Prevedere i conflitti: il ruolo degli Early Warning Systems nel mondo contemporaneo

Un tema importante presente all’interno del nostro sistema internazionale sono le crisi umanitarie. Quest’ultime sono delle situazioni particolari nelle quali, i conflitti, possono coinvolgere “l’umanità intera”, chiamando in causa le maggiori potenze mondiali. Difatti, questo tipo di scenari possono mettere a dura prova le istituzioni multilaterali, risultando spesso inefficaci nel garantire la stabilità e la sicurezza internazionale. In questo senso, emergono dei nuovi strumenti che hanno la capacità di prevedere i conflitti: gli Early Warning Systems. Essi sono strumenti essenziali per anticipare le crisi umanitarie e fornire alle O.I., ONG e agenzie istituzionali segnali che possano permettere ai policy makers di intervenire preventivamente.

Tipologie di Early Warning System e modelli principali

Alcune delle O.I. e degli organi istituzionali più importanti producono da sé dei veri propri Early Warning System autosufficienti:

• L’Unione Europea ha creato il Global Conflict Risk Index (GCRI) (Commissione Europea), che integra decine di indicatori socioeconomici e politici per stimare il rischio e tentare di prevenire un conflitto in una determinata area del mondo
• L’Unione Africana (UA), ha sviluppato un sistema di allerta precoce regionale chiamato CEWS (Continental Early Warning System). Un sistema basato su variabili qualitative che combina dati analitici con quelli degli esperti.
• Infine, abbiamo quelli sviluppati dalle agenzie private, come il ViEWS (previsioni mensili della violenza politica), CAST di ACLED (tenta di stimare del numero di eventi a sei mesi dal potenziale inizio di un conflitto), DEWAM (un modello dinamico che ha la particolarità di unire testi giornalistici e tecniche di ML), WPS (conflitti legati all’acqua) e PREVIEW ( ha un focus sul Sahel; ha un approccio a quartili con ensemble).

Come funzionano gli Early Warning Systems

Ci sono più modelli di funzionamento. Innanzitutto, abbiamo i modelli strutturali, che tentano di utilizzare variabili di lungo periodo come il regime politico, la storia del conflitto e la demografia. In secondo luogo, troviamo gli event-driven, che a differenza degli strutturali, abbracciano variabili di breve/medio periodo come proteste e repressione. In ultima istanza, ci sono i più efficaci: ML/AI (Machine Learning/Artificial Intelligence). Questi mescolando le variabili di medio/lungo periodo con algoritmi computerizzato che, replicando il loro codice, sono più abili nel prevedere un conflitto.

La sfida più acclamata  è quelle delle c.d. black box, ossia delle previsioni che in parte risultano essere buone, ma che sono poco interpretabili per i policy makers.

Gli Early Warning Systems funzionano?

Per constatare il funzionamento degli EWS esistono delle metriche di valutazione. Una tra queste è la curva AUROC (Receiver operating characteristic). Un modello che varia da 0 a 1 e che, tanto più si avvicina all’1, tanto più il modello risulta efficace. Per esempio, ViEWS ha mostrato un’elevata capacità predittiva nel breve termine (fino a sei mesi), con AUROC estremamente alti e buone metriche di calibrazione. Sulle atrocità di massa, invece, l’Atrocity Forecast Project ha ottenuto AUROC tra 0,81 e 0,96 (2011–2020). Il tutto dipende anche dalle variabili utilizzate e, soprattutto, in che contesto vengono utilizzati. Di fatto, sì gli EWS sono strumenti molto potenti che funzionano in media molto bene, purtroppo la loro applicazione rimane una sfida.

La sfida politico-istituzionale

Le previsioni prodotte dagli EWS sono spesso corrette, il nodo rimane la trasformazione in una risposta. I bias solo elevati, in particolar modo troviamo

• Vincoli politici
• priorità divergenti
• accesso difficile ai territori frenano l’azione.

Gli EWS andrebbero, perciò, intesi come dispositivi di governance predittiva, non solo a disposizione di agenzie privato o di O.I., ma anche inserite nel parametro istituzionale. Solo nel momento in cui vengono implementate queste tecnologie nelle architetture decisionali, allora saremmo in grado di prevenire un conflitto e salvare migliaia, se non milioni di vite.

I limiti più importanti riconosciuti dalla letteratura scientifica sono i problemi di qualità e di accessibilità dei dati, dove possono essere sia manipolati che scarseggianti; la mancanza di trasparenza e interpretabilità e, soprattutto, il mancato coordinamento tra i sistemi di allerta precoce.

Il futuro degli Early Warning Systems

Se migliorare il coordinamento tra i sistemi appare scontato, altri due problemi necessitano una soluzione: in primo luogo, bisognerebbe rendere gli EWS più trasparenti e multimodali, aggiornandoli con frequenza. In seconda istanza, istituzionalizzare la trasformazione dell’allerta in atto pratico di prevenzione con dei protocolli chiari e soglie operative. Se questo può ridurre i rischi di costi umani e guerre, anche solo il minimo sforzo va compiuto.

Fonte immagine in evidenza: WIkipedia – pubblico dominio