#L'ANALISI D'INTELLIGENCE. IL LABORATORIO DEL FUTURO
di CLAUDIO CIOFFI-REVILLA
ABSTRACT Il tema dell’analisi d’intelligence è certamente noto alla maggior parte dei lettori di GNOSIS e molti di loro ne conoscono anche la pratica reale, le procedure e i prodotti professionali. Eppure, esiste un bisogno costante e fondamentale di riflettere sui suoi elementi essenziali, soprattutto considerando i progressi in corso nella metodologia, nella tecnologia, nelle istituzioni e negli ambienti (sia interni che esterni) in cui essa opera. In questo articolo esamineremo tre aspetti fondamentali: l’importanza dell’analisi d’intelligence come attività professionale specifica nel più ampio contesto della sicurezza nazionale; i suoi livelli, strategico e operativo; la sua natura essenzialmente scientifica.
L’analisi d’intelligence è quell’attività chiamata a valorizzare dati eterogenei, dinamici e massivi convertendoli in conoscenza chiara e traducibile nella pratica, la quale coadiuva decisioni strategiche, operative e tattiche. La sua importanza risiede principalmente nel fornire la consapevolezza situazionale necessaria (sine qua non) per proteggere e potenziare la sicurezza di un determinato Paese, svolgendo quindi un ruolo cruciale. Questa vitale missione, a sua volta, può generare una molteplicità di altre preziose attività a supporto delle funzioni operative di praticamente tutte le istituzioni di governo. È, pertanto, una pietra angolare del processo decisionale informato in diversi settori, tra cui, certamente, la sicurezza nazionale, ma anche l’ordine pubblico (law enforcement) e la salute pubblica.
A questo scopo, come osservato, l’analisi d’intelligence trasforma dati grezzi in informazioni attuabili. Difatti, le moderne Agenzie raccolgono enormi quantità di dati (flussi di sensori, comunicazioni, rapporti open source, transazioni finanziarie ecc.) e l’analisi è chiamata a setacciare questo miscuglio di segnali e rumore, identificare schemi ed estrarre le informazioni realmente rilevanti per un problema o un obiettivo specifico (cioè, i segnali d’interesse). Senza di essa, i dati grezzi sarebbero in gran parte inutilizzabili. In simile contesto, nell’esaminare tendenze, precedenti storici e segnali emergenti, gli analisti possono prevedere scenari probabili, anticipando sviluppi futuri. Questa prospettiva orientata al futuro aiuta i governi a prevenire minacce alla sicurezza, le forze dell’ordine a mitigare incidenti prevedibili e le agenzie sanitarie a predire focolai di malattie prima che diventino crisi generalizzate.
Non bisogna, poi, sottovalutare che tutti i decisori necessitano di un polo analitico che supporti la pianificazione strategica e l’allocazione delle risorse, dovendo essi misurarsi con risorse limitate (personale, tempo, mezzi tangibili e intangibili). L’analisi d’intelligence fornisce, quindi, valutazioni – basate su prove e stime di potenziali minacce, rischi e opportunità – che mettono in condizione i vertici politici di meglio orientare l’allocazione delle risorse disponibili per massimizzare gli effetti desiderati ed evitare azioni controproducenti o sprechi. L’utilità dell’analisi d’intelligence per il decisore dipende anche dal fatto che i metodi analitici dell’intelligence riducono l’incertezza, mitigano i bias cognitivi e il pensiero di gruppo (groupthink). Ciò è possibile perché gli analisti, a monte, mirano a rendere trasparente la struttura argomentativa di un’analisi, esplicitando tutte le ipotesi e ponderando scenari alternativi. Solo così, le eventuali conclusioni possono essere affidabili e, quindi, fatte proprie con fiducia.
