L’evoluzione del panorama geopolitico contemporaneo, caratterizzato da crisi ibride e da una sovrabbondanza informativa senza precedenti, ha imposto una profonda revisione degli strumenti della diplomazia preventiva. Il presente lavoro di tesi analizza l’intersezione tra le pratiche diplomatiche tradizionali e le tecnologie emergenti, indagando in particolare il ruolo dell’intelligenza artificiale (AI) come catalizzatore di un nuovo paradigma decisionale. L’indagine si focalizza sulla domanda di ricerca centrale: in che misura l’integrazione di sistemi predittivi e algoritmi di Machine Learning può potenziare l’efficacia della prevenzione dei conflitti internazionali senza compromettere la responsabilità politica e l’etica del mediatore umano? Attraverso un’analisi multidisciplinare che spazia dalla dottrina della diplomazia digitale all’esame dei modelli di Early Warning adottati da organizzazioni internazionali , la ricerca evidenzia come l’AI operi come un “moltiplicatore di forza conoscitiva”, riducendo i tempi di risposta e identificando pattern di instabilità altrimenti impercettibili. Tuttavia, i risultati dello studio sottolineano l’insorgere di criticità sistemiche legate all’opacità algoritmica, ai bias dei dati e ai rischi di una “disintegrazione digitale” che potrebbe alimentare nuove asimmetrie di potere tra gli attori globali. In conclusione, la tesi sostiene la necessità di una governance algoritmica fondata sul principio del human-in-the-loop, dove la potenza computazionale della macchina non sostituisca, ma integri la saggezza strategica e l’empatia intrinseche all’atto diplomatico, delineando la via verso una pace sostenibile nell’era della complessità tecnologica.

Diplomazia preventiva e Intelligenza Artificiale per la prevenzione dei conflitti: una prospettiva intercontinentale tra il modello HFC europeo e il CEWS africano

LAGHETTO, ALISON
2025/2026

Abstract

L’evoluzione del panorama geopolitico contemporaneo, caratterizzato da crisi ibride e da una sovrabbondanza informativa senza precedenti, ha imposto una profonda revisione degli strumenti della diplomazia preventiva. Il presente lavoro di tesi analizza l’intersezione tra le pratiche diplomatiche tradizionali e le tecnologie emergenti, indagando in particolare il ruolo dell’intelligenza artificiale (AI) come catalizzatore di un nuovo paradigma decisionale. L’indagine si focalizza sulla domanda di ricerca centrale: in che misura l’integrazione di sistemi predittivi e algoritmi di Machine Learning può potenziare l’efficacia della prevenzione dei conflitti internazionali senza compromettere la responsabilità politica e l’etica del mediatore umano? Attraverso un’analisi multidisciplinare che spazia dalla dottrina della diplomazia digitale all’esame dei modelli di Early Warning adottati da organizzazioni internazionali , la ricerca evidenzia come l’AI operi come un “moltiplicatore di forza conoscitiva”, riducendo i tempi di risposta e identificando pattern di instabilità altrimenti impercettibili. Tuttavia, i risultati dello studio sottolineano l’insorgere di criticità sistemiche legate all’opacità algoritmica, ai bias dei dati e ai rischi di una “disintegrazione digitale” che potrebbe alimentare nuove asimmetrie di potere tra gli attori globali. In conclusione, la tesi sostiene la necessità di una governance algoritmica fondata sul principio del human-in-the-loop, dove la potenza computazionale della macchina non sostituisca, ma integri la saggezza strategica e l’empatia intrinseche all’atto diplomatico, delineando la via verso una pace sostenibile nell’era della complessità tecnologica.
2025
Preventive Diplomacy and Artificial Intelligence for Conflict Prevention: An Intercontinental Perspective between the European HFC Model and the African CEWS
Preventive diplomacy
IA
Early Warning
Conflitti
File in questo prodotto:
File Dimensione Formato  
Diplomazia preventiva e Intelligenza Artificiale per la prevenzione dei conflitti_ una prospettiva intercontinentale tra il modello HFC europeo e il CEWS africano.pdf

Accesso riservato

Dimensione 1.07 MB
Formato Adobe PDF
1.07 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/111253