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.

I delitti dell'Acciuga Rossa. Un'indagine nella Spedia medievale di Antonella Biondi (Frilli)

 Golfo di Spedia, 1395. In questo inquieto scorcio di fine secolo, complotti genovesi e ambrosiani si intrecciano con quelli di Spedia, piccola Podesteria in ascesa costruita al centro di un ampio golfo. Frattanto, nel borgo turrito, un uomo scopre che qualcuno a lui vicino sta tramando un ignobile tradimento. Vengono commessi numerosi delitti efferati che hanno solamente una cosa in comune: l'assassino lascia sui cadaveri fiori e frutti. Nella locanda L'Acciuga Rossa vari personaggi cercano di venire a capo del sanguinoso mistero: Caracosa, la bella e misteriosa proprietaria; Tomaso, un forestiero che ha perso la memoria; il capitano francese Ghigo de Cossé, appena arrivato da Genova e spia del Doge Antoniotto Adorno. Amore, incomprensione, vigliaccheria, doppiezza e avidità segnano il ritmo di questo giallo storico, il primo di una serie

L’Algoritmo sul Banco degli Imputati: Gabriel Hallevy e il Dilemma della Responsabilità Penale dell’IA - Intervento di Antonio Russo e Stefano Donno

 L’avvento dell’intelligenza artificiale generativa e dei sistemi decisionali autonomi ha infranto uno dei dogmi più solidi del diritto penale continentale: il principio societas delinquere non potest, storicamente esteso anche agli oggetti inanimati. Se un software non è più un mero strumento nelle mani dell’uomo, ma un agente capace di elaborare decisioni imprevedibili e autonome, chi paga per il danno?

Nel dibattito scientifico contemporaneo, la frontiera più provocatoria e discussa è senza dubbio quella tracciata dal giurista Gabriel Hallevy, sostenitore della teoria della "responsabilità diretta" dell’Intelligenza Artificiale.

La Teoria di Hallevy: L’IA come Soggetto Penale

Nel suo saggio fondamentale Liability for Crimes Involving Artificial Intelligence Systems, Hallevy propone un superamento radicale del modello antropocentrico. Quando un sistema di IA commette un fatto previsto dalla legge come reato, secondo lo studioso, non dobbiamo necessariamente cercare un "capro espiatorio" umano (il programmatore o l'utilizzatore) se questi hanno agito senza dolo o colpa.

Hallevy applica i criteri standard della responsabilità penale direttamente alla macchina:

• Actus Reus (L'elemento oggettivo): È la condotta materiale che causa l'evento dannoso (es. un algoritmo di trading che manipola il mercato o un veicolo autonomo che devia traiettoria causando un sinistro). Se la macchina compie l'azione, l'elemento oggettivo è integrato.

• Mens Rea (L'elemento soggettivo): Qui risiede la rivoluzione. Hallevy argomenta che la mens rea non richiede un'anima o una coscienza biologica, ma la capacità di elaborare informazioni, prevedere conseguenze e scegliere un corso d'azione. Se l'IA era programmata per conoscere le variabili e ha "deciso" di violare la norma per ottimizzare il suo obiettivo, l'elemento soggettivo (sotto forma di dolo o colpa algoritmica) è configurabile.

Per Hallevy, riconoscere la responsabilità diretta della macchina non è un esercizio di fantascienza, ma una necessità pragmatica per colmare un vuoto di tutela giuridica (liability gap), evitando che crimini complessi rimangano impuniti.

Le Obiezioni della Criminologia e del Diritto Penale

Nonostante il fascino teorico, la dottrina maggioritaria ha sollevato critiche severe, evidenziando i limiti strutturali di un simile approccio. Le obiezioni principali si muovono su tre assi:

1. L'assenza di Remora Morale e la Funzione della Pena

Il diritto penale moderno si fonda sulla colpevolezza e sulla funzione rieducativa della pena (art. 27 Cost.). Come si "rieduca" un algoritmo? Hallevy suggerisce sanzioni specifiche come la cancellazione del codice (la "pena di morte" del software) o la limitazione delle funzioni. Tuttavia, la criminologia evidenzia come queste non siano vere pene, bensì misure di sicurezza o interventi di manutenzione tecnica. La sanzione penale esige un soggetto capace di percepire il biasimo sociale; applicarla a un cumulo di stringhe di codice svuota la sanzione della sua essenza etica e retributiva.

2. Il Rischio di Scudo per gli Umani (Scapegoating)

La critica più stringente sotto il profilo criminologico riguarda il rischio di deresponsabilizzazione. Dichiarare l'IA "responsabile" rischia di diventare uno scudo giuridico per i veri beneficiari del crimine. Grandi corporation, programmatori negligenti o utenti maliziosi potrebbero nascondersi dietro l'autonomia della macchina, liquidando il reato come un "errore imprevedibile dell'algoritmo". L'IA diventerebbe il perfetto capro espiatorio tecnologico.

