L’intelligenza artificiale nelle scienze forensi sta assumendo un ruolo sempre più rilevante. Può analizzare grandi quantità di dati, individuare schemi ricorrenti e rendere più efficienti alcune attività investigative e di laboratorio.
Il suo utilizzo, però, richiede particolare prudenza. In ambito forense, un errore non produce soltanto un risultato impreciso. Può incidere sulla libertà, sulla reputazione e sui diritti delle persone coinvolte.
Per questo motivo, l’intelligenza artificiale non dovrebbe essere considerata un sostituto dell’esperto. Può rappresentare uno strumento di supporto, purché venga utilizzata attraverso procedure trasparenti, verificabili e sottoposte a controllo umano.
Il tema è stato approfondito durante il simposio “Harnessing Artificial Intelligence for Forensics”, organizzato nel 2025 da RTI International con il supporto del National Institute of Standards and Technology, il NIST, e del Johns Hopkins University Data Science and AI Institute.
La tecnologia sta cambiando le aspettative sulla prova forense
Film e serie televisive hanno contribuito a diffondere l’idea che le analisi scientifiche siano sempre in grado di fornire risposte rapide e definitive. A questa rappresentazione si aggiunge oggi la diffusione di tecnologie sempre più sofisticate nella vita quotidiana. Di conseguenza, giudici, giurati e cittadini possono aspettarsi che ogni indagine produca necessariamente una prova scientifica chiara e conclusiva.
La tecnologia, tuttavia, non elimina automaticamente l’incertezza.
Un risultato espresso attraverso percentuali, grafici o modelli matematici non è necessariamente corretto. La sua attendibilità dipende dalla qualità dei dati, dal metodo utilizzato, dalle caratteristiche del sistema e dal contesto nel quale viene applicato. Il rischio è attribuire a un risultato maggiore affidabilità soltanto perché è stato prodotto da un algoritmo.
Come può essere utilizzata l’intelligenza artificiale nella forense
Nelle scienze forensi, l’intelligenza artificiale può essere impiegata soprattutto per analizzare dati, individuare correlazioni e migliorare l’organizzazione del lavoro.
Le applicazioni più interessanti riguardano la gestione delle risorse, la definizione delle priorità e il collegamento tra informazioni provenienti da discipline differenti.
Gestione dei tempi e delle risorse
I laboratori forensi devono spesso affrontare un elevato numero di casi, ognuno dei quali può richiedere tempi, competenze e strumenti diversi.
Un modello predittivo potrebbe analizzare i casi precedenti e stimare il tempo necessario per completare una determinata attività. Queste informazioni potrebbero aiutare i responsabili a organizzare meglio il personale, le apparecchiature e i carichi di lavoro. I dati raccolti potrebbero inoltre essere utilizzati per documentare la necessità di maggiori finanziamenti o di nuove assunzioni.
In questo ambito, l’intelligenza artificiale non prenderebbe decisioni sul valore di una prova. Svolgerebbe una funzione organizzativa, aiutando il laboratorio a gestire in modo più efficiente le risorse disponibili.
Definizione delle priorità
Un’altra possibile applicazione riguarda la classificazione preliminare dei casi e dei reperti.
Molti laboratori devono gestire arretrati considerevoli. Un sistema di machine learning potrebbe ordinare i fascicoli in base alla complessità, alle scadenze e alle caratteristiche degli accertamenti richiesti. Potrebbe inoltre confrontare le prove ricevute con i dati relativi ai casi precedenti, stimando quali analisi potrebbero risultare più utili e quali dovrebbero essere eseguite per prime.
Questa possibilità potrebbe ridurre i tempi di attesa. Presenta, però, anche rischi rilevanti.
Un reperto classificato erroneamente come poco importante potrebbe non essere analizzato. Al contrario, una prova sopravvalutata potrebbe assorbire risorse senza fornire informazioni realmente utili. Per questo motivo, il sistema dovrebbe limitarsi a proporre una priorità. La decisione finale dovrebbe rimanere affidata a un professionista capace di valutare il contesto del caso.
Collegamento tra risultati differenti
Un’indagine può produrre informazioni provenienti da numerose discipline: DNA, impronte, tracce biologiche, immagini, documenti, dispositivi elettronici e dati digitali.
L’intelligenza artificiale potrebbe aiutare a organizzare questi elementi e a individuare eventuali collegamenti. Potrebbe, per esempio, segnalare ricorrenze, anomalie o incompatibilità che meritano un ulteriore approfondimento. Questo permetterebbe agli investigatori di esaminare grandi quantità di dati in modo più rapido e ordinato.
Anche in questo caso, però, è necessario distinguere tra segnalazione e dimostrazione. Una correlazione individuata da un algoritmo non prova necessariamente l’esistenza di un legame causale. Il sistema può suggerire una pista investigativa, ma non può stabilire autonomamente che cosa sia realmente accaduto.
I rischi dell’intelligenza artificiale applicata alla forense
L’efficienza non può essere l’unico criterio utilizzato per valutare uno strumento destinato alle scienze forensi.
