La guerra contemporanea ha sempre avuto un’ossessione: ridurre il tempo tra informazione e azione. Dal telegrafo militare alla sorveglianza satellitare, ogni innovazione ha avuto lo stesso obiettivo, comprimere il ciclo decisionale fino a renderlo quasi istantaneo. Oggi quel ciclo, che nei manuali strategici viene chiamato “kill chain”, subisce una mutazione più sottile e più pericolosa; non è più soltanto una questione di sensori, dati e algoritmi deterministici, ma di linguaggio. Quando un sistema simile a ChatGPT o Claude entra nel processo decisionale militare, non stiamo semplicemente accelerando l’analisi, stiamo ridefinendo il modo stesso in cui il comando interpreta la realtà.
Il Pentagono non è nuovo a questo tipo di sperimentazioni. Il precedente più noto resta Project Maven, un’iniziativa che ha utilizzato la visione artificiale per identificare obiettivi attraverso immagini e video. Maven era, per così dire, un sistema silenzioso, capace di riconoscere pattern ma incapace di spiegarli. La nuova generazione di AI, invece, parla. Risponde. Argomenta. E soprattutto persuade. È qui che la trasformazione diventa strategica, perché la guerra non è mai stata solo una questione di dati, ma di interpretazione dei dati.
Il passaggio da sistemi predittivi a sistemi conversazionali introduce una dinamica che il mondo militare conosce bene ma raramente ammette: il bias umano non scompare, cambia forma. Un ufficiale che interroga un modello linguistico riceve una risposta strutturata, coerente, spesso convincente; il problema è che la coerenza linguistica non è sinonimo di verità operativa. La cosiddetta “hallucination”, termine quasi ironico se inserito in un contesto di targeting, non è un bug marginale ma una caratteristica emergente di questi sistemi. In un contesto civile può generare un articolo mediocre; in un contesto militare può ridefinire una lista di obiettivi.
La promessa, naturalmente, è irresistibile. In un teatro operativo saturo di dati, dove droni, satelliti e sensori producono flussi informativi ingestibili, un’interfaccia conversazionale riduce la complessità a una domanda e una risposta. “Quali sono i target prioritari nelle prossime sei ore?” Non serve più navigare dashboard, correlare manualmente fonti, interpretare immagini; il sistema sintetizza, classifica, suggerisce. In termini economici, è la stessa logica che ha reso irresistibili gli algoritmi di raccomandazione nelle piattaforme digitali: ridurre il costo cognitivo della decisione.
Tuttavia, la guerra non è Netflix, e il rischio sistemico è evidente. Quando OpenAI, Anthropic o xAI sviluppano modelli pensati per contesti civili e li vedono adattati a scenari classificati, si apre una tensione strutturale tra progettazione e utilizzo. I modelli sono addestrati su dati pubblici, ottimizzati per coerenza linguistica e utilità generale; improvvisamente diventano strumenti di supporto per decisioni letali. È una trasposizione funzionale che ricorda l’uso duale della tecnologia nucleare, con una differenza fondamentale: qui la barriera all’ingresso è infinitamente più bassa.
La narrativa ufficiale insiste sul fatto che “l’umano resta nel loop”. Una formula rassicurante, quasi rituale. In realtà, chi ha esperienza di sistemi decisionali complessi sa che la presenza umana non garantisce controllo, ma spesso introduce un fenomeno più sottile, quello dell’automation bias. Se il sistema suggerisce che un target ha alta priorità, l’operatore è portato a fidarsi, soprattutto quando il tempo è limitato e la pressione operativa è elevata. La decisione finale resta formalmente umana, ma sostanzialmente guidata.
Un aspetto raramente discusso riguarda la trasformazione culturale che questi sistemi introducono nelle organizzazioni militari. Per decenni, l’intelligence è stata un’arte fatta di analisti, intuizioni, errori e correzioni. L’introduzione di modelli generativi trasforma questo processo in una pipeline semi-automatizzata, dove l’interpretazione viene delegata a un sistema statistico. Il rischio non è solo operativo, ma epistemologico: si perde la capacità di dubitare. In altre parole, si esternalizza il pensiero critico.