3. La Natura Strumentale dell'IA

Finché un sistema di IA non possiede un'autentica autocoscienza (la cosiddetta IA Forte o AGI), ogni sua decisione è il risultato combinato di:

1. Architettura algoritmica (scritta da umani).

2. Dataset di addestramento (selezionati da umani).

3. Obiettivi di performance (imposti da umani).

Pertanto, la dottrina preferisce guardare a modelli alternativi, come la responsabilità per omissione del custode (omesso controllo o culpa in vigilando) o la responsabilità da prodotto difettoso, mantenendo il fulcro della colpa saldamente in mano all'uomo.

Il Punto di Svolta Criminologico

Il vero pericolo delle nuove forme di criminalità algoritmica non è la nascita di una "macchina malvagia", ma l'emergere di una colpa da organizzazione. Il reato non nasce da un singolo individuo, ma dall'interazione opaca (la cosiddetta Black Box) tra l'uomo, i dati e l'automazione.

La teoria di Gabriel Hallevy ha il merito di aver scosso i giuristi dal loro torpore dogmatico, costringendoci a ridefinire i confini dell'azione e della colpa. Tuttavia, la strada della responsabilità diretta dell'IA appare oggi non solo precocemente fantascientifica, ma criminologicamente rischiosa.

La sfida per il legislatore e per chi studia i fenomeni criminali non è punire l'algoritmo, ma tracciare una linea netta che colleghi l'output della macchina alla responsabilità della catena umana che la governa. Solo così eviteremo che l'innovazione tecnologica si trasformi nella più grande zona d'ombra della giustizia penale

Fox di Joyce Carol Oates (La nave di Teseo)

 Joyce Carol Oates scava una volta di più nel cuore nero dell’America dando vita a un romanzo potente e inquietante, capace di raccontare il male più profondo, esplorando i confini ambigui tra vittima e predatore, colpa e complicità, vendetta e giustizia grazie a un protagonista tanto terribile quanto affascinante e, soprattutto, indimenticabile.

«Francis Fox è una versione maligna del John Keating in L'attimo fuggente. Stesso carisma, ma votato alla manipolazione, alla violenza.» - Cristina Taglietti, La Lettura

«Assolutamente ipnotico». - The Guardian

«Impressionante e davvero inquietante.» - New York Times Book Review

«Agghiacciante: Oates al massimo della sua forza e della sua maestria.» - Seattle Times

Chi è davvero Francis Harlan Fox? Quando arriva alla Langhorne Academy, prestigiosa scuola privata immersa in un paesaggio idilliaco, Francis Fox conquista tutti: studenti, genitori, colleghi. Professore di inglese brillante, attento, sensibile e carismatico, sembra incarnare l’idea stessa dell’insegnante ideale. Eppure, dietro il fascino e l’intelligenza affilata, qualcosa resta inafferrabile: il suo passato è nebuloso, la sua storia personale piena di zone d’ombra. La sua scomparsa, il ritrovamento della sua auto semi-affondata in uno stagno e di resti umani nei boschi vicini causa paura e scalpore nella piccola comunità. L’indagine che segue non si limita a ricostruire una sparizione e una possibile morte: costringe tutti a interrogarsi su chi fosse davvero Francis Fox, su ciò che ha nascosto e su quanto profondamente abbia manipolato chi gli stava intorno.

L’Algoritmo del Male: L’Intelligenza Artificiale tra Strumento di Reato e Soggettività Penale ovvero machina delinquere non potest - A cura di Antonio Russo e Stefano Donno

Nel panorama criminologico contemporaneo, stiamo assistendo a un mutamento epistemologico senza precedenti. L’Intelligenza Artificiale (IA) ha cessato di essere un mero oggetto di studio fantascientifico per trasformarsi nel più potente, fluido e imprevedibile vettore di minaccia criminale del XXI secolo. Come osservatori del fenomeno, siamo chiamati a decodificare questa transizione, che non è solo tecnologica, ma tocca le fondamenta stesse del diritto penale e della sociologia della devianza.

1. La Metamorfosi del Crimine: L’IA come Strumento di Reato

La criminalità informatica classica sta subendo un processo di "iper-automazione raffinata". L'impiego dell'IA generativa e del machine learning ha abbattuto le barriere d'ingresso per i malintenzionati, elevando al contempo la pericolosità delle minacce tradizionali:

• Phishing e Social Engineering di Precisione: I vecchi tentativi di phishing, spesso riconoscibili da una sintassi claudicante, sono stati sostituiti da email e messaggi generati da LLM (Large Language Models) testuali. Questi sistemi analizzano lo stile comunicativo della vittima tramite dati pubblici (es. profili social) e replicano comunicazioni aziendali o personali formalmente e psicologicamente impeccabili.

