Le ‘istruzioni per l’uso’ della tecnologia applicata allo sterminio
11.09.26 - Elisabeth Di Luca - Redazione Italia PRESSENZA
IA multitasking: un solo sistema di potere per controllare, uccidere e plasmare la narrazione su ciò che accade in Palestina.
Task 1 – SORVEGLIARE: Red Wolf / Blue Wolf
Il 2 maggio 2023 il report Automated Apartheid di Amnesty International denunciava un’infrastruttura operativa nei Territori Occupati per il controllo della popolazione: un sistema di riconoscimento facciale utilizzato ai checkpoint di Hebron. Collegato a Blue Wolf, un’app che i soldati usano per fotografare palestinesi e arricchire il database Wolf Pack, Red Wolf scansiona il volto di chi si presenta al posto di blocco, lo confronta con quelli inclusi nei database che contengono esclusivamente dati biometrici di palestinesi e in cui, se non trova una corrispondenza, lo registra automaticamente, ovviamente senza il consenso della persona, a cui intanto viene negato il permesso di passaggio. Prima, nel 2020, i soldati di stanza a Hebron raccontavano che l’app Blue Wolf generava classifiche in base al numero di palestinesi registrati e che i comandanti israeliani premiavano il battaglione col punteggio più alto, incentivando così i soldati a tenere i palestinesi sotto sorveglianza costante. Non un caso isolato, Hebron era un ‘laboratorio sperimentale’: il riconoscimento facciale ai suoi checkpoint anticipava tecnologie che ora stanno adottando le forze dell’ordine di tutto il mondo. Nell’aprile 2023 l’Istituto delle Nazioni Unite per la ricerca su crimine e giustizia (UNICRI) ‘annunciava’ l’esistenza di un toolkit destinato a tutti i paesi membri di INTERPOL e ONU per regolamentare l’uso dell’IA da parte della polizia e avvertiva che il fenomeno fosse ormai globale e in gran parte privo di una cornice normativa adeguata: casi come quelli dei dipartimenti di polizia di Cuttack, Chennai e Hyderabad in India mostrano che il riconoscimento facciale si diffonde spesso senza alcuna legge a protezione dei cittadini dalla sorveglianza, tanto meno una normativa sulla protezione dei dati [Medianama, 2023]. Non stupisce che, già allora, Amnesty International chiedesse una messa al bando globale dello sviluppo, della vendita e dell’uso della tecnologia di riconoscimento facciale a fini di sorveglianza. Quello che ancora Amnesty ignorava è che la stessa logica di classificazione biometrica di massa sperimentata a Hebron non si era fermata lì. Era diventata il modello su cui si era costruito qualcosa di ancora più letale.
Task 2 – COLPIRE: Lavender, Where’s Daddy, Gospel e Fire Factory
Pochi mesi dopo l’uscita del report di Amnesty International, nel 2024 le testate israeliane +972 e Local Call rivelarono che l’esercito israeliano aveva sviluppato un programma basato sull’IA, chiamato Lavender, che aveva prodotto una kill list arrivata a includere fino a 37˙000 palestinesi, con una supervisione umana di massimo 20 secondi per decidere se i bersagli erano effettivamente membri di Hamas. Un secondo sistema, Where’s Daddy?, serviva poi a rintracciare tali bersagli quando si trovavano a casa la notte, insieme alle famiglie. Secondo un’indagine della CNN di quell’anno il 40-45% delle munizioni sganciate su Gaza erano bombe non guidate (dumb) che causano danni maggiori ai civili perché distruggono l’intero edificio. E sei ufficiali dell’intelligence israeliana, le fonti citate da +972 e Local Call, avevano spiegato che queste bombe venivano riservate a coloro che, da un punto di vista militare, erano considerati bersagli ‘insignificanti’, cioè obiettivi per i quali non era valutato ‘giustificato’ lo spreco di munizioni più efficienti, ma più costose, con cui colpire soltanto una stanza o un piano di un complesso. Ma l’intero ecosistema comprendeva anche altri due strumenti IA:
– Gospel, che utilizza la sorveglianza aerea, le immagini satellitari e i dati di segnale per segnalare edifici e infrastrutture, l’entità della distruzione a Gaza (nell’ottobre 2025 secondo UNOSAT l’81% degli edifici risultava danneggiato o distrutto) riflette, secondo diversi analisti, criteri di classificazione poco trasparenti e con alta tolleranza agli errori;
– Fire Factory, che si occupa della selezione delle munizioni e della logistica necessaria a proporre un piano d’attacco completo, calibrando le decisioni sul tipo di bersaglio [Artificial Weapons, 2024].
