I rischi per la sicurezza dell’IA del Pentagono crescono con l’espansione di GenAI.mil
Il Pentagono ha aggiunto due sistemi di IA aziendale a GenAI.mil dopo che la piattaforma ha raggiunto 1,7 milioni di utenti, intensificando i rischi per la sicurezza dell’IA del Pentagono nonostante le garanzie formali. ChatGPT Mil e Grok for Government sono entrati nell’ambiente digitale quotidiano delle forze armate il 31 agosto 2026. Entrambi hanno ricevuto l’autorizzazione a gestire Controlled Unclassified Information al livello d’impatto 5, noto come IL5.
Non si tratta più di un esperimento circoscritto che coinvolge pochi team tecnici. GenAI.mil è stato lanciato nel dicembre 2025 e ha raggiunto oltre metà della forza lavoro del dipartimento, composta da tre milioni di persone, in nove mesi. I suoi strumenti possono supportare pianificazione, politiche, acquisizioni, logistica, amministrazione, analisi dei file e progetti persistenti.
Il Pentagono considera questa portata un vantaggio operativo. I critici vedono un compromesso meno visibile tra lavoro più rapido e gestione disciplinata delle informazioni. Un’analisi pubblicata da Foreign Policy in Focus sostiene che l’uso normalizzato dell’IA aziendale amplia la superficie d’attacco, facendo al contempo apparire ordinaria la divulgazione di informazioni sensibili.
La questione centrale non è se un chatbot accreditato esponga immediatamente file militari. Non vi sono prove pubbliche che GenAI.mil abbia causato una grave violazione. La preoccupazione è se milioni di interazioni ordinarie creino più credenziali, progetti archiviati, connessioni software e opportunità di errore umano.
Questa distinzione conta. L’accreditamento può stabilire un confine tecnico sicuro, ma non può prevedere ogni prompt, caricamento, inferenza o decisione presa entro quel confine. I rischi per la sicurezza dell’IA del Pentagono dipendono quindi dal comportamento umano e dall’architettura del sistema, non soltanto dall’etichetta di sicurezza di un modello.
GenAI.mil è appena diventata un’infrastruttura militare di uso quotidiano
L’espansione di agosto ha trasformato GenAI.mil da un servizio in rapida crescita in un ambiente di lavoro multimodello al servizio di gran parte della forza lavoro della difesa.
Il dipartimento ha lanciato ChatGPT Mil e Grok for Government di Starshield AI nello stesso giorno. Entrambi i prodotti sono entrati in un ambiente progettato per consentire al personale militare di accedere a diversi modelli commerciali di frontiera attraverso una piattaforma governativa.
Il lancio di ChatGPT Mil ha descritto chat, file, progetti e GPT personalizzati come esperienza principale. Secondo il dipartimento, ulteriori funzionalità arriveranno nel tempo.
Questa combinazione conta più di una semplice finestra chatbot. I file consentono agli utenti di introdurre materiale di riferimento in una conversazione. I progetti possono preservare il contesto tra diverse sessioni. I GPT personalizzati possono codificare istruzioni e pratiche di lavoro ripetibili.
Ogni funzione può ridurre il lavoro ripetitivo. Insieme, possono anche trasformare un servizio di IA in un archivio di conoscenza organizzativa in evoluzione. Il sistema non risponde più solo a domande isolate. Può diventare parte del modo in cui i team archiviano il contesto, interpretano i documenti e ripetono i flussi di lavoro.
Il deploy di Grok aggiunge progetti persistenti, spazi di lavoro personalizzabili, modalità di ragionamento e playbook riutilizzabili. Il dipartimento afferma che questi playbook possono acquisire e scalare la conoscenza istituzionale.
I funzionari hanno presentato il design multimodello come protezione dalla dipendenza da un singolo fornitore. Gli utenti possono accedere a diverse capacità di IA senza collocare l’intero flusso di lavoro del dipartimento dietro un unico provider commerciale.
Questo approccio crea resilienza a livello di approvvigionamento. Aumenta però anche il numero di interfacce di modello, punti di integrazione, strutture di autorizzazione e cicli di aggiornamento che richiedono supervisione.
La scala di GenAI.mil alza la posta in gioco. Il dipartimento ha riportato oltre 1,7 milioni di utenti unici in nove mesi. ChatGPT Mil è stato progettato per supportare oltre tre milioni di persone, suggerendo che l’obiettivo resti un’adozione più ampia.
