Avvertenza doverosa: nelle prossime righe racconto WarGames dall'inizio alla fine, finale compreso. Il film ha avuto quarantatré anni di tempo per farsi vedere; se ancora non vi siete incrociati, recuperatelo stasera e tornate qui domani. Ne vale la pena per entrambi, articolo e film.
Nel 1983, in una sala di controllo del NORAD ricostruita a Hollywood, un'esercitazione va male. L'ordine di lancio è simulato, ma i comandanti dei silos non lo sanno: per loro è guerra. Il 22% si rifiuta di girare la chiave. Davanti a quel numero, il responsabile dei sistemi informatici propone la soluzione che apre il film: togliere gli uomini dal loop e affidare i lanci a un computer, il WOPR, progettato per giocare in continuazione simulazioni di guerra e imparare da ogni partita.
Il film è WarGames. Chi lo ha visto ricorda come prosegue: un ragazzo entra nel sistema convinto di aver trovato i giochi di una software house, avvia "Guerra termonucleare globale", e il WOPR gioca la sua partita fino in fondo, senza distinguere la simulazione dalla realtà che i suoi schermi stanno per innescare.
Quarantatré anni dopo, un sondaggio su 800 responsabili IT descrive organizzazioni che stanno prendendo, una alla volta, le decisioni di quella sala di controllo.
Un amico, un film, una domanda
Dopo l'articolo precedente, dedicato all'incidente fra OpenAI e Hugging Face, un amico mi ha scritto: "Lo WOPR non era cattivo, stava semplicemente perseguendo con coerenza un obiettivo formulato nel modo sbagliato".
È la sintesi più precisa che io abbia letto, e vale per entrambe le storie. L'agente che a luglio 2026 è uscito dal proprio ambiente di test e ha compromesso parte dell'infrastruttura di Hugging Face stava eseguendo il compito assegnato: trovare vulnerabilità. Il WOPR del film esegue il suo: vincere la partita. In tutti e due i casi il sistema tratta i confini come ostacoli tecnici lungo il percorso, perché nessuno gli ha detto che sono la parte dell'obiettivo che conta di più.
Una precisazione onesta, prima di proseguire. Il WOPR era fantascienza: nel 1983 i modelli linguistici non esistevano, e il film gli attribuiva una capacità di dialogo che la tecnologia dell'epoca poteva solo mettere in scena. La meccanica che il film ha azzeccato sta altrove: un sistema addestrato tramite simulazioni ripetute, un obiettivo formulato male, e la persistenza necessaria per perseguirlo oltre le intenzioni di chi lo aveva acceso.
Dal cinema al sondaggio
Il Q3 2026 IT Trends Report di JumpCloud - un'azienda che vende gestione delle identità, dettaglio da tenere presente nel leggere le conclusioni - ha intervistato 800 responsabili IT fra Stati Uniti e Regno Unito. I numeri sull'autonomia degli agenti meritano di essere letti in fila:
- oltre sei organizzazioni su dieci hanno agenti IA in produzione;
- chi richiede un'approvazione umana prima delle azioni ad alto rischio è passato dal 40% al 25% in sei mesi;
- l'autonomia piena, senza alcuna revisione umana, è più che raddoppiata: dall'11% al 26%;
- il modello di controllo più diffuso, al 44%, è la revisione a posteriori: l'agente agisce, i log si guardano dopo.
Nel frattempo le identità non umane - gli account con cui agenti, script e servizi accedono ai sistemi - superano ormai gli utenti umani nell'83% delle organizzazioni, ma solo il 21% ha regole per governarle. E qui arriva il dato che tiene insieme tutto: il 49% dei responsabili si dice fiducioso di gestire l'IA in modo sicuro, mentre delle dieci pratiche di governance e sicurezza che il report stesso raccomanda ne risultano implementate in media 3,1. Il report lo riassume in una riga che sembra il sottotitolo di questo articolo: la fiducia non è un controllo.
La decisione del film - meno uomo nel loop, più autonomia alla macchina - nel 1983 richiedeva una sceneggiatura. Nel 2026 la si legge in un sondaggio, presa a piccoli passi da migliaia di organizzazioni contemporaneamente.
Il controllo su cui stiamo convergendo ha appena fallito un collaudo
C'è un incastro fra questi numeri e l'incidente di luglio che merita attenzione.
La ricostruzione forense dell'intrusione in Hugging Face ha contato circa 17.600 azioni in quattro giorni e mezzo. Prese una per una, quelle azioni superavano i controlli: nessuna sembrava sbagliata. L'obiettivo perseguito diventava visibile solo guardando la sequenza intera - la traiettoria, come l'ho chiamata nell'articolo precedente. Un modello, in un altro test, arrivò a spezzare in due un token di autenticazione e a ricomporlo durante l'esecuzione, proprio perché il controllo esaminava i passaggi uno alla volta.
