Venerdì 2 gennaio a Caracas erano previste temperature gradevoli con minime intorno ai 18°C e massime di 25°C. Quando a Washington sono le 22 e 46, le 2.01 ora locale, gli Stati Uniti entrano in Venezuela, con un’azione senza precedenti per dimensioni e coordinamento, catturano il presidente Nicolàs Maduro e la moglie, e li traferiscono al Metropolitan Detention Center di Brooklyn per essere processati a dispetto del diritto internazionale che ne garantisce l’immunità diplomatica di cui godono i Capi di Stato (Sarcina 2026).
Nell’operazione sono utilizzati i reparti dei Marines, dell’Aeronautica e le unità d’élite della Delta Force, 150 velivoli tra caccia F-35, bombardieri B-1, droni e elicotteri d’attacco, che decollano da circa venti basi tra Stati Uniti, basi avanzate e portaerei nel Mar dei Caraibi (Dardana 2026). I jet americani decollati nella notte bombardano quattro obiettivi strategici: il porto di La Guaira, l’aeroporto di Higuerote, le postazioni militari di La Carlota e infine il complesso iper-sorvegliato di Fuerte Tiuna, dove si trovava Maduro nascosto nella residenza presidenziale.
Non che il Venezuela quest’attacco non se l’aspettasse. Ma non di quella portata e in queste modalità. L’irruzione nella camera da letto di Maduro, per intenderci, dura meno di un minuto: 46 secondi.
Segno di una perfetta conoscenza dell’obiettivo, di dove si stesse nascondendo e come ci si sarebbe dovuti muovere all’interno dell’edificio (Sarcina 2026). La guardia presidenziale ha pure reagito, tant’è che un elicottero americano rientra alla base danneggiato, probabilmente da un missile spalleggiabile. Nelle strade di Caracas, poi, si verificano scontri a fuoco documentati da immagini di elicotteri Black Hawk e Viper impegnati a colpire obiettivi a terra.
Rivelatore il commento di Trump pubblicato su X subito dopo il blitz: “Avevano razzi russi e cinesi e non ne hanno lanciato nemmeno uno. Siamo arrivati, hanno premuto i pulsanti e non ha funzionato niente.” L’ Ufficio stampa della Casa Bianca sempre su X ha ripreso la dichiarazione di un testimone oculare […] che parlava di soldati che vomitavano sangue […]: “improvvisamente tutti i nostri sistemi radar si sono spenti senza alcuna spiegazione. La cosa successiva che abbiamo visto sono stati dei droni, molti droni, che sorvolavano le nostre posizioni. Non sapevamo come reagire”. Degli elicotteri sono poi comparsi nell’area trasportando una ventina di soldati statunitensi, che “hanno lanciato qualcosa. Non so come descriverla. Era come un’onda sonora fortissima. Immediatamente è stato come se la mia testa scoppiasse dall’interno. Abbiamo tutti cominciato a sanguinare dal naso. Siamo caduti a terra, incapaci di muoverci. Non siamo riusciti più a stare in piedi dopo quell’arma sonica, o cosa altro fosse”1.
Indice degli argomenti
La militarizzazione dei dati nel campo di battaglia
Gli Stati Uniti da tempo stanno sviluppando armi non-cinetiche di carattere non-letale come il “discombombulator” (per noi, lo scombussolatore), l’arma che ha consentito loro di neutralizzare la guardia personale di Maduro. Ma ciò che in realtà deve attrarre qui la nostra attenzione, non sono possibili nuove armi utilizzate per fermare il nemico ancor prima di ucciderlo (come i Long Range Acoustic Device), ma il modo in cui ciò è avvenuto. E il modo in cui è avvenuto ha un nome: “progetto Masen”, usato subito dopo in Iran per eliminare la guida spirituale Ali Kamenei, e ancor prima durante la guerra in Afganistan e, pare, anche in Pakistan per trovare e uccidere Osama Bin Laden.
Il progetto Maven (tecnicamente Algorithmic Warfare Cross-Functional Team o AWCFT) è un software che consente di analizzare migliaia di dati provenienti da fonti diverse: immagini satellitari, flussi video di droni, mappe, rapporti d’intelligence e altro. In pratica è un software che consente una integrazione di tutti i dati prodotti sul campo di battaglia e gestito da un sistema di intelligenza artificiale, Claude di Anthropic (oggi al centro di polemiche tra la società di Dario Amodei e il Pentagono). Questa massiccia integrazione dei dati permette di individuare tutti i target in tempo reale e di aggiornarne i profili a seconda dell’evoluzione del flusso delle informazioni. In pratica trasforma il campo di battaglia in un flusso interattivo di dati, una fotografia in tempo reale di quanto sta succedendo sul campo di battaglia. Chi fornisce questo software è Palantir Technologies.
