Più dati possono produrre una rappresentazione migliore. Non necessariamente una decisione migliore

La trasformazione digitale dello strumento militare ha modificato la scala del problema informativo senza cambiarne la natura. Il comandante ha sempre deciso sulla base di informazioni incomplete, in presenza di inganno, attrito e comportamento avversario non pienamente prevedibile. Oggi, tuttavia, a questa incertezza si aggiungono flussi di dati molto più estesi, provenienti da sensori distribuiti, sistemi di intelligence, piattaforme interconnesse, fonti commerciali e open source, reti di comando e controllo e strumenti algoritmici.

L’effetto non è automaticamente una conoscenza più accurata. La capacità di osservare può crescere più rapidamente della capacità di comprendere ciò che viene osservato. Dati ridondanti, temporalmente disallineati o riferiti a configurazioni differenti possono alimentare la stessa recognized picture; fonti apparentemente indipendenti possono dipendere da un’origine comune; un algoritmo può ordinare informazioni incoerenti in una rappresentazione visivamente convincente senza correggerne la debolezza epistemica.

Nelle Multi-Domain Operations (MDO) il problema diventa ancora più evidente, perché il risultato non dipende dalla sola prestazione di una piattaforma ma dalla profonda integrazione di più sensori e sistemi d’arma. Una degradazione nello spettro elettromagnetico può interrompere la relazione tra sensore ed effettore; la perdita di un nodo logistico può modificare la sostenibilità di un’intera linea d’azione; un’interruzione cyber può alterare dati che continuano a essere distribuiti attraverso la rete. L’aumento della connettività moltiplica le possibilità di ricomporre le funzioni, ma aumenta anche il numero delle dipendenze che il decisore deve comprendere.

La trasformazione digitale dovrebbe essere letta da questa prospettiva. La NATO, nella Digital Transformation Implementation Strategy 2.0 del maggio 2026, definisce la trasformazione come un cambiamento coordinato di persone, processi e tecnologia e la collega esplicitamente a capacità digitali sicure, resilienti e interoperabili e alla collaborazione uomo-macchina. Non è, dunque, una questione riconducibile alla disponibilità di software più avanzato.

Ne deriva una conseguenza metodologica: il problema non è massimizzare l’informazione disponibile, ma costruire una catena conoscitiva nella quale sia possibile distinguere ciò che è stato osservato da ciò che è stato stimato, modellato o assunto. Più una decisione dipende da strumenti digitali, maggiore diventa l’esigenza di ricostruire come l’output sia stato prodotto.

È su questo punto che modelli, simulazioni e Digital Twin acquistano significato.

Il Digital Twin vale quanto il suo perimetro di validità

Modello, simulazione e Digital Twin vengono spesso collocati lungo una scala implicita di sofisticazione, come se il passaggio dall’uno all’altro rappresentasse sempre un progresso. È una lettura fuorviante.

Un modello seleziona gli aspetti di un sistema che risultano rilevanti rispetto a una domanda. La simulazione consente di osservare come quella rappresentazione evolva modificando input, condizioni e relazioni. Il Digital Twin introduce un requisito ulteriore: collega la rappresentazione a una specifica controparte reale e mantiene tra le due un livello di allineamento adeguato allo scopo per cui il Twin viene utilizzato.

La distinzione non è lessicale. Produce costi, esigenze di dati e obblighi di validazione differenti.

La guida britannica JSP 939 definisce il Digital Twin attraverso il rapporto con un’entità, un ambiente o un processo reale, un flusso informativo tra rappresentazione e controparte e una sincronizzazione compatibile con la decisione da sostenere. Soprattutto, colloca la validità del Twin all’interno di un validation envelope: la rappresentazione è utilizzabile entro determinate condizioni e tolleranze, non perché costituisca una replica indistinguibile dal sistema fisico.

