverso la combinazione di riconoscimento facciale e analisi comportamentale. Un funzionario europeo, citato dal Financial Times, ha descritto la nuova frontiera della sorveglianza AI con una formulazione che vale la pena riportare nella sua logica: il sistema non cerca piΓΉ oggetti, cerca comportamenti.
I limiti della tecnologia: il caso Sinwar
La tecnologia non Γ¨ infallibile. Israele ha dedicato risorse enormi alla localizzazione di Yahya Sinwar, architetto dell’attacco del 7 ottobre 2023, includendo sistemi di “gait analysis” (riconoscimento dell’andatura). Sinwar Γ¨ stato ucciso nell’ottobre 2024, ma non perchΓ© un sistema AI lo avesse identificato: Γ¨ stato colpito da un drone che non lo ha riconosciuto. Portava occhiali e una sciarpa avvolta attorno alle orecchie. Contromisure low-tech avevano battuto sistemi high-tech per oltre un anno.
Le reazioni sistemiche
Russia. L’FSB ha disattivato parti del sistema di sorveglianza personale di Putin dopo l’eliminazione di Khamenei, riattivandolo solo dopo avere isolato il sistema da internet. Il direttore Bortnikov (26 maggio 2026): “L’apparato di sorveglianza Γ¨ diventato una vulnerabilitΓ .”
India. Ha fissato al 1Β° aprile 2026 la scadenza per rimuovere le telecamere cinesi dalle infrastrutture critiche, con la motivazione che il software puΓ² contenere backdoor utilizzabili da Pechino o dai suoi alleati.
Cina. Investe in nuove generazioni di telecamere AI-enabled, ma le stesse telecamere cinesi installate in tutto il mondo rappresentano una vulnerabilitΓ . L’analisi Five Eyes Γ¨ lapidaria: “Loro mettono su le telecamere, noi troviamo solo il modo di entrare. E c’Γ¨ sempre un modo.”
Ucraina. I servizi di intelligence ucraini hanno penetrato le traffic cam di Mosca e utilizzato la localizzazione dei cellulari per assistere nell’eliminazione di ufficiali militari russi di alto grado nel cuore di Mosca, tra cui il generale Sarvarov nel dicembre 2025.
L’implicazione sistemica Γ¨ di portata storica: ogni paese che installa sistemi CCTV, in particolare attualmente con componenti cinesi, sta costruendo un’infrastruttura che i propri avversari potranno utilizzare contro di esso. Il costo dell’insicurezza informatica delle telecamere non Γ¨ piΓΉ l’esposizione di dati personali, bensΓ¬ arriva fino al rischio di eliminazione della leadership.
La prospettiva ingegneristica: quattro domande aperte
Questo seminario Γ¨ stato pensato per sensibilizzare, su aspetti tecnologici ed etici, un’audience di ingegneri magistrali, studenti che in pochi anni progetteranno sistemi complessi. Quattro dimensioni sistemistiche definiscono le sfide specifiche dell’AI in contesti civili e dual-use.
AffidabilitΓ e robustezza. Come si gestiscono i failure modes in un sistema che opera in un ambiente βadversarialβ dove il nemico cercherΓ attivamente di ingannarlo o degradarne le prestazioni? L’identificazione e l’analisi di βcomeβ si manifesta un difetto in un componente, un processo o un sistema sono passaggi fondamentali di metodologie preventive per migliorare l’affidabilitΓ e la sicurezza: i framework normativi dell’avionica (DO-178C) e dell’automotive (ISO 26262) forniscono analogie parzialmente utili, ma non coprono la dimensione adversarial.
Trasparenza algoritmica. I sistemi di machine learning piΓΉ performanti sono fondamentalmente delle black box: producono output senza che sia possibile ricostruire il percorso decisionale. Chi certifica un modello che non puΓ² essere ispezionato? Come si fa validazione su scenari che non si possono testare in sicurezza?
Human-Machine Interface. L’automation bias visto a Gaza non Γ¨ un fenomeno esclusivamente militare: Γ¨ un pattern comportamentale documentato ogni volta che gli esseri umani interagiscono con sistemi automatizzati che sembrano affidabili. Come si progetta un’interfaccia che mantenga l’operatore cognitivamente attivo, e non semplicemente in posizione di firma?
Cybersecurity e adversarial attacks. Adversarial examples (input modificati ad arte per trarre in inganno un modello di IA senza che un essere umano se ne accorga), data poisoning (inserimento di dati falsi, corrotti o etichettati male nel database usato per istruire l’IA), model inversion (interroga ripetutamente il modello, osservandone le risposte per ricostruire lβinput originale protetto): sono vulnerabilitΓ intrinseche ai modelli di machine learning attuali, che in un contesto militare possono avere conseguenze operative dirette.
Per approfondire le implicazioni etiche di questi temi, penso corretto ed opportuno suggerire quattro domande aperte su cui riflettere:
1. Un ingegnere che progetta un sistema dual-use ha responsabilitΓ legale e morale per il suo uso finale?
2. Come si certifica un sistema AI che opera in ambienti non strutturati e in condizioni di incertezza estrema?
3. Quale livello di autonomia Γ¨ ingegneristicamente giustificabile in sistemi d’arma? Dove si pone il confine?
4. Come si garantisce la tracciabilitΓ delle decisioni di un sistema AI in un contesto legale internazionale?
Nell’ambito dell’Intelligenza Artificiale, dove l’impatto etico Γ¨ legato a doppio filo all’architettura stessa dei modelli, i sistemi dual-use rappresentano una delle sfide piΓΉ complesse e urgenti per l’ingegneria moderna. Il Politecnico di Milano ad esempio promuove attivamente la riflessione sull’etica e sulla responsabilitΓ sociale dei tecnologi.
