https://ninkilim.com/articles/industrialization_of_profiling/it.html
L’emergere del profiling — dal controllo manuale mirato di specifici “persone di interesse” alla sorveglianza automatizzata e continua di intere popolazioni — rappresenta una delle trasformazioni più profonde nell’esercizio del potere, nel ruolo della tecnologia e nei confini dell’autonomia individuale. Ciò che un tempo richiedeva uno sforzo umano significativo, una prioritarizzazione istituzionale e una selezione deliberata, si è evoluto in un’infrastruttura fluida che genera, aggrega e analizza dati comportamentali su miliardi di persone in tempo reale, spesso come sottoprodotto incidentale della vita quotidiana.
Questa trasformazione non è stata predeterminata dalla tecnologia da sola. È emersa dall’interazione tra espansione burocratica, crisi di sicurezza ripetute, incentivi economici legati alla monetizzazione dei dati e la riduzione implacabile del costo marginale di raccolta, archiviazione e inferenza dei dati. Il risultato non è semplicemente “più sorveglianza”, ma un regime qualitativamente diverso: uno che sostituisce l’attrito naturale con una scala priva di attrito, la discrezione umana con l’automazione algoritmica e il sospetto eccezionale verso i pochi con l’osservazione di base verso i molti.
Al suo nucleo si trova una metamorfosi fondamentale: il profiling si è spostato da un’arte artigianale — selettiva, laboriosa e esplicativa — a un processo industriale — universale, automatizzato e predittivo. Ciò che segue traccia questa trasformazione, identificando i momenti in cui i vincoli si sono erosi e nuove capacità si sono cristallizzate in un sistema di inferenza continua e su scala di popolazione.
Il profiling, nella sua forma più basilare, implica la raccolta e l’interpretazione sistematica di informazioni per inferire caratteristiche, prevedere comportamenti o assegnare categorie di rischio. Le sue origini affondano profondamente nell’antichità.
Gli imperi antichi conducevano censimenti non solo per tassazione o leva, ma per classificazione. Le autorità romane e gli amministratori imperiali cinesi classificavano le popolazioni per occupazione, lealtà e status, producendo prime mappe relazionali che potevano identificare potenziali minacce. Le istituzioni religiose mantenevano registri di nascite, matrimoni, confessioni e condotta morale, costruendo proto-grafi sociali che rivelavano reti di influenza e deviazione.
Tuttavia, questi sistemi condividevano un vincolo definitorio: l’informazione era costosa. Raccogliere, verificare, archiviare e interpretare i dati richiedeva un lavoro umano significativo. Di conseguenza, il profiling rimaneva selettivo, episodico e limitato. Si concentrava su élite, dissidenti o gruppi strategicamente rilevanti — non su intere popolazioni.
Questa selettività persistette anche nell’Europa moderna precoce, mentre gli Stati espandevano il loro apparato di sorveglianza. Gli sforzi di intelligence miravano a eretici, rivali politici, contrabbandieri e agenti stranieri attraverso informatori, corrispondenza intercettata e sorveglianza fisica. I cabinets noirs — o Camere Nere — di Francia e altri Stati esemplificavano questo approccio: squadre di impiegati aprivano manualmente le lettere, le copiavano e le richiudevano per la consegna. Queste operazioni erano intrinsecamente vincolate. Si concentravano su obiettivi ad alto valore perché qualsiasi cosa più ampia era logisticamente impossibile.
Anche in questa fase, tuttavia, il potere dei metadati era chiaramente compreso. Le informazioni sulla comunicazione — mittente, destinatario, tempistica e percorso — potevano esporre reti e intenzioni senza richiedere l’accesso al contenuto. Lo scandalo di spionaggio dell’Ufficio Postale britannico del 1844 portò questo aspetto in primo piano pubblico. Il rivoluzionario italiano Giuseppe Mazzini, esule a Londra, sospettava che le sue lettere venissero aperte dalle autorità su richiesta di potenze straniere. Lui e i suoi sostenitori inserivano semi di papavero e granelli di sabbia all’interno delle buste come marcatori; quando le lettere arrivavano disturbate, Mazzini spinse il deputato radicale Thomas Duncombe a sollevare la questione in Parlamento. Lo scandalo che ne seguì rivelò l’apertura sistematica delle lettere sotto mandati emessi dal Segretario degli Interni Sir James Graham, scatenando indignazione, inchieste parlamentari e l’eventuale abolizione del dipartimento segreto dell’Ufficio Postale. Segnò uno dei primi panici moderni sulla privacy e sottolineò come i soli dati relazionali potessero smantellare reti di associazione.