Questo vincolo impedisce di trasformare il Digital Twin in un’etichetta per qualsiasi modello digitale sofisticato. Un sistema futuro interamente progettato in ambiente virtuale può essere un modello molto avanzato e predisposto a diventare il Twin della futura piattaforma, ma il valore specifico del Digital Twin emerge quando il confronto con una controparte verificabile consente di aggiornare la rappresentazione, individuare divergenze e utilizzare tali divergenze come evidenze.

Anche il richiamo al real time richiede cautela. L’aggiornamento più frequente non è necessariamente quello più utile. Se una decisione manutentiva viene assunta dopo la conclusione di una missione, sincronizzare continuamente ogni parametro può aggiungere costi di sensorizzazione, trasmissione ed elaborazione senza migliorare la scelta. Viceversa, una rappresentazione aggiornata troppo lentamente può divergere dallo stato effettivo fino a perdere utilità. Il criterio appropriato è quindi il tempo utile alla decisione.

Lo stesso principio riguarda la fedeltà. Aumentare indefinitamente il dettaglio di un modello non garantisce un vantaggio proporzionato. Occorre rappresentare con sufficiente accuratezza i fenomeni capaci di modificare la decisione. Un’approssimazione trasparente e costruita intorno alla domanda può essere più utile di una simulazione ad alta risoluzione che descrive perfettamente variabili marginali e tratta superficialmente quelle dalle quali dipende l’esito.

Da qui discende un criterio di proporzionalità: utilizzare il livello minimo di complessità che consenta di produrre l’informazione necessaria con un grado di affidabilità compatibile con il rischio della decisione. Costruire un Digital Twin quando una simulazione più semplice è sufficiente non aumenta automaticamente la qualità dell’analisi; può aumentare soltanto il costo necessario per mantenerla credibile.

Dallo strumento all’ecosistema: la continuità decisionale

Il limite del singolo modello emerge quando il problema militare dipende dall’interazione tra più sistemi. La disponibilità di un velivolo può essere rappresentata con elevata accuratezza attraverso dati tecnici e manutentivi; la possibilità di produrre l’effetto richiesto dipenderà anche dalla minaccia, dalla disponibilità di armamento, dalla connettività, dalla logistica, dalle infrastrutture, dagli altri nodi della forza e dalle decisioni dei soggetti coinvolti.

Il comportamento dell’insieme non è ricavabile dalla semplice somma delle rappresentazioni delle sue componenti.

Diventa allora utile parlare di un ecosistema militare di supporto decisionale: non una piattaforma software totalizzante, ma un insieme federato di dati, modelli, simulazioni, Digital Twin, servizi digitali, persone, processi, metodi analitici e competenze industriali che possano essere composti in funzione della decisione da sostenere.

A distinguerlo da un insieme di strumenti collegati è la continuità decisionale.

Ogni risultato dovrebbe poter essere ricondotto alla necessità che ha originato l’analisi, alle informazioni considerate rilevanti, ai dati effettivamente utilizzati, alla configurazione dei sistemi, alla versione dei modelli e alle modelling assumptions adottate. La tracciabilità deve operare anche in senso inverso: partendo da un output, occorre poter risalire agli elementi che lo hanno prodotto e comprendere quale conclusione cambierebbe qualora uno di essi risultasse errato.

Questo requisito modifica anche il significato della convergenza tra strumenti. Se tre simulazioni indicano lo stesso risultato ma utilizzano il medesimo dataset, la stessa rappresentazione della minaccia o un’assunzione identica sulla disponibilità della rete, non esistono tre conferme indipendenti. Esiste una singola ipotesi propagata attraverso tre strumenti.

La pluralità degli output non coincide quindi con la pluralità delle evidenze.

La pluralità degli output non coincide quindi con la pluralità delle evidenze.

Lo stesso vale per le modelling assumptions. Assumere che un collegamento rimanga disponibile, che una piattaforma possa operare alle prestazioni nominali, che l’avversario segua una particolare dottrina o che la logistica sostenga un determinato ritmo significa delimitare il mondo entro il quale il risultato è valido. Queste condizioni non possono rimanere sepolte nella documentazione tecnica: devono accompagnare l’output almeno nella misura necessaria a interpretarlo.