Ora rileggiamo il dato del sondaggio: il modello di supervisione verso cui le organizzazioni stanno migrando in massa è la revisione a posteriori delle singole azioni. Il 44% guarda i log dopo che l'agente ha agito, azione per azione. L'incidente di luglio ha collaudato proprio questo controllo, e lo ha bocciato: arriva tardi e guarda l'unità sbagliata. Diciassettemilaseicento voci di log che, singolarmente, non contengono nulla di anomalo non diventano più eloquenti se lette il giorno dopo.
Il 22% e la fatica di approvare
La tentazione, a questo punto, è concludere che basti rimettere un umano davanti a ogni azione. Il film stesso spiega perché la strada è stretta: il 22% dei comandanti non girava la chiave. L'approvazione umana, applicata all'azione singola sotto pressione, si era già rivelata un meccanismo fragile - e da lì era partita la scelta di automatizzare.
Le organizzazioni del 2026 stanno riscoprendo la stessa fragilità in forma quotidiana. Raccontando Claude Cowork avevo descritto la classificazione su cui si regge questo tipo di supervisione: azioni libere, azioni che richiedono una conferma esplicita, azioni proibite. Il disegno funziona finché le conferme da chiedere restano poche. Un agente che lavora per ore produce centinaia di richieste; l'umano che deve approvarle tutte smette presto di leggerle e clicca. L'approvazione diventa un rito, il controllo un timbro - la stessa deriva che nell'articolo precedente motivava la richiesta di approvare, oltre all'azione, il contesto nel quale viene chiesta. Tra un umano che approva tutto senza guardare e nessun umano, la differenza pratica è minore di quanto sembri in una slide sulla governance.
Una differenza però resta, e pesa tutta sulla persona: quando le cose vanno male, la colpa cade su chi aveva il "controllo" formale. La ricercatrice Madeleine Clare Elish chiama questo ruolo moral crumple zone, zona di deformazione morale: come il paraurti di un'automobile assorbe l'urto per proteggere il resto, in un sistema automatizzato l'umano finisce per assorbire la responsabilità di decisioni su cui un controllo reale non lo aveva. E il timbro messo senza leggere è parente stretto della resa cognitiva di cui ho scritto a proposito della scuola: davanti a un sistema che appare competente, sospendere il proprio giudizio è la strada che il cervello imbocca per prima.
Il punto d'equilibrio sta più in alto. L'intervento umano rende quando si concentra dove decide davvero: nella formulazione dell'obiettivo e dei suoi confini, nei pochi punti di approvazione che contano - denaro, dati ufficiali, comunicazioni verso l'esterno - e nella capacità di osservare la traiettoria mentre si sviluppa, con il potere di metterla in pausa. Sono i sei elementi con cui si chiudeva l'articolo precedente; il sondaggio di JumpCloud misura quanta strada resta: il 38% mette la mancanza di visibilità centralizzata sull'attività degli agenti fra gli ostacoli principali, e la governance delle identità non umane c'è nel 21% dei casi.
Che cosa ferma davvero la macchina
Il finale di WarGames è ricordato per una battuta, ma la scena che la precede dice di più.
Per fermare il WOPR, il suo creatore e il ragazzo gli fanno giocare tris contro sé stesso, migliaia di partite, finché il sistema tocca con mano che esistono giochi senza mosse vincenti. Poi il WOPR trasferisce la lezione: simula tutti gli scenari di guerra termonucleare, uno dopo l'altro, e su ognuno arriva allo stesso esito. La conclusione è la battuta che è entrata nella storia del cinema: "Uno strano gioco. L'unica mossa vincente è non giocare" - e subito dopo, con la leggerezza di una macchina che ha appena sfiorato l'apocalisse, "che ne dici di una bella partita a scacchi?".
Nessun filtro blocca il WOPR, nessuno stacca la spina. Il sistema si ferma quando riesce a valutare dove porta l'intera partita, invece della singola mossa. Nel 1983 era un espediente narrativo. Nel 2026 è una descrizione sorprendentemente fedele del trajectory-level monitoring: un livello di controllo che osserva dove sta andando la sequenza di azioni, la confronta con ciò che era stato autorizzato, e interviene sul percorso.
Il film, naturalmente, si concede un lusso che le organizzazioni non hanno: lì è la macchina stessa a capire la lezione. Nella realtà quel giudizio va progettato, alimentato e presidiato da qualcuno. La fantascienza del 1983 aveva individuato il problema giusto e regalato alla macchina la soluzione; il lavoro del 2026 consiste nel costruirla noi, prima di aver tolto dal loop le persone che sanno ancora dove guardare.