Il documentario NAZA di Yuval Abraham e Rachel Szor ricostruisce il processo con cui l’esercito israeliano combina sorveglianza, analisi dei dati, sistemi di IA, localizzazione dei bersagli e stima delle possibili vittime civili prima di un attacco. Il racconto si basa sulle testimonianze di 24 persone provenienti dai servizi d’intelligence e dalle forze armate israeliane, chiamate a descrivere dall’interno strumenti, procedure e criteri utilizzati nelle operazioni a Gaza.
Il titolo del film deriva dall’ebraico nezek agavi, “danno collaterale”. Nel linguaggio militare israeliano, NAZA indica la stima dei civili che potrebbero essere uccisi o feriti durante un attacco contro un obiettivo militare. È quindi un parametro operativo distinto dai sistemi di intelligenza artificiale: entra nella fase in cui le informazioni raccolte su un bersaglio vengono confrontate con il numero previsto di persone presenti nell’area o nell’edificio da colpire. Sistemi come Lavender, Habsora e Where’s Daddy? intervengono invece nelle fasi precedenti, identificando persone, edifici, relazioni e spostamenti.
Nel film, presentato alla Mostra del cinema di Venezia del 2026 e vincitore del Premio speciale della giuria, la sigla NAZA diventa la chiave per entrare in un sistema costruito attorno a dati, algoritmi, telefoni, immagini satellitari, intercettazioni e decisioni umane. La scheda ufficiale della Biennale di Venezia descrive NAZA come un’indagine sui sistemi che hanno accompagnato le operazioni israeliane a Gaza. L’IDF, Israel Defense Forces, cioè le Forze di difesa israeliane, respinge le accuse del documentario e afferma che la selezione e l’autorizzazione degli attacchi spettano a personale umano.
Il tema era emerso con forza già nel 2024, con una ricostruzione del funzionamento degli strumenti Lavender e Where’s Daddy?, associati alla produzione e alla localizzazione dei bersagli. Pochi giorni prima era emerso anche il ruolo del riconoscimento facciale a Gaza e, successivamente, un approfondimento sulla fabbrica delle intelligenze artificiali israeliana, che aveva allargato il quadro ad Habsora, al grande bacino di dati chiamato “the pool” e a Hunter, Flow e ad altre applicazioni.
Da 8200 alla fabbrica dell’intelligence
Per capire questa complessa architettura serve partire dall’Aman, acronimo ebraico di Agaf HaModi’in, la Direzione dell’intelligence militare israeliana. Al suo interno opera l’Unità 8200, il principale reparto di raccolta delle informazioni dell’intelligence militare. La stessa IDF descrive l’Unità 8200 come il reparto incaricato di sviluppare e utilizzare strumenti per raccogliere, analizzare, elaborare e distribuire informazioni.
Una parte centrale del lavoro di 8200 appartiene alla SIGINT, acronimo di Signals Intelligence, ovvero intelligence ricavata dai segnali. Dentro questa categoria rientrano intercettazioni di telefonate e messaggi, traffico radio, emissioni elettroniche e metadati delle comunicazioni. I metadati raccontano la struttura di una comunicazione più che il suo contenuto: chi contatta chi, da quale dispositivo, da quale area, in quale momento e con quale frequenza. Incrociati su scala enorme, questi elementi consentono di ricostruire reti di relazioni, routine, spostamenti e anomalie.
L’intelligence israeliana utilizza diverse categorie di informazioni. La GEOINT, Geospatial Intelligence, raccoglie dati geografici e geospaziali ottenuti da immagini satellitari, fotografie aeree, coordinate e sensori. La HUMINT, Human Intelligence, comprende invece le informazioni raccolte attraverso fonti umane, mentre la OSINT, Open Source Intelligence, riguarda quelle disponibili pubblicamente, per esempio su siti web e social network.
