La notizia, per chi osserva da anni l’evoluzione dell’intelligence e della tecnologia, non è sorprendente quanto sembra. Il fatto che la Central Intelligence Agency abbia prodotto un report interamente generato da AI senza un analista umano alla guida non rappresenta una rottura improvvisa, bensì il punto visibile di una traiettoria iniziata almeno un decennio fa. Cambia però la semantica del potere: non più strumenti a supporto dell’analista, ma agenti che iniziano a competere con il processo cognitivo stesso. È una differenza sottile, ma strategicamente devastante.
Michael Ellis, figura meno mediatica ma estremamente significativa nel panorama dell’intelligence americana, ha scelto un contesto pubblico come lo Special Competitive Studies Project per rendere esplicito ciò che fino a ieri era confinato nei corridoi classificati. Oltre 300 progetti AI in un anno non sono sperimentazione, sono industrializzazione. Quando un’organizzazione come la CIA raggiunge quella scala, significa che il paradigma è già stato validato internamente e si sta entrando nella fase di deployment operativo. In termini aziendali, siamo oltre il proof of concept; siamo nel territorio della marginal cost optimization.
Il punto più interessante non è la generazione autonoma del report, ma ciò che implicitamente suggerisce: la standardizzazione del pensiero analitico. L’intelligence, per definizione, è sempre stata un’arte imperfetta, un mix di dati, intuizione e bias cognitivi. Trasformarla in un processo replicabile da una macchina significa accettare che una parte significativa del giudizio umano sia modellabile, codificabile, e quindi sostituibile. Non è una dichiarazione tecnica; è una presa di posizione filosofica sulla natura stessa della conoscenza.
Il parallelo con la rivoluzione industriale è inevitabile, ma riduttivo. Allora si automatizzavano i muscoli; oggi si automatizza il dubbio. Un report di intelligence non è un semplice documento, è una sintesi di incertezza strutturata. Se un sistema AI riesce a produrlo autonomamente, significa che ha internalizzato non solo i dati, ma anche le euristiche con cui quegli stessi dati vengono interpretati. In altre parole, sta apprendendo il linguaggio del rischio.
L’evoluzione verso “AI coworkers” integrati nei workflow analitici è la fase intermedia, quella che rassicura i decisori politici e allo stesso tempo prepara la disintermediazione. È lo stesso schema visto nelle aziende private: prima l’assistente, poi il copilota, infine l’automazione completa. La differenza è che qui non si tratta di ottimizzare una supply chain o migliorare un funnel di marketing; si tratta di decidere cosa è vero, cosa è probabile, e cosa merita un’azione geopolitica.
Quando Ellis parla di “autonomous mission partners”, introduce un concetto che merita di essere preso molto sul serio. Non è una metafora. Nel linguaggio dell’intelligence, le parole sono scelte con precisione chirurgica. Un partner autonomo non esegue semplicemente ordini; prende decisioni entro un perimetro definito. Significa che, entro dieci anni, potremmo avere sistemi AI che non solo analizzano informazioni, ma contribuiscono attivamente alla definizione delle operazioni.
La storia recente offre già indizi chiari. Nel 2023, la CIA ha sviluppato un proprio chatbot interno, un passo quasi banale se confrontato con ciò che oggi appare all’orizzonte. Nel 2024, Bill Burns e Richard Moore hanno ammesso pubblicamente l’uso di AI generativa per il triage informativo e il supporto agli analisti. Dichiarazioni che all’epoca sembravano trasparenti, ma che oggi appaiono come un soft launch di una trasformazione molto più radicale.
Il contesto politico aggiunge un ulteriore livello di complessità. Il confronto tra il governo statunitense e Anthropic non è una semplice disputa commerciale. Quando il Segretario alla Difesa Pete Hegseth definisce un fornitore AI un “rischio per la supply chain”, sta implicitamente riconoscendo che l’intelligenza artificiale è diventata un’infrastruttura critica, al pari dell’energia o delle telecomunicazioni. La successiva decisione del Presidente Donald Trump di escludere tali strumenti dalle agenzie federali non è un atto protezionistico; è una mossa di controllo strategico.