Gli utilizzi previsti sono estesi ma perlopiù non classificati. Un professionista delle acquisizioni potrebbe confrontare ricerche di mercato. Un team logistico potrebbe analizzare vincoli di approvvigionamento. Un responsabile delle politiche potrebbe riassumere documenti lunghi o riorganizzare linee guida in bozza.
Questi compiti appaiono ordinari, il che spiega il loro fascino. Tuttavia, coinvolgono anche informazioni la cui sensibilità deriva spesso dal contesto, anziché da un singolo contrassegno di classificazione.
Un singolo registro di forniture può rivelare poco. Più registri combinati con calendari di dispiegamento e domande sulla manutenzione possono esporre schemi. La sfida di sicurezza inizia quando un’aggregazione utile produce anche informazioni indesiderate.
Il commento originale non ha individuato una violazione o un difetto tecnico in GenAI.mil. La sua tesi è strutturale. Interazioni più frequenti con spazi di lavoro IA persistenti creano più opportunità affinché le informazioni accumulate diventino preziose per un avversario.
Questo rende l’espansione una storia di sicurezza anche senza un incidente. Il Pentagono ha reso l’IA conversazionale parte del lavoro ordinario prima di disporre di prove pubbliche che coprano anni di comportamenti a questa scala.
Perché i rischi per la sicurezza dell’IA del Pentagono aumentano con la comodità
Una piattaforma sicura può ridurre l’esposizione ai chatbot pubblici pur creando nuovi rischi attraverso aggregazione, accesso e divulgazione abituale.
Il livello d’impatto 5 è una classificazione cloud del Dipartimento della Difesa per sistemi che gestiscono Controlled Unclassified Information, o CUI. Le CUI sono informazioni governative sensibili che richiedono misure di protezione ma non costituiscono materiale classificato per la sicurezza nazionale.
L’accreditamento IL5 di ChatGPT Mil e Grok for Government è significativo. Indica che i sistemi soddisfano requisiti di sicurezza per un ambiente informativo definito. Non significa che ogni possibile utilizzo, connessione o decisione umana sia sicuro.
Questa differenza è al centro del dibattito attuale. L’autorizzazione tecnica valuta i controlli attorno a un sistema. La sicurezza operativa dipende da come le persone utilizzano tali controlli nel tempo.
Le interfacce conversazionali riducono l’attrito per progettazione. Gli utenti possono porre domande informali, incollare testo, caricare documenti e affinare gli output attraverso un dialogo naturale. Queste funzioni rendono gli strumenti utili perché assomigliano alla collaborazione più che all’amministrazione di database.
Possono anche cambiare il modo in cui gli utenti percepiscono la divulgazione. Una persona che esiterebbe prima di pubblicare un documento potrebbe sentirsi a proprio agio nel discuterne i contenuti con un assistente all’interno di un ambiente approvato.
Questa familiarità non costituisce automaticamente una condotta impropria. GenAI.mil esiste in parte per offrire un’alternativa autorizzata ai servizi di IA pubblici. Mantenere il lavoro autorizzato all’interno di una piattaforma governativa monitorata può migliorare la sicurezza rispetto all’uso esterno non gestito.
La complicazione è che l’approvazione può generare rassicurazione psicologica. Gli utenti potrebbero interpretare “autorizzato per CUI” come una garanzia ampia, anziché come un confine che comporta responsabilità continue.
I team di sicurezza chiamano “shadow AI” l’uso non autorizzato dell’IA sul posto di lavoro. Include dipendenti che utilizzano servizi non approvati o attivano funzioni IA integrate senza un’adeguata revisione.
Un bollettino del giugno 2026 della Defense Counterintelligence and Security Agency ha definito la shadow AI una via primaria per divulgazioni non autorizzate, dispersione di dati e fallimenti della sicurezza operativa. Invitava il personale a utilizzare piattaforme approvate come GenAI.mil invece di modelli pubblici.
Questa raccomandazione è sensata, ma sposta l’attività in un ambiente aziendale condiviso anziché eliminare il comportamento sottostante. Gli amministratori devono comunque avere visibilità su prompt, file, azioni degli agenti, autorizzazioni e dati dei progetti conservati.
Il pericolo più difficile riguarda l’aggregazione. Una raccolta di fatti singolarmente non classificati può rivelare una capacità, vulnerabilità o operazione classificata quando viene assemblata e interpretata nel suo insieme.