Il salto tecnologico arriva quando queste sorgenti confluiscono in sistemi di data fusion, cioè fusione dei dati. L’idea è semplice: un singolo segnale racconta poco, migliaia di segnali correlati possono costruire un profilo. Il termine big data indica proprio raccolte di informazioni talmente grandi, veloci e varie da richiedere infrastrutture e software dedicati. L’intelligenza artificiale entra qui soprattutto come strumento di classificazione, correlazione e previsione.
Già nel 2021 un documento pubblicato dall’IDF descriveva la trasformazione del centro di elaborazione e analisi dati di 8200 verso “Human Machine Team”, squadre uomo-macchina. Il modello sostituiva parte delle regole scritte a mano con algoritmi di apprendimento automatico (machine learning). Invece di programmare ogni criterio, gli analisti fornivano esempi di entità già conosciute e il sistema cercava oggetti con caratteristiche simili.
Il principio è quello del machine learning supervisionato. Il sistema viene addestrato su esempi già conosciuti e cerca quali caratteristiche tendono a ripetersi nei casi considerati rilevanti. Più numerose e significative sono le caratteristiche in comune, più il punteggio aumenta. Quel numero diventa quindi un indice di probabilità o di somiglianza, utile agli analisti per decidere quali profili esaminare con maggiore attenzione.
Lavender, dal profilo digitale al sospetto
Lavender è il sistema più noto. Secondo l’inchiesta originale di +972 Magazine e Local Call dell’aprile 2024, sviluppata attraverso interviste con sei ufficiali dell’intelligence israeliana, il sistema analizzava grandi quantità di dati per attribuire a ogni persona un punteggio (scoring) legato alla probabilità di appartenenza ad Hamas, il Movimento di resistenza islamica, o alla Jihad islamica palestinese. Il sistema confronta i dati associati a una persona con caratteristiche già individuate nei profili usati come riferimento durante l’addestramento. Tra i segnali considerati possono rientrare la partecipazione a chat frequentate da militanti, i contatti con persone già classificate come appartenenti a gruppi armati, l’uso o il cambio frequente di numeri di telefono e dispositivi, la presenza in determinati luoghi e schemi ricorrenti negli spostamenti. Ogni elemento contribuisce al punteggio finale, che serve a indicare quanto quel profilo assomigli a quelli considerati rilevanti dal sistema.
Ogni segnale può contribuire al punteggio finale. Il sistema produce quindi una graduatoria di probabilità, più vicina a un motore di classificazione che a un’arma propriamente detta. Secondo le fonti dell’inchiesta, Lavender ha segnalato circa 37mila palestinesi come sospetti militanti con una precisione stimata attorno al 90% il che, sul piano statistico, coincide con un margine di errore enorme, soprattutto quando il sistema viene applicato a decine di migliaia di persone.
L’IDF offre una descrizione diversa. Nel documento ufficiale sull’uso delle tecnologie nell’elaborazione dell’intelligence, pubblicato nel giugno 2024 e aggiornato nel settembre 2026, Lavender viene definito un database “general purpose”, ossia un archivio multiuso che organizza e incrocia diversi livelli di informazioni già raccolte. Secondo l’esercito, l’inserimento di una persona in Lavender rappresenta un elemento informativo da sottoporre ad analisti, la qualifica di bersaglio segue quindi una valutazione umana e una successiva approvazione. Le due versioni concordano almeno sul fatto che Lavender serve a organizzare e correlare informazioni su persone legate, secondo l’intelligence israeliana, alle organizzazioni armate di Gaza.
Habsora, dagli individui agli edifici
Habsora significa Il Vangelo e, a differenza di Lavender che ruota attorno alle persone, Habsora lavora principalmente sugli oggetti fisici come edifici, infrastrutture, tunnel, postazioni, siti e altri elementi geolocalizzati. La parola chiave qui è “fusione”. L’IDF spiega che Habsora aggrega grandi quantità di dati provenienti da dataset differenti e suggerisce agli analisti oggetti fisici con una maggiore probabilità di affiliazione militare. I dataset sono quindi raccolte di immagini, coordinate, registrazioni, contatti, eventi o altre informazioni organizzate in modo che un software possa interrogarle e confrontarle. Le inchieste giornalistiche descrivono Habsora come il motore capace di aumentare drasticamente il ritmo di produzione dei bersagli.
