L'avvertimento di Bill Gates sui cyberattacchi con IA mette i malintenzionati davanti all'IA fuori controllo

Bill Gates afferma che i cyberattacchi alimentati dall'IA diventeranno la minaccia più visibile della tecnologia entro il prossimo anno. Il suo avvertimento sposta l'attenzione da una lontana ribellione delle macchine ai criminali che utilizzano già oggi modelli potenti.

Questa distinzione è importante. L'avvertimento di Bill Gates sui cyberattacchi con IA non riguarda principalmente un sistema autonomo che decide di attaccare un ospedale o una rete elettrica. Riguarda persone che rimuovono salvaguardie, automatizzano attività offensive e prendono di mira organizzazioni incapaci di correggere o rispondere con la stessa rapidità.

Gates ha inoltre contestato l'idea che le aziende di IA possano governare questo pericolo da sole. La sua argomentazione pone gli sviluppatori di modelli, i governi e gli operatori delle infrastrutture critiche in una scomoda competizione. Gli aggressori possono sperimentare rapidamente, mentre i difensori devono proteggere sistemi complessi senza interrompere servizi essenziali.

Le recenti ricerche sulla sicurezza supportano parte della sua diagnosi. L'IA sta aiutando gli aggressori a scrivere malware, scoprire vulnerabilità e coordinare più fasi di un'intrusione. Tuttavia, le prove non mostrano ancora che un'IA pienamente autonoma conduca abitualmente attacchi completi senza una direzione umana.

La vera competizione non è quindi tra esseri umani e una superintelligenza ribelle. È tra aggressori assistiti dall'IA e istituzioni che cercano di implementare difese assistite dall'IA in modo sicuro, legale e affidabile.

Di cosa ha effettivamente avvertito Bill Gates

Gates ha indicato l'uso malevolo dell'IA esistente come pericolo immediato, considerando invece la perdita di controllo un problema a più lungo termine.

In un'intervista dell'11 ottobre, Gates ha previsto che i cyberattacchi saranno l'ambito in cui i rischi dell'IA emergeranno più drammaticamente nel corso del prossimo anno. Si aspetta quelle che ha definito “sorprese negative” da modelli potenti utilizzati senza le loro normali salvaguardie.

Il segnalato avvertimento distingueva due scenari che le discussioni pubbliche spesso fondono. Uno riguarda sistemi di IA che diventano incontrollabili. L'altro riguarda criminali, gruppi sostenuti da Stati o estremisti che dirigono deliberatamente sistemi disponibili verso obiettivi dannosi.

Gates ha posto il secondo scenario al primo posto. Ha affermato che la possibilità che l'IA sfugga al controllo umano resta una preoccupazione importante, ma i suoi effetti maggiori sono ancora lontani anni. Al contrario, gli utenti malevoli possono già cercare modelli, interfacce o sistemi modificati che offrano meno restrizioni.

Una salvaguardia è un controllo tecnico o normativo che limita i comportamenti pericolosi di un modello. Può includere il rifiuto di determinate richieste, il monitoraggio di usi sospetti, la limitazione dell'accesso a capacità avanzate o la sospensione di account collegati ad abusi.

Questi controlli riducono il rischio sulle piattaforme commerciali, ma non coprono ogni modello o implementazione. Gli aggressori possono tentare di eludere i filtri, dividere un compito dannoso in molti prompt, usare account rubati o passare da un sistema all'altro. Possono inoltre combinare l'output dell'IA con strumenti di hacking convenzionali.

Questo rende plausibile la tempistica di Gates senza richiedere un salto spettacolare nell'intelligenza artificiale. Un aggressore non ha bisogno di un modello che comprenda autonomamente un'intera rete aziendale. Un sistema che accelera ricognizione, programmazione, traduzione, phishing e analisi dei dati può già aumentare la capacità operativa.

Il suo avvertimento riflette anche un cambiamento più ampio nella sua posizione pubblica. Gates aveva precedentemente sostenuto che fermare gli sviluppatori responsabili potesse lasciare un vantaggio ad attori meno responsabili. Continua a vedere valore in sistemi difensivi potenti, ma ora sottolinea che i controlli privati necessitano di standard esterni e supervisione pubblica.

