Quando si dice che l’Intelligenza Artificiale “non è applicata” nella Difesa, spesso si intende una cosa precisa: non che non esistano sperimentazioni, ma che l’IA non è ancora integrata in modo diffuso, standardizzato e scalabile nei processi chiave (intelligence, C2, logistica, manutenzione, cyber, procurement, addestramento), cioè a livello di architettura e non di singoli progetti pilota.

In Europa, la spinta a digitalizzare le forze armate e a rendere “data-centric” la Difesa è ormai esplicita: NATO ed UE hanno avviato programmi e strategie di trasformazione digitale, riconoscendo che la digitalizzazione è il prerequisito per l’adozione efficace di IA, cloud, data sharing e tecnologie “emergenti e dirompenti”.
Eppure, proprio perché il prerequisito è difficile, molti Paesi (Italia inclusa) faticano a trasformare l’intenzione in capacità operative.

Di seguito, una lettura “senza sconti” delle cause principali del ritardo (con particolare focus italiano) e delle conseguenze probabili se non si cambia passo.

Arretratezza digitale: il collo di bottiglia non è “l’algoritmo”, è l’infrastruttura

L’IA in Difesa funziona davvero solo se esistono:

• dati accessibili e governati (non “chiusi” in silos),
• reti e cloud adeguati (anche in ambienti classificati),
• processi digitali end-to-end (dalla raccolta dati alla decisione),
• standard e interoperabilità.

Senza questa base, l’IA resta un gadget.

Il quadro italiano generale segnala fragilità strutturali: la Commissione UE evidenzia che solo il 5% delle imprese italiane usa l’IA (sotto la media UE) e che solo il 45,8% della popolazione ha competenze digitali di base (anche qui sotto la media UE).
È un indicatore “civile”, ma la Difesa pesca dallo stesso bacino di competenze, fornitori, cultura organizzativa e capacità di delivery.

Anche analisi internazionali sulla digitalizzazione della difesa europea indicano che la trasformazione è frenata da procurement, allineamento di budget, sovranità/accessibilità dei dati, sotto-investimento digitale e tempi lunghi (obiettivi al 2030 e oltre).

Traduzione pratica: se non digitalizzi prima la macchina, l’IA non la fai correre più veloce; la fai solo sbattere contro i limiti esistenti.

Dati classificati, silos e “data sharing”: la Difesa ha i dati… ma spesso non li può usare

In Difesa il problema non è la mancanza di dati: è che i dati sono:

• classificati (vincoli legali e di sicurezza),
• disomogenei (formati diversi, qualità variabile),
• silos verticali per forza armata/programma/fornitore,
• spesso non riutilizzabili (mancano “data product”, cataloghi, metadati, governance).

La conseguenza è che l’IA non può essere addestrata e aggiornata con continuità, e soprattutto non può essere portata “in produzione” con affidabilità.

Questo è esattamente il punto che molte strategie occidentali sottolineano: la NATO lega l’adozione di IA a principi e pratiche lungo tutto il ciclo di vita, inclusi test, interoperabilità e sicurezza delle informazioni.

Vincoli legali, etici e responsabilità: in Difesa non basta “funzioni”, deve essere attribuibile

In ambito militare la soglia di accettabilità dell’errore è molto diversa: la domanda non è solo “quanto è accurato?”, ma:

• chi è responsabile se sbaglia?
• è spiegabile e tracciabile?
• è governabile (si può disattivare, limitare, controllare)?
• come si fa la certificazione in scenari che cambiano?

Documenti italiani di riflessione strategica insistono sulla necessità di un controllo umano significativo e sulla complessità giuridico-organizzativa della messa in campo dell’IA, oltre che sulla necessità di governance e piani attuativi.

Anche il quadro UE è particolare: l’AI Act esclude l’uso esclusivamente militare/difesa/national security, ma i sistemi “dual use” (che toccano anche scopi non esclusi) possono rientrare nel perimetro regolatorio.
Questo crea un’area grigia: molte tecnologie sono “civili+militari” e quindi impattano compliance, supply chain, audit e contrattualistica.

