L'IA commerciale entra più a fondo nell'ambiente classificato del Pentagono, unendo cloud, chip, modelli, integrazione e assistenza nella stessa filiera della difesa. Nel maggio 2026 il dipartimento ha annunciato accordi con Google, Microsoft, Amazon Web Services, Nvidia, OpenAI, Reflection e SpaceX per reti classificate. La questione non è più soltanto quale modello vinca, ma chi controlli il sistema connesso quando diventa operativo.
Restano controversi gli usi accettabili e il controllo umano significativo. Anthropic non compare fra i sette dopo aver contrastato condizioni governative ampie; OpenAI afferma che il proprio accordo conserva protezioni. Più fornitori e dichiarazioni pubbliche non dimostrano contratti, controlli tecnici e decisioni verificabili indipendentemente.
Dai prototipi ai flussi classificati
L'annuncio amplia gli acquisti avviati pubblicamente nel luglio 2025. Il CDAO scelse Anthropic, Google, OpenAI e xAI con tetti di 200 milioni di dollari ciascuno per prototipi di sicurezza nazionale, inclusi agenti capaci di compiti multipli invece di singole risposte. Un tetto non prova l'intera spesa; l'elenco di quattro del 2025 è diverso dai sette successivi.
Il personale già usava GenAI.mil, piattaforma generativa ufficiale. L'accesso classificato alza la posta perché può influenzare intelligence, logistica, cyberoperazioni, missioni e bersagli. Un prototipo può essere isolato dalle decisioni; un modello con dati sensibili e software decisionale non necessariamente. Riassunti di manutenzione e raccomandazioni di sorveglianza o bersaglio hanno conseguenze differenti.
Il Pentagono parla di compiti ridotti da mesi a giorni, ma non specifica quali, errori, revisioni o conseguenze delle risposte sbagliate. È una dichiarazione di velocità, non una misura sufficiente di affidabilità. Non implica neppure che ogni uso sia avventato: manutenzione predittiva, traduzione, ricerca e logistica possono avere benefici e conseguenze più gestibili.
I modelli fondazionali sono ampi e adattabili, diversi da armi con ruolo ristretto. Aggiornamenti, integrazioni, prompt e dati modificano il comportamento. Contratti, applicazioni e controlli ne fissano i confini. Un'unica dimostrazione di accettazione non copre il futuro, rendendo importanti test ripetuti e assistenza continua.
L'infrastruttura sotto i contratti dei modelli
La relazione precede ChatGPT. Nel 2022 la Difesa assegnò ad Amazon, Microsoft, Google e Oracle il JWCC, tetto di nove miliardi per cloud a ogni classificazione. Calcolo, archiviazione, identità, reti e dati sicuri danno vantaggio agli operatori quando si aggiunge IA.
I ruoli differiscono e si sovrappongono. Microsoft offre cloud e ha legami importanti con OpenAI; AWS ospita modelli diversi e investe in Anthropic; Google gestisce cloud e Gemini; Nvidia chip e librerie diffuse. Uno sviluppatore dipende da cloud con hardware Nvidia, mentre un integratore collega dati pubblici riservati. La domanda privata finanzia velocità ma porta interfacce proprietarie, scarsità hardware, specialisti e aggiornamenti controllati dal fornitore.
Palantir mostra l'integrazione: sensori, basi intelligence, piani e armi sparsi fra sistemi e classificazioni incompatibili. Secondo Brennan Center, l'Esercito nel 2025 consolidò 75 accordi in un contratto aziendale fino a dieci miliardi in dieci anni. È un tetto e un periodo differenti, non una somma versata da aggiungere ai modelli.
Aerei, missili, sensori e comunicazioni richiedono ancora imprese tradizionali. Nuove aziende interpretano dati fra gli asset, interdipendendo con fornitori e integratori esperti. Anche Anduril, Shield AI e Scale AI partecipano, spesso su grandi infrastrutture cloud, chip o dati. Le startup non sostituiscono semplicemente i vecchi: applicazioni concorrenti possono finanziare poche piattaforme.
Anthropic mette in discussione chi stabilisce limiti
Anthropic cercava restrizioni contrattuali alla sorveglianza interna di massa e alle armi pienamente autonome, capaci di selezionare e ingaggiare senza controllo umano significativo. I funzionari volevano qualsiasi uso governativo legale e responsabilità statale. Anthropic riteneva alcuni impieghi inaccettabili anche se giudicati legali. È autorità dopo l'acquisto, non semantica.
Il Pentagono proseguì con altri. OpenAI dichiara protezioni su sorveglianza, armi e supervisione, divieto di sorveglianza interna di massa e inclusione di standard legali e politici esistenti. Sono affermazioni importanti, ma segreto e clausole inedite impediscono confronti completi con Anthropic. Non è dimostrata equivalenza o superiorità.
Gli appalti creano governance prima di leggi e tribunali. Il più rigoroso non fissa automaticamente lo standard: alternative con termini ampi permettono migrazione e riducono la leva di chi resiste. Resilienza multipla e pressione verso meno restrizioni possono convivere. Il governo vuole intercambiabilità per non dare a uno solo il controllo delle missioni.
Protezioni diverse complicano l'integrazione: un modello limitato può riassumere intelligence che un altro usa per pianificare. Le politiche cambiano: OpenAI tolse il divieto militare generale nel 2024 mantenendo limiti su sviluppo di armi e danni; altri riscrissero regole col business pubblico. I contratti obbligano più delle politiche pubbliche, ma dipendono da definizioni, monitoraggio, enforcement tecnico e rimedi.
