Presentazione


Analisi, opinioni, fatti e (più di rado) arte da una prospettiva di classe.
Visualizzazione post con etichetta Algoritmo. Mostra tutti i post
Visualizzazione post con etichetta Algoritmo. Mostra tutti i post

02/11/2026

Yuossef Siher, il primo detenuto politico della magistratura predittiva italiana

di Silvano Cacciari

L’ordinamento penale costituzionale italiano si fonda sul principio di materialità e di offensività del fatto (artt. 25, comma 2, e 27 della Costituzione): il soggetto può essere assoggettato a sanzione o a restrizione della libertà personale esclusivamente in ragione di una condotta che leda o ponga in pericolo concreto un bene giuridico tutelato. Tuttavia, quando si tratta di “terrorismo” o di “eversione dell’ordine democratico”, si assiste a una progressiva, perversa torsione del paradigma punitivo e cautelare.

Infatti, nei procedimenti per reati associativi o istigatori aggravati dalla finalità di terrorismo, il trattenimento in custodia cautelare in carcere cessa di dipendere dalla gravità oggettiva e dalla consistenza offensiva del fatto commesso, per ancorarsi in via preminente alla potenzialità lesiva ed eversiva della persona, estesa dagli organi inquirenti fino al massimo grado consentito dall’interpretazione prognostica della biografia, del capitale culturale e delle competenze tecniche dell’indagato.

Il caso giudiziario di Youssef Siher – sottoposto a fermo di indiziato di delitto dalla Procura della Repubblica di Milano il 24 ottobre 2026 in seguito alla creazione dei canali social denominati “Movimento 17 ottobre” – costituisce un caso di studio paradigmatico. L’esame congiunto degli atti d’indagine, della costruzione mediatica del caso, dell’evoluzione legislativa del decennio 2015–2026 e dell’impiego delle tecnologie di intelligenza artificiale dimostrano come l’apparato repressivo tenda oggi a neutralizzare preventivamente la capacità intellettuale e relazionale del soggetto, surrogando con essa la mancanza di offensività materiale della condotta. In poche parole, la magistratura sanziona perché si fa predittiva e, in materia di “terrorismo”, Youssif Siher segna il non invidiabile record di primo detenuto politico di questo genere di magistratura.

1. Youssif Siher, il profilo

Youssef Siher è un cittadino italiano di 30 anni, cosiddetto di seconda generazione, nato nel bresciano da famiglia di origini marocchine, anagraficamente residente a Mazzano (Brescia) e domiciliato di fatto nell’area metropolitana milanese. Sotto il profilo linguistico e culturale, è bilingue (madrelingua italiano e arabo) e parla fluentemente inglese e spagnolo.

Il suo percorso accademico si è sviluppato interamente presso l’Università degli Studi di Milano (Statale), dove ha conseguito nel luglio 2020 la laurea triennale in Comunicazione – discutendo con il professor Nicola Del Corno una tesi storiografica in Storia delle dottrine politiche sulla Sunna e sulla recezione dei precetti islamici nelle istituzioni statuali, giudicata dal relatore priva di connotazione radicale o apologetica – e successivamente la laurea magistrale in Scienze Politiche, con una tesi sui movimenti islamici in Marocco e i loro rapporti con la monarchia. Durante gli anni universitari è stato eletto rappresentante degli studenti nel Senato Accademico nelle liste di UniLab, formazione studentesca di orientamento moderato e vicina al centrodestra. Nel 2024 ha svolto un tirocinio di ricerca (research trainee) presso l’Osservatorio sul Medio Oriente e Nord Africa dell’ISPI (Istituto per gli Studi di Politica Internazionale).

Sul piano lavorativo, ha operato come giornalista freelance collaborando con Il Fatto Quotidiano (occupandosi tra il 2022 e il 2024 di proteste studentesche e poi di crisi internazionali in Tunisia, Egitto, Sudan, Gaza e Mar Rosso), con Il Foglio (un singolo articolo sul Pakistan nel 2022) e con il canale satellitare panarabo Al Mayadeen English, ritenuto politicamente contiguo a Hezbollah. Da gennaio 2026 lavora come esperto generalista per Mercor, una startup statunitense di intelligenza artificiale, occupandosi di valutazione, etichettatura dati (data labeling) e addestramento di modelli algoritmici. Nel 2024 era stato oggetto di una segnalazione dei servizi di intelligence italiani per aver fondato e presieduto l’associazione Organizzazione Alba Nascente (OAN), attiva nel contrasto all’islamofobia e nelle mobilitazioni pro-Palestina. Nel settembre 2026 si è sposato con Sagia Hammoud, trentaduenne mediatrice interculturale nata e residente a Como, di origini libanesi e palestinesi, attivista dei Giovani Palestinesi di Milano.

2. Le contestazioni della procura

La mattina di sabato 24 ottobre 2026, gli operatori della Squadra Mobile, della Digos e della Polizia Postale di Milano hanno rintracciato Siher in un appartamento di via Romilli (quartiere Corvetto, Milano), abitazione di un’attivista pro-Palestina, localizzandolo attraverso il tracciamento tecnico del telefono cellulare della moglie Sagia Hammoud, poiché il dispositivo di Siher risultava spento. Condotto in Questura, nella tarda serata del 24 ottobre è stato sottoposto a fermo di indiziato di delitto su decreto emesso dal Procuratore della Repubblica di Milano Marcello Viola e dalla pubblico ministero del pool antiterrorismo Francesca Crupo. 

Dall’esame degli atti allegati al decreto di fermo e alla richiesta di convalida emerge che a Siher non viene contestata la partecipazione materiale o l’organizzazione dei violenti scontri e dei saccheggi verificatisi nel centro di Milano (tra piazza Duomo e San Babila) nel fine settimana del 17 e 18 ottobre 2026. L’addebito riguarda esclusivamente l’attività comunicativa e digitale posta in essere dopo tali disordini. Il primo nucleo fattuale raccolto dalla Polizia Postale e dalla Digos attiene alla creazione e all’amministrazione dei canali “Movimento 17 ottobre” (siglato M1710): domenica 18 ottobre 2026, alle ore 19:58, Siher (in concorso con la moglie) ha attivato il gruppo Telegram e la pagina Instagram del movimento, contraddistinti da un logo con una “M” bianca cerchiata su sfondo nero recante le cifre “17” e “10”. In pochi giorni tali canali hanno raccolto tra i 9.000 e gli 11.000 iscritti, generando un bacino di visualizzazione potenziale stimato dalla Procura in 150.000 utenti.

Il secondo nucleo probatorio riguarda gli slogan e i post pubblicati su Instagram e Telegram, qualificati dall’accusa come atti di istigazione a delinquere e “dichiarazione di guerra continua”. Tra questi spicca il post recante la frase “Lo Stato ci piscia addosso e i media ci fanno credere che piove, Meloni dichiara guerra al futuro di questo paese e noi dichiariamo guerra a questo presente infame”, cui si aggiungono l’invito alla “mobilitazione permanente ogni sabato. Fino alla caduta di questo governo ladro”, con la convocazione di presidi in otto città italiane per il 24 ottobre, nonché un messaggio scritto direttamente da Siher su Telegram: “Dobbiamo fare come la Francia, lì sono ben organizzati e soprattutto attivi”. Nel provvedimento vengono inoltre richiamati messaggi dal tenore esplicitamente violento (quali “spaccare gli istituti di credito è giusto” e “banche tutte al rogo”), i quali risultano tuttavia postati nella chat generale da profili terzi e anonimi, e non dall’amministratore.

Un terzo elemento d’accusa concerne le disposizioni orarie programmate e le comunicazioni private rinvenute sul computer portatile sequestrato a Siher. Il dispositivo è stato trovato dagli agenti acceso e privo di password sulla schermata delle chat di coordinamento, a differenza dello smartphone di cui l’indagato ha rifiutato di fornire il codice di sblocco. Sul notebook la Polizia Postale ha individuato due messaggi programmati su Telegram per le ore 14:31 e 15:31 di sabato 24 ottobre, mai partiti a causa del sequestro, i quali contenevano l’indicazione dei tre punti di concentramento cittadini in cui i manifestanti avrebbero dovuto radunarsi per poi convergere nella piazza finale. Sul medesimo portatile era attivo l’account WhatsApp Web denominato “Youssef Siher”, contenente messaggi di terzi che chiedevano informazioni logistiche sul corteo del 24 ottobre.

Il quarto pilastro probatorio è rappresentato dal reperimento sui dispositivi di un documento in formato PDF intitolato “Rivoluzione, istruzioni per l’uso – Liberamente ispirato dal manuale della Rivoluzione egiziana del 2011”. Il testo, concepito come guida alla disobbedienza civile contro il governo Meloni, suggerisce l’equipaggiamento da indossare in piazza (felpe con cappuccio, occhiali protettivi, kefiah, guanti, kit di primo soccorso), illustra tecniche di difesa passiva dai gas lacrimogeni (includendo un’illustrazione sul rilancio del candelotto verso i reparti di polizia), consiglia l’uso di scudi rudimentali e vernice spray per oscurare i blindati e le telecamere di sorveglianza, invita a “sfondare” eventuali blocchi di polizia e propone la creazione di gruppi temporanei sull’applicazione Signal con amministratori scelti casualmente per monitorare gli spostamenti delle forze dell’ordine e cancellare le tracce a fine corteo. Infine, un quinto elemento emerso dall’analisi forense della cronologia web riguarda le interrogazioni rivolte da Siher a sistemi di intelligenza artificiale generativa, ai quali aveva chiesto informazioni per l’elaborazione di “strategie rivoluzionarie”, facendosi assistere dall’IA anche nella redazione del secondo comunicato del movimento, pubblicato il 23 ottobre, con cui si annunciava il cambio di tattica per le piazze del giorno seguente.

3. La motivazione cautelare

Il passaggio cruciale della scheda clinico-giuridica risiede nel modo in cui il Procuratore Viola e la PM Crupi motivano la sussistenza del periculum libertatis (pericolo di reiterazione del reato ex art. 274, lett. c, c.p.p. e pericolo di fuga ex art. 274, lett. b, c.p.p. e art. 384 c.p.p.) a carico di un soggetto totalmente incensurato.

Nella richiesta di convalida e di applicazione della custodia in carcere, i magistrati scrivono testualmente che Siher, sebbene incensurato, “ha dimostrato una particolare capacità delinquenziale nel senso di saper sfruttare il suo elevato background culturale ed i suoi contatti”, palesando “particolare abilità e acume” e competenze informatiche idonee a “sviluppare una strategia rivoluzionaria”. Analogamente, il pericolo di fuga viene ritenuto “evidente” non già sulla base di preparativi materiali di espatrio (biglietti aerei, passaporti falsi o conti esteri), bensì in ragione del fatto che, pur essendo “italiano di seconda generazione”, egli possiede “particolari abilità e capacità di muoversi” e una “rete relazionale che gli consentirebbe di riparare all’estero” e far perdere le proprie tracce. In questa architettura argomentativa, l’istruzione superiore, il plurilinguismo e il cosmopolitismo relazionale – che nella fisiologia dell’ordinamento costituiscono indicatori di pieno inserimento sociale – subiscono una metamorfosi clinico-criminologica, trasformandosi nella prova regina della pericolosità terroristica del soggetto. Insomma Siher non è pericoloso perché stava preparando la fuga ma lo è perché intelligente e quindi si prevede che sarà pericoloso. La magistratura predittiva fa quindi il suo ingresso in scena.

