AI Agents militari, come l’intelligenza artificiale cambia la guerra

L’intelligenza artificiale sta entrando nella guerra non tanto come “robot killer” pienamente autonomo, quanto come infrastruttura decisionale che comprime tempi, filtra dati e redistribuisce il ruolo umano lungo la kill chain e la sustainment chain. È questo il punto cruciale degli AI Agents militari: non sostituiscono improvvisamente il comando, ma spostano sempre più a monte — nella selezione dei segnali rilevanti, nella classificazione degli oggetti, nella proposta di target, nella navigazione resiliente, nella generazione di corsi d’azione — una quota crescente della decisione operativa.

Cosa sono gli AI agents militari

Se serve una definizione operativa, un AI Agent militare è dunque un software orientato a un obiettivo, capace di combinare dati eterogenei, produrre una valutazione utile e interagire con sistemi esterni o con operatori umani.

In un teatro bellico può essere il modulo che identifica mezzi nemici nei flussi video; il software che mantiene la rotta di un drone sotto jamming; il sistema che propone priorità di fuoco; l’agente che suggerisce una rotta logistica in ambiente ostile; o il componente cyber che assiste nella difesa delle reti. In termini funzionali, oggi si distinguono tre livelli. Nel primo, assistivo, l’AI osserva e raccomanda, mentre l’umano decide. Nel secondo, supervisionato, l’AI esegue segmenti delimitati della missione — per esempio l’ultimo tratto verso il bersaglio o la coordinazione di più assetti — ma su tasking e con regole fissate dall’uomo. Nel terzo, di missione, l’agente o lo sciame opera entro vincoli predefiniti anche in assenza di collegamento continuo, con supervisione umana ex ante e, se possibile, intervento ex post: è il livello verso cui molti programmi tendono, ma che nella pratica pubblica resta ancora limitato e opaco.

AI Agents militari nella guerra in Ucraina

L’Ucraina è il laboratorio più avanzato di questa trasformazione. La pressione del jamming russo ha reso rapidamente obsoleta l’idea del drone interamente pilotato in tempo reale. Reuters ha documentato nel 2024 lo sviluppo di sistemi di computer vision che consentono a droni economici di agganciare il bersaglio e completare in autonomia l’ultimo segmento di volo, così da neutralizzare l’interferenza elettromagnetica. Nello stesso anno Kyiv ha dichiarato di avere già “diverse decine” di soluzioni AI acquistate e distribuite in modo mirato alle forze armate, e un produttore ucraino ha indicato oltre 15.000 unità di software di targeting automatico vendute ai costruttori di droni. Non siamo ancora al “completely autonomous warfare”, ma siamo ben oltre l’autopilota: sono agenti che vedono, riconoscono, correggono e portano a termine fasi della missione in condizioni negate.

Sempre in Ucraina, il caso Avengers mostra il lato meno spettacolare ma forse più importante degli AI Agents: l’automazione dell’ISR tattico. Secondo il ministero della Difesa di Kyiv, la piattaforma sviluppata dall’Innovation Center analizza video da droni e camere fisse e consente di rilevare automaticamente circa 12.000 mezzi o assetti nemici a settimana. Qui l’agente non “spara”: l’AI analizza flussi video, segnala possibili bersagli, riduce il carico degli operatori umani e accelera il passaggio dal sensore alla decisione. La decisione operativa resta, almeno per quanto noto pubblicamente, in capo alla catena umana di comando.

Sciami, droni e sistemi multi-agent

L’Ucraina ha accompagnato alla navigazione anti-jamming anche programmi di sciame. Reuters ha raccontato i lavori di Swarmer su architetture in cui droni e robot condividono decisioni di gruppo, con intervento umano previsto soprattutto per autorizzare lo strike; il ministro della Difesa ucraino Rustem Umerov ha inoltre rivendicato nel 2024 il primo uso al mondo di “drone swarm technology” contro la flotta russa nel Mar Nero. È però necessario restare rigorosi: la dimensione esatta dell’autonomia, il tasso di successo e le regole d’ingaggio di questi sciami restano in gran parte non verificabili pubblicamente. La lezione, comunque, è chiara: la traiettoria tecnologica punta a multi-agent systems capaci di spartirsi compiti, saturare difese e mantenere operatività anche quando comunicazioni e GNSS sono degradati.