Il Government Accountability Office ha documentato questa preoccupazione prima che GenAI.mil raggiungesse la sua scala attuale. Nella sua revisione federale dell’IA, funzionari del Dipartimento della Difesa hanno affermato che i modelli generativi potrebbero combinare informazioni di addestramento non classificate e produrre involontariamente output classificati.
La stessa revisione ha rilevato un altro fattore umano. Secondo funzionari della Difesa e della NASA, alcuni utenti governativi non disponevano delle competenze necessarie per comprendere come i sistemi generativi producessero le loro risposte. Questa lacuna può creare falsa fiducia in output plausibili.
Questi due rischi si rafforzano a vicenda. Le informazioni aggregate possono rivelare più di quanto gli utenti si aspettino, mentre risposte fluide possono ricevere più fiducia di quanto giustifichi la loro provenienza.
La questione è particolarmente difficile quando i progetti conservano il contesto. La persistenza aiuta un utente a proseguire un lavoro complesso senza ricostruire ogni volta il prompt. Può anche concentrare file, istruzioni e conclusioni derivate in un account prezioso.
Un aggressore potrebbe non dover compromettere un’intera rete. Una credenziale rubata, un’integrazione con permessi mal definiti, un progetto esposto o un account con privilegi eccessivi potrebbero offrire un contesto sufficiente a causare danni.
L’accesso multimodello aggiunge un ulteriore livello. Fornitori diversi usano architetture, metodi di sicurezza, calendari di aggiornamento e accordi sulla gestione dei dati differenti. Una piattaforma condivisa deve garantire risultati di sicurezza coerenti attraverso tali differenze.
Questo non dimostra che GenAI.mil non sia sicura. Spiega perché l’onere della sicurezza cresce insieme all’adozione, anche quando ogni prodotto entra attraverso un percorso accreditato.
Il Pentagono vuole velocità, ma la sicurezza dipende dall’attrito
Il conflitto principale è tra un modello operativo AI-first e l’attrito deliberato che protegge le informazioni militari sensibili.
La posizione del dipartimento a favore di un’adozione rapida è facile da comprendere. L’IA commerciale può riassumere documenti, redigere materiale di routine, aiutare ad analizzare catene di approvvigionamento e ridurre il lavoro amministrativo. Una sintesi più veloce può dare ai decisori più tempo per attività a maggior valore.
Le organizzazioni militari subiscono anche la pressione di adottare la tecnologia prima che i concorrenti ottengano un vantaggio duraturo. Cina e Russia stanno investendo nell’IA per intelligence, operazioni informatiche, campagne di influenza e sistemi per il campo di battaglia.
Attendere indefinitamente comporta un rischio proprio. Un’organizzazione che blocca un’IA utile può spingere i dipendenti verso strumenti non approvati. Può inoltre preservare processi lenti che limitano la reattività operativa.
Il Pentagono aveva iniziato ad affrontare questa pressione prima di GenAI.mil. Nel dicembre 2024, il suo Chief Digital and Artificial Intelligence Office e la Defense Innovation Unit hanno creato un AI Rapid Capabilities Cell.
La cellula ha ricevuto circa 100 milioni di dollari negli anni fiscali 2024 e 2025 per progetti pilota e infrastrutture fondamentali. I suoi casi d’uso iniziali coprivano supporto al comando, pianificazione, logistica, intelligence, operazioni informatiche, approvvigionamento, gestione sanitaria e sviluppo software.
Questa agenda riflette un passaggio deliberato dalla sperimentazione al deployment. GenAI.mil offre al dipartimento un percorso aziendale per portare questa strategia nel lavoro quotidiano.
I sistemi di sicurezza si affidano tradizionalmente all’attrito. Contrassegni di classificazione, accesso compartimentato, registrazione, approvazioni e reti separate costringono le persone a fermarsi prima di spostare informazioni. Questo ritardo è spesso intenzionale.
L’IA conversazionale opera nella direzione opposta. Il suo valore deriva dalla riduzione dei passaggi tra una domanda e un risultato utile. Gli spazi di lavoro persistenti eliminano la necessità di ripetere il contesto, mentre i caricamenti di file eliminano l’estrazione manuale.
Il Pentagono desidera quindi due proprietà in conflitto dalla stessa interfaccia. Vuole la comodità commerciale e la disciplina delle informazioni militari.
La tensione non può essere risolta scegliendo in termini assoluti tra praticità e sicurezza. Uno strumento militare utile deve supportare il lavoro reale. Uno sicuro deve limitare quel lavoro quando il contesto, le autorizzazioni o le combinazioni di dati creano pericoli.