Procurement lento e “avversione al rischio”: tempi incompatibili con la curva tecnologica dell’IA

L’IA (soprattutto quella moderna, e ancor più la generativa) evolve in cicli rapidissimi. Il procurement difesa invece:

• ragiona su anni (anche decenni),
• tende a cristallizzare requisiti e soluzioni,
• premia la riduzione del rischio contrattuale più della velocità di iterazione.

Risultato: quando un sistema entra in servizio, rischia di essere già superato o non più aggiornabile.

Un’analisi su procurement e necessità di “razionalizzazioni/streamlining” sottolinea proprio l’esigenza di chiarimenti e snellimenti burocratici per rendere l’acquisizione più efficace.
E un rapporto del Parlamento UK (utile come benchmark, non per “fare paragoni morali”) dice chiaramente che per far crescere un settore IA difesa servono infrastrutture digitali, skill, clearance, e soprattutto un MOD più capace di lavorare con cicli rapidi e fornitori non tradizionali.

Struttura industriale e concorrenza: pochi grandi, filiere dipendenti, incentivi “conservativi”

Il punto è centrato: se il mercato è poco contendibile, l’innovazione dirompente entra peggio.

In Italia i “campioni” della difesa sono forti e spesso trainano export e capacità, ma l’ecosistema può risultare:

• sbilanciato su pochi prime contractor, con un peso enorme nelle scelte tecnologiche e nelle filiere;
• filiere dipendenti dalla capacità (e dalla convenienza) dei grandi di assorbire innovazione;
• incentivi conservativi: protezione di processi e piattaforme consolidate, lock-in di fornitura, barriere all’ingresso per nuovi fornitori.

A complicare il quadro c’è spesso il frammischiamento pubblico–privato tipico del settore (partecipazioni, relazioni istituzionali, dipendenza da commesse pubbliche). Questo può ridurre la contendibilità reale e spostare l’attenzione dalla competizione tecnologica alla tutela degli equilibri esistenti.

Nei casi peggiori, emergono anche dinamiche “chiuse” (patronage, nepotismo) e rigidità organizzative più simili a logiche amministrative:

• processi lenti e scarsa flessibilità operativa;
• vincoli e tutele che rendono più difficile riorientare rapidamente persone e investimenti;
• minore spinta al merito e alla sperimentazione.

Il risultato è una capacità di innovare e scalare tecnologie come IA e data platform meno rapida rispetto a ecosistemi più competitivi, come molte realtà del Nord Europa e degli Stati Uniti.

Un indicatore (non esaustivo) della concentrazione dei grandi player: nelle classifiche SIPRI Top 100 l’Italia ha tipicamente poche aziende presenti; nel fact sheet 2024, ad esempio, le due aziende italiane in Top 100 totalizzano 16,8 miliardi $ di ricavi da armamenti.

In parallelo, la Commissione UE evidenzia che la crescita di imprese innovative in Italia è frenata da un ecosistema ancora debole e da investimenti in venture capital relativamente limitati (pochi “unicorni”): se mancano nuovi entranti forti (startup/scaleup), la Difesa tende a restare più dipendente dai fornitori tradizionali anche sul digitale.

Mancanza di un “leader AI” nazionale e domanda pubblica poco strutturata: si compra tecnologia, non capacità

Qui la distinzione è cruciale:

• comprare un prodotto AI ≠ costruire una capability AI.

Una capability richiede:

• piattaforme dati,
• MLOps/ModelOps,
• test & valutazione continui,
• personale interno (product owner, data steward, AI safety, cyber),
• contratti che prevedano aggiornamento, retraining, e misure di performance nel tempo.

Senza “domanda intelligente” (specifiche, standard, governance), il rischio è l’acquisto di soluzioni “chiavi in mano” che non si integrano, non si aggiornano, o diventano rapidamente legacy.

