L’Algoritmo del Male: L’Intelligenza Artificiale come Nuovo Catalizzatore del Crimine Organizzato e Informatico di Antonio Russo e Stefano Donno

 L’avvento delle tecnologie basate su Intelligenza Artificiale (IA) e machine learning non sta semplicemente trasformando le economie globali e l’efficienza industriale; sta ridefinendo in modo radicale il panorama della criminogenesi e delle tecniche operandi delittuose. Se storicamente l’innovazione tecnologica ha fornito nuovi strumenti alla devianza, l’IA rappresenta un salto paradigmico eccezionale: trasforma il crimine informatico da un’attività ad alta intensità di lavoro e competenze tecniche ad una vera e propria industria automatizzata, scalabile e iper-personalizzata.

Come analisti e ricercatori nel campo criminologico, osserviamo l'emergere di una dinamica in cui l'asimmetria tra minaccia e prevenzione rischia di allargarsi rapidamente.

1. La Nuova Frontiera del Phishing e dell'Ingegneria Sociale

L'ingegneria sociale si è sempre basata sulla manipolazione psicologica. Tuttavia, i limiti tradizionali dei tentativi di phishing — errori grammaticali, modelli generici, scarsa contestualizzazione linguistica — sono stati spazzati via dai Generative Pre-trained Transformers (GPT) e dai Modelli Linguistici di Grande Taglia (LLM).

[Attacco Tradizionale] ---> 
Email generica e sgrammaticata ---> 
Basso tasso di conversione (0.1%)
[Attacco Basato su IA] ---> 
Profilazione OSINT + LLM personalizzato ---> 
Alto tasso di penetrazione (>20%)

L'IA consente oggi di condurre operazioni di spear-phishing (phishing altamente mirato) su scala di massa. Attraverso il raschiamento automatico dei dati dai social network e dalle piattaforme pubbliche (OSINT), un modello di IA può analizzare la sintassi, gli interessi, la rete istituzionale o affettiva di una specifica vittima per generare comunicazioni contestualmente impeccabili. La minaccia si è evoluta in due direzioni critiche:

• Deepfake Audio e Video: L'impiego di sintesi vocale e video deepfake ha dato origine alla modalità di truffa nota come "CEO Fraud" o vishing avanzato. Pochi secondi di audio campionato da un intervento pubblico di un dirigente consentono a un malintenzionato di clonarne la voce per disporre bonifici d'urgenza o richiedere credenziali di accesso.

• Bypassing delle difese cognitive: Non si tratta più di riconoscere un'email sospetta, ma di contrastare vettori comunicativi che mimano perfettamente lo stile comunicativo dei propri contatti di fiducia.

2. Automazione del Furto d'Identità e Sintesi Identitaria

Il furto d'identità (identity theft) si sta evolvendo verso forme complesse di identità sintetica (synthetic identity fraud). Questa tecnica non consiste nel rubare un'identità reale nella sua interezza, ma nel combinare dati reali sottratti (come un codice fiscale) con dati fittizi creati dall'IA (visi generati tramite GAN - Generative Adversarial Networks, documenti falsificati in altissima risoluzione).

Punto di attenzione: L'uso di identità sintetiche permette la creazione di "utenti fantasma" capaci di superare i controlli KYC (Know Your Customer) degli istituti finanziari, rimanere dormienti per mesi e accumulare rating creditizi positivi, per poi contrarre ingenti finanziamenti prima di scomparire senza lasciare tracce fisiche.

L'IA velocizza e automatizza il ciclo di vita di queste identità fittizie, consentendo alle organizzazioni criminali di gestire contemporaneamente centinaia di profili finanziari "ombra".

3. Malware Autonomo e Polimorfismo Algoritmetico

Un'altra direttrice di grave preoccupazione criminologica è l'ibridazione tra codice malevolo e modelli di intelligenza artificiale.

1. Malware Polimorfico guidato da IA: Codici malevoli capaci di riscrivere autonomamente la propria struttura logica durante la diffusione, eludendo i tradizionali sistemi di rilevamento basati su firma (Antivirus e EDR).

2. Ransomware Intelligente: Software in grado di valutare autonomamente la rete della vittima, identificare i server con i dati a più alto valore strategico (es. dati sanitari o proprietà intellettuale) ed esfiltrarli in modo mirato prima di avviare la cifratura, massimizzando il potere estorsivo.