Uno dei principali problemi riguarda la qualità dei dati. Se le informazioni utilizzate per sviluppare il modello sono incomplete, errate o poco rappresentative, anche i risultati possono risultare inaffidabili.
Un secondo rischio riguarda i bias, cioè le distorsioni presenti nei dati o nel processo di sviluppo. Un algoritmo può riprodurre o amplificare gli squilibri contenuti nei dati storici. Il risultato può sembrare neutrale perché generato da una macchina, pur riflettendo errori e pregiudizi precedenti.
Esiste poi un problema di trasparenza. Alcuni sistemi producono una risposta senza rendere facilmente comprensibile il procedimento seguito. Questo aspetto è particolarmente delicato quando il risultato viene utilizzato in un’indagine o presentato in sede giudiziaria.
Una persona coinvolta in un procedimento deve poter comprendere, controllare e contestare gli elementi utilizzati contro di lei. Un risultato incomprensibile o non verificabile rischia di compromettere questa possibilità.
Il problema dell’intelligenza artificiale generativa
I sistemi di intelligenza artificiale generativa, come i modelli linguistici, possono riassumere documenti, classificare informazioni e produrre testi. Possono però anche generare affermazioni inesatte, riferimenti inesistenti o conclusioni non supportate dai dati.
Il fatto che una risposta sia scritta in modo chiaro e convincente non significa che sia corretta. Ogni informazione deve essere confrontata con la documentazione originale e verificata da una persona competente.
In ambito investigativo, questi sistemi potrebbero essere utilizzati per organizzare materiali o facilitare alcune attività preliminari. Non dovrebbero invece essere considerati fonti autonome né strumenti capaci di formulare conclusioni affidabili senza verifica.
Verifica umana e tracciabilità
L’impiego dell’intelligenza artificiale nelle scienze forensi deve prevedere una supervisione umana effettiva. Non è sufficiente che un operatore confermi automaticamente il risultato prodotto dal sistema. Il professionista deve comprenderne i limiti, verificare i dati utilizzati ed essere in grado di respingere una conclusione non attendibile.
È inoltre necessario documentare il percorso che ha condotto al risultato. Dovrebbero essere registrati i dati forniti al sistema, le istruzioni utilizzate, il modello impiegato, la risposta ottenuta e le verifiche successive.
Questa traccia di controllo permette di ricostruire il procedimento, individuare eventuali errori e consentire una valutazione indipendente.
Il NIST ha individuato diverse caratteristiche necessarie per un’intelligenza artificiale affidabile. Tra queste rientrano validità, sicurezza, trasparenza, spiegabilità, responsabilità e gestione dei bias.
La validità del sistema è quindi un requisito essenziale, ma non è sufficiente. Anche uno strumento tecnicamente preciso deve essere utilizzato in modo proporzionato, comprensibile e controllabile.
Il punto di vista di Lumen Investigazioni
L’intelligenza artificiale può offrire un contributo importante alle attività investigative e forensi. Può velocizzare operazioni ripetitive, organizzare grandi quantità di dati e segnalare elementi meritevoli di approfondimento. Non deve però trasformarsi in un decisore invisibile.
Un algoritmo non conosce automaticamente il contesto umano, non valuta da solo l’attendibilità delle fonti e non comprende tutte le conseguenze giuridiche di una conclusione. Soprattutto, non si assume la responsabilità del risultato prodotto.
Per Lumen Investigazioni, l’innovazione tecnologica deve rimanere al servizio del metodo. Ogni risultato deve essere verificato, documentato e valutato in relazione alla qualità delle informazioni disponibili. L’obiettivo non è ottenere risposte nette a ogni costo. È distinguere ciò che è dimostrato da ciò che è soltanto possibile, probabile o meritevole di un ulteriore approfondimento.
Nelle scienze forensi, riconoscere i limiti di un dato non rappresenta una debolezza. È una forma di correttezza scientifica e professionale.
Un supporto, non un sostituto dell’esperto
Il futuro delle scienze forensi sarà probabilmente caratterizzato da una collaborazione sempre più stretta tra professionisti e strumenti tecnologici.
L’intelligenza artificiale potrà assistere gli esperti nella gestione delle informazioni e nell’individuazione di schemi complessi. La responsabilità dell’interpretazione dovrà però rimanere umana.
Prima di essere utilizzato in un’indagine, ogni sistema dovrebbe dimostrare la propria affidabilità. Dovrebbe inoltre essere sottoposto a verifiche periodiche, soprattutto quando cambiano i dati, il modello o il contesto operativo. L’intelligenza artificiale non rende automaticamente più scientifica un’indagine. Può contribuire a migliorarla soltanto se inserita in procedure trasparenti, verificabili e rispettose dei diritti delle persone.
La vera innovazione non consiste nel sostituire il giudizio professionale, ma nel fornire agli esperti strumenti migliori senza rinunciare alla prudenza, alla responsabilità e al rigore del metodo.