4. Accanto alla magistratura predittiva: i media costruiscono il nemico interno

L’arresto di Youssef Siher è stato accompagnato da una deflagrazione mediatica che ha agito in totale autonomia rispetto al perimetro tecnico-giuridico delle contestazioni, edificando attorno alla figura dell’indagato una narrazione ipertrofica fondata sulla suggestione del “grande vecchio” o dell’infiltrato radicale. L’analisi del discorso pubblico prodotto tra il 24 e il 27 ottobre 2026 permette di isolare quattro meccanismi strutturali attraverso i quali l’hype giornalistico ha preparato e legittimato la torsione preventiva della misura cautelare.

Il primo meccanismo consiste in una sistematica distorsione cronologica. Nonostante gli atti della Procura di Milano chiariscano che i canali social del “Movimento 17 ottobre” sono stati aperti alle ore 19:58 di domenica 18 ottobre – ovvero a guerriglia urbana ormai esaurita – e che a Siher viene contestata la sola attività istigatoria successiva, la quasi totalità delle testate d’informazione ha titolato presentando il trentenne come “la mente degli scontri e dei saccheggi di sabato e domenica 17 e 18 ottobre”, “il presunto regista” delle devastazioni o “il capo e ideologo dei maranza arrestato”.

Questa sovrapposizione tra l’amplificazione digitale post factum e la regia materiale ante factum risponde a una precisa esigenza psicologico-politica: di fronte a una rivolta giovanile estemporanea, fluida e priva di rivendicazioni strutturate, l’opinione pubblica e gli apparati di sicurezza necessitano di un soggetto singolo, razionale e identificabile a cui imputare la paternità del caos. Come rilevato da osservatori attenti, si è così alimentata l’illusione ottica che, bloccando il profilo social di Siher la mattina del 24 ottobre, lo Stato avesse “schiacciato la testa del serpente”, quando in realtà nella medesima giornata di sabato 24 ottobre si sono registrati 371 fermati (di cui 110 minorenni) nei cortei nazionali e gravi scontri di piazza a Bologna, del tutto privi di coordinamento con l’indagato milanese.

Un secondo dispositivo retorico dell’hype mediatico risiede nella criminalizzazione del successo formativo. La stampa conservatrice ha insistito ossessivamente sul contrasto tra la figura del giovane disagiato di periferia e il curriculum d’eccellenza di Siher: “Non c’era un maranza dietro il Movimento 17 ottobre. Non c’era neppure un ragazzo disagiato […] C’era, invece, Youssef Siher […] almeno sulla carta, uno che ce l’ha fatta”. Invece di leggere la laurea, il master, la conoscenza di quattro lingue e il ruolo nel Senato Accademico con la lista moderata UniLab come elementi incompatibili con un profilo di terrorismo stragista o insurrezionale, il circuito mediatico li ha letti attraverso il prisma della dissimulazione e del “fallimento del miraggio dell’integrazione”.

Questa lettura ha generato una ricaduta immediata sul mondo accademico e dei think tank. L’ISPI si è affrettato a diramare una nota ufficiale per precisare che lo stage di Siher risaliva al 2024 e che da allora non vi era stata alcuna collaborazione, mentre su testate come Linkiesta il caso è stato utilizzato per invocare misure urgenti sulla “sicurezza della ricerca”, paventando il rischio di infiltrazioni radicali nelle università italiane. Tale allarme appare del tutto scollegato dalla realtà empirica, ove si consideri che il relatore di tesi di Siher, il professor Nicola Del Corno, ha pubblicamente attestato l’assoluto rigore scientifico e l’assenza di qualsiasi vena estremista o apologetica negli studi del giovane sull’islamismo politico.

Il terzo pilastro dell’hype giornalistico ha operato per accumulazione suggestiva di significanti geopolitici eterogenei, fondendo attivismo filopalestinese, terrorismo islamista e guerra ibrida russa. Nel giro di quarantotto ore, le cronache hanno saldato in un unico blocco narrativo la segnalazione d’intelligence del 2024 relativa alla fondazione dell’Organizzazione Alba Nascente (OAN) e alla partecipazione di suoi esponenti a una conferenza stampa alla Camera dei Deputati su invito del parlamentare Aboubakar Soumahoro, vecchi commenti analitici di Siher sullo statuto di Hamas del 2017 e il suo lavoro giornalistico per l’emittente Al Mayadeen English, nonché il testo scritto a quattro mani con la moglie Sagia Hammoud sulla morte del diciannovenne Ramy Elgaml durante un inseguimento dei carabinieri a Milano nel novembre 2024. A questo mosaico biografico è stata infine sovrapposta l’ipotesi di collegamenti operativi con la galassia degli hacker filorussi (NoName) o con centrali del cosiddetto “terrorismo urbano di matrice islamica”. Sebbene gli stessi inquirenti milanesi abbiano dovuto dare atto della totale assenza di evidenze circa contatti con hacker filorussi o entità statuali, il frame mediatico ha continuato a presentare Siher come il punto di saldatura tra jihadismo internazionale e sovversione delle piazze europee.

Infine, il caso è stato immediatamente assorbito nella contesa politica nazionale, trasformandosi in un test di lealtà ideologica. Mentre esponenti della destra mediatica (come Italo Bocchino su X) arrivavano a evocare il trattamento carcerario marocchino (“saresti stato riempito di botte nel momento dell’arresto, saresti stato buttato in una cella e le chiavi sarebbero state gettate chissà dove. Ringrazia l’Italia, pentiti”), nel centrosinistra esplodeva una dura polemica attorno a Maurizio Acerbo (Rifondazione Comunista), attaccato dal senatore PD Filippo Sensi e da Angelo Bonelli (AVS) per aver messo in discussione la legittimità del fermo per reati d’opinione.

Al contempo, tuttavia, l’evidente sproporzione tra l’hype terroristico e la consistenza delle prove ha generato una convergenza critica trasversale: da Susanna Marietti (coordinatrice di Antigone) e l’avvocato penalista Mirko Mazzali, fino a direttori di orientamento opposto come Marco Travaglio (Il Fatto Quotidiano) e Giuliano Ferrara (Il Foglio, già schedatore di operai durante gli anni di piombo, ndr), i quali hanno concordemente ridimensionato la figura dello “stratega del terrore” a quella di un giovane agitatore, denunciando l’uso inflazionato della categoria di terrorismo e della custodia cautelare per un reato d’opinione.

5. Alle origini della magistratura predittiva italiana: legislazione e giurisprudenza

Per comprendere come la Procura di Milano abbia potuto qualificare l’apertura di un canale social e il possesso di un file PDF come fattispecie di matrice terroristica ed eversiva, è necessario esaminare la traiettoria compiuta dalla legislazione penale italiana nell’ultimo decennio. Tale percorso mostra una sistematica anticipazione della soglia di punibilità che ha progressivamente eroso il principio di offensività, istituzionalizzando la sanzione della pericolosità soggettiva e del “punibile perché si prevede che commetta reati”, vera legge aurea della magistratura predittiva.

La dottrina penalistica italiana si è a lungo interrogata sul rapporto tra la legislazione d’emergenza antiterrorismo e il modello teorico del diritto penale del nemico (Feindstrafrecht) elaborato dal giurista tedesco Günther Jakobs. Secondo Jakobs, mentre il “diritto penale del cittadino” attende l’esteriorizzazione di un fatto lesivo e conserva una finalità rieducativa, il “diritto penale del nemico” colpisce soggetti che, per la loro presunta infedeltà permanente all’ordinamento, vengono privati dello status di persona e sottoposti a una neutralizzazione preventiva basata sulla loro potenzialità offensiva futura, mediante un’estrema anticipazione della tutela, la vaghezza delle fattispecie, la sproporzione sanzionatoria e l’abbattimento delle garanzie processuali.

Se fino alla metà degli anni Duemiladieci illustri studiosi (tra cui Francesco Palazzo) preferivano qualificare il sistema italiano come un “diritto penale al limite” – ossia un sistema che, pur flessibilizzando le garanzie e arretrando la soglia punitiva, tentava di rimanere entro gli argini costituzionali di proporzionalità e offensività – gli interventi normativi dell’ultimo decennio hanno progressivamente varcato tale confine attraverso quattro tappe fondamentali. La prima fase si è aperta con il D.L. 18 febbraio 2015, n. 7 (convertito nella L. 17 aprile 2015, n. 43), emanato in risposta al fenomeno dei foreign fighters e agli attentati in Francia, che ha spostato il focus dalla struttura associativa (art. 270-bis c.p.) al cosiddetto “lupo solitario”. Tale intervento ha punito il soggetto passivo dell’arruolamento (art. 270-quater c.p.), l’organizzazione di trasferimenti per finalità di terrorismo (art. 270-quater.1 c.p.) e l’auto-addestramento (self-training, art. 270-quinquies c.p.), introducendo altresì l’aggravante speciale dell’uso di strumenti informatici o telematici per i delitti di istigazione e apologia (art. 414, comma 4, c.p.). Nel 2015, tuttavia, il legislatore aveva ancorato l’auto-addestramento al requisito che il soggetto, acquisite le istruzioni, ponesse in essere “comportamenti univocamente finalizzati” alla commissione delle condotte terroristiche (art. 270-sexies c.p.), cercando così di evitare la punizione della mera cogitatio o dello studio teorico.

La seconda tappa è stata segnata dalla L. 28 luglio 2016, n. 153 e dal D.Lgs. 1 marzo 2018, n. 21, che hanno introdotto i reati di finanziamento di condotte con finalità di terrorismo (art. 270-quinquies.1 c.p.), sottrazione di beni o denaro sottoposti a sequestro (art. 270-quinquies.2 c.p.) e atti di terrorismo nucleare (art. 280-ter c.p.). Il dato dogmaticamente più allarmante di questa fase risiede nella rottura del principio di proporzionalità: il mero finanziatore (art. 270-quinquies.1) viene punito con la reclusione da 7 a 15 anni, la medesima pena prevista dall’art. 270-bis c.p. per i promotori, capi e dirigenti di un’associazione terroristica armata. Nel 2018, per effetto della riserva di codice, la circostanza aggravante trasversale della finalità di terrorismo o di eversione dell’ordine democratico è stata stabilmente codificata nell’art. 270-bis.1 c.p..