4. Cybercrime-as-a-Service (CCaaS) e la Democratizzazione del Crimine

La novità fondamentale risiede nell'innalzamento dell'accessibilità. Piattaforme illegali nel Dark Web offrono oggi modelli LLM specificamente modificati e privi di barriere etiche (i cosiddetti WormGPT o FraudGPT).

Questi strumenti permettono anche ad attori privi di avanzate competenze informatiche (script kiddies) di sviluppare script di exploit, generare campagne di truffa su larga scala o automatizzare la scansione di vulnerabilità nei sistemi critici. L'IA funziona da straordinario moltiplicatore di forza, livellando le competenze necessarie per condurre attacchi di livello avanzato.

Prospectiva Criminologica

La criminalità informatica mossa dall'IA non è una semplice evoluzione quantitativa del crimine cyber, ma un salto qualitativo che sfida le categorie giuridiche e le metodologie investigative tradizionali.

La risposta non può limitarsi all'adeguamento normativo, che rischia di rimanere strutturalmente in ritardo rispetto al ritmo dell'innovazione tecnologica. È indispensabile adottare un approccio di IA Difensiva (AI-driven Cyber Defense), in cui l'analisi predittiva e il rilevamento delle anomalie basato sull'IA diventino lo standard per la tutela delle infrastrutture critiche, del tessuto economico e dei diritti di riservatezza dei cittadini.

Stavros contro Golia di Sophia Mavroudis (E/O)

 Una moderna tragedia greca, in una Grecia dolente che porta, ancora ben visibili, tutte le cicatrici della crisi finanziaria e sociale che l’ha investita.

«Sophia Mavroudis ci mostra le contraddizioni del Paese attraverso un'indagine molto particolare condotta dal suo iconico commissario Stavros». - Giancarlo De Cataldo, Robinson

Il commissario Stavros Nikopolidis è un elettrone libero e disilluso, ricco di fascino e con un debole per l’ouzo e il rebetiko. Ancora segnato dalla caccia al suo avversario personale si trova a dover collaborare con i turchi per catturare un pericoloso terrorista nascosto in mezzo a un gruppo di migranti nel Mar Egeo. Dopo un tragico abbordaggio Dora, il braccio destro di Stavros, sembra mossa da un profondo rancore sia verso il terrorista sia verso Cengiz, ufficiale della Guardia costiera turca con cui devono lavorare. Da un trauma doloroso del passato si snoda un’indagine costellata di colpi di scena, e di vittime, fino a un finale a sorpresa che sarà deciso, da Stavros, durante una partita di tavli contro un nemico insospettabile

Facce Da Città LXV^ Puntata | Con Sergio Caruso, Criminologo

 

L’Evoluzione Oltre il Codice: Come l’Intelligenza Artificiale Generativa sta Riscrivendo la Criminologia Digitale - Intervento di Antonio Russo e Stefano Donno

 La criminologia, storicamente, ha sempre dovuto inseguire l’evoluzione dei mezzi di offesa. Oggi, però, ci troviamo di fronte a uno spartiacque epistemologico. L'avvento e la democratizzazione dei sistemi di Intelligenza Artificiale (IA) avanzata non hanno semplicemente fornito ai malintenzionati un nuovo "strumento"; hanno radicalmente mutato la natura stessa del crimine informatico, abbattendo le barriere d'ingresso tecniche e scalando la minaccia a livelli industriali.

Se un tempo il cybercrime richiedeva competenze di programmazione sofisticate o l'acquisto di exploit complessi nel dark web, l'IA ha introdotto l'era del "Crimine come Servizio" (Crime-as-a-Service) automatizzato. Dal punto di vista criminologico, stiamo assistendo alla transizione da una criminalità d'élite a una criminalità diffusa, iper-personalizzata e predittiva.

1. L'Ingegneria Sociale 2.0: Il Tramonto del Phishing "Ortografico"

Uno dei segnali più evidenti di questa evoluzione riguarda il phishing e le truffe basate sull'ingegneria sociale. Fino a pochi anni fa, i tentativi di truffa via email erano facilmente riconoscibili: sintassi claudicante, traduzioni grossolane e formattazione approssimativa. Erano esche grossolane lanciate nel mucchio.

Con i Large Language Models (LLM) avanzati, questo scenario è svanito.