Nel suo più ampio saggio sulla transizione dell'IA, Gates ha sostenuto che governi e comunità non si stanno preparando adeguatamente alle conseguenze sociali e di sicurezza della tecnologia. La previsione sui cyberattacchi trasforma questa preoccupazione generale in una verifica a breve termine.

Se gli attacchi diventeranno più rapidi o dannosi, il dibattito non resterà confinato a ipotetici modelli futuri. I decisori politici dovranno stabilire se le attuali salvaguardie abbiano fallito perché tecnicamente deboli, applicate in modo incoerente o assenti dai sistemi scelti dagli aggressori.

Ecco perché questa storia ha più peso dell'ennesimo avvertimento di una celebrità sull'IA. Gates ha indicato una tempistica, identificato uno specifico canale di minaccia e respinto l'idea che l'azione volontaria delle aziende sia sufficiente.

Perché l'avvertimento di Bill Gates sui cyberattacchi con IA arriva ora

L'avvertimento giunge mentre l'intelligence sulle minacce passa da esempi di hacking assistito dall'IA a prove di operazioni coordinate e multistadio.

I primi resoconti dell'uso criminale dell'IA si concentravano spesso su email di phishing riscritte o semplice codice dannoso. Questi casi erano importanti, ma non dimostravano che l'IA cambiasse radicalmente le capacità di un aggressore.

Le prove più recenti sono più preoccupanti perché l'uso dell'IA sta penetrando più in profondità nel ciclo di vita di un attacco. Tale ciclo include ricognizione, accesso iniziale, persistenza, escalation dei privilegi, movimento laterale e furto di dati.

Anthropic ha esaminato 832 account banditi per attività cyber malevole tra marzo 2025 e marzo 2026. La sua analisi delle minacce cyber ha rilevato che 560 account, pari al 67,3%, hanno usato l'IA per contribuire alla scrittura di malware.

Ancora più importante, 54 account hanno utilizzato l'IA per il movimento laterale. Il movimento laterale consiste nel passare da un sistema compromesso ad altri sistemi all'interno della stessa organizzazione. Richiede una maggiore consapevolezza situazionale rispetto alla stesura di un generico messaggio di phishing.

Anthropic ha inoltre segnalato un cambiamento nel profilo di rischio degli attori osservati. Nei primi sei mesi, il 33% ha ricevuto una classificazione di rischio medio o superiore. Questa quota è salita al 56% nei secondi sei mesi.

L'azienda ha interpretato questo dato come prova che l'IA può innalzare il livello effettivo di minaccia di un aggressore. Il suo dataset ha inoltre suggerito che il numero di tecniche utilizzate non corrisponde più chiaramente alla competenza originaria dell'operatore.

Questa scoperta spiega parte della preoccupazione di Gates. La cybersicurezza ha tradizionalmente fatto affidamento sulle differenze in termini di competenza, risorse e disciplina operativa. Un principiante potrebbe procurarsi malware, ma un operatore esperto saprebbe come adattarsi dopo essere entrato in un ambiente sconosciuto.

L'IA riduce questo divario. Può spiegare errori, interpretare l'output di sistema, rivedere codice e suggerire l'azione successiva. Un essere umano resta coinvolto, ma una singola persona può tentare attività che in precedenza richiedevano un team più ampio o specializzato.

Google ha osservato un cambiamento correlato. Il suo AI threat tracker ha descritto avversari che applicano modelli generativi a porzioni più ampie dei loro flussi di lavoro.

Google ha riferito di aver identificato un attore criminale con un exploit zero-day che riteneva sviluppato usando l'IA. Uno zero-day è una vulnerabilità software precedentemente sconosciuta per la quale i difensori inizialmente non dispongono di alcuna patch.

L'azienda ha inoltre documentato malware abilitato dall'IA capace di interpretare le condizioni del sistema e generare comandi durante l'esecuzione. Questo non significa che il malware sia diventato intelligentemente autonomo. Significa che i modelli possono aiutare il software dannoso ad adattare il proprio comportamento dopo aver raggiunto un obiettivo.

Questi sviluppi rendono il processo d'attacco più scalabile. Un attore della minaccia può chiedere all'IA di esaminare vari componenti software, preparare script su misura, interpretare le risposte difensive e conservare informazioni durante attività ripetute.