In risposta, emersero norme legali come la “segretezza della corrispondenza” (Briefgeheimnis, secret de la correspondance). Questi principi restringevano l’uso dei dati di comunicazione strettamente a scopi operativi come la consegna, vietando lo sfruttamento secondario per sorveglianza o profiling. L’idea sottostante era semplice ma profonda:
I dati generati per una funzione specifica non dovrebbero essere riutilizzati per costruire profili più ampi di individui o reti.
Questo principio avrebbe riecheggiato attraverso i secoli — eppure si sarebbe eroso sotto la pressione tecnologica e istituzionale.
Il XX secolo espanse drammaticamente il profiling preservando molti dei suoi vincoli precedenti. Le esigenze della guerra totale richiesero una raccolta di informazioni senza precedenti. La censura postale, l’intelligence sui segnali e la decrittazione estesero la sorveglianza oltre le élite a popolazioni più ampie. Istituzioni come la National Security Agency istituzionalizzarono intercettazioni su larga scala, mentre agenzie domestiche compilavano file estesi su gruppi politici, sospetti radicali e reti criminali.
Tuttavia, il profiling rimase fondamentalmente mirato. Le intercettazioni telefoniche erano legate a individui o linee specifiche. I file di intelligence erano curati da analisti umani. Anche mentre il volume aumentava, l’attenzione umana rimaneva il collo di bottiglia.
I primi sistemi di calcolo (anni ’50–’70) iniziarono a cambiare la scala della tenuta dei registri. Governi e imprese digitalizzarono i ruoli di assistenza sociale, le storie creditizie e i database criminali, consentendo un recupero e un incrocio più rapidi. Ma questi sistemi operavano ancora su registri discreti, non su flussi continui di comportamento.
Negli anni ’70, le preoccupazioni per le “banche dati” centralizzate provocarono risposte legali. Il Privacy Act statunitense del 1974 e le prime leggi europee sulla protezione dei dati introdussero principi di limitazione dello scopo, minimizzazione dei dati e trasparenza. Questi quadri estesero la logica della segretezza della corrispondenza nell’era digitale.
Tuttavia, erano costruiti su un’assunzione cruciale: che la raccolta dei dati fosse limitata e episodica. Regolavano i registri — non i flussi. Questa assunzione sarebbe presto crollata.
La rottura decisiva avviene alla fine degli anni ’90 e all’inizio degli anni 2000 con l’ascesa di Internet — non solo come mezzo di comunicazione, ma come infrastruttura che produce continuamente dati.
I sistemi digitali generano dati di scarto: metadati creati automaticamente come sottoprodotto dell’attività ordinaria. Ogni connessione, query, clic e movimento produce tracce che possono essere registrate, archiviate e analizzate a costo trascurabile.
Questo segna il passaggio decisivo:
Il profiling cessa di essere un’attività svolta sui dati e diventa un’infrastruttura che li produce continuamente.
I fornitori di servizi Internet catturano log di connessione, query DNS e informazioni di routing, rivelando schemi di comportamento anche senza accesso al contenuto. A differenza dei metadati postali — effimeri e decentralizzati — i metadati digitali sono persistenti, centralizzati e banalmente ricercabili.
Su questa infrastruttura, piattaforme come Google e Meta trasformarono il profiling in un modello economico centrale. I motori di ricerca catturano l’intento; le reti sociali mappano le relazioni; gli ecosistemi mobili tracciano i movimenti. I tracker incorporati estendono la visibilità su vaste porzioni del web. I pixel di tracciamento di Meta, presenti su circa un terzo dei siti web popolari del mondo, monitorano l’attività ben oltre le proprie piattaforme, catturando spesso segnali sensibili da contesti sanitari, finanziari o politici.
Una realizzazione critica emerge in questo ambiente:
Il contenuto diventa in gran parte ridondante. In molti casi, gli schemi relazionali non sono semplici proxy del significato — sono più analiticamente utili del contenuto stesso.
I metadati non indicano semplicemente che una comunicazione è avvenuta; consentono una ricostruzione probabilistica del contenuto. Chi comunica con chi, quando, quanto spesso e in quale contesto più ampio può fortemente limitare ciò che viene comunicato. Le informazioni pubblicamente disponibili — affiliazioni condivise, ruoli professionali, posizioni politiche, legami sociali — restringono ulteriormente lo spazio delle interpretazioni plausibili.
Nel tempo, questi vincoli diventano predittivi. I metadati non sono meramente descrittivi; sono generativi. Non accompagnano semplicemente il contenuto — spesso possono approssimarlo o inferirlo, specialmente quando aggregati su larga scala.