Uno dei maggiori ostacoli dei nostri tempi è il dover operare in ambienti ad alta velocità (ad esempio, nel monitoraggio di minacce cyber o nella gestione di crisi). Consentire risposte tempestive e contestualmente sensibili, cioè produrre velocemente analisi che individuino risultati raggiungibili rapidamente, può fare la differenza tra contenimento ed escalation. Oggi, gli analisti sono chiamati a sintetizzare input in tempo reale e a fornire ai decisori prodotti concisi per l’adozione di scelte operative immediate. Una puntualizzazione merita il termine “decisore”. Non si deve, infatti, dimenticare che i prodotti d’intelligence spesso fungono da riferimento comune per attori diversi (responsabili politici, operatori sul campo, esperti tecnici e soggetti esterni). Per questa ragione, un’analisi ben strutturata e condivisa deve altresì promuovere e facilitare il coordinamento tra parti interessate (stakeholders), riducendo la duplicazione degli sforzi e allineando gli obiettivi.
Non da ultimo, la storia ci ha insegnato che un compito non secondario dell’analisi d’intelligence è quello di fornire prodotti informativi che orientino decisioni etiche e legali. In ambiti quali il controterrorismo o le operazioni clandestine, l’analista aiuta a valutare la legalità e la proporzionalità delle azioni proposte.
L’ANALISI D’INTELLIGENCE CONTA A OGNI LIVELLO DECISIONALE
L’analisi d’intelligence non è un’attività monolitica. Ha modalità ed effetti distinti a ciascun livello decisionale, sia esso strategico od operativo. Si tratta, ora, di capire i meccanismi con i quali agisce a quei due livelli con istanze e contributi specifici, come illustrato nelle Tabelle 1 e 2.
Tenendo presente che l’analisi strategica viene richiesta da un governo centrale e da diverse parti interessate e che, come detto precedentemente, un buon prodotto analitico mira a creare le condizioni per il coordinamento tra stakeholders, l’analisi strategica, a questo scopo, promuove la coerenza politica. Fornendo un quadro comune e una base empirica condivisa, essa garantisce che diversi “strumenti” (diplomatici, militari, economici, culturali e informativi) operino in modo coordinato per produrre effetti voluti di deterrenza e coercizione (compellence), anziché agire in direzioni contrastanti.
L’analisi operativa (Tabella 2) risponde, invece, al quesito: cosa dobbiamo fare ora e dove? Sostiene, perciò, le azioni quotidiane, la protezione delle forze disponibili e le mosse competitive a breve termine. In altre parole, fornisce contributi di valore inestimabile alle attività sul campo, sia fisiche che informative. Ha un’efficacia tattica nella misura in cui informazioni accurate e tempestive consentono a comandanti o coordinatori di sfruttare opportunità fugaci (ad esempio, per l’intelligence militare, un punto debole nella difesa del nemico, un improvviso cambiamento delle forze dell’avversario). Individua, inoltre, minacce imminenti, incoraggiando l’adozione di misure difensive preventive a tutela del personale, dei beni o della reputazione nazionali. Questa sua funzione supporta, cioè, la protezione delle forze e della continuità istituzionale.
Idealmente, i due livelli (strategico e operativo) interagiscono sinergicamente a sostegno degli obiettivi nazionali. L’analisi strategica definisce scopi, vincoli e tappe per la pianificazione operativa (guida dall’alto verso il basso), mentre i risultati operativi stimolano revisioni strategiche (apprendimento dal basso verso l’alto). Detto altrimenti, l’analisi operativa non è scollegata da quella strategica perché i risultati operativi che essa produce alimentano, a loro volta, le valutazioni strategiche, perfezionando le previsioni a lungo termine con dati concreti provenienti dal campo (retroazione o feedback loop). Tuttavia, affinché i due livelli possano operare sinergicamente, entrambi dovrebbero basarsi su fondamenti analitici comuni nella valutazione delle fonti, nella mitigazione dei bias e nel ragionamento analitico strutturato (che vedremo nel dettaglio tra poco). È, infine, auspicabile che, a entrambi i livelli, l’analisi impieghi metodi di base (quasi mai quantitativi), intermedi o avanzati. In quest’ultimo caso, si dovrebbe far riferimento a metodi formali tratti dalla matematica applicata e dalle scienze computazionali.
Una comprensione puntuale ed esatta delle specificità e degli obiettivi peculiari dei due tipi di analisi, nonché delle dinamiche sinergiche che possono intercorrere tra loro, aiuta le istituzioni di un Paese ad allocare le risorse analitiche in modo razionale, affinché le informazioni appropriate arrivino ai decisori giusti e aumenti la probabilità di raggiungere gli obiettivi più ampi, pur mantenendo la flessibilità necessaria per affrontare le sfide immediate.