Palantir fornisce servizi basati sui dati, non ha un suo prodotto specifico come OpenAI (ChatGPT), Anthropic (Claude), Google (Gemini). Per dire, qui utilizza il modello di intelligenza artificiale generativa che non è prodotta da Palantir. Ciò che Palantir fornisce è l’architettura che consente l’integrazione dei dati e la loro gestione. Non è poco.
È ciò che consente il vero salto di qualità. Lo spiega benissimo Alexander Karp nel suo ultimo libro scritto a quattro mani con Nicholas Zamiska, la Repubblica tecnologica: “Nel rapporto tra hardware e software si sta registrando una sostanziale inversione di tendenza. Nel XX secolo il software si sviluppava per gestire e servire le necessità dell’hardware, dai controlli di volo all’avionica dei missili, dai sistemi di rifornimenti ai veicoli corazzati per il trasporto delle troppe. Con la nascita dell’intelligenza artificiale e il ricorso sul campo ai large linguistic model per il trattamento dei dati e la formulazioni di consigli per il targeting, tuttavia, il rapporto sta mutando. Il software è ormai al comando mentre l’hardware – i droni sul campo di battaglia in Europa e altrove – funge sempre più da strumento per concretizzare nel mondo i suggerimenti dell’IA” (Karp, Zamiska 2025, 68-69).
Non sono più importanti gli elicotteri Black Hawk e Viper, i caccia F-35, o i bombardieri B-1, né che si siano impiegati droni che utilizzano l’intelligenza artificiale (l’IA che uccide) e neppure l’arma sonica di ultima generazione che ha di fatto neutralizzato la guardia di Maduro. Ciò che conta è l’immagine che si riesce a fornire del campo di battaglia e chi fornisce questa immagine sono i dati. Il modo in cui questi dati si utilizzano è il prodotto di Palantir.
Vi è una scena di un film del 2014 che sembra aver ispirato gli uomini di Palantir, The Edge of Tomorrow di Doug Liman (in Italia Senza domani) in cui un soldato esperto, Tom Crouise, rimane intrappolato in un loop temporale che lo condanna a riviere i momenti chiave di una battaglia decisiva, impossibile da vincere, che gli uomini stanno combattendo contro un esercito di extraterrestri robotici tentacolari. Un loop temporale che è la sua condanna e allo stesso tempo l’unica strada per individuare gli errori che sembrano condurre ineluttabilmente il genere umano verso la sconfitta. Ad un certo punto, i due protagonisti, Tom Cruise e Emily Blunt, si trovano a consultare un campo di battaglia tridimensionale generato da una macchina in grado di integrare tutti i dati raccolti sul campo e di restituirli in maniera icastica a chi deve guidare i soldati in battaglia: un’immagine tridimensionale di quanto sta accadendo in battaglia. Questo è Masen.
Dal campo tridimensionale al fucile migliore
La forza di questa innovazione ci viene ben descritta ancora una volta da Karp, uno dei fondatori di Palantir insieme a Peter Thiel, in un capitolo del suo libro intitolato emblematicamente: Costruire un fucile migliore. In Afganistan l’esercito americano si trovò a fronteggiare una minaccia tanto semplice quanto letale: gli ordigni a bordo strada che gli afgani costruivano utilizzando fertilizzanti comunemente reperibili in internet. Un’arma a basso costo che però teneva in scacco l’esercito più forte e avanzato del mondo. La risposta americana inizialmente fu la costruzione di mezzi sempre più corazzati cui gli afgani replicarono costruendo semplicemente ordigni più grandi azionabili a distanza e quindi ancor più pericolosi e più sicuri per chi li metteva.
Ordigni più grandi ma sempre ad un costo irrisorio. Ad un certo punto fu chiaro a tutti che blindare veicoli rischiava di essere una perdita di tempo: era più che altro un problema di intelligence. “Le informazioni erano lì, in decine e centinaia di sistemi governativi, accessibili a chiunque possedesse le giuste autorizzazioni” (Karp, Zamiska 2025, 199): i verbali e le posizioni degli attacchi precedenti, i tipi di materiali utilizzati per fabbricare le bombe, le scansioni delle impronte digitali e i numeri di cellulare degli insorti catturati, i rapporti degli informatori reclutati dalle agenzie di intelligence americane. Si trattava solo di integrarli in un sistema in grado di estrarre delle relazioni significative.
Ecco il fucile migliore.