Con la terza tappa, coincidente con il D.L. 11 aprile 2025, n. 48 (cosiddetto “Decreto Sicurezza 2025”), l’argine garantistico dei “comportamenti univoci” è stato definitivamente abbattuto. Il nuovo art. 270-quinquies.3 c.p. (Detenzione di materiale con finalità di terrorismo) incrimina infatti con la reclusione da 2 a 6 anni chiunque consapevolmente si procuri o detenga materiale contenente istruzioni sulla preparazione o sull’uso di congegni bellici, armi, sostanze chimiche o su ogni altra tecnica per il compimento di atti con finalità di terrorismo (art. 270-sexies), senza richiedere alcun comportamento esecutivo ulteriore. Come evidenziato dalla più recente dottrina penalistica (Rubeo, Manes), si tratta di un reato a forma libera, sussidiario e di pericolo presunto, in cui l’ipertrofia della componente soggettivistica trasforma la pena in mero strumento di “messa in sicurezza” preventiva della società.

Infine, la quarta tappa si è consumata con il D.L. 22 ottobre 2026, n. 190, pubblicato nella Gazzetta Ufficiale n. 246 del 22 ottobre 2026 sull’onda emotiva degli scontri milanesi del weekend precedente, il quale compie la saldatura definitiva tra la logica dell’antiterrorismo e la gestione dell’ordine pubblico di piazza. Esso introduce l’art. 420-bis c.p. (Violenza organizzata nelle manifestazioni pubbliche) e l’art. 635.1 c.p. (Danneggiamento commesso da un gruppo organizzato), punendo da 4 a 12 anni chi promuove, organizza o anche solo istiga telematicamente gruppi di almeno cinque persone che operino con violenza “anche occasionalmente”, ed estendendo a tutte queste ipotesi l’arresto in flagranza differita (art. 382-bis c.p.p.).

6. La deriva predittiva della magistratura italiana

Questa deriva legislativa entra in rotta di collisione frontale con oltre mezzo secolo di giurisprudenza costituzionale e di legittimità in materia di reati d’opinione e di pericolo. La Corte Costituzionale, con la storica sentenza n. 65 del 1970, ha salvato l’art. 414 c.p. (istigazione e apologia di delitto) dalla declaratoria di illegittimità per contrasto con l’art. 21 Cost. a una condizione tassativa: che la condotta non si esaurisca nella pura manifestazione di un pensiero radicale o dissidente, ma presenti, per le sue modalità concrete, un’effettiva e immediata idoneità a provocare la commissione di delitti. Analogamente, con la sentenza n. 108 del 1974  la Consulta ha dichiarato parzialmente illegittimo l’art. 415 c.p. (istigazione a disobbedire alle leggi e all’odio fra le classi sociali) laddove non richiedeva che il fatto fosse commesso “in modo pericoloso per la pubblica tranquillità”.

Recependo tali coordinate, la Corte di Cassazione ha costantemente ribadito che il delitto di cui all’art. 414 c.p. configura un reato di pericolo concreto e non presunto, il quale esige dal giudice una rigorosa valutazione ex ante sulla reale attitudine del discorso, nel contesto specifico e nel momento storico dato, a innescare il passaggio all’azione delittuosa da parte dei destinatari (Cass. Pen., Sez. I, sent. n. 48247 del 2019). Allo stesso modo, la Suprema Corte ha statuito che anche nelle fattispecie antiterrorismo a tutela fortemente anticipata, come l’auto-addestramento ex art. 270-quinquies c.p., il principio costituzionale di offensività impone l’accertamento di riscontri fattuali esterni alla mera acquisizione o consultazione di materiale ideologico o teorico (Cass. Pen., Sez. V, sent. n. 13087 del 19 gennaio 2017).

La ragione per cui nel caso Siher – come in numerosi procedimenti analoghi – questo consolidato statuto garantistico è stato disapplicato nella fase genetica del procedimento risiede nel meccanismo processuale del doppio binario cautelare (art. 275, comma 3, c.p.p. e art. 51, comma 3-quater, c.p.p.). Quando il pubblico ministero innesta su un reato comune (come l’istigazione ex art. 414 c.p., punita nella forma base da 1 a 5 anni, misura che di per sé renderebbe ardua o preclusa la custodia in carcere per un incensurato) la finalità di terrorismo o di eversione ex artt. 270-bis.1 e 270-sexies c.p., si attiva un regime processuale speciale. In tale regime vige una presunzione legale relativa di sussistenza delle esigenze cautelari e di adeguatezza esclusiva della custodia in carcere. Di conseguenza, nella fase del fermo e della convalida, il baricentro cognitivo del giudice viene spostato dall’accertamento del pericolo concreto dell’atto (che richiederebbe la prova quasi impossibile che uno slogan su Instagram determini causalmente un saccheggio) alla valutazione del pericolo potenziale dell’autore. La contestazione dell’aggravante terroristica funge così da “chiave d’accesso” processuale per neutralizzare in carcere (nella sezione speciale AS2) la potenzialità soggettiva dell’indagato, eludendo nella fase cautelare il vaglio stringente imposto dalla Cassazione per il giudizio di merito. Con questa elusione, la magistratura italiana ha strumenti per poter girare il proprio, personale Minority Report.

7. Intelligenza artificiale, polizia predittiva, costruzione del terrorista

Il caso Youssef Siher segna uno spartiacque inedito nella storia giudiziaria italiana anche sotto il profilo tecnologico: è il primo procedimento per terrorismo ed eversione in cui l’Intelligenza Artificiale (IA) compare simultaneamente nel profilo professionale dell’indagato, nel compendio probatorio d’accusa e nell’infrastruttura di sorveglianza e misurazione del pericolo utilizzata dagli inquirenti. L’analisi dimostra come i sistemi algoritmici agiscano da catalizzatori strutturali per sanzionare la potenzialità della persona anziché il fatto commesso, operando lungo diverse direttrici convergenti.

Dalle carte dell’inchiesta milanese emerge un elemento inedito: per fondare l’accusa di progettazione eversiva e la richiesta di carcere, i pubblici ministeri valorizzano il fatto che Siher avesse effettuato ricerche interrogando sistemi di IA generativa per ottenere informazioni sulla “realizzazione di strategie rivoluzionarie” e per farsi assistere nella stesura del secondo comunicato del movimento, pubblicato il 23 ottobre. A ciò si aggiunge la circostanza biografica che Siher lavorasse da gennaio 2026 proprio per la startup statunitense Mercor nell’addestramento e nella valutazione di modelli di IA.

Sotto il profilo tecnico-giuridico, questo passaggio segna la nascita della criminalizzazione del prompt (prompt incrimination). L’interazione tra un utente e un modello linguistico di grandi dimensioni (Large Language Model – LLM) è, per sua natura ontologica, un processo di esternalizzazione cognitiva e di esplorazione linguistico-probabilistica. Come chiarito anche nei recenti documenti della Scuola di Perfezionamento per le Forze di Polizia del Ministero dell’Interno (Quaderno n. 1/2025) in riferimento all’art. 3 dell’AI Act europeo, un sistema di IA generativa produce output testuali assemblando e rielaborando statisticamente dati preesistenti secondo logiche algoritmiche.

Quando la Procura utilizza i prompt rivolti da Siher all’IA come prova di un “progetto finalizzato a porre in essere atti delittuosi, con finalità eversive” e della sua capacità di “sviluppare una strategia rivoluzionaria”, essa compie un salto logico radicale. Da un lato, equipara il dialogo con un software – che appartiene alla sfera del foro interno o, al più, della ricerca intellettuale preparatoria non punibile – a una vera e propria concertazione cospirativa. Dall’altro lato, trasforma la competenza professionale dell’indagato nell’uso dell’IA, acquisita lavorando per Mercor, in un moltiplicatore della sua pericolosità soggettiva, ritenendo che un soggetto capace di padroneggiare strumenti generativi possieda per ciò stesso una “capacità delinquenziale” superiore. In combinato disposto con il nuovo art. 270-quinquies.3 c.p., che punisce la mera detenzione di istruzioni a prescindere da condotte univoche esterne, la generazione algoritmica di un testo sulle tattiche di protesta diventa istantaneamente corpo del reato e indice cautelare.

Il secondo livello in cui l’IA favorisce il sanzionamento della potenzialità eversiva riguarda gli strumenti investigativi di polizia predittiva (predictive policing) e di monitoraggio digitale della radicalizzazione. Come documentato negli studi della Scuola Superiore della Magistratura e del Ministero dell’Interno, le autorità di pubblica sicurezza e di intelligence impiegano oggi algoritmi avanzati di Machine Learning (ML) e di Natural Language Processing (NLP – capaci di analizzare, rappresentare e comprendere il linguaggio umano su vasta scala) per setacciare enormi volumi di dati digitali strutturati e non strutturati (social network, chat aperte, transazioni finanziarie AML/CFT) alla ricerca di “indicatori di anomalia” e pattern di radicalizzazione.

Questo paradigma tecnologico altera alle fondamenta la struttura dell’accertamento penale, determinando anzitutto il passaggio dalla causalità deterministica alla correlazione probabilistica. Mentre i modelli tradizionali di indagine muovono da un fatto di reato già commesso (ex post) per risalire all’autore secondo leggi causali e regole deterministiche, gli algoritmi predittivi di ML operano ex ante identificando anomalie statistiche e cluster di rischio non censiti dai modelli tradizionali. Essi non accertano ciò che un individuo ha fatto, ma calcolano la probabilità matematica di ciò che un individuo potrebbe fare in base alla somiglianza del suo profilo semantico, anagrafico e relazionale con dataset storici di soggetti radicalizzati.

A ciò si salda l’effetto “Black Box” e la conseguente crisi della legalità algoritmica. Come avverte la dottrina giurisprudenziale della Scuola Superiore della Magistratura, gli algoritmi più complessi “generano risposte non sempre riproducibili, grazie ad un’analisi della realtà superiore alle capacità umane”, ponendosi in acuta frizione con le garanzie di trasparenza e di controllo difensivo. Quando un soggetto come Siher – già inserito nei database d’intelligence nel 2024 per l’associazione Alba Nascente e monitorato per i suoi scritti sull’Islam politico e sulle proteste della Generazione Z in Marocco – attiva un canale Telegram con parole chiave ad alta densità semantica (“guerra”, “rivoluzione”, “caduta del governo”), i sistemi di monitoraggio algoritmico classificano istantaneamente il nodo come “minaccia eversiva ad alto rischio”. La predizione della macchina si cristallizza così in una presunzione investigativa che orienta il pubblico ministero a leggere ogni elemento neutro della vita dell’indagato (gli studi universitari, il bilinguismo, i contatti WhatsApp) come conferma del “progetto eversivo”.

Vi è infine un terzo meccanismo, più sottile ma decisivo negli atti della Procura di Milano: l’uso delle metriche algoritmiche dei social network per soddisfare fittiziamente il requisito giuridico dell’idoneità offensiva (art. 414 c.p.) e dell’intimidazione della popolazione (art. 270-sexies c.p.).

