Dalla previsione all’azione? Le sfide nel trasformare l’allerta in risposta

Abstract

L’intelligenza artificiale (IA) viene sempre più utilizzata a supporto dei sistemi di previsione dei conflitti e di allerta precoce, ma una migliore previsione non porta necessariamente a una migliore prevenzione. Questa tesi esplora tale divario esaminando in quali ambiti l’IA possa effettivamente migliorare il processo di allerta e dove emergano i suoi limiti. Il suo contributo più significativo risiede nella fase analitica, in cui è possibile elaborare più rapidamente grandi quantità di informazioni eterogenee, identificare modelli di escalation e monitorare i rischi con maggiore frequenza e dettaglio geografico. Allo stesso tempo, questi strumenti non possono eliminare l’incertezza né determinare in che modo le istituzioni debbano interpretare e rispondere a un allarme. L’analisi attinge alla letteratura e ai casi di Ucraina, Kenya, Myanmar, Etiopia e Sahel. Nel loro insieme, questi esempi dimostrano che l’utilità dei sistemi predittivi dipende meno dalle sole prestazioni tecniche e più dalla qualità dei dati, dalla conoscenza del contesto locale, dalla capacità istituzionale e dalla volontà degli attori politici di agire. Essi evidenziano inoltre i rischi legati all’affidarsi a informazioni che potrebbero essere incomplete, distorte o influenzate dalle stesse piattaforme automatizzate. L’intelligenza artificiale può quindi rafforzare i sistemi di allerta precoce, ma rimane uno strumento di supporto piuttosto che un sostituto del giudizio umano. Per questo motivo, la responsabilità, la tracciabilità e un controllo umano significativo rimangono fondamentali per un suo uso responsabile nella prevenzione dei conflitti.

Artificial intelligence (AI) is increasingly used to support conflict forecasting and early warning systems, yet better forecasting does not necessarily lead to better prevention. This thesis explores this gap by examining the areas in which AI can effectively improve the warning process and the limitations that remain. Its most significant contribution lies in the analytical stage, where it can process large amounts of heterogeneous information more rapidly, identify patterns of escalation, and monitor risks with greater frequency and geographical detail. At the same time, these tools cannot eliminate uncertainty or determine how institutions should interpret and respond to a warning.

The analysis draws on the literature and on the cases of Ukraine, Kenya, Myanmar, Ethiopia, and the Sahel. Taken together, these examples show that the usefulness of predictive systems depends less on technical performance alone than on data quality, knowledge of the local context, institutional capacity, and the willingness of political actors to act. They also highlight the risks of relying on information that may be incomplete, distorted, or influenced by the same automated platforms from which it is derived. Artificial intelligence can therefore strengthen early warning systems, but it remains a support tool rather than a substitute for human judgement. For this reason, responsibility, traceability, and meaningful human oversight remain essential to its responsible use in conflict prevention.