Nel 2023, +972 Magazine, testata online indipendente fondata da giornalisti israeliani e palestinesi, e Local Call, il suo sito gemello in lingua ebraica, hanno ricostruito il funzionamento della cosiddetta target factory, la “fabbrica dei bersagli”, nome che richiama il sistema con cui l’intelligence israeliana utilizza grandi quantità di dati e strumenti automatizzati per individuare e proporre nuovi obiettivi militari. Le due testate hanno raccolto anche la testimonianza di Aviv Kochavi, un ex ufficiale dell’intelligence israeliana, che ha descritto questo meccanismo come una “fabbrica di omicidi di massa”. Kochavi ha spiegato che la nuova infrastruttura di intelligence permetteva di produrre circa cento nuovi bersagli al giorno. Prima dell’introduzione di questi strumenti, secondo il suo racconto, un gruppo di circa venti analisti riusciva a individuarne una cinquantina nell’arco di un anno.
Secondo l’IDF, Habsora è diventato operativo nel 2021. Il sistema segnala all’analista dove concentrare la ricerca e quest’ultimo esamina fonti e validità del suggerimento. A seguire, un ufficiale autorizzato approva l’identificazione dell’obiettivo. La stessa documentazione militare afferma che Habsora e Lavender servono a rendere accessibili informazioni già disponibili agli analisti e ad accelerarne l’incrocio.
Gaza e le stragi di civili, così Israele ha cambiato le regole sui raid
di Patrick Kingsley, Natan Odenheimer, Bilal Shbair, Ronen Bergman, John Ismay, Sheera Frenkel e Adam Sella
27 Dicembre 2024
Machine learning e computer vision, come una macchina “vede” Gaza
Dentro sistemi come Habsora convivono tecnologie differenti. Il machine learning individua ricorrenze statistiche nei dati. La computer vision, la visione artificiale, estrae informazioni da fotografie e video. Il riconoscimento delle immagini può confrontare riprese dello stesso luogo realizzate in momenti diversi e segnalare variazioni quali terreno smosso, strutture nuove, oggetti comparsi o scomparsi o cambiamenti nella geometria di un’area.
L’inchiesta del Washington Post sulla “AI factory” israeliana descrive algoritmi capaci di analizzare anni di fotografie satellitari e cercare piccoli cambiamenti compatibili, secondo i modelli addestrati dall’intelligence, per esempio la presenza di un lanciarazzi o lavori per scavare tunnel. Un’attività che richiedeva giorni di lavoro di un analista poteva essere conclusa in poche decine di minuti.
Questo passaggio aiuta a capire il significato di IA nel caso israeliano. Il termine raccoglie strumenti diversi tra classificatori di persone, motori di ricerca nei database, analisi automatica di immagini, sistemi predittivi, interfacce di geolocalizzazione, modelli per stimare la presenza di civili. Il risultato finale nasce dall’integrazione di più software dentro la stessa infrastruttura informativa.
The pool, il grande bacino dei dati
Habsora poggia su ciò che diverse ricostruzioni chiamano “the pool”, il bacino. È una grande infrastruttura di dati costruita per mettere in relazione informazioni che in passato restavano separate. Intercettazioni, immagini, numeri telefonici, profili social, contatti, chat, coordinate, documenti e segnali provenienti da sensori diventano interrogabili attraverso un ambiente comune.
Qui subentra il data mining, ossia l’estrazione di informazione dai dati. Il software cerca correlazioni, ricorrenze e anomalie in archivi enormi. In un sistema militare il vantaggio operativo consiste nel trasformare miliardi di segnali grezzi in poche indicazioni da mostrare a un analista affinché possa evincerne il tenore pressoché a colpo d’occhio.
