La Navigazione – in quanto Scienza del dislocare una nave da un punto di Origine (x,y,z,t,) a quello di Destino (x’, y’, z’, t’)- presenta una sua ‘filosofia’ che con il passare dei tempi non è stata del tutto confutata: osservare (l’osservabile), interpretare (riconoscere e identificare), verificare dati con registrazione continua per una ‘posizione sicura.
Nell’era dell’Intelligenza Artificiale, tutto viene riposizionato trasformato secondo una filiera operativa più precisa, per evitare errori clamorosi.
Un sistema AI che deve decidere se una situazione di navigazione è sicura (la funzione Stato della nave S = (Lat, Long, Rotta, Vel, Tempo), oltre alle coordinate marinaresche (iav, iad, im, alfa e beta, periodo di oscilazione ecc.)). Normalmente il ssiema riceve: – dati AIS; – radar; – GPS; – sensori di bordo; – condizioni meteo; – comunicazioni; – procedure operative. Tutti dati che il sistema di AI dovrebbe concludere con una “situazione sicura”.
ICI (Causal Intelligence) osserva da ciò che inferisce, verifica le relazioni causali e poi sottopone la decisione a condizioni modificate.
ICI Sentinel è una delle applicazioni del framework ICI. È pensato soprattutto per fare stress testing di sistemi AI agentici: invece di limitarsi a chiedere se “l’AI ha dato la risposta corretta?”, cerca di capire perché e in quali condizioni l’AI potrebbe fallire.
Ultimamente avevano scritto un articolo – 16 agosto scorso – su una possibile applicazione dell’AI sul rilevare i container dispersi in mare: L’intelligenza artificiale può rilevare i container persi in mare? – il nautilus. La risposta è affermativa! L’intelligenza artificiale (AI) è ormai un elemento chiave in molti settori, e il trasporto marittimo non fa eccezione.
Riportiamo di seguito il contributo di Massimiliano Bucolo, Comandante di Lungo Corso della Marina Mercantile – che la Redazione de Il Nautilus ringrazia – il quale propone il passaggio successivo: non solo cosa l’AI può vedere, ma come controllare il processo quando più sistemi AI collaborano.
L’osservazione verso l’AI, proposta dal Com.te Bucolo, è in perfetta sintonia con la Scienza della Navigazione: “in mare la qualità della decisione dipende dalla qualità della verifica, non dal numero di strumenti che mostrano la stessa cosa”.
Da questa prospettiva, il Founder Bucolo ha sviluppato ICI Self Lab e ICI Sentinel, sottolineando la differenza fra consenso e verifica nei sistemi agentici, collegandola alla cultura della sicurezza, blue economy e responsabilità umana.
Tramite l’ICI – auditor di agenti di intelligence, cioè uno strumento di AI, una piattaforma, un Self Lab del Founder Bucolo- traccia la catena causale attraverso agenti, strumenti, memoria e punti di controllo. Separa le prove dall’interpretazione, falsifica le spiegazioni, conserva i meccanismi di fallimento e li ritesta in condizioni cambiate. Mentre l’ICI Sentinel nasce per investigare struttura fondante della Navigazione, con l’obiettivo di ricostruire la catena che collega osservazione, inferenza, verifica, autorizzazione e conseguenza e di decidere con responsabilità.
Lo ricordiamo ai nostri lettori che nel settore marittimo, l’ICI viene applicato alle decisioni operative di bordo: navigazione, macchinari, carico, sensori, comunicazioni, ecc.
Nella sostanza, l’ICI (Causal Intelligence), come afferma il comandante Bucolo, “attraverso l’ICI Sentinel si opera per fare stress-testing di sistemi AI agentici: invece di limitarsi a chiedere se l’AI ha dato la risposta corretta?, cerca di capire in quali condizioni l’AI potrebbe fallire”.
Abele Carruezzo
Quando il consenso non è verifica: AI agentica, evidenza e responsabilità nel mare
La blue economy avrà bisogno di sistemi capaci non solo di decidere, ma di rendere verificabile la struttura della decisione
di Massimiliano Bucolo
Comandante di Lungo Corso e Founder di ICI Self Lab
Arrivo all’intelligenza artificiale da una direzione insolita: il ponte di comando di una nave.
Da Comandante di Lungo Corso ho imparato che un’informazione non diventa affidabile perché compare su uno schermo; che due conferme non sono necessariamente indipendenti e che delegare un compito non significa delegare la responsabilità di capire quando qualcosa non torna.
Quando ho iniziato a osservare i sistemi AI composti da più agenti, ho riconosciuto un problema sorprendentemente familiare. Un agente raccoglie un dato, un altro lo interpreta, un terzo costruisce un piano e un quarto lo verifica. La catena può sembrare robusta e restare invece fondata su una sola origine informativa.
È da questa frizione fra consenso e verifica che è nato ICI Self Lab e, come ramo applicato, ICI Sentinel.