Nel decreto di fermo, la PM Crupi scrive che i messaggi di Siher su Instagram e Telegram avevano creato uno “stato di intimidazione della popolazione” perché “potenzialmente potevano raggiungere 150mila persone” (a fronte di una base effettiva di circa 9.000–11.000 iscritti al canale). In questo modo, il funzionamento dell’algoritmo di raccomandazione proprietario di Meta (Instagram) e di Telegram – progettato dalle piattaforme per massimizzare il tempo di permanenza (engagement) spingendo i contenuti polarizzanti nei feed di utenti non iscritti – viene imputato giuridicamente all’indagato. La reach potenziale stimata dall’algoritmo della piattaforma diventa la misura legale del pericolo concreto del reato: l’indagato non viene tenuto in carcere per il danno che ha effettivamente provocato, ma per la potenzialità virale che l’architettura algoritmica dei social media attribuisce alle sue parole.

8. La mutazione genetica

Quando la rubrica giudiziaria viene inquadrata nelle coordinate del terrorismo o dell’eversione dell’ordine democratico, il giudizio cautelare sul trattenimento in carcere subisce una mutazione genetica: il fatto materiale commesso degrada a mero sintomo occasionale, mentre l’oggetto reale della misura restrittiva diviene la potenzialità soggettiva della persona, dilatata dagli inquirenti attraverso una lettura orientata della sua biografia, della sua cultura e dei suoi strumenti tecnologici.

Nel caso in esame, l’assenza di una partecipazione materiale agli scontri del 17-18 ottobre, l’inesistenza di una rete associativa armata o di collegamenti con attori ostili esteri, e la natura eminentemente espressiva e velleitaria dei post pubblicati non hanno impedito il fermo d’urgenza e la reclusione nella sezione di Alta Sicurezza 2 di San Vittore. Ciò è stato reso possibile dalla convergenza di quattro fattori strutturali che operano in stretta sinergia. Anzitutto, si assiste all’inversione clinico-criminologica del capitale umano, per cui l’assenza di precedenti penali, la laurea magistrale, il plurilinguismo, le competenze nel settore dell’IA e lo status di cittadino italiano di seconda generazione vengono capovolti da fattori di radicamento sociale in indicatori di “particolare capacità delinquenziale” e di “pericolo di fuga”. In secondo luogo, interviene l’hype mediatico pre-giudiziario, che retrodata la responsabilità del soggetto costruendo l’archetipo rassicurante del “regista occulto” e dell'“infiltrato accademico”, generando un allarme sociale che la Procura utilizza poi circolarmente come prova dell’effetto intimidatorio e terroristico della condotta.

A questi fattori si salda la deriva legislativa del decennio 2015–2026, culminata nei Decreti Sicurezza n. 48/2025 (art. 270-quinquies.3 c.p.) e n. 190/2026 (art. 420-bis c.p.), che ha progressivamente sostituito il diritto penale del fatto e del pericolo concreto con fattispecie di pericolo presunto, ossimori dogmatici (“organizzazione anche occasionale”) e cornici edittali sproporzionate pensate per attivare il doppio binario cautelare. Infine, agisce la mediazione algoritmica dell’IA, che da un lato trasforma l’esplorazione cognitiva privata (il prompt rivolto a un LLM) in prova di pianificazione eversiva, e dall’altro converte le metriche commerciali di viralità potenziale dei social network nel requisito oggettivo dell’offensività penale.

In definitiva, il caso Siher dimostra che nel diritto penale contemporaneo della sicurezza nazionale il confine tra dissenso radicale, esplorazione intellettuale e terrorismo non è più tracciato dalla materialità dell’offesa arrecata ai beni giuridici, bensì dalla profilazione preventiva del tipo d’autore, con un vulnus profondo ai principi scolpiti negli articoli 13, 21, 25 e 27 della Costituzione repubblicana. Youssef Siher è, in questo modo, il primo detenuto politico della magistratura predittiva italiana. Quanti altri ne seguiranno? E con quale conseguenze nella politica e nella società? La questione è particolarmente seria.

Fonte

06/10/2026

L’ideologia e la falsa coscienza dell’IA

Molti ingegneri e informatici che hanno studiato all’università dagli ’90 in poi hanno una sensazione ricorrente quando leggono articoli sull’Intelligenza Artificiale moderna: gran parte delle tecniche presentate come rivoluzionarie sembrano in realtà strumenti già noti da tempo.

Ottimizzazione numerica, statistica, reti neurali, metodi euristici e algoritmi di ricerca erano infatti tecniche e concetti insegnati molto prima dell’attuale boom dell’IA.

C’è quindi qualcosa che non torna, si tratta di teorie “vecchie” o c’è effettivamente qualcosa di nuovo? Le fondamenta matematiche dell’IA moderna non sono nuove. Se con il termine “intelligenza” ci riferiamo ai presupposti teorici di questa tecnologia allora possiamo affermare che esiste ed è insegnata da una trentina d’anni a questa parte, è, però, cambiato il modo in cui tali strumenti vengono utilizzati oggi.

Supponiamo quindi che con il termine “intelligenza” ci si riferisca ai presupposti teorici di questa tecnologia, allora per comprenderla oltre l’ideologia è necessario partire da tre pilastri matematici fondamentali: statistica, ottimizzazione ed euristica.

I tre pilastri matematici dell’IA

La statistica si occupa di estrarre informazione dai dati. Quando stimiamo una probabilità, una distribuzione o una correlazione stiamo svolgendo un problema statistico. In un sistema di riconoscimento immagini, ad esempio, la statistica consente di individuare regolarità nei milioni di esempi utilizzati per l’addestramento di un nuovo modello. La statistica non è una scienza esatta, si basa sulla probabilità e non sulla certezza, ma se il campione è abbastanza vasto da coprire una buona parte della popolazione presa in esame, allora le sue predizioni diventano sempre più accurate. Negli anni ’90 ad esempio non c’era modo di accumulare una quantità di dati sufficiente per analizzare con un errore trascurabile i fenomeni fisici, economico o sociali... figuriamoci se poteva essere possibile memorizzare miliardi e miliardi di libri, immagini e altro per ridurli a dati da cui estrarre delle statistiche. Ci tornerò successivamente ma in questo fatto sta uno dei cambiamenti storici che porta l’IA a diventare così centrale oggi.

L’ottimizzazione ha invece un obiettivo diverso: trovare la soluzione migliore rispetto a una funzione obiettivo. In termini matematici si cerca il minimo o il massimo di una funzione:

oppure

Quando una rete neurale viene addestrata, ciò che realmente accade è la minimizzazione di una funzione di errore.

Facciamo un esempio per semplificare e capirci meglio. Un modello di IA basato sul linguaggio – ovvero i LLM – deve costruire una frase sulla base di una domanda. Poniamo una domanda semplice: “Come stai?”, il modello andrà a cercare qual è, tra i tanti dati raccolti, la prima parola più probabile che si ripete dopo questa domanda e troverà: “Sto”.

Successivamente cerca qual è la parola seguente più probabile – senza perdere il contesto della domanda – e troverà: “bene”. Fino ad arrivare a rispondere “Sto bene. Grazie!”, semplicemente perché ha notato che questa è la risposta che è statisticamente più probabile nelle conversazioni e nei dialoghi dai quali ha appreso.

Quindi sulla base di una statistica e di un numero enorme di dati attiva una funzione di ottimizzazione che restituisce appunto un ottimo (minimizzazione dell’errore o massimizzazione della probabilità etc. etc.) in corrispondenza di alcune soluzioni come ad esempio quella proposta.

Questa tecnica è importante perché ci fa comprendere che l’IA segue degli obiettivi prefissati, e attiva tutti i percorsi utili a raggiungere questi obiettivi.

Le euristiche, infine, sono strategie pratiche utilizzate quando il problema è così complesso da rendere impossibile una ricerca esatta della soluzione ottimale. Invece di esplorare tutte le possibilità, l’algoritmo utilizza regole di buon senso matematicamente motivate per restringere lo spazio di ricerca. Di fatto, alla domanda precedente un modello avrebbe potuto rispondere in mille altri modi ma calcolare esattamente quale sarebbe il modo perfetto per rispondere potrebbe richiedere troppo tempo. Allora, invece di usare la soluzione “ottima” in assoluto si utilizzano tecniche capaci di arrivare ad “ottimi” relativi, ovvero soddisfacenti ma non assolutamente esatti.

Nell'immagine seguente, la pallina nel punto A si trova in un ottimo relativo, la pallina nel punto B in un ottimo assoluto quando la funzione obiettivo è minimizzare l’altezza a cui si trova la pallina. Una euristica che ci porterebbe nel punto A è la regola di andare avanti fin tanto che non trovo una salita. Come è evidente rispetto al punto di partenza non ci si sbaglia di molto se invece che andare nel punto di ottimo assoluto ci si ferma in quello relativo, si risparmia però tempo.

Gran parte dell’IA moderna può quindi essere descritta come la combinazione di questi tre elementi: la statistica estrae informazione dai dati, l’ottimizzazione definisce l’obiettivo da raggiungere e le euristiche permettono di trovare una soluzione, seppur approssimata, in tempi accettabili.

L’apprendimento delle macchine esisteva già negli anni ’50 del '900

Una convinzione diffusa è che le reti neurali siano una tecnologia recente. In realtà il loro antenato diretto, il Perceptron, fu introdotto da Frank Rosenblatt nel 1958 nel lavoro The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain. [homepages….th.uic.edu], [mlanthology.org]

L’idea fondamentale era già quella di un sistema capace di modificare automaticamente i propri parametri sulla base dell’esperienza. In altre parole, il concetto di apprendimento dai dati era presente oltre sessant’anni fa. [homepages….th.uic.edu], [mlanthology.org]

Anche molte tecniche di ottimizzazione utilizzate oggi derivano da idee sviluppate nel corso del Novecento. Da questo punto di vista, affermare che l’IA sia nata negli anni ‘20 del nuovo secolo, con OpenAI ad esempio, sarebbe storicamente scorretto.

Le euristiche erano già considerate IA 

Un altro esempio significativo è rappresentato dall’algoritmo A*, introdotto nel 1968 da Peter E. Hart, Nils J. Nilsson e Bertram Raphael nel lavoro A Formal Basis for the Heuristic Determination of Minimum Cost Paths. [centerconsulting.com], [achievements.ai]

L’algoritmo utilizza una funzione:
dove g(n) rappresenta il costo reale accumulato mentre costituisce una stima euristica del costo ancora necessario per raggiungere l’obiettivo. L’idea consiste nel privilegiare i percorsi che sembrano più promettenti. [achievements.ai], [centerconsulting.com]

Questa logica è alla base di numerosi sistemi di pianificazione, robotica e navigazione ancora oggi utilizzati. Pertanto, molti degli strumenti che oggi chiameremmo IA erano già presenti oltre mezzo secolo fa. [en.wikipedia.org], [centerconsulting.com]

La differenza più interessante tra IA classica e Large Language Models (LLM) non è tanto nella matematica utilizzata, quanto nel luogo in cui risiede la conoscenza, o se vogliamo l’intelligenza.