Il rischio tecnico è quello tipico dei sistemi predittivi, nei quali una correlazione può sembrare significativa pur avendo cause differenti. La qualità del risultato dipende dalla qualità dei dati, dalle etichette usate durante l’addestramento, dai criteri con cui viene costruito il modello e dalla verifica umana. Un errore nel dato iniziale può propagarsi lungo la catena e acquisire una parvenza di certezza, anche laddove certezza non c’è.
Where’s Daddy?, trovare il momento in cui il bersaglio entra a casa
Dopo la classificazione arriva la localizzazione. Where’s Daddy? (“Dov’è papà?”), è il nome attribuito dalle fonti dell’inchiesta di +972 e Local Call a un sistema di tracciamento usato per seguire persone già segnalate e avvertire gli operatori quando entravano nelle loro abitazioni.
La tecnologia ruota attorno alla geolocalizzazione e alla signals intelligence. Un telefono lascia continuamente tracce, perché si collega alle celle della rete mobile, comunica con infrastrutture di rete e produce metadati temporali e geografici. L’intelligence può correlare questi segnali con numeri telefonici, relazioni familiari, indirizzi e altri dati per stimare la posizione di una persona.
NAZA aggiunge dettagli più crudi a questo meccanismo. Le testimonianze raccolte dal film raccontano telefoni compromessi per individuare bersagli e conversazioni con mogli e figli ascoltate nelle fasi immediatamente precedenti a un attacco. Una delle ricostruzioni racconta il telefono di una dodicenne usato per capire quando il padre fosse tornato a casa.
Dal punto di vista tecnico, Where’s Daddy? va descritto come sistema o protocollo automatizzato di sorveglianza e localizzazione. L’IA può contribuire alla correlazione dei segnali e il cuore della funzione resta il tracking, ovvero il tracciamento.
Riconoscimento facciale, associare un volto a un’identità
Un altro strato di questa sorveglianza è il riconoscimento facciale. Nel marzo 2024 era emerso l’uso a Gaza di tecnologie biometriche per identificare persone attraverso il volto, capaci di confrontare immagini riprese da telecamere, droni o altri sistemi di sorveglianza.
La biometria trasforma caratteristiche fisiche in dati misurabili. Nel riconoscimento facciale un algoritmo rileva punti e proporzioni del volto, costruisce una rappresentazione matematica e la confronta con quelle archiviate. Il risultato è un indice di somiglianza la cui qualità dipende da illuminazione, angolo di ripresa, risoluzione, coperture del volto, consistenza del database per il confronto e caratteristiche del modello.
L’Unità 8200 aveva raccolto immagini dalle telecamere di sorveglianza e dai video relativi agli attacchi del 7 ottobre 2023. Le ricostruzioni del 2024 indicano anche il coinvolgimento di Corsight, società israeliana specializzata nel riconoscimento facciale. In una guerra urbana la stessa tecnologia può collegare un volto a un nome, un nome a un numero telefonico e quel numero a una rete di contatti. Un meccanismo lineare che, ancora una volta, rappresenta quanto il valore aggiunto di questi sistemi risieda proprio nell’integrare dati provenienti da fonti diverse.