Il governo può sostituire, annullare o classificare una società come rischio di filiera, influenzandone altre prospettive federali. Aumentano pressioni commerciali e politiche. Una salvaguardia volontaria conta se resiste a esse. Fornitori cercano limiti, militari autorità su sistemi pubblicamente pagati: nessuna distribuzione preferita prova l'efficacia.
La diversità può nascondere dipendenze comuni
I modelli competitivi richiedono chip, dati, ricercatori e grande calcolo che pochi offrono in scala. Piccole applicazioni possono condividere basi. Dieci strumenti possono dipendere dallo stesso cloud, chip o modello ed essere colpiti insieme da guasti, attacchi, errori o controversie.
Multicloud e multimodello risolvono solo parte. Resilienza significa migrare senza perdere funzioni essenziali. Interfacce, controlli, dati, formati e prestazioni variano: cambiare un fornitore può richiedere nuovi test su ogni processo. Il numero dei contratti non prova interoperabilità.
I fornitori restano centrali perché capiscono modelli che il governo non può ispezionare o riprodurre da solo. Valutazione, sicurezza, tuning, formazione e incidenti durano l'intero ciclo. Si compra capacità in evoluzione e chi la mantiene, non solo un prodotto. Prompt, dati, contesto e aggiornamenti rafforzano la dipendenza.
Nature descrive un complesso militare-industriale IA. Dirigenti e investitori partecipano a procurement, regole, export e politica di calcolo; alcuni transitano fra settori, altri finanziano organizzazioni per accelerare o contro norme. È partecipazione legale, non prova di illecito, ma l'effetto combinato merita scrutinio quando si cercano appalti e influenza sulle regole.
Approvare formalmente non significa verificare davvero
Il bias di automazione è accettare una raccomandazione malgrado prove contrarie. Fluidità, sicurezza apparente e frequenti successi lo favoriscono con tempi stretti e dati incompleti. Il modello può associare male persone, veicoli, luoghi o comunicazioni, e l'analista trattare un nesso infondato come pista.
Gli errori passano fra strumenti: etichetta, sintesi, raccomandazione di pianificazione. Alla fine un'interfaccia raffinata nasconde incertezza e origine. L'input classificato non elimina invenzioni, incoerenza o cambiamenti dopo aggiornamenti.
Contesto e avversari complicano i test. Un assistente di manutenzione può fallire con abbreviazioni sconosciute o inganni. Gli avversari manipolano dati e sondano software commerciale per debolezze comuni. Il segreto limita riproduzione e confronto con evidenza operativa.
Recupero, accesso, test e persone riducono rischio, non garantiscono missioni. Servono tempo, autorità, controprove, formazione sui limiti e capacità concreta di rifiutare o fermare, non un clic. Helen Toner di Georgetown CSET avverte contro eccessiva dipendenza e chiede comprensione di utilità e limiti. La presenza umana non prova queste condizioni.
Valutare comportamenti e prove senza ignorare la privacy
Occorre esaminare falsi positivi, segnali persi, calibrazione, operatori e condizioni avversariali durante e dopo l'impiego. Uffici in cerca di fondi e venditori preferiscono piloti riusciti e tempo risparmiato; peggioramenti sottili e mancata contestazione sono meno visibili. Standard verificabili devono seguire capacità fra fornitori e contesti.
I log di input, output e risposte umane aiutano a ricostruire danni ma creano rischi privacy e sicurezza. Servono limiti di conservazione, accesso controllato e revisione indipendente. Tracciabilità non giustifica archiviazione illimitata. Nominare log o supervisione non prova efficacia sotto pressione.
Il controllo pubblico non segue la filiera. I tetti sono visibili, operazioni, valutazioni e clausole no. Elizabeth Warren ha chiesto dettagli su sistemi classificati, protezioni, armi autonome e sorveglianza. La legalità generale non spiega controlli reali né come l'IA orienta prove e opzioni prima della decisione umana.
Contratti, portabilità e audit mostrano il controllo
Condizioni confrontabili o sintesi applicabili chiarirebbero sorveglianza, armi, revisione e usi secondari dei dati. Il segreto lascia incerte le differenze. I dettagli di missione possono restare protetti mentre ispettori, Congresso e revisori accedono meglio; aggregati non richiedono segreti operativi.
Migrazione dimostrata e standard comuni verificano la strategia meglio di nuovi elenchi. Ambiti d'uso, frequenza dei rifiuti umani e risposte agli errori misurano responsabilità. Annunciare aziende non dimostra nulla di ciò; conta la divisione di responsabilità fra modelli, integratori e utenti.
I precedenti possono arrivare a polizia, frontiere, intelligence, agenzie civili e imprese tramite acquisti. Dipendenza, aggiornamenti, audit e revisione non sono solo militari. Le istituzioni imporranno limiti dopo aver dipeso da calcolo, dati, modelli, integrazione e competenze private? Contratti, test e audit sono prove; velocità e approvazione formale non bastano.
Fonti e letture collegate
AP sugli accordi classificati · Prototipi CDAO · Studio Brennan Center · Versione OpenAI dell'accordo · Analisi Nature · Domande contrattuali di Warren · Lettura collegata: basi personali e di squadra