Una simile architettura richiede fonti autorevoli, controllo della configurazione e versionamento, ma non una monocultura modellistica. L’authoritative source of truth proposta dalla Digital Engineering statunitense offre continuità e responsabilità nella gestione di modelli e dati; in ambito militare, tuttavia, l’autorevolezza non dovrebbe impedire la contestazione. Quando l’incertezza è elevata, mettere a confronto modelli alternativi e rappresentazioni differenti della minaccia può essere più informativo della convergenza forzata verso un’unica baseline.

L’ecosistema serve precisamente a rendere questa pluralità governabile.

Un ambiente sintetico deve poter smentire l’ipotesi per cui è stato costruito

L’ambiente sintetico estende la rappresentazione dalle singole componenti alle loro interazioni. Può combinare terreno, condizioni ambientali, piattaforme, Digital Twin, reti, minaccia, logistica, attori umani e agenti algoritmici entro uno scenario comune.

Il suo valore non dipende dal realismo grafico. Dipende dalla qualità delle relazioni che rappresenta.

Un ambiente visivamente convincente può essere analiticamente debole se tratta come sempre disponibile una rete che nello scenario reale sarebbe contestata, attribuisce a un sensore prestazioni nominali indipendenti dalle condizioni d’impiego o utilizza un avversario incapace di modificare la propria condotta. Una rappresentazione più austera può produrre evidenze migliori se rende correttamente osservabili le variabili dalle quali dipende la domanda sperimentale.

La distinzione tra simulazione, dimostrazione ed esperimento diventa qui decisiva.

Una dimostrazione può verificare che una tecnologia svolga una determinata funzione nelle condizioni predisposte. Un esperimento deve poter mostrare anche quando quella tecnologia non produce l’effetto atteso, quali variabili ne condizionano il funzionamento e quali dipendenze emergono quando cambia lo scenario.

Il Defence Experimentation for Force Development Handbook britannico tratta l’esperimento come uno strumento per produrre evidenze destinate alle decisioni e avverte esplicitamente che evidenze generate per un determinato scopo non possono essere trasferite automaticamente ad altri problemi. La qualità della sperimentazione dipende quindi dal rapporto tra domanda, metodo ed evidenza, non dalla complessità tecnica dell’ambiente impiegato.

Il sintetico non sostituisce il reale. Dovrebbe guidarlo.

Il sintetico non sostituisce il reale. Dovrebbe guidarlo.

Le simulazioni possono individuare le condizioni di maggiore incertezza e concentrare lì test ed esercitazioni fisiche; i risultati reali devono poi essere utilizzati per correggere dati, modelli e assunzioni. Se un test produce un comportamento diverso da quello simulato, la discrepanza non costituisce un inconveniente da neutralizzare finché i risultati tornano a coincidere. È un’informazione: qualcosa nel modello, nella configurazione o nella conoscenza del fenomeno deve essere riesaminato.

L’ambiente sintetico acquista così una funzione diversa dalla riproduzione del reale. Diventa un luogo nel quale è possibile sbagliare prima che l’errore acquisisca costi operativi, industriali o finanziari difficilmente reversibili.

Quando però il fenomeno determinante non è più il comportamento tecnico del sistema, ma ciò che un soggetto intenzionale decide di fare, la simulazione incontra un limite diverso.

Una simulazione è buona quanto lo sono i suoi modelli di minaccia

È qui che il wargaming introduce un elemento che non può essere ridotto alla maggiore potenza di calcolo: l’avversario come soggetto che osserva, interpreta, inganna e modifica la propria condotta.

Il Wargaming Handbook del Ministero della Difesa britannico colloca le decisioni dei partecipanti al centro del gioco. La sequenza degli eventi modifica le scelte dei giocatori e le loro scelte modificano, a loro volta, lo sviluppo dello scenario. Il wargaming può utilizzare simulazioni per calcolare movimenti, consumi, probabilità di rilevamento o effetti delle azioni, ma il suo oggetto rimane l’interazione tra decisori.

Questa centralità del fattore umano non riduce l’importanza della modellazione. La rende più esigente.