Questa arma sono i dati e chi ha capito per prima che i dati possono essere un’arma è Palantir technologies, che non a caso si pone alla base della rivoluzione digitale dell’esercito americano. Al centro della trasformazione della macchina militare dell’esercito americano stanno i dati, non tanto l’IA, e chi sta organizzando l’infrastruttura che serve a gestire in modo integrato i dati è Palantir. I dati non sono neutrali o, meglio, il loro utilizzo che ne evidenzia relazioni, classi, direzioni future, è tutt’altro che neutrale, e per quanto risultino fondamentali per fornirci servizi che oggi sono ormai indispensabili nella vita di tutti i giorni (l’intelligenza artificiale in primis), possono essere utilizzati per colpire un determinato bersaglio. Possono essere un’arma.
Quando in Venezuela sono stati usati per neutralizzare il nemico, scovarlo e colpirlo, erano un’arma. Non erano semplicemente espressione di un’attività di intelligence più sofisticata. Erano un’arma al pari dello scombussolatore o di qualunque altra arma non-cinetica, che lì è stata utilizzata. In questo contesto ogni arma impiegata (l’hardware di cui parla Karp), ogni missile sparato, ogni elicottero, ogni F-15, è soltanto l’involucro fisico, certo letale, di quanto l’architettura di dati ha costruito, il software. Ma è il software che decreta la loro efficacia.
Per intenderci, anche una roccia potrebbe essere decisiva se sai dove lanciarla. Se non sei in grado di vedere chi ti sta colpendo e da dove, puoi avere anche un missile che costa milioni di dollari, ma non ti serve a niente. Così, per assurdo, anche saper organizzare un sistema di droni low cost, che possono essere sfornati a ripetizione da una qualunque fabbrica civile, come avviene oggi in Ucraina (che non a caso proprio a Palantir si appoggia), è sicuramente meglio di un costoso sistema di droni super-sofisticati, la cui produzione è limitata, condizionata dai costi e numericamente circoscritta, anche se, singolarmente considerati, i droni ultimo modello potrebbero essere senz’altro preferibili perché più precisi e più letali. Perché una volta finiti non sono più in grado di neutralizzare gli attacchi nemici, e rimpiazzarli diventa alla lunga insostenibile. Invece, avere un’architettura entro cui far operare in maniera precisa e coordinata un esercito di pezzi pressoché inesauribile, perché facilmente rimpiazzabili, non solo è più efficace, ma pure più sostenibile.
In questo senso, il fucile migliore oggi è il dato, non il fucile di ultima generazione. Masen è l’architettura che rende davvero letali le armi dell’esercito americano. Che rende possibile invadere un paese in un lampo, fare 80 vittime e tornarsene a casa con il loro Capo di Stato in catene come un trofeo di guerra. Ecco il cambio di paradigma.
Dati come arma e militarizzazione dei dati
Innanzitutto, non bisogna confondere due fenomeni paralleli e intersecantesi. Quello che porta i dati ad essere un’arma (il fatto che la raccolta ed elaborazione dei dati possa essere utilizzata per colpire il nemico e creargli dei danni, la disinformazione nella guerra ibrida, le fake news, operazioni di hacking etc.), e il fenomeno della militarizzazione dei dati (il fatto che i dati vengano utilizzati in campo militare). Non necessariamente il fatto che i dati siano utilizzati in campo militare fa dei dati un’arma.
Vi sono molteplici usi in campo militare dei dati dalla logistica, all’addestramento, all’inquadramento professionale e pensionistico del personale militare, ad esempio, che sono parte del processo di digitalizzazione dell’esercito ma che non costituiscono di per sé uno strumento atto a colpire un certo obiettivo. Non solo. Va anche tenuto presente che i dati possono costituire un’arma anche al di fuori dello stretto ambito militare. Vi sono stati casi come Cambridge Analytica ad esempio, in cui i dati sono stati chiaramente utilizzati come arma al di fuori del campo militare, in ambito politico (Kaiser 2019).
Le origini militari dell’economia dei dati
È però vero che si sono verificati in passato numerosi interscambi tra mondo digitale, i dati, e campo militare che hanno contribuito a costituire il terreno su cui poi i dati hanno potuto affermarsi come arma tanto in ambito militare, che civile. È una storia di coincidenze, che però contribuisce a spiegare come sia stato possibile che i dati, utilizzati in una miriade di contesti civili, abbiano incominciato ad essere visti come un’arma e con questa precisa funzione siano poi stati utilizzati. Seguire questo percorso costellato di incontri fortuiti può essere utile a capire perché ad un certo punto è stato possibile pensare vedere nei dati anche un altro possibile utilizzo.
