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.| 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
https://hdl.handle.net/20.500.12608/111253