Targeting algoritmico e caso Gaza

Il caso di Gaza, invece, ha reso visibile un’altra faccia dell’agentic warfare: il targeting algoritmico come acceleratore della produzione dei bersagli. L’inchiesta di +972 Magazine e Local Call sul sistema “Lavender”, assieme alle analisi di RUSI e del Lieber Institute, suggerisce che l’IDF abbia impiegato sistemi AI-driven di decision support — inclusi “Gospel/Habsora” e “Lavender” — per generare o prioritarizzare liste di target e supportare la pianificazione degli attacchi. Ma proprio Gaza dimostra perché è essenziale distinguere tra slogan e verifica: le specifiche tecniche, i margini di errore, la qualità dei dati addestrativi e il livello reale di controllo umano restano in larga parte opachi; diverse ricostruzioni pubbliche sono basate su testimonianze e reporting investigativo, non su disclosure tecnica completa. Per questo il punto decisivo non è se l’AI fosse “forte” o “debole”, ma se abbia aumentato la velocità di selezione dei target più di quanto abbia aumentato la qualità del giudizio.

Project Maven e comando statunitense

Negli Stati Uniti, il percorso più importante è quello aperto da Project Maven, lanciato formalmente nell’aprile 2017 per trasformare il volume di dati disponibili in “actionable intelligence” e inizialmente orientato all’analisi di video da UAS nella campagna anti-ISIS. Dal progetto è emersa la famiglia di capacità oggi nota come Maven Smart System, descritta dal Pentagono come un sistema decisionale AI-based che accede a dati sensoriali, aiuta i soldati a identificare e colpire target militari, supporta le approvazioni nella catena di comando e conserva le battle damage assessment. È il passaggio dalla computer vision applicata all’ISR al software che struttura l’intero workflow operativo, dal rilevamento alla valutazione degli effetti.

Qui il salto non è solo qualitativo ma industriale. Nel 2024 l’esercito USA ha assegnato a Palantir un contratto da quasi 100 milioni di dollari per licenze e supporto del Maven Smart System; nel 2025 il valore è stato ampliato con una modifica da 795 milioni. Nello stesso periodo, fonti pubbliche legate all’ecosistema difesa hanno indicato che il sistema era già in uso operativo in CENTCOM e veniva sperimentato anche per problemi di logistica, con tempi di “target pass” scesi da ore a meno di un minuto e l’obiettivo dichiarato di supportare fino a 1.000 decisioni tattiche l’ora. Alcune cifre non sono certe, ma il quadro complessivo è solido: gli AI Agents militari statunitensi stanno diventando software infrastrutturale di comando, targeting e sustainment.

Replicator e massa autonoma distribuita

Su questo sfondo si colloca Replicator, l’iniziativa annunciata nel 2023 per portare “multiple thousands” di sistemi autonomi attritabili in più domini entro 18-24 mesi. Il senso strategico è evidente: reagire alla massa avversaria con massa autonoma, economica, aggiornabile e distribuita. L’evoluzione 2024-2025 è altrettanto indicativa: Replicator 1.2 ha incluso anche software enablers per aumentare autonomia e resilienza dei sistemi; Replicator 2 ha spostato l’attenzione sul counter-UAS. In altri termini, il DoD (Department of Defense degli Stati Uniti) non investe solo in piattaforme, ma anche in agenti software che le rendono coordinabili, resistenti al jamming e integrabili nel comando multidominio.

NATO e infrastruttura AI verificabile

Anche la NATO sta traducendo tutto questo in capacità. La revised AI strategy del 2024 mantiene al centro i sei Principles of Responsible Use — liceità, responsabilità e accountability, explainability e traceability, reliability, governability, bias mitigation — e fissa come obiettivo una vera infrastruttura alleata di Testing, Evaluation, Verification & Validation. Nel 2025 l’Alleanza ha inoltre acquisito Maven Smart System NATO per l’Allied Command Operations, descritto da fonti NATO come il primo platform C2 warfighting AI-enabled dell’Alleanza. Parallelamente, DIANA è cresciuta fino a una rete di 16 accelerator sites e oltre 200 test centres, con sfide mirate su AI, autonomia, quantum, cyber e comunicazioni resilienti. Questo segnala un punto politico preciso: per NATO la partita non è più “se usare AI”, ma come scalarla in modo interoperabile e verificabile.