Tuttavia, la parola più importante resta “assistere”. Le prove attuali mostrano generalmente persone che selezionano obiettivi, fissano traguardi, approvano decisioni ad alto impatto o correggono fallimenti. L'IA sta aumentando velocità e portata, ma gli operatori umani plasmano ancora la campagna.

Questa sfumatura non dovrebbe ridurre l'urgenza. Gli incidenti cyber più dannosi non hanno mai richiesto un'intelligenza pienamente autonoma. Hanno richiesto accesso, persistenza, controlli deboli, rilevamento ritardato e un'organizzazione incapace di riprendersi rapidamente.

L'IA può intensificare ciascuna di queste condizioni. Può generare più varianti, testare più percorsi e aiutare gli aggressori a proseguire dopo il fallimento della loro prima tecnica. Il risultato può sembrare autonomo a un difensore anche quando una persona resta dietro il processo.

La vera competizione è tra aggressori e difensori

La previsione di Gates dipende meno dalla capacità assoluta dell'IA che da quale parte riesca ad applicarla più rapidamente.

La cybersicurezza è un ambito a duplice uso. Lo stesso modello che aiuta un aggressore a individuare codice vulnerabile può aiutare uno sviluppatore a trovarlo e correggerlo. Lo stesso sistema che analizza credenziali rubate può aiutare un team di sicurezza a rilevare accessi anomali.

Questo crea un equilibrio tra attacco e difesa, ovvero il vantaggio relativo detenuto da aggressori o difensori in un dato momento. L'IA non spinge automaticamente tale equilibrio in una sola direzione.

Gli aggressori possiedono diversi vantaggi pratici. Possono tollerare output inaffidabili, prendere di mira l'organizzazione più debole disponibile e ripetere un'operazione finché qualcosa non funziona. Non devono soddisfare regolatori, preservare la disponibilità del servizio o spiegare una decisione automatizzata.

I difensori affrontano uno standard diverso. Un ospedale non può isolare ogni macchina sospetta se ciò interrompe le cure. Un'azienda di servizi pubblici non può lasciare che un agente non testato modifichi i controlli di produzione ogni volta che rileva un'anomalia.

Anche i falsi positivi impongono costi reali. Un sistema di difesa automatizzato che blocca ripetutamente dipendenti legittimi fuori da servizi critici può creare una propria crisi operativa.

L'International AI Safety Report 2026 coglie questa incertezza. Ha trovato prove solide che criminali e gruppi associati a Stati utilizzino l'IA nelle operazioni cyber, ma ha affermato che l'effetto sulla gravità complessiva degli attacchi resta poco chiaro.

Il rapporto ha inoltre osservato che un agente IA ha identificato il 77% delle vulnerabilità in software reale durante una grande competizione. Questa prestazione lo ha collocato tra il 5% migliore di oltre 400 team partecipanti.

Eppure il successo nei benchmark non si traduce direttamente in attacchi affidabili contro organizzazioni reali. Le reti reali contengono documentazione incompleta, configurazioni insolite, sistemi di monitoraggio e difensori umani che modificano il proprio comportamento.

Il rapporto non ha rilevato alcun caso documentato di cyberattacco completamente autonomo e end-to-end senza un coinvolgimento umano significativo. Ha descritto capacità semi-autonome, con persone che intervengono nei punti decisionali importanti.

Queste prove supportano e al tempo stesso limitano l'avvertimento di Bill Gates sui cyberattacchi con IA. I sistemi sono diventati abbastanza capaci da ampliare la capacità degli aggressori. Non hanno eliminato la necessità di giudizio operativo.

Anche i difensori possono usare l'IA per effettuare il reverse engineering del malware, dare priorità agli avvisi, ispezionare codice e produrre riepiloghi degli incidenti. Queste applicazioni possono ridurre il tempo che i team di sicurezza dedicano alla selezione delle informazioni di routine.

Ma l'adozione resterà disomogenea. Le grandi aziende tecnologiche possono finanziare agenti di sicurezza specializzati, mantenere un'ampia telemetria e testare modelli in ambienti controllati. Scuole, amministrazioni locali, studi medici e piccoli fornitori potrebbero faticare a fare lo stesso.

Questo divario può offrire agli aggressori un vantaggio indiretto. Non devono sconfiggere il provider cloud meglio protetto. Possono compromettere un appaltatore, una dipendenza software, un account dipendente o un dispositivo edge trascurato connesso a una rete più ampia.