Sintesi degli elementi chiave per orientarsi nel campo dell’AI dual-use
1. L’AI Γ¨ giΓ in guerra, non Γ¨ un tema futuro. Gaza Γ¨ il primo caso documentato e sistematico di AI applicata al targeting di massa. Le lezioni devono essere apprese ora, non quando la tecnologia sarΓ ulteriormente diffusa.
2. La tecnologia amplifica, non determina. L’AI Γ¨ un fattore abilitante e βlegittimanteβ degli abusi, non la loro causa originaria. Rimuovere gli abusi non richiede rinunciare alla tecnologia: richiede governance della tecnologia.
3. Dual-use AI evidenzia un vuoto normativo urgente. Software e machine learning non sono coperti dai controlli sull’export di tecnologie dual-use. Questa Γ¨ la principale lacuna da colmare a livello legislativo internazionale ed Γ¨ direttamente rilevante per ogni ingegnere che progetta sistemi con potenziale applicazione duale. Lβunica recentissima eccezione USA Γ¨ il temporaneo blocco imposto nellβaccesso ai modelli Fable 5 e Mythos 5 di Anthropic per qualsiasi cittadino non statunitense.
4. Il giudizio umano Γ¨ insostituibile nel nucleare. Track record umano: perfetto (5 crisi evitate 1960β1995). Track record AI: zero. Non c’Γ¨ razionale per invertire i ruoli.
5. Serve cooperazione USA-Cina-UE sulla governance. Non solo leggi strutturali, ma norme comportamentali concordate. La finestra diplomatica esiste, ma si chiude progressivamente con ogni accelerazione tecnologica.
La sfida piΓΉ importante che abbiamo davanti
Alle macchine stanno venendo delegate da Privati e da organizzazioni statali, decisioni sempre piΓΉ rilevanti per impatto economico e sociale: in alcuni casi, come in operazioni militari e nella ricerca biologica, con conseguenze enormi.
E’ fondamentale che gli esseri umani rimangano responsabili di queste decisioni, come programmatori di IA, manager delle aziende che la vendono e responsabili delle decisioni nelle istituzioni che la usano.
Un recente post di Anthropic afferma che “stiamo delegando una quota crescente dello sviluppo dell’IA agli stessi sistemi di IA.. . . Portata abbastanza lontano, e con un calcolo sufficiente, questa tendenza indica un sistema di IA in grado di progettare e sviluppare autonomamente il proprio successore“.
Il post afferma poi che “se fosse possibile… rallentare lo sviluppo di questa tecnologia, per darci piΓΉ tempo per affrontarne le immense implicazioni, pensiamo che sarebbe probabilmente una buona cosa”: anche Anthropic, un leader nell’IA, ha paura di ciΓ² che ci aspetta e potrebbe voler rallentare il ritmo, ma Γ¨ in gara e non puΓ² controllare quello che fanno i suoi concorrenti.
Come sottolinea Martin Wolf su Financial Times: “ci sono buone probabilitΓ che l’IA nel tempo devasti il mercato del lavoro, aumenti le disuguaglianze e crei una straordinaria concentrazione di potere economico – e quindi politico – nelle mani di un numero esiguo di imprese e persone. Se aggiungiamo questo alle molte altre minacce che la tecnologia pone, ci troviamo di fronte all’enorme rischio di un rovesciamento autocratico della democrazia.”
Gli Stati devono porre limiti, controlli e responsabilitΓ perchΓ© l’intelligenza artificiale sembra destinata a peggiorare la situazione collettiva delle nostre democrazie.
Deve esserci un accordo globale su come testare e controllare l’IA e su come imporre la responsabilitΓ per i danni: l’UE sta ancora una volta svolgendo il ruolo di regolatore di prima (o ultima) risorsa.
Autore: Prof. Alessandro Pozzi, Dipartimento di Ingegneria Meccanica, POLIMI.
Laurea Magistrale in Ingegneria Meccanica β Defense & Security β Corso di Geopolitica per la Difesa e la Sicurezza – POLIMI A.A. 2026/2027
Integrare lβanalisi geopolitica nelle valutazioni di allocazione strategica Γ¨ ormai indispensabile.
CβΓ¨ un forte bisogno, da parte di Leader aziendali e responsabili degli investimenti, di avere una visione strategica, per dare senso, creare connessioni nuove e individuare opportunitΓ nei rapidi cambiamenti in atto, sempre piΓΉ guidati dai processi decisionali degli Stati.
Puoi essere sempre aggiornato consultando gli βappunti di geopoliticaβ di questo sito ed iscrivendoti gratuitamente alla newsletter βGeopolitica Difesa Sicurezzaβ: un filo diretto con lβinnovativo insegnamento POLIMI GDS, che ti mette a disposizione sintesi dei seminari, le testimonianze esclusive e le analisi.
Subscribe on LinkedIn
Subscribe on LinkedIn https://www.linkedin.com/build-relation/newsletter-follow?entityUrn=7241839645951447040