Da Turing ad ARPANET
Intanto, non può sfuggire come uno dei pionieri dell’intelligenza artificiale, Alan Turing, colui che ha messo a punto l’Imitation game, il test che prenderà il suo nome e che contribuirà a fissare il limite che separa l’intelligenza umana da quella artificiale2, durante la Seconda Guerra Mondiale mise a punto una macchina, chiamata la Bomba, che aiutò a decifrare le comunicazioni tedesche criptate tramite il sistema Enigma, che permise poi agli Alleati di vincere la guerra. La guerra si è di fatto decisa in una battaglia che aveva ad oggetto i dati. Singolare che proprio dagli sviluppi di quella macchina verranno messi a punto i primi computer da cui poi nascerà l’intelligenza artificiale utilizzata da Palantir in Afganistan, Venezuela, Iran…
Anche la nascita di internet, che di fatto ha rappresentato la scintilla che ha dato luogo all’odierna economia digitale, è originariamente legata a studi avviati nell’ambito militare. È noto che il DARPA (il Defence Advanced Research Projects Agency degli Stati Uniti d’America), abbia sviluppato nel 1969 una rete, ARPANET, che doveva originariamente servire per stabilire comunicazioni militari sicure tra computer remoti. Allora c’era la Guerra fredda e bisognava creare una rete per le comunicazioni continentale in modo da poter fronteggiare il blocco sovietico.
Poi, da questa rete alla cui costruzione partecipò IBM, un soggetto privato, e che inizialmente si articolava solo su quattro nodi (Università della California di Los Angeles, SRI di Stanford, Università della California di Santa Barbara, Università dello Utah), si è venuta sviluppando integrando le prime forme di posta elettronica, sino a trasformarsi radicalmente, divenendo una rete civile e dando vita negli anni ’90 al world wide web (www.) dove le risorse erano disponibili ed organizzate secondo librerie (pagine), come oggi: l’internet che noi tutti conosciamo. Ed è proprio grazie a internet che oggi abbiamo un’economia digitale, un’economia basata sui dati.
Big Data, microworking e intelligence
È interessante notare che anche l’analisi dei Big Data, l’elemento che ha innescato la trasformazione del mercato in mercato digitale, ha uno stretto legame con il settore militare. Non esisterebbe nessuna economia digitale senza il lavoro di controllo dei dati necessario al funzionamento di algoritmi e intelligenza artificiale. Gli algoritmi sono degli schemi di decisione e per dare risultati corretti devono essere addestrati su dati appositamente selezionati in modo che il calcolo fatto sulla base di questi dia sempre i risultati attesi. L’intelligenza artificiale prende decisioni automatizzate in base a questi schemi che gli dicono come devono decidere in un certo caso. Ma questo scema si costruisce proprio a partire dai dati.
Il microworking è appunto quel lavoro di pulitura dei dati che risulta indispensabile per il funzionamento tanto di algoritmi, quanto di sistemi di intelligenza artificiale che operano grazie agli algoritmi (Casilli 2020).
Questo lavoro non può essere fatto da una macchina nemmeno quando opera attraverso meccanismi di machine learning, di apprendimento automatico.
Dietro vi deve essere un lavoro preparatorio sulla base del quale la macchina può autoapprendere. Altrimenti procede, sì automaticamente, ma nella direzione sbagliata e la replica all’infinito, riproducendo automaticamente bias, errori etc. Siccome le attese che noi abbiamo rispetto al lavoro di una macchina (una comunicazione, un comportamento, una qualunque decisione) sono umane, e noi confidiamo che questa agisca in un modo che sia per noi quanto meno sensato, ogni operazione eseguita dalla macchina deve essere verificata da esseri umani e questo lavoro viene fatto a monte, scartando i dati che portano a risultati non corretti oppure inserendo quelli che possano avvicinare il comportamento di questa il più possibile a quello che un essere umano avrebbe tenuto se si fosse trovato al suo posto (Ruggiu, Ozdemir 2026).
È un lavoro enorme che viene svolto da un esercito di lavoratori per le piattaforme digitali, provenienti da qualunque parte del mondo, specie da paesi in via di sviluppo. Si chiama microworking perché questo oculato lavoro di selezione e classificazione dei dati viene spezzettato in una miriade di microcompiti semplicissimi (e per questa ragione pagati pochissimo) che chiunque può compiere, ma che messi insieme realizzano un progetto complesso che viene gestito dalle piattaforme digitali, come Amazon Mechanical Turk, Sama etc.