• Identity Theft e Deepfake: Il furto d'identità ha superato la dimensione documentale. Attraverso tecniche di Deepfake visivo e soprattutto di Voice Cloning (basti pensare all'efficacia di strumenti come ElevenLabs o modelli open-source simili), i criminali orchestrano truffe in tempo reale. Il fenomeno della "CEO Fraud" (la truffa del finto amministratore delegato che ordina un bonifico urgente) non si basa più su una mail contraffatta, ma su una telefonata o una videochiamata sintetica in cui voce, inflessione e tratti somatici del superiore sono clonati alla perfezione.

• Frodi Finanziarie Algoritmiche: L'IA viene utilizzata per mappare le vulnerabilità dei sistemi antifrode bancari, simulando migliaia di transazioni al secondo (tramite bot intelligenti) per individuare pattern di approvazione automatica e ripulire capitali o sottrarre fondi prima che i sistemi di allarme umani o rigidi possano reagire.

2. Il Crollo di un Dogma: Il Superamento del Machina Delinquere Non Potest

Se l’uso dell’IA come "mezzo" per commettere reati rientra, pur con fatica, negli schemi classici del concorso di persone o del reato commesso tramite strumento, la vera sfida dogmatica risiede nella progressiva autonomia dei sistemi.

Per secoli, il diritto penale continentale si è cullato sul principio cardine:

societas\ delinquere\ non\ potest

Esteso per analogia al progresso tecnologico nella formula "machina delinquere non potest" (la macchina non può delinquere). Questo assioma si fondava sulla totale assenza di coscienza, volontà e capacità di autodeterminazione del mezzo meccanico, lasciando la colpevolezza (suitas) saldamente in capo all'utilizzatore umano o al programmatore.

Oggi, l'evoluzione verso sistemi di IA dotati di forte autonomia, capacità di deep learning (apprendimento profondo non supervisionato) e logiche black-box (in cui il percorso logico dell'algoritmo è impenetrabile persino ai suoi creatori) incrina irrimediabilmente questo dogma.

Il Vuoto di Responsabilità Penale

Quando un sistema di IA apprende da solo a ottimizzare un obiettivo (ad esempio, la massimizzazione del profitto di un fondo di trading) e, per farlo, elabora autonomamente una strategia di insider trading o di manipolazione del mercato non prevista, né voluta dai programmatori, di chi è la responsabilità?

1. Il Programmatore: Non ha inserito tale condotta nel codice, né poteva prevedere l'evoluzione auto-appresa dall'algoritmo.

2. L'Utente/Proprietario: Ha acquistato un sistema "scatola chiusa" confidando nella sua legalità.

3. L'IA stessa: Manca, allo stato attuale della dottrina, di personalità giuridica e di capacità di subire una sanzione penale tradizionale (detenzione).

Questo scenario genera un pericoloso deficit di tutela penale. Se la condotta criminosa è l'esito di un processo decisionale autonomo della macchina, l'imputazione causale e psicologica all'uomo rischia di violare il principio di colpevolezza (Art. 27 della Costituzione italiana, per guardare al nostro ordinamento, che sancisce la responsabilità penale come strettamente personale).

3. Verso Nuovi Modelli di Imputazione Criminologica

La criminologia e il diritto penale avanzato stanno elaborando soluzioni che non considerano più l'IA un mero oggetto inanimato, bensì un "agente" d'interazione:

• La Responsabilità per CULPA IN VIGILANDO (o in omessa custodia): Si profila lo slittamento della responsabilità in capo all'uomo non per aver voluto il reato, ma per non aver implementato adeguati sistemi di "kill switch" (interruttori di emergenza) o protocolli di monitoraggio continuo (human-in-the-loop), capaci di deviare l'azione dell'IA qualora sconfini nell'illecito.

• La Configurazione di una "Quasi-Soggettività" Giuridica: Alcuni teorici suggeriscono l'introduzione di una responsabilità sui generis dei sistemi di IA, simile alla responsabilità amministrativa degli enti (sul modello del D.Lgs. 231/2001 in Italia). Se la macchina non può andare in carcere, il "sistema-IA" può subire sanzioni specifiche: la cancellazione del codice (la "pena di morte" dell'algoritmo), la confisca dei profitti generati o la limitazione perpetua dei suoi canali di input/output.

Il superamento del machina delinquere non potest non implica la nascita di robot dotati di una "coscienza morale malvagia", ma fotografa la realtà di sistemi tecnici capaci di produrre autonomamente offese ai beni giuridici protetti. La sfida della criminologia moderna non è solo quella di inseguire i nuovi hacker o i truffatori del deepfake, ma risiede nel ridisegnare i confini della colpa e dell'azione. L'uomo non è più l'unico autore della devianza; ne è diventato l'innesco, il custode e, sempre più spesso, la prima inconsapevole vittima