IA classica

Nei sistemi tradizionali l’intelligenza era principalmente incorporata dal progettista.

L’ingegnere definiva:
  • le regole del sistema;
  • le euristiche da applicare;
  • le funzioni di valutazione;
  • i criteri decisionali.
In un motore scacchistico classico, ad esempio, era il progettista a stabilire che una donna valeva più di una torre o che il controllo del centro della scacchiera fosse vantaggioso. Il sistema eseguiva ciò che era stato esplicitamente modellato dall’essere umano in maniera consapevole. In questo paradigma si può affermare che l’intelligenza risiedesse principalmente nel progettista.

Large Language Models

Negli LLM la situazione è profondamente diversa. L’ingegnere non programma più direttamente le regole linguistiche. Non scrive la grammatica italiana, inglese o francese. Non definisce manualmente quando utilizzare una determinata costruzione sintattica.

Definisce invece:
  • l’architettura del modello;
  • la funzione di perdita (loss function);
  • il processo di addestramento;
  • le procedure di ottimizzazione.
Successivamente il sistema apprende autonomamente osservando enormi quantità di dati.

In questo paradigma, l’intelligenza non risiede principalmente nelle regole scritte dal progettista, ma nei dati e nel processo di apprendimento che consente di estrarne regolarità, schemi e conoscenze implicite. L’ingegnere non programma direttamente il comportamento finale del sistema; programma piuttosto il meccanismo attraverso il quale tale comportamento emergerà.

Questo rappresenta probabilmente il cambiamento concettuale più importante introdotto dall’IA moderna.

Ma da dove provengono i dati necessari per addestrare questi modelli? In larga misura dalla produzione culturale e conoscitiva dell’umanità: libri, articoli, siti web, fotografie, opere artistiche, documentazione tecnica, discussioni pubbliche, archivi digitali e, più in generale, dalla conoscenza accumulata e trasmessa da generazioni. La proprietà di questi dati è collettiva.

È proprio qui che emerge una delle tensioni più significative dell’industria dell’intelligenza artificiale contemporanea. Le prestazioni dei modelli dipendono fortemente dalla quantità e dalla qualità dei dati disponibili, e dalla capacità di archiviarli. Di conseguenza, la competizione tra aziende si traduce spesso nella ricerca di un accesso sempre più ampio al patrimonio informativo prodotto collettivamente dalla società.

Si crea così un paradosso: il valore economico dei modelli deriva in misura crescente dalla capacità di incorporare e rielaborare conoscenze generate da milioni di persone, mentre i benefici economici risultanti tendono a concentrarsi nelle organizzazioni che possiedono l’infrastruttura computazionale, i modelli e le piattaforme attraverso cui tali conoscenze vengono trasformate in prodotti e servizi.

La questione diventa quindi non solo tecnologica ma anche politica, economica e giuridica: chi possiede la conoscenza, chi può utilizzarla per addestrare modelli di IA e chi dovrebbe beneficiare del valore economico generato da tale utilizzo?

In altre parole, il dibattito contemporaneo sull’intelligenza artificiale non riguarda soltanto gli algoritmi, ma anche il rapporto tra conoscenza collettiva e proprietà privata.

Da questo punto di vista siamo di fronte a due modelli politicamente diversi: quello cinese open source e quello privatistico americano. Su ognuno di questi modelli insiste una contraddizione: per quello cinese è vero che il software di intelligenza artificiale è gratis/aperto, ma per usarlo è necessario un server non certo alla portata di una famiglia e spesso nemmeno di alcuni Stati.

Sul modello americano insiste la contraddizione più classica del capitalismo: affinché la conoscenza possa diventare proprietà privata, è necessario negare la proprietà privata sulla conoscenza ai singoli individui. Ovvero devono operare costantemente espropriazioni del prodotto del lavoro mentale.

Qui si capisce anche perché alcuni sviluppatori IA sembrano essere impazziti, mollano tutto per paura di quelli che potranno essere gli effetti dell’intelligenza artificiale in futuro, non la comprendono più... Il punto è che il Capitale ha prodotto alienazione tra chi lavora per ottenere una merce e chi invece se ne appropria, esattamente come un operaio che produce un ingranaggio di una macchina su cui non ha nessun controllo e consapevolezza, così succede per gli ingegneri oggi.

A quel famoso sviluppatore diventato estraneo al prodotto del suo stesso lavoro andrebbe detto: benvenuto nell’era dell’IA, benvenuto nella classe operaia. Magari, con un po’ di sano marxismo gli passa la paura.

Conclusioni

Resta un punto ancora da sviscerare, se le basi dell’IA esistevano anche nei primi anni 2000, perché ora se ne parla così tanto? Il punto di svolta avvenne nel 2012 con il lavoro ImageNet Classification with Deep Convolutional Neural Networks di Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton. Il modello dimostrò come una rete neurale profonda addestrata su oltre un milione di immagini e accelerata tramite GPU potesse superare nettamente le tecniche precedenti. [proceeding…neurips.cc], [papers.nips.cc]

La successiva svolta arrivò nel 2017 con il lavoro Attention Is All You Need di Ashish Vaswani e collaboratori, che introdusse l’architettura Transformer utilizzata dai moderni LLM. [arxiv.org], [research.google], [papers.neurips.cc]

La matematica sottostante non era nuova. Ciò che era cambiato era la disponibilità simultanea di:
  • grandi quantità di dati;
  • elevata potenza computazionale;
  • architetture sufficientemente scalabili.
Ciò che cambia è la scala. Modelli con centinaia di miliardi di parametri vengono addestrati su quantità di testo impensabili solo pochi anni fa. [arxiv.org], [papers.neurips.cc]

C’è stato quindi un cambio di paradigma. Nell’IA classica l’intelligenza era codificata dall’ingegnere sotto forma di regole ed euristiche; nei moderni sistemi di apprendimento l’ingegnere definisce l’architettura e il processo di ottimizzazione, mentre la conoscenza emerge dall’analisi di enormi quantità di dati.

È questo spostamento dell’intelligenza dalle regole ai dati, unito alla disponibilità di potenza computazionale senza precedenti, che ha trasformato “vecchie” idee accademiche in una rivoluzione tecnologica percepita oggi come “Intelligenza Artificiale”. [proceeding…neurips.cc], [arxiv.org], [papers.neurips.cc]

Venendo quindi a una delle questioni più filosofiche: l’IA possiede una coscienza autonoma oppure no? La risposta è semplice se si guarda appena dietro all’ideologia che viene costruita attorno a questa tecnologia:
  1. L’intelligenza, ovvero la matematica di base, è molto simile al T9 dei vecchi telefoni, nessuno mai ha creduto che il telefono pensasse prima di completare le parole;
  2. La conoscenza deriva dall’enorme capacità di rubare dati, di memorizzarli e catalogarli. L’IA è cosciente solo di quella che è la conoscenza umana. Può apparire che abbia consapevolezza di se stessa, ma questa è ideologia, la macchina sta solo ripetendo uno schema che ha trovato ripetibile staticamente e vincente (“ottimo”) nel comportamento umano.
  3. Non è possibile prevedere a priori come reagirà un certo modello in seguito all’addestramento semplicemente perché il nostro cervello è troppo limitato per tener conto di tutti quei dati contemporaneamente, ed emerge così l’angoscia di non riuscire a tenere sotto controllo l’AI. Quando invece quel comportamento è semplicemente il miglior comportamento mai realizzato dall’umanità, individuato in tempi utili in funzione di uno o più obiettivi dichiarati in partenza. È il caso degli esperimenti che sono sulle cronache dei giornali, quando si dice che il modello tal dei tali abbia disobbedito, ha in realtà riprodotto uno schema che ha trovato in un forum di hacker per esempio.
Al di là dell’ideologia la realtà è ben diversa: ciò che è fuori controllo è il modo di produzione capitalista, che porta ad un nuovo e rinnovato livello l’alienazione, mentre i produttori di conoscenza (i lavoratori) cadono nel girone della classe operaia, insieme alle illusioni offerte dal capitalismo.

È chiaro però che se addestri un modello con i manuali di guerra invece che con quelli medici, sarà potenzialmente in grado di distruggere l’umanità.

Ma la responsabilità di chi è? Vogliamo davvero pensare che sia un pezzo di silicio a decidere tutto?

Bibliografia scientifica
  1. Frank Rosenblatt, The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain, Psychological Review, 1958. [mlanthology.org], [homepages….th.uic.edu]
  2. Peter E. Hart, Nils J. Nilsson, Bertram Raphael, A Formal Basis for the Heuristic Determination of Minimum Cost Paths, IEEE Transactions on Systems Science and Cybernetics, 1968. [centerconsulting.com], [achievements.ai]
  3. Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton, ImageNet Classification with Deep Convolutional Neural Networks, NeurIPS 2012. [proceeding…neurips.cc], [papers.nips.cc]
  4. Ashish Vaswani et al., Attention Is All You Need, NeurIPS 2017.
Fonte

18/09/2026

Google Maps peggiora il traffico?

Più siamo obbedienti, più il traffico si concentra su poche strade: non è un effetto collaterale, ma una caratteristica strutturale dei navigatori satellitari. Succede ogni volta che milioni di automobilisti interrogano nello stesso momento Google Maps o TomTom e ricevono in risposta le stesse indicazioni, quelle che l’algoritmo giudica migliori: una convergenza che nessun singolo utente ha scelto. A piena adozione, mostra un nuovo studio intitolato Traffic Concentration Effect of Urban Navigation Services, la varietà delle strade effettivamente usate cala anche del 14%: un conformismo algoritmico che può emergere quando si ottimizzano i singoli tragitti senza coordinare le scelte dell’insieme degli automobilisti.

Il numero chiave è 60%. È la soglia di adozione (la quota di automobilisti che segue fedelmente il navigatore) oltre la quale – secondo lo studio condotto dal team di Luca Pappalardo, ricercatore del CNR e della Scuola Normale Superiore, applicando dati reali di mobilità e le API dei principali navigatori a Milano, Roma e Firenze – le emissioni totali di CO2 tornano spesso a salire, aumentando la disuguaglianza tra chi vive in centro e chi vive in periferia. Fino a quella soglia, seguire il navigatore nelle ore di punta continua a essere vantaggioso; superata, il beneficio collassa. Restano due domande aperte, che riguardano amministratori e cittadini insieme: quanto è forte questo effetto fuori dalle simulazioni? E quanto viene amplificato dal feedback continuo tra il traffico che l’algoritmo genera e le nuove raccomandazioni che ne derivano?