Hunter, Flow, Z-Tube e Map It, portare l’intelligence sul campo
Accanto ai sistemi che producono o esaminano bersagli esiste uno strato di applicazioni destinate ai soldati e agli analisti. Hunter viene descritto come un’applicazione che consente ai militari sul campo di accedere direttamente a informazioni di intelligence. Flow funziona come un’interfaccia di interrogazione trasversale che permette di cercare in database diversi usando elementi come nome, numero di telefono o posizione e, secondo ricostruzioni successive, di impostare avvisi legati all’attività di una persona di interesse. Z-Tube porta video in tempo reale delle aree verso cui si muovono le unità. Il nome richiama volutamente la logica di una piattaforma video, tant’è che un soldato consulta immagini operative attraverso un’interfaccia semplice, mentre dietro quella schermata lavorano sensori, droni, collegamenti e server. Map It riguarda invece la stima della presenza civile. Secondo il Washington Post, il sistema combina analisi delle immagini e dati ricavati dai telefoni collegati alle celle della rete mobile per stimare quante persone si trovano in un’area. In alcune operazioni le stime venivano presentate attraverso una logica simile a un semaforo con i colori verde, giallo, rosso a seconda della percentuale di occupazione prevista.
Qui emerge un limite strutturale, perché telefono e persona coincidono solo in parte. Un bambino può essere privo di smartphone e un adulto può averne più d’uno. Inoltre, una batteria può essere scarica oppure, un’intera famiglia può usare un unico dispositivo. Alchemist e Depth of Wisdom compaiono nelle ricostruzioni sulla “AI factory” israeliana insieme a Hunter e Flow. Le informazioni pubbliche disponibili sulle loro funzioni restano limitate. Il dato utile, per capire l’architettura, è la presenza di molti strumenti specializzati collegati allo stesso ecosistema di dati, ciascuno dedicato a una porzione del lavoro di raccolta, ricerca, analisi o distribuzione dell’intelligence.
NAZA, quando il danno collaterale diventa un numero
Alla fine della catena arriva NAZA, il danno collaterale previsto. Civili e beni civili che possono essere colpiti incidentalmente durante un attacco contro un obiettivo militare. Qui serve distinguere il linguaggio operativo dal diritto internazionale umanitario, l’International Humanitarian Law. Il Comitato internazionale della Croce Rossa indica tre principi centrali nella conduzione delle ostilità, ossia distinzione, proporzionalità e precauzioni.
Distinzione significa separare persone e beni civili da combattenti e obiettivi militari. Proporzionalità significa valutare se il danno civile previsto risulta eccessivo rispetto al vantaggio militare concreto e diretto atteso. Precauzione, infine, esige che vengano adottate le misure praticabili per ridurre il rischio a danno dei civili. Proporzionalità, quindi, indica un bilanciamento giuridico tra vantaggio militare e danno civile previsto. NAZA entra esattamente in questa fase perché prova a quantificare il secondo elemento. Secondo le inchieste del 2023 e del 2024, i dossier dei bersagli israeliani includevano stime delle vittime civili previste, seguendo una logica ritenuta accettabile di quindici civili per un singolo membro di Hamas. O questi ultimi valgono molto, oppure le vite dei civili valgono molto poco.
NAZA porta questa logica al centro del racconto. Una testimonianza contenuta nel documentario riferisce un’interfaccia che mostrava la stima delle vittime per ciascuna operazione e una soglia ordinaria di venti. Un altro intervistato parla di un caso con una stima di 500 civili per colpire un membro di Hamas cifra che, per onestà, è stata estrapolata da una fonte anonima e quindi lungi dal conforto della verifica. L’IDF la respinge insieme alle accuse centrali del documentario.
Come si stima quante persone ci sono in un edificio
La stima del danno civile è a sua volta un problema di dati. I sistemi possono utilizzare immagini aeree e satellitari, video di droni, registri della popolazione, dati sugli sfollamenti, segnali dei telefoni cellulari e informazioni raccolte dall’intelligence.
Un modello può partire dal numero stimato di residenti di un edificio e correggerlo con indicatori più recenti. Se, per esempio, una zona risulta evacuata al 70%, l’algoritmo può applicare quel valore alla popolazione originaria. Se i telefoni collegati alle celle diminuiscono, la stima può scendere ulteriormente. Se immagini e sensori suggeriscono presenza umana, il valore può cambiare ancora.