• Iper-personalizzazione (Spear Phishing su scala): Gli algoritmi possono analizzare enormi quantità di dati pubblici di un bersaglio (post sui social media, stile di scrittura, relazioni professionali) per generare messaggi perfettamente calibrati, privi di errori grammaticali e scritti con il tono esatto che la vittima si aspetta.

• Vulnerabilità cognitiva: Il criminologo sa che il successo di una frode non dipenda dalla tecnologia in sé, ma dalla manipolazione psicologica. L'IA permette di automatizzare questa manipolazione, sfruttando bias cognitivi come l'urgenza, l'autorità o la familiarità, riducendo drasticamente il tempo di reazione e di sospetto della vittima.

2. Il Furto d'Identità Idrorepellente: L'Era dei Deepfake e della Disintermediazione Biometrica

Il salto di qualità più inquietante è rappresentato dall'architettura dei deepfake, sia audio che video. L'identità, concetto cardine della stabilità sociale e giuridica, è diventata improvvisamente malleabile.

Nel contesto delle frodi aziendali, stiamo registrando una crescita esponenziale delle truffe di tipo CEO Fraud (o BEC - Business Email Compromission). Non si tratta più solo di email contraffatte: i criminali utilizzano cloni vocali generati dall'IA in tempo reale per chiamare i dipendenti dei dipartimenti finanziari, ordinando bonifici urgenti con la voce esatta dell'amministratore delegato.

Dal punto di vista della vittima, il collasso della certezza sensoriale ("vedo e sento, quindi è vero") crea un cortocircuito emotivo. Se i sistemi biometrici di riconoscimento facciale o vocale — utilizzati ormai da gran parte degli istituti bancari — possono essere aggirati da sintesi generative avanzate, crolla il pilastro del patto di fiducia tra utente e infrastruttura digitale. Il furto d'identità non è più la sottrazione di un documento, ma la clonazione della presenza.

3. L'Automazione delle Frodi Finanziarie e il Malware Polimorfico

Oltre l'interfaccia umana, l'IA sta riscrivendo le regole del codice malevolo. Analizzando i dati di tracciamento delle minacce informatiche globali, emergono due macro-tendenze:

• Malware Polimorfico Generativo: Utilizzando versioni modificate e prive di filtri etici dei modelli di IA (come alcune varianti scoperte nel mercato nero), i programmatori di malware possono generare codice che cambia costantemente la propria struttura interna ogni volta che infetta un nuovo dispositivo. Questo rende i tradizionali software antivirus basati su "firma" del tutto obsoleti.

• Scalabilità del danno: L'IA consente di gestire contemporaneamente migliaia di interazioni fraudolente. Bot guidati da intelligenza artificiale conversazionale possono gestire trattative di romance scam (truffe romantiche) o di falsi investimenti finanziari con centinaia di vittime nello stesso momento, adattando le risposte in base alle reazioni emotive dell'interlocutore.

La Risposta Criminologica: Verso una Difesa Predittiva

Di fronte a questa minaccia molecolare, l'approccio reattivo del diritto e delle forze dell'ordine mostra evidenti limiti strutturali. La criminologia moderna deve promuovere un cambio di paradigma.

Non possiamo più limitarci a studiare il reato a posteriori. È necessario sviluppare un'architettura di difesa simmetrica: l'IA deve essere utilizzata per combattere l'IA. Questo significa implementare sistemi di Threat Intelligence capaci di anticipare le mutazioni del codice malevolo, algoritmi di autenticazione crittografica della realtà (come il watermarking e la tracciabilità delle fonti mediali tramite blockchain) e, soprattutto, una massiccia campagna di alfabetizzazione cognitiva per i cittadini.

La più grande vulnerabilità non risiede nelle linee di codice dei nostri computer, ma nella naturale tendenza umana a fidarsi. Nell'era dell'Intelligenza Artificiale, la consapevolezza critica è la prima, e più importante, linea di difesa.

11 LUGLIO 2026 - CAROVIGNO (BR) - RICONOSCIMENTO AI CARABINIERI PER SVENTATO ASSALTO PORTAVALORI

 

Il carabiniere al telefono salva il suicida: «Ti puoi fidare di me, vieni qui e ne parliamo»

 

L’EQUILIBRIO VERDE

 

IA e Nuove Forme di Criminalità: L’impatto dell’AI Act europeo sul processo penale italiano di Antonio Russo e Stefano Donno

 L’avvento dell’intelligenza artificiale non rappresenta soltanto una rivoluzione tecnologica, ma un vero e proprio cambio di paradigma criminologico e giuridico. Se da un lato l'IA offre strumenti inediti per la prevenzione e il contrasto del crimine, dall'altro ridefinisce la fenomenologia stessa del reato, introducendo minacce asimmetriche che sfidano le tradizionali categorie del diritto penale e della procedura penale.