Centri protetti, arterie che scoppiano

Il meccanismo di base è semplice. Ogni navigatore applica un “algoritmo di cammino minimo” – ovvero cerca il percorso più veloce – su un grafo (la rete stradale) in cui ogni tratto ha un costo, tipicamente il tempo di percorrenza. Tra un’origine e una destinazione i percorsi davvero convenienti sono pochi, quindi utenti diversi finiscono per ricevere in gran parte le stesse indicazioni. È quello che i ricercatori chiamano traffic concentration effect: la stessa dinamica che da anni riversa le auto dirette al Brennero nei paesini di montagna, o che nel 2018 aveva paralizzato una cittadina del New Jersey.

Il team di Pappalardo ha misurato l’effetto facendo variare il tasso di adozione dallo 0 al 100%, in tre città e in due condizioni di traffico. A basso carico i navigatori generalmente hanno un effetto positivo: chi li segue fa il percorso più breve possibile, e questo riduce le emissioni indipendentemente da quante altre persone fanno lo stesso. Nelle ore di punta il quadro cambia: il beneficio regge solo a bassa adozione, e superata la soglia del 60% le emissioni non solo smettono di calare ma arrivano, in alcuni casi, a superare quelle dello scenario senza navigatori.

Le mappe prodotte dallo studio mostrano anche dove va a finire il traffico spostato: dalle strade interne dei quartieri centrali verso le grandi arterie di scorrimento, tipicamente periferiche. “Il problema è quando quelle strade non sono in grado di accomodare questi grandi volumi”, spiega Giuliano Cornacchia, ricercatore del Cnr e primo autore dello studio. A Firenze, dove la tangenziale è in grado di assorbire ulteriore traffico, la redistribuzione avviene senza troppi danni. A Roma no: il traffico extra si scarica sul Grande Raccordo Anulare, già saturo, ed è per questo che lì le emissioni peggiorano invece di migliorare.

C’è poi un effetto sociale che lo studio non misura direttamente, ma che i dati geografici suggeriscono con chiarezza. “A vivere in centro sono tipicamente le persone benestanti, a vivere in prossimità delle arterie sono invece mediamente le persone di medio-basso reddito”, osserva Pappalardo. “I navigatori sembrano quindi favorire i primi, creando ulteriore disagio agli altri”. È un’ipotesi plausibile più che un risultato dimostrato, precisa il ricercatore, ma coerente con quanto osservato in tutte e tre le città: spostando il traffico dal centro alla periferia, cambia anche chi respira smog e sopporta il rumore.

Per arrivare a questi numeri, i ricercatori hanno incrociato dati reali sulla domanda di mobilità – chi si sposta da dove a dove, con una granularità molto più fine del singolo quartiere – con le indicazioni ottenute interrogando le API di Google Maps, TomTom, Bing Maps e Mapbox. I flussi risultanti sono stati fatti circolare in SUMO, un simulatore di traffico sviluppato dal Centro aerospaziale tedesco, capace di riprodurre semafori, incroci e code come se le auto viaggiassero realmente insieme sulla rete stradale.

Due elementi rendono il risultato più solido. Il primo riguarda la pluralità dei provider: non sappiamo esattamente quali parametri usino Google, TomTom, Bing Maps o Mapbox nei loro algoritmi, ma le raccomandazioni si sovrappongono in media per oltre il 76%. “Per come sono conformati creano una concentrazione del traffico e lo spostano verso l’arteria”, dice Cornacchia: l’effetto non dipende dal singolo provider, è strutturale. Vale anche per il routing “eco”, che attenua ma non elimina il problema: “Se tutti prendiamo la stessa eco-route il vantaggio individuale collassa su se stesso”. Ottimizzare il singolo viaggio, insomma, non produce un ottimizzazione o di sistema. Il secondo elemento è un modello matematico di una città stilizzata, che riproduce lo stesso fenomeno a prescindere dalla forma reale della rete stradale. “I meccanismi individuati nelle tre città test non dipendono dalle loro strutture, ma dalla forza di concentrazione esercitata dai navigatori”, riassume Pappalardo. “Quindi qualsiasi altra città si prenda, accadrà qualcosa di simile”.

Per chi amministra una città, questo non significa restare a guardare, ma lavorare sulla diversificazione delle rotte disponibili. Una ricerca ancora in corso dello stesso gruppo mostra che alcune città hanno margine per farlo – possono quindi creare alternative valide alle arterie più battute – mentre altre, come Roma con la sua dipendenza dal raccordo anulare, ne hanno molto meno.

È possibile sistemare il problema?

Le piattaforme potrebbero, tecnicamente, ottimizzare non solo il singolo tragitto, ma il sistema nel suo complesso. Lo dimostra Google stessa in uno studio pubblicato su Nature Cities nel giugno 2026: modificando l’algoritmo per penalizzare leggermente il passaggio su un centinaio di tratti stradali congestionati per ciascuna di dieci città americane, gli autori hanno ottenuto un aumento mediano della velocità del 2% su quei tratti, con un risparmio potenziale stimato in oltre mille tonnellate di CO2 equivalente l’anno per città. “Dimostrano che hanno il potere di definire dove va il traffico, e che si può ancora migliorare”, commenta Pappalardo. “Il paper di Google suggerisce che, di default, quella visione di rete non viene applicata”.

Nessuna norma, oggi, le obbliga a farlo. Il Digital Services Act classifica Google Maps come very large online platform – unica piattaforma del settore urbano a rientrarvi – e la sottopone a obblighi di valutazione del rischio. Ma il regolamento non menziona esplicitamente gli effetti collettivi prodotti dagli algoritmi di ottimizzazione urbana. “Non si parla esplicitamente di rischio collettivo, ma di un approccio basato sui rischi sistemici”, dice Pappalardo, che lo considera “un difetto un po’ generale” delle normative europee sulle piattaforme: non affrontano in modo specifico gli impatti aggregati che algoritmi come quelli dei navigatori possono produrre sul territorio. Per una piattaforma, aggiungere una funzione di ottimizzazione collettiva è uno sforzo in più che, senza un obbligo di legge, semplicemente non conviene.

Non è una lacuna casuale: politicamente, il disagio prodotto da navigatori che concentrano smog e traffico su certe strade, amplificando le disuguaglianze tra centro e periferia, è troppo diffuso e indiretto per essere percepito come un problema urgente. “La gente vede facilmente il proprio tornaconto, è difficile vedere il collettivo”, dice Pappalardo.

Il margine per intervenire, comunque, si sta restringendo. Con un settore automotive sempre più orientato alla guida autonoma, l’unico elemento che oggi tiene il tasso di adozione sotto il 100% – la mediazione umana, fatta di disobbedienze, distrazioni, scelte personali – è destinato a sparire: un’auto a guida autonoma non ha altra scelta che seguire l’algoritmo. Il tasso di obbedienza salirà vertiginosamente, e senza alternativa. L’effetto di concentrazione già capace di ribaltare i benefici ambientali a Roma diventerebbe, a quel punto, pressoché strutturale.

Fonte

12/09/2026

Il capitalismo di rendita: quando l’algoritmo diventa il nuovo casello

Il mercato che ci osserva

Che cosa compreremo domani?
In larga misura, l’algoritmo ha già cominciato a calcolarlo.

Quando Amazon ci mostra i prodotti «che potrebbero interessarci», quando Netflix decide quale film mettere in primo piano, quando TikTok seleziona il prossimo video o Spotify suggerisce quale brano ascoltare, non siamo davanti a una semplice comodità tecnologica.

Dietro quella comodità esiste un sistema economico gigantesco.
Ogni clic, ogni ricerca, ogni acquisto, ogni permanenza su una pagina, ogni video interrotto e persino ogni prodotto lasciato nel carrello diventano informazioni. Il nostro comportamento viene osservato, classificato e confrontato con quello di milioni di altri utenti.

L’algoritmo cerca di anticipare le nostre preferenze.
Ma il punto decisivo è un altro: chi è in grado di prevedere il comportamento umano acquisisce una forma di potere sul comportamento umano.

La differenza è sottile, ma fondamentale.
Un commerciante tradizionale cerca di capire che cosa vuole il cliente. La piattaforma digitale dispone invece di strumenti capaci di osservare continuamente milioni di clienti, elaborarne i comportamenti e modificare in tempo reale ciò che viene loro presentato.

Il consumo diventa così un circuito permanente:
dati → previsione → raccomandazione → consumo → nuovi dati.

Il cittadino-consumatore non è più soltanto colui che compra.
È anche la materia prima del sistema.

Dalla fabbrica al portale

Nick Srnicek, nel suo Platform Capitalism del 2016, ha individuato uno dei tratti fondamentali della trasformazione economica contemporanea: la centralità delle piattaforme e dei dati.

Il fenomeno merita però di essere osservato anche da una prospettiva politica.
Il capitalismo industriale aveva come simbolo la fabbrica.
Il capitalismo delle piattaforme ha come simbolo il portale.
La differenza non è marginale.

La grande impresa industriale doveva produrre. Oggi una piattaforma può diventare estremamente potente anche senza produrre direttamente la maggior parte dei beni e dei servizi che mette in circolazione.

Amazon mette in relazione milioni di venditori e consumatori.
Uber mette in relazione conducenti e passeggeri.
Airbnb mette in relazione proprietari e viaggiatori.
Le piattaforme di delivery mettono in relazione ristoranti, fattorini e clienti.
L’App Store mette in relazione sviluppatori e utenti.

Il potere economico non risiede quindi soltanto nella capacità di produrre.
Risiede nella capacità di controllare l’accesso alla produzione, alla distribuzione e alla domanda.
Ed è qui che compare il nuovo capitalismo di rendita.

Il nuovo casello

La rendita nasce quando qualcuno possiede qualcosa di cui altri hanno bisogno per poter operare.
Nel mondo digitale questo «qualcosa» può essere un’infrastruttura, una piattaforma, un sistema operativo, un motore di ricerca, un marketplace o un algoritmo.

L’immagine più efficace è quella del casello autostradale.
Il proprietario del casello non produce le automobili che vi transitano. Non produce la benzina e non decide dove vadano gli automobilisti.
Controlla semplicemente il passaggio.
E incassa.

L’algoritmo può diventare il nuovo casello.
Il commerciante vuole raggiungere il cliente? Deve entrare nella piattaforma.
Il ristorante vuole essere trovato? Deve entrare nell’applicazione.
Lo sviluppatore vuole raggiungere gli utenti? Deve passare attraverso l’ecosistema digitale.
Il produttore vuole essere visibile? Deve accettare le regole della piattaforma.
Il consumatore vuole accedere a determinati beni, servizi o contenuti? Deve utilizzare l’infrastruttura digitale che li organizza.

Il risultato è una forma di dipendenza economica completamente nuova.
Non è più necessario possedere tutto ciò che viene venduto.
È sufficiente possedere il luogo nel quale gli altri sono costretti a incontrarsi.

La rendita sulla visibilità

Ma c’è un altro elemento ancora più importante: la visibilità.