Questa è inferenza statistica che coincide con l’usare dati osservabili per stimare una realtà osservata solo in parte. La precisione dipende dalla rappresentatività dei segnali e, in un territorio sottoposto a bombardamenti, sfollamenti, interruzioni elettriche e collasso delle telecomunicazioni, gli indicatori possono cambiare rapidamente. È qui che un errore percentuale diventa un problema tangibile, perché il numero visualizzato sullo schermo rappresenta persone reali dentro edifici reali.
Human in the loop, chi decide alla fine
L’espressione “human in the loop” indica un sistema nel quale una persona resta dentro il ciclo decisionale e approva l’azione proposta o supportata dalla macchina. È il punto su cui si concentra la risposta ufficiale dell’IDF. Secondo l’esercito, gli strumenti tecnologici aiutano gli analisti a incrociare informazioni. Tuttavia, l’identificazione di un bersaglio viene eseguita da un analista, un ufficiale autorizzato approva l’identificazione e, in ultimo, la decisione sull’attacco spetta a un comandante operativo dopo valutazioni militari, legali e umanitarie.
Nella risposta pubblicata l’11 settembre 2026 dopo l’uscita del documentario NAZA, l’IDF ha respinto le accuse del film e ha ribadito che selezione e approvazione degli attacchi sono decisioni umane. Le testimonianze raccolte nelle inchieste e nel documentario spostano però la questione su un livello diverso, tra quantità di bersagli, tempo disponibile per la verifica e peso effettivo attribuito all’output dell’algoritmo. Un essere umano può formalmente restare nel circuito e, allo stesso tempo, esercitare un controllo molto ridotto se deve convalidare decine o centinaia di proposte in tempi brevissimi.
Questo è un problema più che attuale. Infatti, il rischio che la supervisione umana abbia un peso assai risicato se l’operatore è chiamato ad assumere molte decisioni in una manciata di secondo, è un tema centrale anche nel dibattito che si sta sviluppando attorno all’impiego delle IA negli scenari bellici.
Va però precisato che gli AI decision-support systems, sistemi di supporto decisionale basati sull’intelligenza artificiale sono software che elaborano grandi quantità di dati e producono indicazioni per una decisione militare. La categoria è diversa dagli Autonomous Weapon Systems, AWS, sistemi d’arma autonomi, che dopo l’attivazione possono selezionare e colpire bersagli attraverso sensori e software in assenza di un ulteriore intervento umano.
Sulla base delle informazioni pubbliche, Lavender e Habsora appartengono con maggiore precisione al primo gruppo, quello delle IA per intelligence e supporto alla selezione dei bersagli, mentre l’impiego di bombe e i missili resta dentro una catena di comando umana. Il problema sollevato da NAZA riguarda quanto quella catena venga compressa e accelerata dai sistemi automatici.
Dalla guerra chirurgica alla guerra scalabile
Un analista umano può esaminare un numero limitato di conversazioni, immagini e dossier, mentre un sistema automatico può trattarne milioni. Un ufficiale, nell’arco di una giornata, può identificare un numero limitato di obiettivi, mentre una fabbrica algoritmica può produrne centinaia. Un archivio tradizionale conserva informazioni, mentre un sistema predittivo le trasforma in raccomandazioni.
Questa capacità cambia la guerra anche quando l’ultima autorizzazione resta affidata a una persona. L’automazione amplia il bacino dei soggetti analizzabili, riduce i tempi tra raccolta dell’informazione e attacco, porta nel ciclo operativo persone di rango sempre più basso e rende possibile aggiornare continuamente la posizione di migliaia di individui.
Il documentario NAZA, in definitiva, racconta proprio questo passaggio, racconta di una catena fatta di software e di esseri umani. Ed è proprio l’intreccio tra i due a rappresentare la questione centrale. La tecnologia accelera, filtra, ordina e propone. Gli uomini stabiliscono soglie, definiscono criteri, scelgono quali dati contano, decidono il livello di verifica e autorizzano l’uso della forza.