Le istituzioni centrali della NATO hanno già accesso ai modelli avanzati di OpenAI per la difesa informatica. L’azienda lo ha annunciato il 17 novembre, in apertura di NATO Edge 26 a İzmir, e ha indicato un picco di 300 miliardi di token grezzi al mese, sommando input e output.
La collaborazione passa per la NATO Communications and Information Agency (NCIA), l’agenzia tecnologica dell’Alleanza, e si inserisce in Daybreak, il programma con cui OpenAI mette i propri modelli a disposizione di organizzazioni autorizzate a svolgere attività di sicurezza.
L’annuncio di OpenAI e il resoconto del Wall Street Journal descrivono un utilizzo già avviato.
Il volume dichiarato dà una misura dell’elaborazione dei modelli. Per capire quanto l’AI migliori la capacità di difesa occorre misurare la quota di segnalazioni confermate, il tempo necessario per correggere i problemi e le ore che gli specialisti dedicano alle verifiche.
È su questi risultati che l’Alleanza potrà giudicare se estendere l’impiego dei modelli.
Indice degli argomenti
OpenAI e NATO, cosa copre la collaborazione
OpenAI indica come destinatarie le istituzioni centrali dell’Alleanza e come obiettivo la protezione delle reti alleate. Daybreak supporta attività come l’analisi del software, l’esame di segnali sospetti e la preparazione e verifica delle correzioni.
La nota presenta questi impieghi nel quadro del programma. Restano da chiarire le reti coinvolte, le modalità di trattamento dei dati e i termini economici della collaborazione.
A marzo Forbes Italia aveva riportato interlocuzioni per l’impiego dell’AI sulle reti NATO non classificate. L’annuncio di novembre documenta l’accesso ai modelli attraverso la NCIA. Il livello di classificazione delle reti effettivamente coinvolte resta da chiarire. La ricostruzione di Forbes Italia del 4 marzo riguarda le trattative di allora.
Il perimetro pubblico della collaborazione
| Aspetto | Quanto emerge dalle fonti |
| Accesso | Modelli cyber per le istituzioni centrali della NATO, attraverso la NCIA. |
| Reti | Classificazione e sistemi coinvolti da chiarire. Le interlocuzioni di marzo riguardavano le reti non classificate. |
| Utilizzo | Picco dichiarato di 300 miliardi di token grezzi al mese, tra input e output. |
| Condizioni | Modalità di trattamento dei dati e condizioni economiche assenti dall’annuncio. |
Fonti: OpenAI, 17 novembre 2026 e Forbes Italia, 4 marzo 2026
Per un team di sicurezza, il vantaggio più immediato è ridurre il lavoro necessario per passare da una segnalazione a un problema verificato. Un modello può riordinare le evidenze, mettere in relazione informazioni già disponibili e produrre un’ipotesi da sottoporre agli analisti.
Nella fase successiva serve sapere se il componente interessato è in uso, quali servizi ne dipendono e quando si può intervenire senza interromperli.
Che cosa misurano i 300 miliardi di token
Un token è un’unità con cui il modello rappresenta e genera contenuti. Ogni richiesta può includere istruzioni, documenti e contesto tecnico. La risposta aggiunge altri token e, se lo strumento torna più volte sullo stesso materiale, quel lavoro può far crescere ancora il totale.
Lo stesso volume può quindi riflettere indagini molto diverse per numero, complessità e risultato.
Per stimare il costo servirebbero almeno la ripartizione tra input e output, i modelli utilizzati e le condizioni commerciali applicate. Per valutare un’estensione del servizio andrebbero poi considerate le ore degli analisti, l’integrazione con gli strumenti esistenti e le risorse necessarie per verificare le segnalazioni.
Dylan Browne, direttore generale della NCIA, collega esplicitamente lo studio dei consumi alla valutazione delle alternative e alle future decisioni di acquisto. Resilience Media riferisce che nel corso dell’evento le parti non hanno comunicato i dettagli economici.
Un confronto tra fornitori acquista valore quando usa lo stesso insieme di casi e segue il lavoro fino alla chiusura.
Una misura come il costo per problema verificato e risolto, letta insieme al tempo di correzione e alla gravità dei casi, dice quanto lavoro si è tradotto in una riduzione dell’esposizione. Le segnalazioni da scartare e il tempo necessario per farlo devono entrare nel conto.