Navigazione, targeting, cyber e logistica predittiva

Gli aspetti tecnici più maturi sono quattro.

Primo: navigazione in ambiente jammato o GNSS-denied, ormai un’esigenza elementare e non più una nicchia, come mostrano i programmi ucraini e i progetti EDF su fusione sensoriale e navigazione autonoma in ambienti non permissivi.

Secondo: targeting algoritmico, che va dalla semplice detection fino alla prioritarizzazione e al pre-packaging dei bersagli.

Terzo: multi-agent e swarming, cioè la distribuzione del compito tra molti assetti coordinati.

Quarto: l’estensione della logica agentica ad ambiti non cinetici — cyber e logistica predittiva. Il Pentagono, attraverso l’AI Rapid Capabilities Cell, ha già formalizzato use case che vanno dal C2 alla cyber security; l’U.S. Army, sul versante logistico, parla apertamente di predictive logistics e finanzia soluzioni AI che sappiano tracciare, prevedere e raccomandare corsi d’azione anche in ambienti DDIL, con banda limitata o assenza di connessione continua.

Controllo umano e rischi degli AI Agents militari

I rischi, però, sono proporzionali al vantaggio militare. La direttiva DoD 3000.09 impone che sistemi autonomi e semi-autonomi siano progettati in modo da permettere “appropriate levels of human judgment over the use of force”, richiede verifiche giuridiche, V&V e T&E in condizioni realistiche e addestramento degli operatori.

La stessa direttiva, però, esclude dal proprio ambito le capacità cyber autonome o semi-autonome, il che crea una possibile asimmetria di governance proprio mentre il DoD accelera l’uso di agenti AI anche nella cyber security. Sul piano del diritto internazionale umanitario, il nodo è noto: distinzione, proporzionalità, precauzione e responsabilità non scompaiono perché l’output è prodotto da un algoritmo. L’ICRC (International Committee of the Red Cross) insiste che l’uso di armi o sistemi che selezionano e ingaggiano target senza intervento umano pone sfide legali, etiche e umanitarie tali da richiedere regole più stringenti e nuove limitazioni giuridiche.

La sfida europea sull’autonomia strategica

Per l’Europa, e per la NATO europea, la lezione è duplice. Da un lato, non basta comprare droni: occorre costruire una filiera di software, dati, processori, test range, standard e supply chain che renda quelle piattaforme davvero agentiche e interoperabili. Dall’altro, la vera autonomia strategica europea passa meno dalla retorica e più da una base industriale capace di produrre moduli di navigazione resiliente, sensor fusion, swarming autonomy, C2 trasparente e verificabile, cybersecurity AI-native.

L’EDA ha già impostato con APAS un approccio che copre sviluppo, sperimentazione, certificazione, standardizzazione e aspetti etici; la Commissione, tramite EDF, finanzia progetti che vanno dall’AI-WASP per piattaforme swarm-enabled alla navigazione autonoma in ambienti GNSS-denied e a sistemi cognitivi di electronic warfare. Se il continente non accelera su procurement, interoperabilità e testabilità, rischia di restare cliente di architetture altrui proprio mentre la guerra torna a essere una competizione tra ecosistemi software-militari.

La soglia critica non è la totale autonomia

La conclusione, allora, è meno futuristica e più concreta di quanto il dibattito pubblico lasci intendere. Gli AI Agents in ambito militare sono già presenti nei conflitti contemporanei, soprattutto come agenti di percezione, classificazione, navigazione, prioritizzazione e coordinamento. La soglia critica non è la “totale autonomia”, che resta più rara e meno documentata, ma la combinazione fra compressione del tempo decisionale, opacità dei modelli e vulnerabilità dei dati.