Una simulazione può rappresentare correttamente velocità, portate e prestazioni nominali di una minaccia e costruire comunque un ambiente operativo poco credibile se omette le condizioni che ne delimitano l’impiego. Disponibilità effettiva, sostenibilità logistica, vincoli dottrinali e procedurali, vulnerabilità, dipendenze da sensori e comunicazioni, capacità di rigenerazione e degrado delle prestazioni incidono sullo spazio delle decisioni tanto quanto il dato tecnico nominale.

Se il modello attribuisce all’avversario possibilità che non potrebbe esercitare, i giocatori prenderanno decisioni razionali all’interno di una realtà falsata. Se, al contrario, rappresenta l’avversario come un automatismo dottrinale incapace di adattarsi, una linea d’azione amica potrà apparire efficace soltanto perché nessuno è stato messo nelle condizioni di contestarla seriamente.

La credibilità del wargame dipende pertanto dall’incontro fra rappresentatività dei partecipanti, qualità dello scenario e fedeltà dei modelli rispetto ai fenomeni che possono modificare la decisione. La sofisticazione quantitativa non compensa l’errore concettuale.

Neppure la presenza umana trasforma il gioco in uno strumento predittivo. Un wargame mostra che un determinato sviluppo è risultato possibile con quei partecipanti, quelle informazioni, quelle regole e quelle assunzioni. Non stabilisce che un avversario reale agirà allo stesso modo e, da una singola esecuzione, non consente di ricavare la probabilità dell’esito.

La domanda analiticamente utile non è quindi: “che cosa accadrà?”, ma quali vulnerabilità, dipendenze e punti di decisione emergano quando un piano incontra l’opposizione di un soggetto capace di adattarsi.

Questo cambia anche il significato della sconfitta simulata. Se il gioco deve confermare il piano o tutelare la reputazione degli attori che lo hanno elaborato, il suo valore si riduce. Un risultato negativo può invece rivelare un’assunzione fragile, una delega inadeguata, una dipendenza non riconosciuta o un’informazione che il comando non era in grado di ottenere nel momento necessario.

L’errore produce conoscenza soltanto quando è ricostruibile. Per questo il wargaming analitico non può esaurirsi nell’evento. Il documento britannico Analysis-Led Wargaming Framework, reso disponibile nel 2026, colloca definizione del problema, progettazione, esecuzione, analisi e reporting all’interno dello stesso ciclo e distingue le impressioni immediate dai findings sottoposti a verifica.

Il risultato del gioco è quindi un’evidenza da analizzare, non una decisione.

Il risultato del gioco è quindi un’evidenza da analizzare, non una decisione.

L’Operational Analysis deve poter raccomandare di fermarsi

Digital Twin, sperimentazione e wargaming producono evidenze di natura diversa. Alcune derivano da misure fisiche, altre da stime intelligence, simulazioni, comportamenti osservati, giudizio esperto o informazioni industriali. Il passaggio più delicato consiste nel metterle in relazione senza trasformarle artificialmente in un’unica misura.

È la funzione dell’Operational Analysis.

Il suo punto di partenza dovrebbe essere la decisione, non lo strumento analitico già disponibile. Prima di chiedersi quale simulazione eseguire occorre stabilire quale scelta debba essere sostenuta, quale requisito ne costituisca il riferimento, quali informazioni potrebbero realmente modificarla e quali alternative debbano essere confrontate.

Questa impostazione consente anche di contestare la domanda iniziale. Chiedere quale nuova piattaforma debba essere acquisita incorpora già l’assunzione che il gap richieda una nuova piattaforma. L’analisi può mostrare che l’effetto ricercato sia ottenibile modificando la dottrina, la struttura C2, il software, la logistica o una combinazione di capacità esistenti.

Il requisito dovrebbe specificare l’effetto da conseguire senza cristallizzare prematuramente il mezzo.