L’argomento sulla debolezza della sicurezza si concentra sulla normalizzazione. Michael Aaron Cody sostiene che l’uso conversazionale di routine eroda gradualmente la cautela che gli utenti applicano ai sistemi tradizionali.
Si tratta di un’affermazione analitica, non della prova di un fallimento confermato. Diventa più credibile con l’aumento del numero di utenti, perché la scala aumenta la varietà dei comportamenti.
Un progetto pilota può fare affidamento su partecipanti selezionati, supervisione ravvicinata e scenari circoscritti. Un servizio aziendale che copre ogni ramo delle forze armate incontra nuovi utenti, pratiche locali, missioni in evoluzione e conoscenze tecniche disomogenee.
La formazione aiuta a stabilire regole, ma non elimina gli errori. Le persone dimenticano procedure, interpretano male le marcature, accettano troppo facilmente l’output del modello o danno priorità alle scadenze. Gli avversari progettano campagne di phishing e ingegneria sociale proprio attorno a questi comportamenti prevedibili.
L’AI aggiunge nuove vie di manipolazione. Il prompt injection, per esempio, nasconde istruzioni dannose all’interno di contenuti letti da un modello. Un sistema AI può seguire tali istruzioni anche se l’utente non le nota.
I sistemi di retrieval possono introdurre problemi simili. Il retrieval consente a un assistente AI di cercare fonti informative approvate prima di rispondere a una domanda. Se le autorizzazioni o la convalida delle fonti falliscono, il modello potrebbe mostrare contenuti oltre l’accesso previsto per un utente.
Anche i progetti persistenti richiedono controlli sul ciclo di vita. Gli amministratori devono sapere chi ha creato un progetto, quali dati contiene, chi può accedervi e quando dovrebbe essere eliminato.
Sono questioni familiari di gestione della conoscenza, ma l’AI rende interattivo il materiale archiviato. Un archivio ricercabile diventa più sensibile quando un modello può inferire rapidamente relazioni tra migliaia di record.
Le organizzazioni private affrontano una sfida correlata quando costruiscono una base di conoscenza ricercabile. I confini di accesso e la provenienza diventano più importanti man mano che il retrieval diventa più semplice.
Il Pentagono affronta conseguenze molto maggiori. Una divulgazione apparentemente minore può influire sui metodi d’intelligence, sulla protezione delle forze, sui negoziati di approvvigionamento o sulla disponibilità di un alleato a condividere informazioni.
La velocità, quindi, non è gratuita. Ogni minuto risparmiato grazie alla sintesi automatizzata crea un corrispondente requisito di registrazione, monitoraggio, revisione degli accessi e valutazione dei modelli.
I rischi di sicurezza di GenAI.mil vanno oltre la fuga di dati
La piattaforma deve difendersi contemporaneamente da accessi compromessi, conoscenza manipolata, risposte inaffidabili e automazione con privilegi eccessivi.
La fuga di dati riceve la maggiore attenzione perché è facile da visualizzare. Un utente carica materiale sensibile e una parte non autorizzata lo ottiene in seguito. Tuttavia, i rischi per la sicurezza dell’AI del Pentagono vanno oltre.
Un rischio riguarda l’integrità. Un avversario potrebbe tentare di influenzare le informazioni recuperate da un modello o le fonti usate durante l’addestramento. L’obiettivo sarebbe modellare una risposta senza compromettere visibilmente il sistema.
I ricercatori hanno già studiato come le campagne informative sostenute da Stati compaiano negli output dei chatbot commerciali. Un rapporto di National Defense dell’aprile 2026 ha descritto test che coinvolgevano ChatGPT, Grok, Gemini e DeepSeek su domande relative alla guerra in Ucraina.
I ricercatori hanno riferito che una query testata su cinque citava media statali russi. I risultati variavano in base al modello e all’impostazione dei prompt, quindi il dato non dovrebbe essere considerato una valutazione diretta di GenAI.mil.
Ciononostante, illustra un problema importante. Un modello può rimanere disponibile, fluido e reattivo pur fornendo informazioni influenzate da narrazioni ostili.
Un secondo rischio riguarda il ragionamento inaffidabile. I modelli generativi producono output probabili, anziché conclusioni verificate. Possono inventare citazioni, omettere avvertenze o fondere fatti in conflitto tra loro.