Nel mercato italiano dell’IA, per esempio, i numeri crescono ma con squilibri: nel 2024 il mercato ha toccato 1,2 miliardi € (+58%), trainato soprattutto da sperimentazioni e GenAI; tuttavia la dinamica è spesso più forte nelle grandi imprese e più lenta nelle realtà piccole.
È coerente con uno scenario in cui la capacità di “industrializzare” l’IA è concentrata.

Un paradosso italiano: “la consapevolezza c’è”, ma l’adozione sistemica è più lenta

Da fonti istituzionali, emerge che la Difesa italiana dichiara un percorso di digitalizzazione e indica l’IA tra le tecnologie centrali, anche con fondi/azioni collegati alla digitalizzazione del Ministero.
Inoltre, documenti di analisi strategica citano l’elaborazione di una strategia di implementazione dell’IA in ambito Difesa (ed. 2023) e insistono su governance e controllo umano.

Quindi il punto non è “non se ne parla”: è che tra strategia e messa a terra c’è un salto organizzativo, tecnico e contrattuale enorme.

Le conseguenze del ritardo: cosa succede se l’IA resta “pilota” e non diventa capacità

Dipendenza tecnologica e perdita di sovranità operativa

Se non sviluppi (o almeno controlli) catena dati-modelli-infrastrutture, finisci per dipendere da:

• fornitori esteri,
• stack proprietari,
• aggiornamenti e roadmap non governabili.

E mentre tu ritardi, altri accelerano: la Francia, ad esempio, ha strutturato un accesso “di sistema” a modelli/servizi IA tramite accordi quadro e infrastruttura nazionale (caso Mistral AI, citato da Reuters).

Gap operativo: velocità decisionale, C2, ISR, cyber

In scenari moderni (multi-dominio, saturazione sensori, droni, guerra elettronica), la differenza la fa:

• fusione dati,
• prioritizzazione automatica,
• supporto decisionale,
• difesa cyber “machine speed”.

Un ritardo qui non è “inefficienza”: è vulnerabilità.

Filiera nazionale più debole: meno R&S, meno export “smart”, meno talenti

Se la Difesa non crea domanda “abilitante” (standard, testbed, programmi), la filiera:

• investe meno in capability AI difesa-grade,
• perde talenti verso mercati più dinamici,
• rimane subfornitore tradizionale.

L’UE oggi finanzia esplicitamente anche aree come IA dentro programmi industriali e R&D difesa (es. EDF, progetti su AI/quantum/droni). Se non sei pronto, rischi di partecipare da junior partner o di non trasformare i fondi in capacità industriale duratura.

4Acquisto di prodotti già arretrati: lock-in e spreco di spesa

Questa è la conseguenza più concreta del procurement lento:

• compri quando la tecnologia è già passata,
• senza clausole di aggiornamento,
• con architetture chiuse,
• e ti ritrovi a pagare integrazioni infinite.

Il rischio non è solo tecnico: è politico-industriale, perché si crea un circuito in cui la spesa sostiene incumbents ma non genera salto tecnologico (tornaconto di breve vs capacità di lungo periodo).

Effetto reputazionale e strategico: conti meno nelle coalizioni

In NATO/UE contano sempre di più:

• interoperabilità digitale,
• data sharing,
• standard comuni,
• rapidità di innovazione.

Se non porti capacità credibili, conti meno nella definizione di standard, programmi congiunti e filiere europee.

In sintesi: le cause sono strutturali, non “manca la voglia”

I blocchi principali non sono (solo) tecnici. Sono:

• fondazioni digitali incomplete (dati, cloud, processi),
• procurement e risk posture incompatibili con iterazione rapida,
• vincoli legali/etici che richiedono governance e certificazione,
• ecosistema industriale e innovazione non abbastanza contendibile,
• domanda pubblica che spesso compra “soluzioni” invece di “capacità”.

Il risultato, se non si corregge, è un doppio danno: military (gap operativo) e industriale (filiera AI difesa che non matura e compra fuori, o compra male).