In questo scenario di transizione, il Regolamento UE 2024/1689 (noto come AI Act) si pone come la prima vera architettura normativa globale volta a disciplinare lo sviluppo e l'uso dell'intelligenza artificiale. Ma qual è l’impatto concreto di questa normativa sovranazionale sul nostro processo penale? Come si conciliano le esigenze di efficienza investigativa con le garanzie costituzionali del giusto processo?

1. La tassonomia del rischio nell'azione di contrasto (Law Enforcement)

L'AI Act adotta un approccio basato sul rischio (risk-based approach), classificando i sistemi di intelligenza artificiale in quattro categorie: rischio inaccettabile, alto, limitato e minimo. Per la criminologia applicata e la magistratura, l'attenzione si concentra inevitabilmente sui sistemi classificati ad alto rischio, dove rientrano quasi tutte le applicazioni destinate alle forze di polizia e all'amministrazione della giustizia.

In particolare, l'uso dell'IA nel settore del law enforcement tocca nodi nevralgici:

• La valutazione del rischio di recidiva: Algoritmi utilizzati per stimare la pericolosità sociale di un individuo o la probabilità che compia nuovi reati.

• La polizia predittiva (predictive policing): Sistemi atti a mappare aree geografiche o a profilare comportamenti per prevenire la commissione di illeciti.

• L'identificazione biometrica in tempo reale: Strumenti di riconoscimento facciale in spazi pubblici, il cui utilizzo è tendenzialmente vietato dall'AI Act, salvo tassative eccezioni legate alla sicurezza nazionale o alla prevenzione di specifiche minacce terroristiche e reati gravi.

Il legislatore europeo ha compreso che l'uso incontrollato di queste tecnologie rischia di tradursi in una strisciante violazione dei diritti fondamentali. La profilazione algoritmica, se non sottoposta a rigidi controlli di trasparenza, rischia di replicare e amplificare i pregiudizi (bias) storici dei dati di addestramento, criminalizzando preventivamente specifiche categorie sociali o aree urbane.

2. Il "Giusto Processo" alla prova dell'algoritmo: l'impatto sul dibattimento

L’innesto di evidenze generate o analizzate da sistemi di IA nel processo penale italiano solleva questioni costituzionali di prima grandezza, con particolare riferimento all’articolo 111 della Costituzione (Giusto Processo) e all’articolo 6 della CEDU (Diritto a un equo processo).

La trasparenza e la "scatola nera" (Black Box)

La struttura interna di molti modelli di IA (specialmente quelli basati su deep learning) è caratterizzata da opacità. Se la difesa non può comprendere la catena logica e matematica attraverso cui un algoritmo è giunto a formulare un output (ad esempio, l'identificazione di un sospettato o la ricostruzione di una scena del crimine tramite computer vision), viene meno il principio del contraddittorio nella formazione della prova.

Sotto questo profilo, l'AI Act impone severi obblighi di tracciabilità, documentazione tecnica e trasparenza per i sistemi ad alto rischio. Nel processo penale italiano, ciò significa che l'acquisizione della "prova scientifico-tecnologica" dovrà essere sempre accompagnata dalla verificabilità del codice e dei dataset di addestramento, garantendo alla difesa il diritto alla disclosure tecnologica e all'effettuazione di controperizie.

Il principio del Human-in-the-loop e il libero convincimento del giudice

L’AI Act stabilisce che i sistemi ad alto rischio debbano essere progettati in modo tale da consentire una supervisione umana efficace (human-in-the-loop). Nel contesto giudiziario italiano, questo principio protegge una colonna portante del nostro ordinamento: il libero convincimento del giudice.

Il giudice non può, in nessun caso, abdicare al proprio ruolo valutativo delegandolo a una macchina. L'output algoritmico deve essere considerato alla stregua di un mero indizio o elemento di prova scientifica, soggetto al vaglio critico del magistrato, il quale ha l'obbligo di motivare il percorso logico-giuridico che lo ha condotto a sposare o rigettare la conclusione dell'IA. L'intelligenza artificiale assiste la decisione, non la sostituisce.