Un riassunto errato di un documento generale può far perdere tempo. Lo stesso comportamento nella pianificazione logistica o nel supporto all’intelligence può distorcere le decisioni.
La revisione umana rimane essenziale, ma la sua qualità dipende dalle competenze e dal carico di lavoro. L’automazione può indebolire la supervisione se gli utenti presumono che il sistema abbia già svolto l’analisi più difficile.
Un terzo rischio deriva da privilegi eccessivi. L’AI agentica può intraprendere azioni, usare strumenti e perseguire obiettivi con una direzione umana immediata minore rispetto a un chatbot standard.
Gli annunci di GenAI.mil di agosto si sono concentrati in gran parte su funzioni conversazionali e di spazio di lavoro. Tuttavia, entrambi gli avvisi promettevano capacità aggiuntive o flussi di lavoro avanzati, rendendo la progettazione dei privilegi un’importante preoccupazione futura.
La guida sull’AI agentica della National Security Agency dell’aprile 2026 ha avvertito che agenti con privilegi eccessivi possono amplificare una singola compromissione. Ha inoltre identificato superfici di attacco aumentate, interconnessioni complesse, comportamenti opachi e scarsa responsabilità come rischi principali.
La guida raccomanda un’implementazione incrementale, valutazioni delle minacce in evoluzione, un monitoraggio rigoroso, responsabilità esplicite e supervisione umana. Queste raccomandazioni mettono in discussione una semplice metrica di adozione incentrata sulla crescita degli utenti.
Più utenti non indicano necessariamente un maggiore valore militare. Indicano portata. La qualità delle decisioni, il tempo risparmiato, i tassi di errore, gli eventi di sicurezza e gli esiti delle missioni forniscono prove più significative.
Un quarto rischio riguarda i fornitori. Una piattaforma multi-modello riduce la dipendenza da una singola azienda, ma il governo dipende comunque da fornitori commerciali per lo sviluppo e gli aggiornamenti dei modelli.
Un fornitore può modificare il comportamento di un modello, ritirarne una versione, scoprire una vulnerabilità o alterare una funzionalità. Il dipartimento deve convalidare le modifiche rilevanti senza congelare del tutto l’innovazione.
Ciò richiede il tracciamento delle versioni. I team di sicurezza devono sapere quale modello ha prodotto un output, quale configurazione lo regolava e se il modello è cambiato prima che gli investigatori esaminassero un incidente.
Il Congresso ha riconosciuto questa esigenza. La legge sulla difesa per l’anno fiscale 2026 ha ordinato al dipartimento di istituire una governance dell’AI che copra test di sicurezza, avvelenamento dei dati, jailbreak, accessi non autorizzati, rischi di approvvigionamento e valutazione dei modelli.
Ha inoltre richiesto sistemi di registro che traccino la cronologia delle versioni, le prestazioni, lo stato di sicurezza e la conformità. Queste misure indicano che i controlli di cybersicurezza esistenti necessitano di estensioni specifiche per l’AI.
La legge rafforza la tesi scettica rispondendo al tempo stesso a una sua parte. Il Pentagono non sta espandendo GenAI.mil senza alcuna struttura di governance. Il Congresso e le agenzie di sicurezza hanno identificato molti dei rischi pertinenti.
Ciò che rimane incerto è l’esecuzione su scala aziendale. Gli annunci pubblici forniscono totali di utenti e descrizioni delle funzionalità, ma rivelano poco sui tassi di incidenti, sugli errori di autorizzazione, sulle pratiche di conservazione o sui risultati dei test avversariali.
L’accreditamento IL5 non può rispondere a tutte queste domande. Stabilisce una base di sicurezza per le CUI, non la prova permanente che ogni aggiornamento del modello e flusso di lavoro degli utenti rimanga entro un rischio accettabile.
La critica più forte non è quindi che la piattaforma sia priva di difese. È che il dispiegamento si stia muovendo più rapidamente di quanto gli osservatori esterni possano valutare come tali difese si comportino sotto pressione ordinaria.
Cosa dimostrerebbe che il Pentagono ha trovato il giusto equilibrio
Il prossimo test è se il dipartimento riporterà prove di sicurezza e prestazioni con la stessa chiarezza con cui riporta l’adozione.
Tre segnali determineranno se l’espansione di GenAI.mil rafforzerà le forze armate o creerà una debolezza persistente.