Le query di ricerca rivelano l’intento. La frequenza di comunicazione rivela la forza della relazione. La co-localizzazione rivela l’associazione. A scala sufficiente, questi segnali convergono in modelli comportamentali altamente accurati che rendono spesso superfluo l’accesso diretto al contenuto.
I sistemi aziendali ottimizzano il comportamento per la monetizzazione; i sistemi statali lo vincolano per il controllo — ma entrambi si basano sulla stessa macchina sottostante: predizione attraverso l’inferenza comportamentale su larga scala.
Una caratteristica definitoria del profiling industriale è l’emergere di un’identità persistente.
I sistemi precedenti si basavano su identificatori mutabili — nomi, documenti, indirizzi — che potevano essere alterati o oscurati. I sistemi moderni ricostruiscono l’identità attraverso segnali sovrapposti:
Le immagini condivise pubblicamente fungono da ancore durature. Anche quando gli individui cambiano account o adottano pseudonimi, i sistemi di riconoscimento facciale — in particolare in contesti statali o di intelligence — possono riconnettere identità attraverso dataset. La co-occorrenza in foto o eventi condivisi rafforza ulteriormente le relazioni inferite.
L’implicazione è profonda:
L’identità non è più qualcosa che si dichiara, ma qualcosa che viene continuamente inferito.
Questo elimina gran parte dell’attrito che un tempo vincolava la sorveglianza. L’identificazione non dipende da un singolo segnale; emerge dalla ridondanza attraverso molti.
Il culmine di questa evoluzione è la fusione dei dati: l’integrazione di dataset disparati in sistemi analitici unificati.
Piattaforme come Palantir Technologies aggregano registri governativi, transazioni finanziarie, attività sui social media, dati di localizzazione e metadati di comunicazione in modelli coerenti di individui e reti. Questi sistemi costruiscono ontologie dinamiche che consentono agli analisti di interrogare relazioni, rilevare schemi e generare predizioni.
Un esempio concreto illustra il passaggio. Nell’applicazione delle leggi sull’immigrazione, lo strumento ELITE (Enhanced Leads Identification and Targeting for Enforcement) di Palantir popola mappe con potenziali bersagli, attingendo da registri di visti, dati occupazionali, metadati telefonici, connessioni sociali e persino informazioni sugli indirizzi da Medicaid o HHS per assegnare “punteggi di confidenza dell’indirizzo” e generare dossier. Gli agenti possono identificare quartieri “ricchi di bersagli” per operazioni, segnalando individui non solo sulla base di prove dirette ma perché la loro firma comportamentale e relazionale assomiglia a casi precedentemente identificati. Una fusione simile appare in strumenti come ImmigrationOS, che integra storie di viaggio, dati biometrici e dati sociali per la prioritarizzazione.
Il sospetto non viene più scoperto — viene generato.
Il profiling non documenta semplicemente la realtà; la costruisce attivamente facendo emergere associazioni probabilistiche che diventano operativamente azionabili.
Il profiling tradizionale era in gran parte retrospettivo. Cercava di spiegare azioni passate — chi ha commesso un crimine, chi ha organizzato un complotto, chi rappresentava una minaccia.
Il profiling industriale è predittivo e preventivo. Identifica:
Questa logica viene spesso paragonata alla visione raffigurata in Minority Report, dove gli individui vengono arrestati prima di commettere crimini. Mentre i sistemi contemporanei mancano di preveggenza deterministica, la somiglianza strutturale è chiara: gli strumenti di polizia predittiva analizzano dati storici, chiamate al 911, lettori di targhe e segnali sociali per generare “liste calde” o punteggi di rischio.
I sistemi moderni operano sulla probabilità. Gli individui vengono segnalati non perché agiranno, ma perché statisticamente assomigliano ad altri che lo hanno fatto.
Il passaggio è sottile ma profondo:
Gli individui non vengono più giudicati principalmente sulle azioni, ma sulla loro posizione all’interno di un paesaggio probabilistico.
Il sospetto diventa strutturale — generato continuamente piuttosto che attivato da eventi discreti.
I quadri legali come il Regolamento Generale sulla Protezione dei Dati tentano di imporre limiti attraverso consenso, trasparenza e minimizzazione. Tuttavia, affrontano vincoli strutturali.
La maggior parte dei sistemi legali regola i dati come oggetto. Il profiling moderno deriva il suo potere da relazioni e inferenze, che sono molto più difficili da definire, osservare o vincolare.
Le sfide aggiuntive includono:
Il risultato è un disallineamento persistente:
I quadri legali progettati per un’era di registri faticano a governare un’era di inferenza predittiva continua.
Il profiling industriale produce uno squilibrio strutturale.