L’esito più probabile non è una singola crisi universale della sicurezza dell’IA. È un divario crescente tra le organizzazioni in grado di gestire difese alla velocità delle macchine e quelle che dipendono da patch ritardate, log limitati e indagini manuali.

Per i leader aziendali, questo cambia la domanda pertinente. Chiedersi se l’IA sia positiva o negativa per la cybersecurity è troppo generico. La domanda pratica è se il loro ciclo difensivo stia diventando più rapido del ciclo di attacco.

Le protezioni contano, ma non sono un perimetro di sicurezza

Le restrizioni dei modelli possono ostacolare gli abusi, ma non possono sostituire i controlli di identità, i sistemi aggiornati, la segmentazione della rete e piani di ripristino testati.

Gates si è concentrato sui sistemi dai quali le protezioni possono essere rimosse. Questa impostazione mette in luce un problema reale, ma può anche far sembrare i controlli delle piattaforme più completi di quanto non siano.

I fornitori commerciali di modelli possono rilevare schemi sospetti e chiudere gli account. Possono limitare le risposte alle richieste che riguardano malware, furto di credenziali o procedure biologiche pericolose. Possono inoltre riservare le loro capacità più sensibili a utenti verificati.

Il rapporto sugli abusi di Anthropic di settembre descriveva operazioni che l’azienda ha interrotto tra dicembre 2025 e agosto 2026. Tra gli attori figuravano gruppi sospettati di avere il sostegno di Stati, criminali, fornitori di spyware e individui con motivazioni politiche.

Il rapporto trattava operazioni informatiche, truffe, sorveglianza, campagne di influenza, uso improprio in ambito biologico e attività legate alle armi. Anthropic ha affermato che i casi pubblicati rappresentavano comportamenti rilevanti, non l’uso tipico dei suoi prodotti.

Questa precisazione è importante. Un fornitore osserva l’attività sui propri servizi, attraverso i propri sistemi di monitoraggio. Non può osservare ogni modello gestito localmente, account rubato, piattaforma estera o strumento convenzionale usato insieme all’IA.

Il fornitore decide inoltre quali incidenti rendere pubblici. I rapporti pubblici sulle minacce offrono prove preziose, ma non costituiscono un censimento completo degli attacchi abilitati dall’IA.

Le protezioni incontrano un secondo limite: le domande di cybersecurity sono spesso legittime. Un ricercatore difensivo e un attaccante possono chiedere spiegazioni simili su vulnerabilità software, scoperta delle reti o comportamento degli exploit.

Un sistema che rifiutasse ogni domanda avanzata sulla sicurezza bloccherebbe anche i difensori. Un sistema permissivo potrebbe offrire agli utenti malevoli un’assistenza utile. I fornitori devono prendere decisioni basandosi su contesto, comportamento, accesso e segnali accumulati.

Per questo la distinzione netta tra “modello sicuro” e “modello non sicuro” è inadeguata. Conta l’ambiente circostante. Autenticazione, limiti di frequenza, registrazione dei log, autorizzazioni degli strumenti e approvazione umana possono determinare se un modello si limita a suggerire un’azione o la esegue.

Le organizzazioni che introducono agenti IA affrontano un altro rischio. Un agente con accesso a e-mail, repository di codice, console cloud o documentazione interna amplia il numero di modi in cui un attaccante può manipolare sistemi fidati.

Il prompt injection è un esempio. Si verifica quando contenuti malevoli forniscono a un sistema IA istruzioni nascoste o fuorvianti. Un agente potrebbe incontrare tali istruzioni all’interno di un documento, una pagina web, un ticket di assistenza o un commento nel codice.

Il pericolo risultante non si limita alla fuga di dati. Un agente sottoposto a vincoli insufficienti potrebbe chiamare un servizio esterno, esporre credenziali, modificare codice o compiere un’azione amministrativa non autorizzata.

Le aziende necessitano quindi di controlli esterni al modello. Agli agenti dovrebbero essere assegnati i permessi minimi necessari e le azioni con conseguenze rilevanti dovrebbero richiedere un’approvazione separata. I team di sicurezza necessitano di log che mostrino cosa il modello ha visto, deciso e tentato.