Task 3 – MANIPOLARE: LLM poisoning
Secondo un’inchiesta pubblicata dal Guardian nel 2026, nel tentativo di indurre i chatbot a sostenere tesi filo-israeliane, un finto think tank statunitense – creato e finanziato da Israele – elaborando un totale di oltre 560˙000 parole in nove giorni ha divulgato 124 rapporti. L’Hanover Institute for Public Policy non risulta esistere come entità legale in nessuna giurisdizione, non ha indirizzo fisico, staff o autori, e presso il Dipartimento di Giustizia USA è stato registrato come “materiale distribuito per conto del governo israeliano”, come parte di un’iniziativa più ampia, finanziata con decine di milioni di dollari dal governo israeliano e veicolata tramite terze parti, tra cui anche il gruppo pubblicitario europeo Havas Media. La cosa più significativa è l’obiettivo dichiarato: “deployment of websites and content to deliver GPT framing results on GPT conversations”. Non convincere lettori umani quindi ma essere scoperto, citato e potenzialmente assorbito da sistemi IA come ChatGPT o Claude – quasi ogni titolo ha la forma di una potenziale domanda. I documenti sono presentati in modo accademico, corredati da fonti scrupolose, tra cui la Banca Mondiale, le Nazioni Unite e persino Amnesty International. Questa sorta di avvelenamento dei modelli linguistici di grandi dimensioni (LLM) funziona perché essi privilegiano statistiche, dati e fonti – tutti elementi presenti in questi rapporti. Il rischio più grave è l’ingresso di queste informazioni false in archivi web di grandi dimensioni come Common Crawl, usati per addestrare i modelli IA commerciali: quando un modello “rigurgita” narrazioni assorbite in fase di addestramento, spesso non cita nemmeno le fonti, rendendo impossibile il fact-checking. C’è anche un altro fronte, complementare a quello della strategia dell’Hanover Institute: allo stesso tempo in cui si produce un contenuto sintetico per orientare l’IA a favore di Israele, sui social vengono sistematicamente soppressi i contenuti autentici, soprattutto se palestinesi. Tra ottobre e novembre 2023, Human Rights Watch (HRW) ha documentato oltre 1˙050 rimozioni di contenuti pubblicati su sui social Meta sia dai palestinesi che dai loro sostenitori. Uno studio del 2026 dell’Arab Center for the Advancement of Social Media, basato sull’analisi di 3˙520 casi documentati in cinque anni, parla esplicitamente di “platformicide“Inoltre, quasi la metà dei ricorsi presentati tra il 2021 e il 2025 non ha mai ricevuto risposta e laddove Meta ha risposto le sue spiegazioni sono state spesso generiche o incomplete. I numeri poi devono essere interpretati con cautela poiché la portata del problema potrebbe essere maggiore, considerando che Meta fa sempre più ricorso a forme di enforcement invisibili, come lo shadowban, che colpiscono la visibilità dei contenuti senza che gli utenti ne siano informati.
Il filo che unisce task e app.
Affinché Lavender possa generare migliaia di bersagli in pochi secondi o l’Hanover Institute possa produrre mezzo milione di parole in nove giorni, serve la stessa cosa: potenza di calcolo su scala industriale, fornita da aziende private occidentali. È qui che entra in gioco il Project Nimbus, un contratto da 1,2 miliardi di dollari stipulato dal governo israeliano con Google/Amazon per servizi di cloud computing e intelligenza artificiale – un’infrastruttura che vincola le due aziende a non negare mai il servizio a nessun ente del governo, esercito incluso, e ad avvertire segretamente Israele qualora fossero costrette a consegnare i dati israeliani alle autorità durante un’indagine (+972, 2025). Sorvegliare, colpire, manipolare non sono quindi tre strumenti diversi ma tre funzioni della stessa infrastruttura, costruite sullo stesso principio applicato a due direzioni opposte: ridurre le persone a un bersaglio da eliminare, e ridurre loro testimonianza a un ‘segnale da silenziare’.