NATURA SCIENTIFICA DELL’ANALISI D’INTELLIGENCE
Spesso l’analisi d’intelligence è percepita come “artigianato“ o “un’arte“. Nondimeno, almeno nelle intenzioni, è fondamentalmente una disciplina scientifica che applica metodi sistematici, basati su prove empiriche e tecniche formali che trasformano informazioni grezze in conoscenza affidabile. Nello specifico, le proprietà fondamentali che le conferiscono un carattere scientifico sono: la definizione del problema e la formulazione d’ipotesi; la raccolta sistematica dei dati; la molteplicità di scale di misura e di modelli; le Tecniche analitiche strutturate; il ragionamento basato su prove; le valutazioni quantitative probabilistiche; la peer review e la validazione; la mitigazione dei bias e la disciplina cognitiva; il ciclo a spirale iterativo.
Più nel dettaglio, gli analisti solitamente iniziano il loro lavoro formulando una domanda chiara, espressione di un fabbisogno informativo preciso (per esempio, qual è la probabilità che il gruppo X lanci un attacco informatico contro i sistemi d’infrastruttura critica Y e Z entro i prossimi sei mesi?). Questo approccio è metodologicamente indistinguibile da quella che nella ricerca scientifica viene definita una “domanda di ricerca“. Vengono, poi, formulate intenzionalmente diverse ipotesi concorrenti (generazione d’ipotesi), anziché dare per scontata un’unica risposta “ovvia“. Questo metodo rispecchia la pratica scientifica di proporre spiegazioni, modelli o teorie alternative.
In merito alla raccolta sistematica dei dati, ogni notizia e ogni fonte vengono valutate in termini di provenienza, affidabilità e pertinenza, in modo simile a come si valutano i dati sperimentali o osservativi (origine, errore di misurazione, validità ecc.). A tal fine, gli analisti cercano conferme attraverso la triangolazione, cioè riscontri da fonti indipendenti (Humint, Sigint, Osint, Gis ecc.) per ridurre la dipendenza da un’unica fonte, potenzialmente di parte. In modo simile, gli scienziati utilizzano indicatori multipli o insiemi di strumenti. Infine, la documentazione viene archiviata con criterio: tutte le fasi della raccolta, le relative date e orari e i metadati vengono registrati, fornendo una traccia di controllo paragonabile a un protocollo di laboratorio.
È un errore diffuso pensare che solo l’analisi scientifica utilizzi scale di dati multiple e diversificate. Gli analisti d‘intelligence, come gli scienziati, trattano dati nominali (per esempio, diverse tipologie di attacchi terroristici), ordinali (probabilità bassa, media e alta), intervallari (intervallo di tempo tra i segnali) e di rapporto (misurazioni temporali di anomalie o attacchi informatici,). Come riflesso di quella molteplicità, impiegano una vasta gamma di Tecniche analitiche strutturate, nonché modelli statistici, matematici e computazionali. Più volte citate precedentemente, le Tecniche analitiche strutturate sono metodi standardizzati con procedure specifiche che garantiscono rigore e trasparenza nella teoria e nella pratica dell’analisi d’intelligence, come descritto nella Tabella 3.
Per quanto riguarda il ragionamento basato su prove, gli analisti combinano il metodo deduttivo (regole del tipo “se-allora” derivate da dottrine note) con l’inferenza induttiva (partendo dai dati osservati). Ogni conclusione è, per di più, collegata alle prove sottostanti, creando una catena logica verificabile che può essere esaminata e contestata.
Altro aspetto in comune tra l’analisi d’intelligence e il metodo scientifico è la valutazione quantitativa e probabilistica, che si declina in stime numeriche e quantificazione dell’incertezza. In primo luogo, molti rapporti d’intelligence attribuiscono delle probabilità (ad esempio, il 70% di probabilità di un colpo di Stato), ricavate utilizzando metodi statistici, protocolli di consultazione di esperti e sistemi di valutazione calibrati. In secondo luogo, anche gli intervalli di fiducia, le analisi di sensibilità e i margini di errore vengono riportati esplicitamente, in linea con gli standard della metodologia scientifica.