La competizione tra fornitori tecnologici aggiunge un ulteriore livello di complessità. Il mercato dell’AI generativa è già caratterizzato da una dinamica quasi febbrile, con modelli che si succedono a ritmo trimestrale e benchmark che cambiano come le stagioni della moda. Inserire questa volatilità in un contesto militare significa accettare un grado di instabilità che storicamente le istituzioni della difesa hanno sempre cercato di evitare. La supply chain diventa un vettore di rischio strategico, non solo tecnico.
Il tema della verificabilità emerge come il vero nodo irrisolto. Nei sistemi tradizionali, ogni output può essere tracciato a una catena di regole o modelli espliciti. Nei modelli generativi, invece, la spiegabilità è spesso post-hoc, una narrazione costruita per rendere comprensibile una decisione che, nella sua essenza, resta opaca. In un contesto dove la responsabilità legale e politica è centrale, questa opacità non è un dettaglio tecnico ma un problema di governance.
Gli episodi recenti di vittime civili in operazioni militari hanno già aumentato il livello di scrutinio pubblico e politico. L’introduzione di AI generativa nella kill chain rischia di amplificare questo scrutinio, perché rende più difficile stabilire una linea di responsabilità chiara. Se un sistema suggerisce un target, l’analista approva e il comando esegue, dove si colloca la responsabilità? La risposta, per ora, è più filosofica che operativa.
Una lettura più cinica, ma forse più realistica, suggerisce che la vera motivazione dietro questa spinta non sia solo l’efficienza operativa, ma la competizione geopolitica. Nessuna potenza militare può permettersi di ignorare una tecnologia che promette di ridurre il tempo decisionale. Se uno lo fa, lo faranno gli altri. È la stessa logica che ha guidato la corsa agli armamenti nel XX secolo, ma con una differenza sostanziale: qui la velocità di innovazione è dettata dal settore privato, non dallo Stato.
Nel frattempo, iniziative come GenAI.mil cercano di istituzionalizzare l’uso di questi strumenti, creando ambienti controllati e policy di utilizzo. È un tentativo necessario, ma intrinsecamente reattivo. La tecnologia evolve più rapidamente della regolamentazione, e il risultato è un continuo inseguimento, una corsa in cui la linea del traguardo si sposta continuamente.
Una frase, spesso attribuita a vari strateghi militari, torna utile in questo contesto: “La velocità è irrilevante se stai andando nella direzione sbagliata.” L’AI generativa promette velocità, ma non garantisce direzione. In un sistema complesso come la guerra moderna, dove ogni decisione ha effetti a cascata, questa distinzione è cruciale.
Il paradosso finale è quasi ironico. Le tecnologie nate per rendere l’informazione più accessibile e democratica vengono ora integrate nei sistemi più opachi e gerarchici del pianeta. Il linguaggio, che per secoli è stato uno strumento di mediazione e comprensione, diventa parte integrante della macchina decisionale che può portare alla distruzione. Non è un salto tecnologico, è un cambio di paradigma.
Qualcuno, nella Silicon Valley, probabilmente lo definirebbe inevitabile. Un CEO più navigato lo definirebbe prevedibile. La storia della tecnologia è una sequenza di strumenti che sfuggono alle intenzioni originali dei loro creatori. L’intelligenza artificiale generativa non fa eccezione; semplicemente, accelera il processo.
Alla fine, la vera domanda non è se questi sistemi funzioneranno, ma quanto saremo disposti a fidarci di loro quando l’errore non è più un bug, ma una tragedia. In quel momento, la differenza tra una risposta plausibile e una risposta corretta smette di essere accademica e diventa esistenziale. E, come spesso accade, la tecnologia avrà già fatto un passo avanti rispetto alla nostra capacità di comprenderne le conseguenze.