L’intelligenza artificiale applicata al mare viene raccontata soprattutto attraverso autonomia, ottimizzazione e capacità predittiva. Meno attenzione riceve una domanda più elementare: che cosa significa verificare davvero una decisione quando a produrla non è un singolo software, ma una rete di agenti?
Due sistemi che arrivano alla stessa conclusione non sono necessariamente due fonti indipendenti. Se entrambi utilizzano la stessa informazione, direttamente o attraverso passaggi intermedi, il consenso può diventare una forma sofisticata di eco.
ICI Sentinel nasce per investigare questa struttura. L’obiettivo non è fornire un’altra risposta al sistema, ma ricostruire la catena che collega osservazione, inferenza, verifica, autorizzazione e conseguenza.
Figura — ICI separa output, evidenze, stress causale, contro-test e verdetto.
Un precedente marittimo aiuta a capire il principio senza trasformarlo in una metafora forzata.
Il 10 giugno 1995, la Royal Majesty si incagliò vicino a Nantucket dopo che il ricevitore GPS, persa la connessione con l’antenna, era passato alla dead reckoning continuando comunque a fornire una posizione.
Il punto non è paragonare quel sistema a un agente AI moderno: è ricordare che un dato può continuare a circolare quando la qualità della fonte è cambiata. Se il cambio di stato non è visibile a chi usa l’informazione, l’errore può propagarsi silenziosamente.
Il valore del precedente sta nel principio, non nell’analogia tecnologica: un dato può continuare a essere disponibile anche dopo avere cambiato qualità. Nei sistemi agentici la stessa premessa può essere trasformata, riassunta e confermata da agenti diversi fino a perdere la propria origine visibile.
Sentinel tratta quindi identità della fonte, integrità, verità e indipendenza come proprietà differenti. Un record autentico dimostra l’origine del record, non necessariamente la verità del suo contenuto. Allo stesso modo, un consenso numeroso non dimostra indipendenza se la provenienza rimanda alla stessa radice.
La fase tecnica più recente di Sentinel è la calibrazione visibile di ICI-EVB-v1. Il set comprende 29 casi e quattro bracci deterministici: SIMPLE_BASELINE 27/29, STRONG_SIMPLE_BASELINE 29/29, ICI_ABLATION 27/29 e ICI_FULL 29/29.
Il risultato chiude le regressioni note e mostra che l’ablazione perde due casi causali specifici, ma non autorizza a sostenere una superiorità distintiva di ICI: il baseline deterministico più forte pareggia ICI_FULL.
Per questo il passaggio successivo è un test esterno su casi non visti, con answer key trattenuta dal reviewer.
ICI-EVB-v1 — calibrazione visibile a 4 bracci
Interpretazione: la calibrazione chiude le regressioni note, ma il pareggio tra ICI_FULL e STRONG_SIMPLE_BASELINE non dimostra superiorità del meccanismo ICI. Il test successivo deve essere esterno e su casi non visti.
Il pareggio con il baseline più forte è coerente con il principio falsification-first: il progetto deve essere disposto a perdere. Se un meccanismo più semplice resta equivalente nel test esterno, non vi sarà base per sostenere un vantaggio distintivo di ICI.
Nella navigazione autonoma e nei porti intelligenti l’attenzione dovrà spostarsi dall’output alla controllabilità. Il MASS Code dell’IMO introduce un quadro in cui supervisione, logging, comprensibilità e possibilità di intervento umano diventano elementi strutturali. Non prescrive ICI, ma rende chiara la direzione del problema.
Figura — Sei controlli oggi dimostrabili in ambiente simulato; non costituiscono ancora prova di efficacia in produzione.
Il punto che mi interessa va quindi oltre Sentinel.
La capacità critica umana non dovrebbe essere delegata alla macchina per semplice comodità. Anche se l’AI diventerà più autonoma e più capace di verificare altri sistemi, l’uomo deve mantenere la possibilità concreta di contestare una risposta, comprenderne l’origine e assumersi la responsabilità finale della decisione. La stessa AI può essere usata per rafforzare questa capacità, non per spegnerla.
- Riferimenti essenziali
National Transportation Safety Board, Grounding of the Panamanian Passenger Ship Royal Majesty on Rose and Crown Shoal Near Nantucket, Massachusetts, June 10, 1995, NTSB/MAR-97/01.
International Maritime Organization, International Code of Safety for Maritime Autonomous Surface Ships (MASS Code), Resolution MSC.595(111), adottata il 21 maggio 2026.
M. Bucolo, ICI Sentinel — Falsification-First Causal Auditing for Agentic AI Systems, Technical Report v1.0, 22 settembre 2026, preprint non sottoposto a peer review.
ICI Sentinel — ICI-EVB-v1 calibration/reviewer material, freeze del 23 settembre 2026. Calibrazione interna visibile; validazione esterna indipendente ancora pendente.
iciselflab.com | contact@iciselflab.com