Questo è il limite scettico della prescrizione di Gates. Restrizioni aggiuntive possono ridurre gli abusi sulle piattaforme partecipanti, ma da sole non possono eliminare la superficie di attacco. Non possono nemmeno correggere software non più supportato o migliorare il processo di ripristino di un’organizzazione.

La regolamentazione affronta la stessa tensione. Le norme possono richiedere valutazioni, divulgazione degli incidenti, controlli degli accessi o valutazioni del rischio. Non possono garantire che ogni attaccante utilizzi un fornitore conforme.

La risposta politica più solida combinerebbe obblighi a livello di modello con la resilienza informatica convenzionale. Ciò include sviluppo software sicuro, patch tempestive, credenziali protette, reti segmentate e risposta agli incidenti regolarmente esercitata.

L’avvertimento diventa fuorviante solo se incoraggia le organizzazioni ad attendere la regolamentazione dell’IA prima di correggere debolezze note. L’IA aumenta il valore della sicurezza di base perché permette agli avversari di sondare tali debolezze con maggiore efficienza.

Aziende IA, governi e operatori sono tutti sotto pressione

Nessun singolo partecipante controlla una porzione sufficiente del sistema per gestire la minaccia da solo, rendendo il coordinamento al tempo stesso essenziale e difficile.

Gates ha respinto l’autogoverno del settore come risposta sufficiente. La sua preoccupazione è comprensibile, perché le aziende che sviluppano modelli affrontano un conflitto tra il rilascio di capacità utili e la limitazione di comportamenti che generano rischi pubblici.

Sono inoltre in concorrenza tra loro. Un’azienda che impone revisioni costose o limita l’accesso agli strumenti può temere di perdere sviluppatori a favore di un servizio meno restrittivo. Gli impegni volontari possono indebolirsi quando le misure di sicurezza incidono sui calendari di rilascio o sulle prestazioni dei prodotti.

I governi possono stabilire requisiti comuni, ma le capacità informatiche attraversano i confini nazionali. Una restrizione in un Paese non impedisce a un attaccante di procurarsi altrove un modello, risorse di calcolo o strumenti di hacking.

Norme ampie possono anche proteggere le aziende consolidate aumentando i costi per gli sviluppatori più piccoli. I responsabili politici devono distinguere i controlli rivolti a capacità realmente pericolose dalla burocrazia che rallenta la ricerca ordinaria senza fermare gli abusi.

Gli operatori delle infrastrutture critiche sostengono un altro onere. Ospedali, utility, reti di trasporto e istituzioni finanziarie dipendono spesso da sistemi datati che non possono essere sostituiti rapidamente.

Questi operatori devono proteggere la disponibilità oltre alla riservatezza. Una risposta di sicurezza che interrompe un servizio pubblico può diventare dannosa quanto l’intrusione che avrebbe dovuto contenere.

Le aziende software affrontano la pressione prima nella catena. Se l’IA riduce il tempo tra la scoperta di una vulnerabilità e il suo sfruttamento, i fornitori hanno bisogno di test, divulgazione, patch e comunicazione con i clienti più rapidi.

Anche gli acquirenti aziendali devono esaminare le proprie implementazioni dell’IA. Collegare un modello a sistemi interni crea nuove questioni di identità e governance dei dati, anche quando il fornitore del modello dispone di solide protezioni.

I dipendenti possono incollare materiale riservato in strumenti non autorizzati. Gli sviluppatori possono concedere agli agenti di coding un ampio accesso ai repository. I team possono automatizzare i flussi di lavoro senza decidere chi rimanga responsabile quando l’agente compie un’azione non sicura.

Non si tratta di scenari esotici di superintelligenza. Sono fallimenti di governance familiari, amplificati da sistemi che possono leggere, scrivere, chiamare strumenti e operare in modo continuo.

La gestione della conoscenza diventa parte del problema di sicurezza perché la risposta agli incidenti dipende da un contesto operativo accurato e accessibile. I team devono sapere quali sistemi esistono, chi ne è responsabile e quali procedure si applicano durante una violazione.

Una base di conoscenza ricercabile ben mantenuta può aiutare chi risponde agli incidenti a individuare runbook e documentazione tecnica. Richiede comunque controlli degli accessi, versionamento e verifica umana prima che qualcuno agisca in base ai suoi contenuti.