Il primo è la rendicontazione della sicurezza operativa. Il Pentagono dovrebbe tracciare eventi di diffusione accidentale di dati, prompt sospetti, account compromessi, fallimenti delle autorizzazioni e violazioni delle policy sull’intera piattaforma.
La rendicontazione pubblica rimarrà limitata perché l’ambiente coinvolge attività sensibili. Il Congresso e gli organismi di supervisione indipendenti possono comunque ricevere misure dettagliate e pubblicare risultati aggregati.
Un tasso di incidenti stabile o in calo con l’aumento dell’utilizzo indebolirebbe l’argomento secondo cui la normalizzazione erode inevitabilmente la disciplina. Incidenti in aumento, ripetuti fallimenti di accesso o violazioni nascoste lo rafforzerebbero.
Il secondo segnale è l’attuazione dei mandati di sicurezza AI dell’anno fiscale 2026. Il Congresso ha richiesto una policy di cybersicurezza e governance a livello dipartimentale per i sistemi di AI e machine learning.
Le disposizioni sulla sicurezza dell’AI includono test avversariali, valutazione della catena di fornitura, requisiti di approvvigionamento, sandbox controllate e un team interfunzionale di supervisione dei modelli. Questi requisiti affrontano sia il rischio tecnico sia quello organizzativo.
La questione cruciale è se tali controlli operino in modo continuo. Un modello valutato prima del dispiegamento può cambiare attraverso aggiornamenti, strumenti connessi, dati recuperati e nuove configurazioni utente.
Una supervisione utile dovrebbe seguire l’intero ciclo di vita. Dovrebbe coprire versioni dei modelli, fonti di dati, privilegi, integrazioni, incidenti e decisioni di ritiro.
Traguardi chiari rafforzerebbero la fiducia che il dipartimento stia scalando la governance insieme all’adozione. Regole ritardate o un’attuazione incoerente sosterrebbero i timori che il dispiegamento resti in anticipo rispetto alle garanzie.
Il terzo segnale è il modo in cui GenAI.mil introduce funzionalità in grado di compiere azioni. L’assistenza per chat e documenti richiede già controlli accurati, ma i sistemi agentici possono eseguire attività in più passaggi tramite servizi connessi.
Il confine di sicurezza cambia quando un modello può modificare record, inviare richieste, interrogare archivi con accesso limitato o attivare flussi di lavoro operativi. A quel punto, l’approvazione umana e l’accesso con privilegi minimi diventano più importanti.
Il privilegio minimo significa fornire a un utente o a un sistema solo l’accesso necessario per un’attività specifica. Limita i danni causati da errori, manipolazione o credenziali rubate.
Il dipartimento dovrebbe introdurre le funzioni agentiche in modo incrementale e misurarle rispetto a scenari di attacco realistici. I team di sicurezza dovrebbero testare documenti dannosi, fonti di conoscenza avvelenate, plugin compromessi e istruzioni fuorvianti.
Questo processo rallenterà alcuni dispiegamenti. Il ritardo è una funzionalità di sicurezza quando un sistema AI può agire su risorse connesse.
Per gli sviluppatori e gli acquirenti aziendali al di fuori della difesa, la lezione è diretta. Un modello privato, una piattaforma approvata o una certificazione di conformità non eliminano il rischio operativo.
Le organizzazioni hanno comunque bisogno di controlli degli accessi, policy di conservazione, provenienza delle fonti, tracciamento delle versioni, formazione degli utenti e risposta agli incidenti. Hanno anche bisogno di prove che l’AI migliori il lavoro senza nascondere errori.
GenAI.mil sta diventando uno dei più grandi test visibili dell’AI generativa aziendale all’interno di un’istituzione sensibile. I suoi risultati influenzeranno il modo in cui i governi valuteranno piattaforme multi-modello, spazi di lavoro persistenti e agenti AI.
Il Pentagono ha già dimostrato di poter distribuire rapidamente l’AI. Ora deve dimostrare che monitoraggio, valutazione e disciplina informativa possono scalare allo stesso ritmo.
Queste prove dovrebbero contare più del prossimo traguardo di utenti. I rischi per la sicurezza dell’AI del Pentagono rimarranno gestibili solo se ogni espansione porterà controlli misurabili, supervisione trasparente e limiti che gli utenti non possano aggirare con noncuranza.
La domanda per i prossimi mesi è semplice: il Pentagono pubblicherà segnali credibili del miglioramento delle prestazioni di sicurezza, o annuncerà soltanto che più persone possono usare gli strumenti?