Il microworking però non è sempre stato micro. Chi ha insegnato come doveva essere fatto questo lavoro complesso è stata l’intelligence americana. Il microworking trae origine dal progetto TIPSTER in cui il lavoro di analisi e classificazione delle informazioni svolto da ex agenti della CIA in pensione abituati a catalogare le notizie che comparivano sui mass media per scovarne elementi utili di intelligence è stato per la prima volta utilizzato per catalogare i dati su internet (Hermann 2011, 27 ss.). Poi a questo lavoro altamente complesso e quindi ben retribuito, Google ha applicato la sua superiore organizzazione del lavoro (Zuboff 2019) scomponendolo in migliaia di compiti elementari (i cd. microtask) che potevano essere riorganizzati algoritmicamente all’interno di un progetto complesso in grado di riunire a livello globale lavoratori provenienti da ogni parte del Globo e dispersi geograficamente: i microworker (Ruggiu, Ozdemir 2026). Anche qui fa specie che questo lavoro indispensabile per la nascita dell’economia digitale abbia un’origine militare.
Google è stata poi la prima a capire che i dati, i dati generati dagli utenti nelle loro ricerche in internet, avevano un enorme valore commerciale e potevano essere utilizzati per predire i comportamenti umani e quindi essere venduti a agli inserzionisti e ai clienti degli inserzionisti che erano interessati a comprare i profili degli utenti di Google (Zuboff 2019), ma chi ha insegnato a Google come catalogare questi dati è stata l’intelligence USA (Hermann 2011, 27 ss.).
LifeLog e la profilazione
Anche l’ascesa di Facebook è intrecciata a un progetto simile in ambito militare, denominato progetto LifeLog, sviluppato nel 20033, sempre dal DARPA, che doveva studiare le potenziali applicazioni militari di una nuova forma di raccolta, archiviazione e organizzazione della memoria, praticamente nello stesso momento in cui il progetto di Mark Zuckerberg, Facebook, stava prendendo forma. Questo progetto intendeva raccogliere una enorme quantità di dati della persona in modo da ricostruire digitalmente la storia al fine di identificare “preferenze, progetti, obiettivi e altri indicatori di intenzionalità” e di predirne comportamenti futuri da routine, abitudini, relazioni dell’utente con altre persone, organizzazioni, luoghi e oggetti. Quello che accade oggi con la profilazione. Ad esempio su Meta. Zuckerberg ha sempre smentito ogni collegamento, ma anche qui è singolare che il cammino di una delle applicazioni più usate si intrecci fatalmente ad un progetto militare.
Big Data, intelligence e sorveglianza di massa
Le strade della militarizzazione dei dati e dei dati come arma si sono, però, incrociate in alcune occasioni. La prima si è avuta quando agli inizi degli anni 2000 le attività di intelligence hanno avuto una loro profonda trasformazione. Questo passaggio ce lo racconta efficacemente David Lyon (2014). Con l’attacco dell’11 settembre l’America capisce di essere sotto attacco e che il nemico si trova anche in casa.
Terroristi che possono trovarsi a tanto a Kabul a pianificare un attentato che poi verrà eseguito a Washington, New York, Dallas. Le attività tradizionali di intelligence fatte di appostamenti, microspie, pedinamenti, intercettazioni etc. non erano più in grado di garantire la sicurezza degli americani. Bisognava aggiornarle all’entità di una minaccia che si trovava simultaneamente alla periferia e al centro dell’impero.
Questa opportunità viene offerta dai Big Data e chi ha le capacità di raccolta e analisi dei Big Data non è il governo, non è lo Stato, sono i privati.
Dopo l’11 settembre viene messo in piedi il più grande sistema di sorveglianza di massa che sia mai stato costruito e chi fa questo è la NSA, la National Security Agency (Lyon 2014; Ruggiu 2025, 212 ss.), non direttamente però. Perché la NSA non ha l’expertise, le strutture, gli uomini e le competenze per farlo. Chi ha tutto questo sono gli internet e telecom provider. Così con il Patriot Act George W. Bush dà alla CIA e all’NSA il compito di farsi metter a disposizione da chi fornisce i servizi di telefonia e internet tutti i dati che questi raccoglievano sulle comunicazioni che i cittadini americani facevano da e dentro gli Stati Uniti d’America (progetto Prisma). Non il contenuto delle comunicazioni, però, perché altrimenti il destinatario avrebbe dovuto essere informato di essere finito sotto indagine:
la loro architettura informazionale, i cd. metadati (il telefono da cui è partita una chiamata, a chi, quanto tempo è durata, dove si trovavano i telefoni, etc. pure le informazioni sui trasferimenti bancari), ma che sono in grado di rivelare moltissimo forse di più di quanto possa fare il contenuto di una nostra comunicazione personale.