Le organizzazioni più esposte saranno quelle che implementano agenti IA senza inventariare i loro permessi o documentare le procedure di emergenza. Potrebbero ottenere automazione perdendo al contempo visibilità su come le decisioni si muovono nel sistema.

L’avvertimento di Gates esercita quindi pressione su più soggetti dei soli laboratori che sviluppano modelli. Riguarda i consigli di amministrazione che approvano l’adozione dell’IA, i team di sicurezza che gestiscono le identità, gli sviluppatori che selezionano dipendenze e i regolatori che definiscono la responsabilità.

Sfida inoltre gli acquirenti a pretendere prove. I fornitori dovrebbero spiegare come rilevano gli abusi, separano i clienti, proteggono i log, gestiscono gli account compromessi e contengono gli agenti che superano il loro ambito previsto.

La questione decisiva non è se un’azienda commercializzi il proprio prodotto come sicuro. È se molteplici controlli limitino ancora i danni quando un modello si rifiuta di comportarsi come previsto o un utente autorizzato diventa malevolo.

Tre segnali metteranno alla prova la previsione di Gates

Il prossimo anno dovrebbe essere valutato attraverso prove operative documentate, non in base al semplice numero di titoli allarmanti.

Il primo segnale è se i ricercatori delle minacce documenteranno un numero maggiore di attacchi in cui l’IA svolge complesse attività successive alla compromissione. La scoperta di vulnerabilità e il phishing sono importanti, ma il movimento laterale, l’escalation dei privilegi e la persistenza adattiva mostrano un impatto operativo più profondo.

Un aumento costante rafforzerebbe l’argomento di Gates secondo cui l’IA sta cambiando chi può condurre attacchi sofisticati. Casi isolati suggerirebbero che la tecnologia resti un acceleratore per un gruppo relativamente ristretto.

Il secondo segnale è la risposta difensiva delle aziende di modelli. Progressi significativi includerebbero indicatori di abuso condivisi, valutazioni coerenti delle capacità, controlli più robusti sugli account e una divulgazione più chiara degli incidenti gravi.

Questi passi non porrebbero fine all’uso malevolo. Mostrerebbero se i fornitori commerciali siano in grado di rendere gli abusi più costosi e più facili da identificare tra le piattaforme.

Il terzo segnale è il modo in cui i governi trattano le prove provenienti da incidenti reali. Requisiti specifici per valutazioni, registrazione dei log, segnalazione e controllo degli accessi indicherebbero un passaggio oltre la governance volontaria.

Norme costruite attorno a descrizioni vaghe dell’IA pericolosa sarebbero meno informative. Una supervisione efficace richiede soglie misurabili, canali protetti per la condivisione delle minacce e spazio per una legittima ricerca difensiva.

I lettori dovrebbero anche resistere alla tentazione di trattare ogni grande violazione come un incidente legato all’IA. Gli attaccanti continuano a sfruttare password deboli, sistemi non aggiornati, servizi esposti e ingegneria sociale senza automazione avanzata.

L’attribuzione rimarrà difficile perché l’IA lascia tracce meno distintive rispetto a una famiglia di malware unica. Un’e-mail di phishing ben scritta non dimostra quale modello l’abbia prodotta, né se un modello abbia modificato in modo sostanziale l’esito.

Questo divario nella verifica rende essenziale una comunicazione rigorosa. I ricercatori dovrebbero separare l’uso confermato dell’IA da quello sospetto e spiegare quale contributo abbia dato il sistema. I fornitori dovrebbero distinguere tra uso improprio tentato e compromissione riuscita nel mondo reale.

Gates ha avanzato un’affermazione verificabile: i cyberattacchi diventeranno l’espressione più drammatica a breve termine del rischio dell’IA. Le prove mostrano già assistenza, automazione e orchestrazione in aumento. Non dimostrano ancora un’impennata universale della gravità degli attacchi.

Le organizzazioni non dovrebbero attendere tale prova prima di agire. Possono oggi inventariare i permessi degli agenti, ridurre gli accessi non necessari, proteggere le credenziali, accelerare le patch, conservare log utili e esercitare il ripristino.

La domanda finale è pratica. Se l’avvertimento di Bill Gates sui cyberattacchi dell’IA si dimostrasse corretto, la vostra organizzazione scoprirà il cambiamento attraverso le proprie difese o attraverso il primo esperimento riuscito di un attaccante?