Esistono, inoltre, commissioni di revisione analitica e analisi post-evento che garantiscono la peer review e la validazione in ambito intelligence. Nel primo caso, analisti senior o esperti in materia esaminano le bozze, verificando la presenza di lacune logiche, difetti metodologici o distorsioni. Nel secondo, l’analisi successiva all’evento confronta le previsioni con i risultati, integrando le lezioni apprese nel processo analitico (in modo simile agli studi di replicazione).
Come per la ricerca scientifica, tecniche come “considerare l’opposto“, “analisi post-mortem preventiva“ e “verifica dei punti di riferimento“ vengono applicate sistematicamente dagli analisti per contrastare i bias di conferma e di disponibilità nonché il pensiero di gruppo (groupthink). E anche gli analisti rendono note le ipotesi, i limiti dei dati, il livello di fiducia e le interpretazioni alternative, consentendo ai destinatari di valutare la solidità dell’analisi (trasparenza).
Infine, e a mo’ di sintesi, osserviamo che l’analisi d’intelligence segue una sequenza scientifica, chiamata ciclo a spirale iterativo e composta di fasi essenziali che spesso si ripetono fino a diminuire (e possibilmente, ma raramente, eliminare) l’incertezza: 1) osservazione (raccolta dati); 2) domanda (definizione del problema); 3) ipotesi (generazione di alternative); 4) analisi vera e propria (selezione e applicazione di metodi analitici diversi e coordinati); 5) valutazione (peer review, convalida); 6) comunicazione (disseminazione di un prodotto d’intelligence); 7) feedback (aggiornamento dei modelli in base a nuove osservazioni o considerazioni). Ogni iterazione affina la base di conoscenze, proprio come gli esperimenti ripetuti e gli studi migliorano le teorie scientifiche.
CONCLUSIONI
Prima di terminare, vale la pena soffermarsi brevemente sui molteplici vantaggi di un approccio scientifico nell’analisi d’intelligence. Anzitutto, i metodi rigorosi della scienza riducono gli errori casuali e le distorsioni sistematiche, producendo valutazioni più attendibili (affidabilità). Poi, le catene di ragionamento documentate (trasparenza) permettono ai decisori di comprendere come sono state raggiunte le conclusioni, aumentando la fiducia. Inoltre, le tecniche probabilistiche e basate su scenari previsionali fanno sì che gli analisti possano aggiornare rapidamente valutazioni o stime man mano che arrivano nuovi dati (adattabilità). In aggiunta, le tecniche standardizzate e le procedure di modellizzazione scientifica consentono di ottenere risultati coerenti (comparabilità) tra diverse Agenzie e attori istituzionali (anche nel corso del tempo) facilitando le operazioni congiunte e il coordinamento delle politiche. Infine, le analisi successive all’azione creano un ciclo di feedback che migliora le prestazioni analitiche future, analogamente a quanto avviene nel progresso scientifico attraverso la riproduzione delle osservazioni e il perfezionamento di teorie esistenti o nuove (apprendimento).
RIFERIMENTI
C. CIOFFI-REVILLA, Beyond the Visible Spectrum: Applied Computational Social Science for Boosting Intelligence Analysis, Office of the Director of National Intelligence, Washington 2007.
C. CIOFFI-REVILLA, Seeing It Coming: A Complexity Approach to Disasters and Humanitarian Crises, «Complexity» XIX (2014) 6, pp. 95-108.
J.W. GARTIN, The Future of Analysis, «Studies in Intelligence» LXIII (2019) 2, pp. 1-5.
P.C. GRACE, The Intelligence Intellectuals: Social Scientists and the Making of the CIA, Georgetown University Press, Washington 2026.
R.J. HEUER JR. – R.H. PHERSON, Structured Analytic Techniques for Intelligence Analysis, CQ Press, Washington 2011.
L.K. JOHNSON (ed.), The Oxford Handbook of National Security Intelligence, Oxford University Press, New York 2025.
S. KENT, The Need for an Intelligence Literature, «Studies in Intelligence» I (1955) 1, pp. 1–11.
N. SILVER, The Signal and the Noise. The Art and Science of Prediction, Penguin, New York 2012.