La risposta di Dario Amodei, con la creazione di un comitato politico, segnala che le aziende AI hanno ormai accettato il loro ruolo di attori geopolitici. Non sono più semplici fornitori di tecnologia; sono stakeholder nel sistema di potere globale. Quando una società tecnologica entra direttamente nell’arena politica, il confine tra pubblico e privato si dissolve ulteriormente, creando una zona grigia che le agenzie di intelligence dovranno imparare a navigare.
Il riferimento alla Cina non è casuale. L’intelligence americana ha raddoppiato il reporting tecnologico su Pechino, focalizzandosi su semiconduttori, cloud e ricerca e sviluppo. In altre parole, sta monitorando le fondamenta stesse dell’ecosistema AI. La competizione non è più su chi ha il miglior modello, ma su chi controlla la filiera completa, dai chip ai dataset. È una guerra fredda, ma con GPU al posto delle testate nucleari.
L’elevazione del Center for Cyber Intelligence a mission center autonomo è un segnale altrettanto chiaro. Se “la battaglia della cybersecurity sarà una battaglia di intelligenza artificiale”, come affermato da Ellis, allora la sicurezza informatica smette di essere una funzione difensiva e diventa un dominio operativo primario. Gli attacchi e le difese saranno sempre più automatizzati, adattivi e, soprattutto, opachi. Il problema non sarà più capire se un sistema è stato compromesso, ma se la decisione che ha preso è stata influenzata.
La vera domanda, tuttavia, non riguarda la tecnologia, ma la governance. Chi è responsabile di un report generato autonomamente da un’AI? L’analista che lo firma? L’ingegnere che ha progettato il modello? L’organizzazione che lo ha deployato? In ambito aziendale, queste domande sono già complesse; nell’intelligence, diventano potenzialmente esplosive. Un errore di valutazione può tradursi in un conflitto internazionale.
Il rischio più sottovalutato è quello della convergenza epistemica. Se più agenzie utilizzano modelli simili, addestrati su dataset comparabili, esiste la possibilità che arrivino alle stesse conclusioni, non perché siano corrette, ma perché condividono gli stessi bias. In un sistema che storicamente ha beneficiato della pluralità di prospettive, questa omogeneizzazione potrebbe ridurre la capacità di individuare segnali deboli o interpretazioni alternative.
Un osservatore cinico potrebbe notare che tutto questo rappresenta una forma sofisticata di deresponsabilizzazione. Delegare l’analisi a una macchina consente, almeno in teoria, di distribuire il rischio decisionale. “È stato il modello” potrebbe diventare il nuovo “i dati lo suggerivano”. Una narrativa comoda, ma pericolosa, soprattutto in contesti dove le decisioni hanno conseguenze irreversibili.
Allo stesso tempo, ignorare questa evoluzione non è un’opzione. La velocità con cui le informazioni vengono generate, diffuse e manipolate richiede strumenti che operino a una scala e a una rapidità impossibili per gli esseri umani. La vera competizione non è tra uomo e macchina, ma tra sistemi ibridi più o meno efficaci. Chi riuscirà a integrare meglio l’intelligenza artificiale nei propri processi decisionali avrà un vantaggio strutturale.
Il punto finale, se così si può chiamare, è che stiamo assistendo alla nascita di una nuova classe di operatori: non più analisti nel senso tradizionale, ma orchestratori di sistemi cognitivi. Figure che non producono direttamente insight, ma progettano e supervisionano gli agenti che lo fanno. È una trasformazione che ricorda quella dei trader finanziari nell’era degli algoritmi, dove il valore si è spostato dalla capacità di eseguire operazioni alla capacità di progettare strategie automatizzate.
Qualcuno, con una certa ironia, potrebbe dire che l’intelligence sta diventando un problema di product management. Definire requisiti, validare output, gestire roadmap tecnologiche. Non è una battuta così lontana dalla realtà. Quando Ellis parla di scalare la raccolta e l’analisi delle informazioni oltre i limiti umani, sta implicitamente descrivendo un sistema che assomiglia più a una piattaforma software che a un’agenzia governativa.
La Silicon Valley, con il suo entusiasmo spesso ingenuo, ha sempre raccontato l’AI come uno strumento di empowerment. La realtà che emerge da questa evoluzione è più ambigua. L’intelligenza artificiale non sta semplicemente aumentando le capacità umane; sta ridefinendo chi, o cosa, prende le decisioni. In un contesto come quello dell’intelligence, questa distinzione non è accademica. È il nuovo campo di battaglia.