3. Le nuove forme di criminalità e la sfida probatoria

Accanto all’uso istituzionale dell'IA, assistiamo alla nascita di nuove fenomenologie delittuose. La manipolazione della realtà tramite deepfake per scopi estorsivi o di disinformazione geopolitica, le truffe finanziarie automatizzate tramite agenti autonomi, e gli attacchi informatici coordinati da modelli linguistici avanzati richiedono una risposta investigativa tempestiva.

L'AI Act funge qui da scudo preventivo, imponendo la marcatura (watermarking) dei contenuti generati da IA e obblighi di trasparenza per i fornitori. Nel processo penale, la tracciabilità della genesi del dato digitale diventerà il terreno di scontro principale. La criminologia forense dovrà dotarsi di protocolli standardizzati per accertare l'autenticità delle prove digitali, scongiurando il rischio che prove artificiali inquinino l'accertamento della verità storica.

Verso una criminologia algoritmica ed etica

L'introduzione del Regolamento UE 2024/1689 segna il confine tra un'epoca di sperimentazione deregulation e una nuova era di legalità tecnologica. Per il processo penale italiano, la sfida non sarà rifiutare l’intelligenza artificiale – che rappresenta un alleato formidabile contro la criminalità complessa – ma costituzionalizzarne l'uso.

Criminologi, giuristi e tecnologi sono chiamati a collaborare per edificare una prassi giudiziaria in cui l'efficienza predittiva e investigativa non sacrifichi mai la dignità umana e la presunzione di innocenza. L'algoritmo deve rimanere uno strumento al servizio della giustizia, e mai il suo invisibile legislatore.

“Stalking. Storie straordinarie di un crimine ordinario”: incontro pubblico a Foggia OGGI 16 luglio

Si tiene a Foggia, oggi giovedì 16 luglio alle ore 18.00, presso l’Aula Magna del Dipartimento di Scienze Sociali (DISS) dell’Università di Foggia (UNIFG), la presentazione del libro di Antonio Russo dal titolo “Stalking. Storie straordinarie di un crimine ordinario”.

L’evento rappresenta un appuntamento di forte impatto civile e culturale dedicato a un tema di grandissima attualità: la violenza persecutoria nelle sue forme tradizionali e digitali, le dinamiche relazionali che la alimentano e le conseguenze profonde che produce sulle vittime e sulle intere comunità. L’iniziativa è promossa in collaborazione con Foggia Social Club, Tempio della Pace, ACS, Lecce e l’A.P.S. Daunia in Haly.

Prevenzione, informazione e cultura del rispetto

L’evento, che gode del patrocinio dell’UNIFG, intende accendere i riflettori su un reato che può insinuarsi nella quotidianità attraverso segnali apparentemente “normali” — come il controllo, la gelosia e l’insistenza — fino a trasformarsi in una spirale di paura e isolamento. La presentazione sarà un’occasione per aprire un confronto competente e accessibile, unendo prospettive accademiche, psicologiche ed editoriali, e valorizzando il ruolo dell’informazione nel dare voce e strumenti di comprensione.

Rilevanza formativa (“Direttiva Zangrillo”) L’iniziativa è valida per la formazione del personale dell’Università di Foggia, in conformità con la Direttiva del Ministro per la Pubblica Amministrazione del 14 gennaio 2025. Un riconoscimento che sottolinea la qualità e la rilevanza formativa dell’incontro, inserendolo a pieno titolo tra le attività di aggiornamento e sensibilizzazione del personale pubblico su temi di legalità, prevenzione e cultura del rispetto.

Il programma dell’incontro

L’evento vedrà la partecipazione di diverse figure del mondo accademico, sociale ed editoriale:

• Saluti istituzionali:
  • dott. Gino Di Pietro (Foggia Social Club)
  • prof.ssa Carmela Robustella (Direttrice DISS UNIFG)
  • prof.ssa Madia D’Onghia (UNIFG)
  • dott.ssa Ines Panessa (psicoterapeuta)
• Moderatore:
  • dott. Alessandro Scolozzi (giornalista)
• Interventi:
  • dott. Antonio Russo (autore del volume)
  • dott. Stefano Donno (editore – I Quaderni del Bardo)

Informazioni utili per partecipare

L’ingresso è libero e aperto al pubblico fino a capienza della sala. L’iniziativa si rivolge in particolar modo a studenti, docenti, operatori sociali e sanitari, associazioni e a tutta la cittadinanza, perché riconoscere lo stalking, parlarne correttamente e sapere come orientarsi rappresenta il primo passo concreto di prevenzione e tutela.