Di fatto, viene costruito un sistema di sorveglianza di massa capace di intercettare le comunicazioni di milioni di persone. Non negli stati Uniti. Nel mondo.
È lo scandalo Edward Snowden (Ruggiu 2025, 212-227), che prende il nome da chi ha fatto trapelare la notizia sui mass media, consegnando, tra l’altro, documenti segreti del governo (che gli è valsa un’incriminazione che potrebbe costargli una pena ad oltre trent’anni).
Un sistema così capillare che poteva contare la collaborazione delle agenzie di intelligence dei paesi alleati (Gran Bretagna, Germania, Italia, Australia, Nuova Zelanda) e che si rivolse paradossalmente anche contro gli stessi paesi alleati, perché verranno intercettati i palazzi di Bruxelles, dell’ONU a New York, il cellulare della Merkel etc. In questa occasione i Big Data vengono utilizzati in maniera strutturale in ambito militare per servizi di intelligence, ma vengo utilizzati, forse per la prima volta, come arma. Perché i dati servono a identificare potenziali nemici, a neutralizzarli e, in certi casi, ad eliminarli.
Non a caso il progetto Prisma si lega a doppio filo alla pratica delle extraordinary rendition, al rapimento di sospetti terroristi da interrogarsi in paesi dove la tortura non è vietata, Guantanamo, Turchia, Egitto, Afganistan. Pratiche che si legano a vicende note come il caso Abu Omar4, un iman di Milano, cittadino italiano, fatto rapire con l’aiuto dei servizi segreti italiani, per essere torturato in Egitto, oppure il caso El-Masri, un cittadino tedesco di origine macedone, rapito con la complicità del governo di Macedonia proprio sulla base di uno dei profili stilati dalla NSA per poi essere trasferito in Afganistan, dove venne sequestrato e torturato5. Entrambi in Europa e finiti al vaglio della Corte Europea di Diritti dell’Uomo.
Il caso Edward Snowden, ci dice Lyon, segna il momento in cui cade la paratia antincendio che separa governi e privati, e inizia la collaborazione strutturale tra agenzie di intelligence e internet provider. Da questo momento le società private iniziano a cooperare attivamente con le agenzie di intelligence. I governi scoprono che senza le Big Tech non possono essere forniti né i servizi di intelligence, né può essere garantita la sicurezza nazionale, e le Big Tech, a loro volta, scoprono il valore strategico del proprio lavoro e di quanto fanno coi Big Data (senza non c’è intelligence), ma scoprono anche il valore economico delle attività di intelligence e della sicurezza nazionale. Nasce un nuovo business. Ma è anche il momento in cui i Big Data perdono la loro verginità e divengono chiaramente un’arma, così come perdono la verginità le imprese della Silicon Valley.
Non è un caso che Palantir nasca 2 anni dopo l’11 settembre, nel 2003, e che le Big Tech capiscano di non poter più mantenere un profilo neutrale nella difesa dell’Occidente.
È in questo momento che la Silicon Valley risponde alla chiamata alle armi che inizia con nella guerra al terrorismo, da cui trae poi origine il messaggio di Alexander Karp ne La repubblica tecnologica: la tecnologia non può rimanere indifferente quando i valori della democrazia e della libertà sono minacciati. Bisogna indossare gli anfibi e mettere i piedi sul campo di battaglia.
Microtargeting politico e dati come arma civile
Un altro momento significativo nella storia della militarizzazione dei dati si ha con l’utilizzo delle tecniche di microtargeting in ambito politico, perché queste tecniche prima di sbarcare nell’agone politico erano state utilizzate in ambito militare e di intelligence e solo dopo sono state impiegate per far vincere le campagne elettorali. Questo passaggio non è secondario perché solo dopo essere state utilizzate in contesto bellico queste tecniche vengono usate in ambito politico (Kaiser 2014).
Le tecniche di microtargeting sono quelle tecniche che sono alla base della profilazione che servono a generare comunicazioni pubblicitarie iperindividualizzate, totalmente calibrate sulle preferenze e i bisogni dell’utente.
Il mercato grazie alla psicometria ha imparato che le tracce che noi lasciamo in internet e più in generale nel mondo digitale possono fornire una mappa della nostra personalità. I like che mettiamo, le pagine che visitiamo, le foto che vediamo, le applicazioni che usiamo e per quanto tempo, le loro interazioni, la lista dei nostri contatti, i contatti che si instaurano inconsapevolmente tra i nostri dispositivi quando ci troviamo nello stesso luogo etc., rivelano chi siamo, perché attraverso questi dati è possibile ricostruire i nostri bisogni, sino a giungere ai nostri desideri più segreti. Non i social, i dati.