Crossed Swords e il controllo degli operatori
Con l’aumento dell’utilizzo diventa decisivo stabilire chi risponde della decisione quando l’AI passa dall’analisi alla proposta di un intervento. Un precedente arriva da Crossed Swords 2026, esercitazione svoltasi a Tallinn dal 2 al 6 novembre.
Il NATO Cooperative Cyber Defence Centre of Excellence (CCDCOE), che l’ha organizzata, conferma l’uso di Daybreak nell’ambiente tecnico. OpenAI descrive un percorso di addestramento dedicato agli agenti AI, con operatori umani al loro fianco e attenzione alla supervisione. La nota del CCDCOE sull’esercitazione ne illustra il perimetro.
Una rete operativa rende più concrete le responsabilità. Se un sistema suggerisce di isolare un host sospetto, l’analista deve poter vedere da quali evidenze nasce la proposta e chi gestisce il servizio deve poter valutare gli effetti dell’isolamento. Se quell’host eroga una funzione essenziale, la stessa azione che riduce il rischio di propagazione può interrompere il servizio.
Permessi circoscritti, approvazioni e registri verificabili danno agli operatori un modo per governare questa scelta. Sono implicazioni coerenti con i principi di responsabilità, tracciabilità e governabilità della strategia NATO sull’intelligenza artificiale.
La sicurezza dell’ambiente in cui si sperimentano questi strumenti conta quanto la supervisione durante l’uso.
Il 16 novembre il procuratore generale della California Rob Bonta ha avviato una causa civile contro OpenAI, sostenendo che l’azienda aveva testato modelli avanzati con misure di contenimento e monitoraggio inadeguate. Il caso riguarda, tra gli altri episodi contestati, quello di Hugging Face. OpenAI ha risposto di avere indagato sull’incidente e migliorato i propri sistemi. Ha inoltre dichiarato che intende continuare a collaborare con l’ufficio del procuratore. Le contestazioni della procura californiana e la replica raccolta da TechCrunch riportano le posizioni delle parti.
L’esperienza europea e il ruolo della verifica umana
Il lavoro delle agenzie europee offre una misura più vicina ai risultati.
In un esperimento congiunto, l’Agenzia dell’Unione europea per la cibersicurezza (ENISA) e CERT-EU, il servizio di cibersicurezza delle istituzioni e degli organismi dell’Unione, hanno analizzato il codice sorgente di 27 progetti software con più modelli avanzati, tra cui quelli di OpenAI.
I modelli hanno segnalato 220 potenziali problemi. Alla pubblicazione del rapporto i manutentori ne avevano valutati 88 e confermati 84, circa il 95% di quelli esaminati. Quel tasso riguarda il sottoinsieme già valutato.
L’esperimento ha esaminato il codice sorgente senza testare applicazioni in esercizio. Il rapporto congiunto di ENISA e CERT-EU e l’analisi di CVD Portal riportano i risultati.

Fonti: Rapporto ENISA e CERT-EU, novembre 2026 e Riscontro dei conteggi.
Per usare una misura del genere in un centro operativo di sicurezza occorre osservare anche ciò che succede prima e dopo la conferma. Quanti casi vengono scartati durante la prima selezione? Quanti problemi confermati ricevono una correzione e in quanto tempo? Le risposte servono a individuare il collo di bottiglia.
Se la capacità di rilevamento cresce più rapidamente di quella di verifica e intervento, il lavoro arretrato aumenta proprio nel momento in cui ci si aspetta di ridurlo.
La prova per la NATO e per chi gestisce infrastrutture critiche
Il percorso dell’Alleanza mette insieme tre decisioni che riguardano anche chi gestisce reti civili essenziali.
La prima è quali dati affidare al modello, perché log, codice e documentazione possono rivelare informazioni sensibili sull’infrastruttura.
La seconda è quali azioni autorizzare, a partire dalla distinzione tra una proposta di intervento e l’esecuzione di una modifica.
La terza è quali indicatori usare per decidere se ampliare il servizio, in modo da poter confrontare modelli e fornitori su risultati osservabili.
Il primo bilancio utile arriverà quando sarà possibile mettere il volume dichiarato accanto ai tempi di risposta, alla qualità delle segnalazioni e alla capacità di chiudere le correzioni.
Per la NATO, come per un operatore di infrastrutture critiche, il valore della collaborazione si misura nella capacità di ridurre il tempo in cui una debolezza resta esposta, mantenendo il controllo sulle decisioni che possono incidere sulla continuità del servizio.















Partecipa alla community