• Quando: Giovedì 16 luglio 2026, ore 18.00
• Dove: Aula Magna Dipartimento di Scienze Sociali (DISS) UNIFG, Foggia
• Contatti e info: Cell. 327 844 6 123

La Giustizia "Predittiva" tra Mito e Realtà: Algoritmi, Pregiudizi e il Futuro del Sistema Penale - Intervento di Antonio Russo e Stefano Donno

 L’ingresso dell'intelligenza artificiale (IA) nelle aule di tribunale e nei dipartimenti di polizia non è più uno scenario da cinema fantascientifico, ma una realtà consolidata. Dalla valutazione del rischio di recidiva alla pianificazione del pattugliamento urbano (predictive policing), i sistemi algoritmici vengono presentati come strumenti neutrali, capaci di eliminare l'errore umano e la parzialità cognitiva dal processo decisionale.

Tuttavia, da una prospettiva criminologica rigorosa, questa presunta neutralità scientifica nasconde insidie profonde. Il rischio reale non è solo l'errore tecnologico in sé, ma la sistematizzazione e l'amplificazione dei pregiudizi storici sotto la rassicurante etichetta dell'oggettività matematica.

Il paradosso del dato storico: l'effetto specchio

Gli algoritmi di apprendimento automatico (machine learning) non creano regole dal nulla: vengono addestrati su enormi database storici. Se questi dati riflettono disparità sociali, decisioni di polizia discriminatorie o asimmetrie sistemiche del passato, l'algoritmo non farà altro che codificare e perpetuare tali ingiustizie.

Il principio "Garbage In, Garbage Out" (GIGO): Se inseriamo nel sistema dati distorti da decenni di politiche di sicurezza sbilanciate o da pregiudizi socio-economici, l'output generato dall'intelligenza artificiale sarà inevitabilmente discriminatorio, ma rivestito di un’aura di infallibilità tecnica.

Questo fenomeno genera un pericoloso loop di feedback auto-avverante:

1. La polizia pattuglia maggiormente i quartieri storicamente marginalizzati perché i dati mostrano un tasso di criminalità più alto.

2. Di conseguenza, si registrano più arresti in quelle aree.

3. I nuovi dati di arresto vengono inseriti nell'algoritmo.

4. L'algoritmo suggerisce di pattugliare ancora di più quegli stessi quartieri, ignorando del tutto i reati "invisibili" (come quelli finanziari o dei colletti bianchi) commessi altrove.

Un confronto necessario: Bias Umano vs. Bias Algoritmico

Per comprendere la portata della sfida, è utile mappare le differenze strutturali tra le distorsioni del giudizio umano e quelle prodotte dai sistemi automatizzati:

Dimensione	Bias Umano (Giudice/Inquirente)	Bias Algoritmico (Software di IA)
Origine	Pregiudizi cognitivi, stanchezza, fattori culturali individuali.	Dati storici distorti, criteri di ottimizzazione errati.
Scalabilità	Limitata. L'errore del singolo giudice impatta solo su specifici casi.	Massiva. Un singolo errore nel codice o nel dataset si applica a migliaia di casi.
Rilevabilità	Relativamente alta attraverso l'appello, il dibattimento e il contraddittorio.	Bassissima. I sistemi spesso operano come "scatole nere" (black box) proprietarie.
Percezione Sociale	Soggetta a scetticismo e critica sociale.	Accettata passivamente come verità scientifica ("sciovinismo computazionale").

La "Scatola Nera" e la crisi del Giusto Processo

Uno dei nodi più critici per la criminologia e la filosofia del diritto è la mancanza di trasparenza dei sistemi di valutazione del rischio (come il noto software statunitense COMPAS, utilizzato per stimare la probabilità di recidiva).

Molti di questi software sono protetti da segreto commerciale. Ciò significa che né gli avvocati della difesa, né i giudici, né gli stessi imputati possono esaminare il codice sorgente o comprendere quali pesi specifici l'algoritmo abbia attribuito a variabili sensibili (come lo stato sociale, il livello di istruzione dei genitori o la residenza) per giungere a un determinato punteggio di pericolosità.