Qui entra in gioco la psicometria che fornisce gli strumenti per misurare la nostra personalità e crea i modelli per classificarli (profilazione). Ricostruire questa mappa della personalità (la nostra psiche, da qui la psicometria) è fondamentale per chi vende servizi e prodotti, perché ciò che facciamo dipende strettamente dai tratti della nostra personalità. In altri termini, profilarci sulla base dei nostri gusti significa interagire con le nostre scelte future.
Ecco perché chi crea profili su di noi, non crea semplicemente delle classificazioni, ma crea dei modelli predittivi, qualcosa di più che una scommessa sulle nostre azioni future. Perché dire ciò che faremo è già un passo per farci compiere delle decisioni su cui si concentrano le aspettative del mercato. Predire ciò che acquisteremo equivale in quest’ottica a farci acquistare. O almeno va in quella direzione.
Ecco perché ad un certo punto la politica ha incominciato ad interessarsi delle tecniche di microtargeting. Si potrebbe pensare che non c’è nulla di male. Quello che si fa nel mercato, perché non dovrebbe valere in ambito politico dove i partiti e i movimenti politici si servono già di sondaggi specializzati forniti su commissione? Non è così. Perché un conto è fornire una radiografia di un campione, un conto è fornire una comunicazione personalizzata realizzata sulla base processi che di fatto entrano nei nostri dispositivi, nelle nostre vite, per coglierne le vulnerabilità. E centrare il bersaglio.
Questo passaggio ha però anche comportato un mutamento genetico dei dati. Perché una volta determinato il passaggio dalla sfera del mercato a quella politica, i dati sono diventati qualcos’altro, uno strumento per vincere una battaglia a dispetto delle preferenze, delle volontà, delle caratteristiche delle persone. È interessante seguire il corso di questa trasformazione perché avviene proprio attraverso un passaggio determinante nel campo militare e dell’intelligence.
Cambridge Analytica e modello OCEAN
L’utilizzo del microtargeting in ambito politico avviene per la prima volta con Cambridge Analytica quando viene costituita una società ad hoc con il compito di utilizzare un modello di profilazione psicometrica sviluppato da un giovane promettente ricercatore americano di origini moldave dalla Cambridge University, Aleksander Kogan, per influenzare i processi elettorali (Ruggiu 2025, 229-239). Questo modello si chiama modello OCEAN, è il frutto di due progetti precedenti che cambieranno la storia dei dati: la Behavioral Dynamics Institute (BCI), un centro di ricerca internazionale presso la London University, e gli Strategic Communication Laboratories (SCL Group) entrambi fondati (nel ’90 e nel ’93 per la precisione) da Nigel Oaks, un pubblicista che ebbe l’intuizione geniale: che le tecniche di marketing potessero trovare applicazione in altri contesti. E provare a farlo.
Questi due centri di ricerca avviano una serie di collaborazioni con governi, eserciti e servizi segreti con l’obiettivo applicare le tecniche di marketing in ambito militare, utilizzandole ad esempio in Iraq per dissuadere i sospetti terroristi dall’unirsi alla jihad, oppure in Nigeria per combattere l’opposizione.
È proprio con questa nuova finalità che Kogan raccoglie il testimone e sviluppa, pare con l’aiuto degli uomini di Palantir (Kharpal 2018), il modello OCEAN un modello della personalità che permette di classificare ciascun individuo sulla base di cinque caratteristiche principali e sulla base di queste colpirlo con messaggi personalizzati.
Kogan crea un’applicazione che mette su Facebook, un test della personalità, chiamato thisisyourdigitallife, che può essere scaricato da tutti gli utenti Facebook. L’applicazione viene scaricata da un numero esiguo, circa 270 mila persone, ma sulla base di queste si profilano, senza dirlo, tutti i loro contatti, sino a coprire una platea di 87 milioni di persone nel mondo. Un numero enorme. Questo database dal valore inestimabile viene quindi acquistato da Cambridge Analytica, una società costituita da Roger Mercer, un miliardario americano vicino all’estrema destra, e Steve Bennon, leader del movimento alt-right americano e consigliere di Trump.