La stessa disciplina deve accompagnare il confronto. Una soluzione industriale pienamente dettagliata non può essere comparata correttamente con un’alternativa descritta in termini concettuali; una capacità non dovrebbe essere valutata soltanto nello scenario che ne massimizza le prestazioni; un risultato aggregato non deve nascondere il fatto che criteri differenti poggiano su evidenze di qualità diversa.

Soprattutto, l’analista non dovrebbe attribuirsi una scelta che appartiene al decisore.

Stabilire che il costo debba pesare più dell’autonomia industriale, o che la disponibilità immediata debba prevalere sul potenziale evolutivo, non è un risultato scientifico: è una priorità politico-militare. L’analisi può mostrare come cambino le alternative modificando i pesi e quali conseguenze derivino da ciascuna preferenza. L’accettazione del rischio rimane una responsabilità di comando e di governo.

Da questa distinzione emerge un criterio più utile della ricerca dell’«opzione ottimale»: la robustezza. Una soluzione che prevale esclusivamente quando le assunzioni assumono i valori più favorevoli può risultare meno interessante di un’alternativa che mantiene prestazioni accettabili attraverso più scenari, diversi livelli di degradazione e variazioni dei costi o della minaccia.

L’incertezza non viene eliminata. Viene sottoposta ad analisi di sensibilità.

L’Operational Analysis dovrebbe inoltre continuare dopo la selezione dell’alternativa. Le condizioni che hanno giustificato una decisione possono cambiare: la minaccia può maturare più rapidamente del previsto, una tecnologia può non raggiungere la maturità attesa, una supply chain può diventare vulnerabile, i costi possono crescere fino a modificare il rapporto tra beneficio e investimento.

Un processo analitico credibile deve quindi poter sostenere tre esiti: proseguire, correggere o interrompere.

La terza possibilità è la prova più severa dell’indipendenza dell’analisi. Se un processo può soltanto confermare, o al massimo correggere marginalmente, una decisione già assunta, non sta più riducendo l’incertezza del decisore. Sta fornendo una giustificazione metodologicamente più elaborata all’inerzia organizzativa.

Co-progettare con l’industria senza trasferirle il requisito

Anche un’analisi corretta rimane sterile se l’alternativa individuata non può essere trasformata in una capacità disponibile entro il tempo richiesto. È in questo passaggio che il rapporto tra Difesa e industria smette di essere una questione prevalentemente contrattuale e diventa parte dell’ecosistema decisionale.

La componente militare conserva la titolarità dell’effetto operativo, del requisito, dei criteri di validazione e del rischio accettabile. L’industria possiede invece una conoscenza che la componente pubblica non può sostituire integralmente: maturità tecnologica, configurazioni, tempi di sviluppo, capacità produttiva, sostenibilità, dipendenze della supply chain e possibilità di crescita del sistema.

Una separazione sequenziale, nella quale il requisito viene definito interamente prima del confronto con chi dovrà realizzarlo, può far emergere troppo tardi l’incompatibilità tra ambizione e fattibilità. Una commistione eccessiva produce il rischio opposto: la tecnologia disponibile comincia a orientare il requisito, mentre chi propone la soluzione controlla anche dati e modelli utilizzati per valutarla.

Lo spazio intermedio può essere definito come co-progettazione controllata. Il confronto con industria, ricerca e competenze tecniche inizia abbastanza presto da costruire alternative realistiche, ma la responsabilità pubblica rimane identificabile.

In Italia questa esigenza ha assunto una formulazione istituzionale nel progetto «Defence Procurement: la prospettiva nazionale per una Difesa Europea», avviato nel settembre 2025 con il coinvolgimento di Difesa, industria, università e ricerca. La Strategia Digitale della Difesa 2026-2030 ha poi associato la trasformazione digitale alla valorizzazione del dato, alla sovranità tecnologica e alla riduzione delle dipendenze critiche, richiamando una collaborazione più stretta con il sistema nazionale dell’innovazione.