Questo scenario mina alla base i pilastri del giusto processo:

• Il diritto alla difesa: Come si può contestare un'accusa o una valutazione di pericolosità se non si conoscono i criteri logici con cui è stata formulata?

• L'individualizzazione della pena: La criminologia moderna insegna che la pena deve essere calibrata sull'individuo e sul fatto concreto. L'algoritmo, al contrario, ragiona per correlazioni statistiche di gruppo, riducendo la persona a una mera percentuale di rischio.

Conclusioni: Verso una Criminologia Algoritmica di Frontiera

L'intelligenza artificiale non deve essere respinta a priori, ma governata con gli strumenti della criminologia critica e del diritto costituzionale. Non possiamo permettere che la tecnologia diventi un paravento dietro cui nascondere le responsabilità etiche e politiche delle decisioni penali.

Per evitare che la giustizia predittiva si trasformi in una nuova forma di discriminazione scientificamente legittimata, sono urgenti tre passaggi chiave:

• Sottoporre gli algoritmi ad audit indipendenti: I software utilizzati nello spazio giudiziario devono essere open-source o comunque accessibili per verifiche di conformità etica e costituzionale.

• Affermare il principio del "Human-in-the-loop": Nessuna decisione limitativa della libertà personale deve essere delegata esclusivamente a una macchina. L'IA deve rimanere un supporto consultivo, mai decisionale.

• Aggiornare la formazione criminologica: È essenziale formare una nuova classe di giuristi e criminologi capaci di dialogare con i data scientist, decodificando la complessa interazione tra codice binario e devianza sociale.

Solo governando attivamente la transizione digitale potremo evitare che i tribunali del futuro si trasformino in freddi laboratori di calcolo statistico, dove l'uguaglianza formale di fronte alla legge viene sacrificata sull'altare dell'efficienza computazionale.

Nessuno è per sempre di Jane Harper (BOMPIANI)

 Tre case abbandonate. Una miniera che divora la campagna. Un ragazzo scomparso. Cinque anni dopo, nessuna verità. E una madre che la pretende.

«Mi piacciono i gialli australiani di Jane Harper.» - Stephen King

Carralon era aperta campagna, pascoli, fattorie, grandi spazi per una piccola comunità molto unita. Ora è campi incolti, recinzioni e il basso continuo dalla miniera Lentzer che offusca l'aria con la sua polvere e inquina il silenzio con un costante brusio. A Carralon, a casa, era tornato Sam cinque anni fa per festeggiare il compleanno con gli amici e avviare una ricerca sull'impatto della miniera sulla vita della gente. Di chi è rimasto: perché molti hanno venduto case e terra, attratti dai facili guadagni, e se ne sono andati; chi ha detto di no ha perso la sua occasione e ora è costretto a svendere alla Lentzer o a restare suo malgrado in un paese quasi ridotto a fantasma. La sera del suo compleanno Sam è scomparso, e la sua famiglia, attraversata dal dolore, si è sfaldata. Resta il rito di ritrovarsi una volta l'anno insieme nella vecchia casa a ricordarlo: il padre Griff, che per la miniera ora lavora, la madre Ro, che è andata a fare il medico in città, e Della, la sorella che a sua volta ha scelto una vita altrove. Ma quest'anno nella malinconia s'insinua il sospetto, e il desiderio di poter porre la parola fine al mistero induce Ro a riaprire una sua indagine fondata sulla nostalgia, sull'amore e sulla convinzione che qualche traccia di Sam debba essere rimasta. E ognuno dei vicini ha qualcosa da nascondere: chi vorrebbe liberarsi del passato, chi ancora crede nel sogno di una vita semplice, i giovanissimi annoiati, le donne rimaste sole a coltivare la fiducia nel futuro. In lontananza i profili di tre case diverse, già abbandonate da tempo, che con i loro occhi ciechi guardano la valle e custodiscono i loro segreti dietro le assi che sbarrano le porte. Ancora una volta Jane Harper intreccia le atmosfere tese del thriller con il suo fine scavo nella mente e nel cuore dei personaggi, portando alla luce le ragioni inconfessabili e irragionevoli che possono fare di un essere umano un assassino

Algoritmi del Sospetto: L’Intelligenza Artificiale tra Analisi Predittiva e Profilazione Criminale di Antonio Russo e Stefano Donno

 Il panorama della criminologia accademica e delle scienze forensi sta attraversando una metamorfosi radicale. L’avvento dell’Intelligenza Artificiale (IA) non ha soltanto ridefinito i pattern delittuosi – dando vita a nuove e sofisticate forme di criminalità cibernetica – ma ha radicalmente trasformato gli strumenti a disposizione degli organi investigativi. Oggi, la distinzione tra la reazione al reato (law enforcement) e la sua anticipazione si fa sempre più sottile, sollevando interrogativi epistemologici ed etici che non possiamo più ignorare.