Gli individui generano dati continuamente attraverso la partecipazione alla vita moderna. Evitarlo è possibile ma costoso e incompleto. Nel frattempo:
Il risultato è un’asimmetria chiara:
I molti vengono resi leggibili; i potenti rimangono relativamente opachi.
Oltre alle sue dimensioni istituzionali e tecnologiche, l’industrializzazione del profiling produce una profonda trasformazione psicologica. La sorveglianza non opera più solo come forza esterna; diventa interiorizzata.
Questa dinamica fu anticipata da Michel Foucault nella sua analisi del panopticon: un progetto di prigione teorico di Jeremy Bentham in cui i detenuti, visibili a un osservatore centrale che non possono vedere, interiorizzano la disciplina e regolano il proprio comportamento sotto l’incertezza di un’osservazione costante. Il potere del panopticon risiede non nell’osservazione perpetua ma nell’anticipazione di essa.
Il profiling industriale estende drammaticamente questa logica. Gli individui operano all’interno di ambienti in cui le azioni possono essere registrate, analizzate e interpretate in modi opachi — da piattaforme che ottimizzano il coinvolgimento o da Stati che valutano il rischio. Il risultato è uno spostamento verso l’autoregolazione.
Ciò si manifesta come:
Crucialmente, questi adattamenti non richiedono coercizione esplicita. Nascono dall’anticipazione.
Il controllo viene esercitato non solo attraverso ciò che i sistemi fanno, ma attraverso ciò che gli individui evitano di fare.
Gli effetti si estendono oltre gli individui. Mentre le persone si autocensurano e si auto-selezionano, i dati generati rafforzano gli schemi, modellando le predizioni future. Il sistema non osserva solo la realtà — la rimodella sottilmente, creando loop di feedback che normalizzano la conformità.
Il profiling ha subito una trasformazione fondamentale:
I sistemi precedenti erano vincolati dall’attrito — costo, tempo, attenzione umana. I sistemi industriali rimuovono questi vincoli. La sorveglianza diventa ambientale. L’inclusione diventa predefinita.
Il principio secondo cui i dati dovrebbero servire solo al loro scopo immediato ha lasciato il posto a un paradigma in cui tutti i dati sono potenzialmente sfruttabili.
L’arco lungo dalla segretezza postale alla fusione dei dati digitali rivela un modello coerente: ogni espansione tecnologica aumenta l’ambito del profiling, mentre le risposte legali e sociali rimangono indietro. Ciò che distingue il presente è strutturale. Il profiling non è più un’attività diretta verso individui specifici — è un’infrastruttura all’interno della quale gli individui esistono.
La categoria di “persona di interesse” si dissolve. Tutti diventano soggetti a una valutazione continua.
Questa trasformazione è sostenuta non solo dal potere statale, ma da incentivi economici. Le piattaforme che appaiono gratuite operano attraverso l’estrazione di dati comportamentali. La frase “se non paghi per il prodotto, tu sei il prodotto” cattura un’intuizione — ma sottovaluta la realtà.
Ciò che viene prodotto non è l’individuo, ma un modello predittivo dell’individuo — portatile, azionabile e spesso inaccessibile alla persona che rappresenta.
Una sfida centrale risiede in un divario tra percezione e realtà.
In primo luogo, le persone sottovalutano l’impatto di ciò che è noto. Il profiling opera attraverso l’associazione. Le relazioni — passate, deboli o indirette — possono plasmare i risultati. Un collegamento con qualcuno che in seguito diventa indesiderabile può influenzare le opportunità. Si viene giudicati non solo individualmente, ma relazionalmente.
In secondo luogo, le persone sottovalutano l’ambito di ciò che può essere noto. I sistemi inferiscono attributi sensibili — politici, religiosi, sessuali, economici — non da una divulgazione esplicita, ma da schemi. Queste inferenze diventano operative indipendentemente dalla loro accuratezza.
Gli individui vengono valutati non solo su ciò che rivelano, ma su ciò che può essere inferito — e su chi sono connessi.
La partecipazione alla vita digitale implica così uno scambio implicito: convenienza per leggibilità. Questo scambio non è né trasparente né negoziabile.
La sfida non è fermare la dataficazione, ma vincolarla — ripristinare l’attrito, imporre limiti e garantire responsabilità.
La domanda centrale è chiara:
L’intervento avverrà prima che l’infrastruttura del profiling permanente diventi troppo profondamente radicata per essere contestata in modo significativo?
In assenza di tale intervento, il costo della partecipazione non sarà solo i dati — ma l’erosione graduale del confine tra essere osservati, essere inferiti e, in definitiva, essere definiti.