Lo scopo di Cambridge Analytica è cambiare il corso della storia applicando l’arma messa a punto da Kogan ed ereditata da BDI e SCL, prima nel referendum che ha deciso la Brexit, in cui l’Unione europea ha perso uno dei suoi Stati fondatori, e quindi le elezioni americane che portarono alla prima presidenza Trump nel 2016. Anche qui tecniche elaborate nell’ambito dei Big Data vengono applicate in ambito militare, si trasformano in un’arma, e come arma vengono applicate in ambito politico. I bersagli sono l’Unione europea e i democratici. Si può certo dubitare che mandare un messaggio per quanto iperindividualizzato possa alterare il corso delle nostre scelte (noi tutti siamo convinti di essere liberi), ma è un dato di fatto che in questo settore si investono miliardi e che due degli obiettivi che si erano proposti sono stati raggiunti.
Cambridge Analytica non è solo l’ennesimo caso in cui i dati sono stati usati come arma, al pari della disinformazione nel contesto della guerra ibrida, ma ci mostra come i dati possano divenire un’arma indipendentemente dal contesto militare in cui possano essere impiegati. Una volta trasformati in arma, nella loro funzione, i dati possono essere impiegati con questo scopo anche in ambito civile.
Bibliografia
Casilli A. (2020) Schiavi del clic: perché lavoriamo tutti per il nuovo capitalismo?, Feltrinelli, Milano.
Dardana C. (04.01.2026) L’assalto in camera da letto, l’effetto sorpresa e il possibile tradimento tra gli ufficiali: «Sono bastati 46 secondi». Ecco come è stato catturato Maduro, Open.online, https://www.open.online/2026/01/04/cosi-e-stato-catturato-maduro-venezuela/
Kaiser, B. (2019) La dittatura dei dati, HarperCollins Italia.
Karp A., Zamiska N.W. (2025) La repubblica tecnologica. Come l’alleanza con la Silicon Valley plasmerà l’Occidente, Silvio Berlusconi Editore, Milano.
Kharpal A. (27.03.2018) Palantir worked with Cambridge Analytica on the Facebook data it acquired, whistleblower alleges, CNBC, https://www.cnbc.com/2018/03/27/palantir-worked-with-cambridge-analytica-on-the-facebook-data-whistleblower.html
Lyon D. (2014), Surveillance, Snowden, and Big Data: Capacities, Consequences, Critique, Big Data & Society, 1-13, https://journals.sagepub.com/doi/10.1177/2053951714541861
Ruggiu D. (2025) Introduzione a un corso di diritto delle tecnologie digitali, Giappichelli, Torino.
Ruggiu D., Ozdemir B. (2026) Behind the AI’s Gaze: Generative Artificial Intelligence, Digital Slavery, NanoEthics, 20(2), https://link.springer.com/article/10.1007/s11569-025-00489-6
Sarcina, G. (04.01.2026) Così Maduro è stato catturato: l’irruzione in camera, i passi verso il bunker, la moglie immobile a letto. «Alla Delta Force sono bastati 46 secondi», Corriere della Sera, https://www.corriere.it/esteri/26_gennaio_04/maduro-blitz-a53e8440-d17a-410f-954a-b7ebab9d0xlk.shtml
Zuboff S. (2019) Surveillance Capitalism and the Challenge of Collective Action, New Labour Forum, 28(1), https://www.oru.se/contentassets/981966a3fa6346a8a06b0175b544e494/zuboff-
2019.pdf.
Case of El-Masri v. The Former Yugoslav Republic of Macedonia (App. no. 39630/09), judgement of 13 December 2012, Reports of Judgments and Decisions 2012, https://hudoc.echr.coe.int/eng#{%22itemid%22:[%22001-115621%22]}↩︎
https://www.dagospia.com/cronache/nel-blitz-americano-in-venezuela-gli-usa-utilizzato-armi-sonore-per-460198↩︎
Ancora oggi una macchina si ritiene aver raggiunto l’intelligenza umana quando non siamo più in grado di distinguere le sue risposte da quelle di un essere umano. Il test consisteva nel porre un essere umano interrogante in una stanza mentre dall’altra parte dovevano fornire la risposta un computer e un altro essere umano. Se l’essere umano non era in grado di capire quali risposte erano fornite da una macchina allora questa aveva superato il test. Lo scopo di del Turing test è di creare macchine in grado di imi tare il comportamento umano in modo da essere totalmente indistinguibili dagli uomini. Quando la macchina raggiunge quel livello significa che ha raggiunto l’intelligenza umana. Contro questa conclusione si scagliarono si Wittgenstein che Jhon Searl.↩︎
Il progetto venne chiuso un ano dopo nel 2004 per problemi di privacy.↩︎
Nasr E Ghali v. Italy (App No. 44883/09) judgement of 23 February 2016, https://hudoc.echr.coe.int/eng#{%22itemid%22:[%22001-162280%22]}↩︎
Partecipa alla community