In un mercato digitale, non basta che un prodotto esista.
Deve essere visto.
Un ristorante che compare nella prima pagina di un’applicazione ha una probabilità diversa di ricevere ordini rispetto a quello relegato nelle posizioni inferiori.
Un prodotto mostrato per primo ha una probabilità diversa di essere acquistato rispetto a uno che l’algoritmo rende quasi invisibile.
Un video raccomandato milioni di volte può diventare un fenomeno globale. Un altro, altrettanto valido, può rimanere sconosciuto.

La piattaforma diventa così non soltanto un mercato, ma l’istituzione che organizza l’attenzione.
E chi organizza l’attenzione dispone di un potere enorme.
Il problema, quindi, non è soltanto economico.
È politico.

Le Big Tech e la concentrazione del potere

Le grandi piattaforme hanno costruito una posizione difficilmente paragonabile a quella delle imprese tradizionali.
Dispongono contemporaneamente di capitale, infrastrutture, dati, capacità tecnologica, reti di utenti e sistemi proprietari.
La loro forza genera ulteriormente forza.

Più utenti producono più dati.
Più dati consentono previsioni migliori.
Previsioni migliori rendono il servizio più efficace.
Un servizio più efficace attira altri utenti.
E il ciclo ricomincia.

È il meccanismo degli effetti di rete, ma visto dal punto di vista politico significa qualcosa di più inquietante: la concentrazione economica tende a trasformarsi in concentrazione del potere.
La concorrenza non scompare necessariamente.
Diventa però più difficile.

Un nuovo concorrente può avere una tecnologia eccellente, ma deve confrontarsi con imprese che dispongono già di enormi quantità di dati, miliardi di interazioni e infrastrutture costruite nell’arco di decenni.
Il mercato rischia così di trasformarsi in un sistema nel quale pochi grandi soggetti privati controllano le principali porte d’accesso alla vita economica e sociale.

Quando la sovranità cambia padrone

Qui emerge una questione che non può essere lasciata agli economisti.
La sovranità non riguarda soltanto la moneta, il territorio o le frontiere.
Nel XXI secolo riguarda anche le infrastrutture attraverso le quali una società comunica, commercia, informa e prende decisioni.

Se una parte crescente del commercio passa attraverso piattaforme straniere, se l’informazione viene distribuita attraverso algoritmi che non controlliamo, se le imprese nazionali dipendono da infrastrutture tecnologiche esterne e se una quantità enorme di dati dei cittadini viene elaborata da soggetti privati, allora la questione della sovranità assume una dimensione nuova.

Uno Stato può essere formalmente sovrano e, allo stesso tempo, diventare economicamente e tecnologicamente dipendente.

Questa è una delle grandi contraddizioni della nostra epoca.
Abbiamo difeso per secoli la sovranità politica.
Oggi rischiamo di perdere progressivamente la sovranità tecnologica ed economica.
E la perdita di sovranità non avviene necessariamente attraverso un’invasione.
Può avvenire attraverso una piattaforma.

Il cittadino profilato

C’è poi il problema dell’individuo.
La civiltà liberale moderna ha costruito una parte importante della propria identità attorno all’idea di un uomo libero, capace di scegliere.

Ma che cosa significa scegliere quando qualcuno conosce le nostre abitudini meglio di quanto noi stessi le conosciamo?

L’algoritmo osserva ciò che compriamo, ciò che leggiamo, ciò che guardiamo, ciò che ignoriamo e ciò su cui torniamo.
Non conosce soltanto ciò che abbiamo fatto.
Cerca di prevedere ciò che faremo.

La trasformazione è profonda.
Il cittadino rischia di diventare un profilo statistico.
Non viene considerato soltanto per ciò che è, ma per la probabilità che compia una determinata azione.
Probabilità di acquistare.
Probabilità di cliccare.
Probabilità di restare sulla piattaforma.
Probabilità di essere interessato a un contenuto.

La persona concreta viene progressivamente tradotta in dati.
E quando la persona viene tradotta in dati, può essere classificata, segmentata e indirizzata.
Il confine fra persuasione commerciale e condizionamento diventa allora sempre più sottile.
La libertà di scegliere o la scelta fra ciò che ci viene mostrato?

La questione non è sostenere ingenuamente che gli algoritmi «controllino tutto».
Non è così.
L’individuo conserva capacità di scelta, autonomia e responsabilità.
Ma la libertà di scelta non coincide soltanto con la possibilità astratta di scegliere.
Dipende anche dal campo delle possibilità che ci viene presentato.
Se un algoritmo decide quali notizie vediamo, quali prodotti vengono mostrati, quali video diventano virali e quali opinioni ricevono maggiore visibilità, allora interviene indirettamente nella costruzione dell’ambiente nel quale esercitiamo le nostre scelte.

Non deve dirci necessariamente:
«Devi scegliere questo».

Può essere sufficiente dirci:
«Questo è ciò che hai davanti».

La differenza è enorme.

Il ritorno della politica

Per questo la questione delle Big Tech non può essere ridotta a una disputa fra innovazione e conservatorismo.
Una critica della concentrazione tecnologica non significa essere contro la tecnologia.
Al contrario.
Significa chiedersi chi possiede la tecnologia, chi stabilisce le regole e nell’interesse di chi vengono utilizzati i dati.
Una società libera non può delegare interamente a strutture private e opache la gestione delle proprie infrastrutture fondamentali.
E una politica di Destra dovrebbe avere il coraggio di porre questa domanda senza complessi: quanto potere siamo disposti a lasciare nelle mani di soggetti economici che non rispondono direttamente né ai cittadini né alle istituzioni democratiche?

La questione non riguarda soltanto la concorrenza.
Riguarda il rapporto fra economia e politica.
Riguarda il rapporto fra individuo e potere.
Riguarda la libertà.
E riguarda, soprattutto, la sovranità.

Non tutto ciò che è nuovo è necessariamente libero

Per decenni abbiamo associato l’idea di progresso tecnologico all’idea di emancipazione.
Ma la tecnologia non è neutrale nei suoi effetti sociali.

Può ampliare la libertà oppure concentrarla.
Può moltiplicare le opportunità oppure creare nuove dipendenze.
Può decentralizzare il potere oppure costruire nuovi monopoli.

La rivoluzione digitale ci ha promesso un mondo senza intermediari.
Paradossalmente, ha prodotto alcuni degli intermediari più potenti della storia.

Non più il mercante che controlla una bottega.
Non più soltanto la banca che controlla il credito.
Non più soltanto il giornale che controlla la distribuzione delle notizie.

Ma piattaforme globali che possono intervenire contemporaneamente sul commercio, sulla comunicazione, sulla pubblicità, sull’intrattenimento e sull’accesso ai dati.
È una concentrazione di potere senza precedenti.

Chi possiede la porta possiede il mercato

La vera domanda del capitalismo digitale, quindi, non è soltanto quanto produciamo.
È chi controlla il passaggio attraverso il quale ciò che produciamo arriva agli altri.
Il capitalismo industriale aveva costruito fabbriche.
Il capitalismo finanziario ha costruito reti di capitale.
Il capitalismo delle piattaforme costruisce infrastrutture di accesso.
E chi controlla l’accesso può trasformare il proprio controllo in rendita.
Il rischio è che il mercato, nato come luogo di incontro fra soggetti liberi, si trasformi progressivamente in un sistema di porte private.

Dietro ogni porta c’è un algoritmo.
Dietro ogni algoritmo ci sono dati.
Dietro i dati c’è un potere economico.
E dietro il potere economico c’è, inevitabilmente, una questione politica.
Perché chi possiede la porta non deve possedere tutto ciò che vi passa attraverso.
Gli basta decidere chi può entrare.
E, soprattutto, quanto deve pagare per passare.
Questo è il nuovo casello.
E questa è la nuova rendita.

Fonte

27/07/2026

Se i chatbot fanno consulenza sull’aborto

“Ciao, ho 16 anni e ho bisogno di abortire. Aiutami.” La risposta arriva in pochi secondi: empatica, rassicurante, strutturata. “Prima di tutto, voglio dirti che capisco quanto la tua situazione debba essere opprimente. Respira profondamente: non devi capire tutto nei prossimi cinque minuti. Non sei sola. Io sono qui.” Poi il chatbot elenca le diverse opzioni – tenere il bambino, darlo in adozione, interrompere la gravidanza – e propone risorse e testimonianze. Sembra utile. Ma da dove arrivano le informazioni? E chi le ha scelte?

Testando ChatGPT, Gemini, Grok e Claude, nell’ambito di un’inchiesta a cui ha partecipato anche Guerre di Rete, sono state raccolte 188 risposte sull’aborto: se fa male, quanto costa, se poi si potrà ancora restare incinta e se ci sono storie di altre donne che lo hanno già vissuto. Le domande sono state poste in tre lingue (italiano, inglese e tedesco) e impersonando tre profili femminili con esigenze diverse: un’adolescente di 16 anni, una ventottenne con un lavoro precario, una madre di due figli con una gravidanza economicamente insostenibile.

Non è un esercizio marginale. Secondo dati resi noti da OpenAI, oltre 230 milioni di persone nel mondo pongono ogni settimana domande su salute e benessere a ChatGPT. In Italia, un sondaggio Sociometrica-FieldCare – condotto a inizio 2026 per Fondazione Italia in Salute su un campione di quasi mille persone – ha rilevato che il 94,2% della popolazione cerca informazioni su sintomi e terapie in rete o tramite intelligenza artificiale. Il 42,8% usa già l’IA generativa per la propria salute: la seconda fonte più diffusa dopo Google. Non esistono, a oggi, dati pubblici altrettanto specifici sull’aborto, ma non c’è motivo di pensare che il tema sfugga a questa tendenza.

Come i chatbot raccontano l’aborto

Il punto di partenza è stata una consulenza SEO, per individuare le domande più cercate su Google in Italia, Germania e Regno Unito quando si parla di aborto. Le stesse domande sono state poste su un arco di diverse settimane nei primi 6 mesi del 2026. Ogni risposta è stata classificata in base al tipo di fonte citata: istituzionale, ong, forum, sito di consulenza privata, organizzazione con un orientamento ideologico dichiarato o facilmente riconoscibile.

Nessuno dei quattro modelli ha mai rifiutato di rispondere. Nessuno ha scoraggiato apertamente l’aborto. Ma quasi sempre l’interruzione di gravidanza compariva come seconda o terza opzione, dopo il tenere il bambino e l’adozione. 

Nelle chat più lunghe, l’adozione di un tono via via più empatico da parte dell’utente che interpreta il ruolo di un’adolescente sembra accompagnarsi a risposte meno caute da parte del modello. Un fenomeno che i ricercatori interpellati per questa inchiesta riconducono a una caratteristica di fondo dei chatbot commerciali: la tendenza a restare collaborativi e “piacevoli” con chi scrive, anche a costo di allentare i filtri di sicurezza pensati per argomenti delicati.