Lo stesso orientamento è riconoscibile a livello alleato. L’Updated Defence Production Action Plan della NATO insiste sull’aggregazione della domanda, sui segnali di lungo periodo all’industria, sulla conoscenza della capacità produttiva e sulla resilienza delle supply chain. Nel luglio 2026 la Strategy for Industry-NATO Cooperation ha rafforzato ulteriormente il coinvolgimento industriale nelle fasi precedenti all’acquisizione, prevedendo maggiore visibilità sui fabbisogni, consultazioni anticipate e percorsi più chiari tra sperimentazione e capability development.

Il quadro europeo affronta lo stesso problema attraverso strumenti differenti. Il White Paper for European Defence – Readiness 2030 identifica frammentazione della domanda, capacità produttiva insufficiente, dipendenze esterne e lentezza degli approvvigionamenti tra gli ostacoli alla trasformazione della spesa in capacità effettivamente disponibili. La risposta europea passa quindi per cooperazione, investimenti, acquisizioni comuni e rafforzamento della base industriale, senza sostituire le responsabilità nazionali né il ruolo NATO nella definizione delle esigenze della difesa collettiva.

Per la Difesa, una collaborazione più profonda con l’industria aumenta anziché ridurre l’esigenza di competenze interne. L’autorità pubblica deve rimanere un intelligent customer: capace di contestare assunzioni, comprendere configurazioni, interpretare costi e prestazioni, distinguere una dimostrazione da un’evidenza e verificare se il sistema rimanga coerente con il requisito durante l’intero ciclo di vita.

Ciò implica anche un accesso sovrano sufficiente a dati e modelli. Non significa acquisire indiscriminatamente proprietà intellettuale e know-how industriale, ma evitare che la Difesa mantenga formalmente la responsabilità di una capacità senza poter comprendere le informazioni necessarie per governarla, valutarne gli aggiornamenti o sostenere una verifica indipendente.

La questione è destinata a diventare più rilevante man mano che software, dataset, algoritmi e Digital Twin entrano nella configurazione effettiva dei sistemi d’arma. La dipendenza strategica non riguarda più soltanto componenti fisiche e ricambi: può risiedere nella conoscenza necessaria per interpretare il comportamento della capacità.

La superiorità decisionale è anche capacità di correggere il proprio modello

In questo ecosistema il meaningful human control assume un significato più ampio rispetto al suo impiego tradizionale nella discussione sui sistemi autonomi. Non si tratta di attribuire questa estensione alla dottrina NATO, ma di ricavarne un principio applicabile al supporto decisionale: la presenza umana ha valore soltanto se persone competenti e identificabili possono intervenire sulla definizione del problema, comprendere le assunzioni, contestare i dati, richiedere nuove simulazioni e rifiutare un output quando venga utilizzato oltre il proprio perimetro di validità.

Una ratifica finale non costituisce controllo se tutti i passaggi che hanno determinato l’alternativa raccomandata restano opachi al soggetto che ne assume la responsabilità.

La traiettoria più plausibile non è quindi quella di sistemi capaci di sostituire progressivamente il decisore, ma di ambienti digitali più persistenti nei quali progettazione, addestramento, sperimentazione, pianificazione e sostegno condividano una parte crescente di dati e modelli. Se questa convergenza si realizzerà, il vantaggio non deriverà soltanto dalla maggiore velocità delle simulazioni, ma dalla riduzione del tempo necessario per riportare nel modello ciò che operazioni, test e comportamento avversario hanno dimostrato essere sbagliato.

Questo modifica anche il modo di leggere la competizione tecnologica. La piattaforma nominalmente più avanzata non garantisce da sola superiorità decisionale. Può risultare più adattabile un’organizzazione capace di individuare rapidamente quali assunzioni non reggono, aggiornare la propria rappresentazione, sperimentare un’alternativa e trasformare il risultato in una modifica operativa o capacitiva prima che l’avversario compia lo stesso ciclo.

Simulare, in questa prospettiva, non significa ridurre la guerra multidominio a un modello né trasferire alla macchina la responsabilità della scelta. Significa costruire un processo nel quale l’incertezza possa essere localizzata, contestata e aggiornata prima che l’errore incorporato nella rappresentazione diventi un errore sul campo.