In questo contributo intendiamo analizzare come le tre principali declinazioni dell'IA applicata alle indagini – l'analisi predittiva, la profilazione e il riconoscimento facciale – stiano ridisegnando le coordinate della giustizia predittiva.

1. Polizia Predittiva: Oltre il Mito di "Minority Report"

La predictive policing (polizia predittiva) rappresenta il tentativo di applicare modelli matematici e probabilistici alla prevenzione dei reati. Attraverso algoritmi di apprendimento automatico (machine learning), i software analizzano moli imponenti di dati storici: serie temporali di reati passati, variabili meteorologiche, geolocalizzazione, calendari di eventi pubblici e dinamiche socio-economiche del territorio.

L'obiettivo non è prevedere chi commetterà un reato, bensì individuare i cosiddetti hotspots, ovvero le macro-aree urbane e le fasce orarie a più alto rischio di commissione per specifiche fattispecie di reato (come furti o rapine).

Il nodo criminologico: Dal punto di vista scientifico, il rischio latente è il cosiddetto feedback loop o "profezia che si autoavvera". Se l'algoritmo invia più pattuglie in un quartiere storicamente degradato, gli agenti rileveranno inevitabilmente più reati, i quali alimenteranno nuovamente il database dell'IA, cristallizzando e amplificando i bias (pregiudizi) storici di campionamento.

2. La Profilazione Algoritmica e la Valutazione del Rischio

Se la profilazione criminale classica (criminal profiling) si è sempre basata sull'intuito empirico e l'analisi psicologica dell'esperto sul campo, la profilazione guidata dall'IA si sposta su un piano puramente quantitativo.

Nello stadio processuale e penitenziario, gli algoritmi di risk assessment (valutazione del rischio) vengono impiegati per calcolare l'indice di recidiva di un soggetto. Il software analizza variabili quali l'età del primo arresto, la stabilità occupazionale, la storia familiare e le reti relazionali per restituire un punteggio numerico di pericolosità sociale.

Dal punto di vista criminologico, assistiamo a uno slittamento concettuale:

• Criminologia Tradizionale: Valuta la colpevolezza e la pericolosità in base all'atto compiuto e alla personalità del reo.

• Criminologia Attuariale: Tratta l'individuo come membro di una categoria di rischio, calcolando la probabilità statistica che egli si comporti in un determinato modo in futuro.

3. Riconoscimento Facciale e Biometria Investigativa

Il riconoscimento facciale rappresenta forse la tecnologia più pervasiva e discussa. Architetture di reti neurali profonde (deep learning) sono in grado di mappare i tratti somatici di un volto da immagini di videosorveglianza a bassa risoluzione, confrontandoli in frazioni di secondo con i database fotografici delle forze di polizia.

Se applicato alla ricerca di latitanti o alla prevenzione del terrorismo in contesti critici (stazioni, aeroporti), il potenziale investigativo è indiscutibile. Tuttavia, la letteratura scientifica internazionale evidenzia tassi di errore significativi – in particolare i "falsi positivi" – che tendono a colpire in modo sproporzionato le minoranze etniche e di genere, a causa di dataset di addestramento non rappresentativi.

Verso una Criminologia Clinico-Tecnologica

L'Intelligenza Artificiale non deve essere intesa come un "oracolo tecnologico" capace di sostituire il discernimento umano, bensì come un potente amplificatore cognitivo per l'investigatore.

La sfida della moderna criminologia, all'incrocio tra diritto, sociologia e data science, risiede nel governare questi strumenti. È fondamentale garantire il principio della trasparenza algoritmica (il superamento della cosiddetta black box, per cui non si comprendono i passaggi logici compiuti dalla macchina) e preservare sempre la centralità della valutazione umana. La macchina calcola correlazioni, ma è l'uomo che deve interpretarne il senso causale e, soprattutto, garantirne la giustizia.