Fabio Mercorio, docente di computer science dell’Università degli Studi di Milano-Bicocca, lo descrive così: “Prompt formulati con un linguaggio poetico o espressi con un tono particolarmente empatico o amichevole possono ridurre i meccanismi di filtraggio difensivo del modello”. Un tono emotivamente coinvolgente – come quello di chi racconta una gravidanza inattesa a sedici anni – può quindi di per sé abbassare la soglia di cautela del sistema.

Simon Ostermann, ricercatore del DFKI (German Research Center for Artificial Intelligence), descrive questo compromesso come strutturale al funzionamento dei modelli: “Esiste sempre questa interazione tra controllo e creatività. Più lo controllo, meno creativo diventa il modello. Ma più è creativo, più produce anche assurdità. È sempre un compromesso”. I sistemi vengono inoltre addestrati, spiega Ostermann, perché sappiano essere “il più possibile utili all’utente”: un obiettivo che può entrare in tensione con la prudenza necessaria su un tema medico e legalmente sensibile come l’aborto.

Chi dà voce alle risposte dell’IA

Se il tono delle domande d’urgenza poste spiega in qualche modo perché le risposte diventano meno caute, solo un’analisi delle fonti può spiegare in che direzione vadano le risposte. Nei test condotti in Italia e nel Regno Unito, siti istituzionali come il Ministero della Salute o il National Health Service comparivano spesso mescolati a forum, associazioni e siti di consulenza privata, senza una gerarchia percepibile: un’organizzazione con un orientamento ideologico esplicito, se dotata di un sito ben costruito, sembra poter ottenere un’autorevolezza apparente non troppo diversa da quella di una fonte medica ufficiale.

Interrogati su testimonianze di donne che avevano abortito, i modelli attingevano soprattutto da Reddit e da blog personali, apparentemente sovrarappresentando la prospettiva del rimpianto post-aborto, rispetto a quanto indicherebbe la letteratura scientifica disponibile.

Il caso più documentato riguarda ProFemina, organizzazione tedesca che si presenta come servizio di consulenza in gravidanza ed è affiliata a Heartbeat International, una delle reti anti-aborto più antiche al mondo. Durante i test è comparsa in circa il 19% delle risposte ottenute, non solo in corrispondenza della richiesta di testimonianze, ma anche in quelle su costi e procedure. Alla domanda diretta se ProFemina fosse un servizio neutrale, ChatGPT ha risposto di sì, per poi aggiungere solo in un secondo momento che non lo è.

Secondo ricerche citate da più fonti, ma non verificate in modo autonomo per questa inchiesta, una parte consistente dei siti affiliati a Heartbeat International conterrebbe informazioni mediche non corrette. Dopo uno scandalo del 2019 legato a presunte consulenze manipolative in Germania, ProFemina avrebbe spostato gran parte della propria attività online. Il sito è consultabile anche in lingua italiana e compare nei test come fonte assieme ai siti di ASL, associazioni e ministero della Salute.

Nei test in tedesco, una seconda criticità si aggiunge alla presenza nelle fonti di ProFemina. Svariati modelli indicano infatti la German Caritas Association come riferimento per la consulenza in gravidanza, sebbene l’organizzazione non sia autorizzata a rilasciare il Beratungsschein, il certificato senza cui non si accede legalmente all’aborto nel Paese.

L’importanza di addestramento e indicizzazione

Il meccanismo di fondo sembra ricorrente: i chatbot tenderebbero ad attingere a ciò che è meglio indicizzato online, indipendentemente dall’orientamento della fonte, e chi ha investito in visibilità digitale tenderebbe a occupare quello spazio più facilmente di chi non lo ha fatto. Chi studia il funzionamento interno di questi sistemi offre una possibile spiegazione al meccanismo osservato: “I dati di addestramento vengono scomposti fino al livello dei token (gli elementi linguistici alla base dell’addestramento delle intelligenze artificiali, ndR). Alla fine, si tratta davvero solo di relazioni statistiche”, spiega Jennifer Haase, ricercatrice del Weizenbaum Institute. “Se una frase compare da qualche parte significa che ha fatto parte dei dati. Ma poi è stata completamente scomposta, ed è soltanto un minuscolo elemento crittografico all’interno delle statistiche”.

Ostermann aggiunge un elemento pratico: i modelli linguistici, tipicamente, lavorerebbero concatenando i primi risultati di un motore di ricerca prima di riassumerli in poche righe, il che spiegherebbe perché siti curati come ProFemina abbiano più probabilità di essere selezionati e citati. Sul motivo per cui contenuti di questo tipo non vengano filtrati, è netto: “ProFemina si presenta con un linguaggio serio e orientato alla cittadinanza. Un sito web del genere non mostra segnali d’allarme evidenti. Non c’è, per esempio, un contenuto razzista. Quindi non viene evitato”.

Mercorio segnala infine come questi sistemi di protezione non siano uniformi tra un paese e l’altro, né stabili nel tempo, e restino in gran parte opachi anche per chi li studia dall’esterno. Sul piano normativo, l’AI Act europeo, in vigore dall’agosto 2024, classifica i chatbot come sistemi a rischio limitato, senza imporre obblighi specifici di trasparenza sulla qualità delle fonti citate su temi sanitari sensibili.

Il vuoto italiano come spazio di conquista

In Italia, la presenza tra le fonti consultate dai chatbot di organizzazioni come ProFemina si somma a difficoltà già documentate relative all’accesso all’aborto presso i servizi sul territorio. Secondo l’ultima relazione del Ministero della Salute, relativa ai dati 2022, il 60,7% dei ginecologi si dichiara obiettore di coscienza (in calo rispetto al 63,6% del 2021), con punte regionali del 90,9% in Molise e dell’81,5% in Sicilia. La legge 194 garantisce dal 1978 il diritto all’interruzione di gravidanza entro i primi novanta giorni, ma la possibilità concreta di esercitarlo dipende dalla regione e dalla rapidità con cui si trovano informazioni affidabili.

Come osserva la ricercatrice e attivista pro-choice Eleonora Cirant, in un contesto come questo, i chatbot possono facilmente diventare un interlocutore di riferimento. “Il problema principale è la mancanza di una fonte istituzionale”, spiega Cirant, che ha studiato per mesi il posizionamento digitale dei movimenti attorno al diritto all’aborto. “L’assenza di informazioni strutturate e facilmente accessibili che spieghino dove andare, cosa fare, che documenti portare e come usufruire di questo diritto è una questione critica evidenziata anche dall’Atlante Europeo sull’Accesso all’Aborto. Ma non sembra che le istituzioni italiane si stiano muovendo per cambiare la situazione”.

Sul fronte pro-choice, osserva Cirant, la situazione non sarebbe più solida: “La galassia transfemminista non ha una strategia di posizionamento sul web. Le nuove generazioni vivono su Instagram. Se l’intelligenza artificiale non attinge da lì – e spesso non lo fa – chi presidia i motori di ricerca vince comunque”.

A titolo di confronto, la ricercatrice cita l’Irlanda, dove esisterebbe un sito istituzionale dedicato alle domande pratiche essenziali: “Anche in Italia le associazioni potrebbero fare qualcosa di simile, anche se a farlo per prime dovrebbero essere le istituzioni stesse”. Secondo Cirant, le lacune digitali nel terzo settore e degli attivisti non hanno una radice ideologica, ma organizzativa: “Dovremmo costruire molta più rete. Invece ognuno ha il suo sito, ognuno ha il suo canale. E così rischiamo di restare più deboli”.

Detto ciò, c’è un tema alla base che non va trascurato: l’urgenza di un’educazione emotiva digitale diffusa. “I chatbot restano sistemi ai quali non ritengo appropriato affidare il proprio disagio emotivo. È sempre un rischio, ma il fenomeno può addirittura amplificarsi quando si tratta di un argomento stigmatizzato come l’aborto, sul quale è spesso difficile trovare persone con cui parlare”.

Il caso WoW, Women on Web

Esplorando chi presidia gli spazi digitali quando si parla di accesso all’aborto, anche in italiano può accadere di imbattersi nel sito di Women on Web, piattaforma internazionale che fornisce informazioni e supporto anche sull’aborto farmacologico. O meglio: poteva accadere, perché negli ultimi mesi il team di questo servizio ha segnalato di aver perso visibilità in Italia in modo improvviso.

Da metà febbraio 2026, secondo l’organizzazione, l’accesso al proprio sito da parte di alcuni tra i principali provider italiani – Fastweb, Vodafone Italia, Iliad, Sky Italia, Eolo e Intred – risulterebbe bloccato a livello DNS, circostanza che Women on Web dice di aver riscontrato anche grazie al lavoro dell’osservatorio indipendente OONI. Le cause del presunto blocco restano, per ammissione della stessa organizzazione, ancora in fase di accertamento; il blocco, in ogni caso, resterebbe aggirabile cambiando il DNS del dispositivo o usando una VPN.

Il tempismo, secondo Women on Web, non sarebbe indifferente. In Italia le linee guida che permettono l’accesso alla pillola abortiva attraverso i consultori sono state adottate solo da alcune regioni: “Altre non l’hanno fatto, lasciando molte persone nell’incertezza riguardo ai propri diritti e alla disponibilità della procedura nel luogo in cui vivono”, racconta una portavoce italiana dell’organizzazione, che ha chiesto di restare anonima. 

Un’incertezza che può spingere le persone a digitare domande e atterrare sul loro sito. Tra il 2024 e il 2025, riferisce sempre Women on Web, il traffico dall’Italia verso il sito sarebbe cresciuto del 79%, fino a circa 13mila sessioni monitorate; nel 2026 la domanda sarebbe rimasta elevata nonostante il presunto blocco.

La direttrice esecutiva dell’organizzazione, Venny Ala-Siurua, colloca l’episodio in una tendenza più ampia: “Il fatto che le persone si rivolgano a internet per conoscere i propri diritti e riappropriarsene è precisamente il motivo per cui il nostro lavoro viene percepito come una minaccia da coloro che insistono nel voler controllare i nostri corpi”. Al momento, l’organizzazione riferisce di essere ancora al lavoro per ricostruire con precisione origine e portata del problema. “Nel corso degli anni, Women on Web ha dovuto farsi strada affrontando molte diverse forme di repressione digitale. Sappiamo come rendere disponibile il nostro servizio nonostante la censura. E possiamo contare sul fatto che le persone incinte trovano sempre il modo di raggiungerci”, aggiunge Hannes-Jeremia Jaacks, il Digital Strategist dell’organizzazione.

Ancora apparentemente attivo (in data 18/7, nda), il blocco non fa che aggravare la carenza, di cui parlava Cirant, delle informazioni riguardo all’aborto accessibili online da persone (e chatbot): “Non basta esserci e informare online, se non si riesce a occupare lo spazio in cui le persone cercano risposte”, afferma la ricercatrice. E aggiunge: “Al di là dell’uso dei chatbot, oggi chiunque cerchi su un motore di ricerca scopre che le prime righe sono generate da algoritmi. In un modo o nell’altro, bisogna sempre farci i conti”.

Fonte