C’è un equivoco frequente che accompagna la mia storia professionale: l’idea che XLAW sia un prodotto nato nei corridoi della pubblica amministrazione italiana, magari grazie ad accessi privilegiati o dati riservati. Nulla di più lontano dal vero.
XLAW nasce da un’intuizione, certo, ma anche da una constatazione: in Italia, nonostante le continue discussioni su sicurezza e legalità, non esiste una reale cultura del dato aperto sui crimini. Nessuna piattaforma pubblica, nessuna banca dati consultabile, nessuna trasparenza strutturale.
La mia intuizione
Quello che cercavo era semplice, almeno in apparenza: capire dove e quando accadono i reati, e se esiste una logica ricorrente dietro la loro distribuzione. Non in senso generico, ma con l’obiettivo di costruire un modello predittivo funzionale alla prevenzione, non alla repressione.
Questa ricerca di regolarità mi ha portato a elaborare l’idea che i reati predatori, come scippi, rapine, furti e borseggi, non accadano in modo casuale, ma siano innescati da dinamiche stabili del territorio. Aree esposte, orari sensibili, contesti ciclici.
Un’idea affascinante, certo. Ma senza dati, inutile.
L’emigrazione virtuale: Baltimora
Di fronte all’assenza di open data italiani, ho scelto la via più radicale: spostare il mio campo di lavoro all’estero, dove esiste una cultura della trasparenza e della condivisione, anche in materia di sicurezza pubblica.
A Baltimora, il Dipartimento di Polizia pubblica quotidianamente dati georeferenziati sui reati: tipo di crimine, coordinate, data e ora. Tutto accessibile pubblicamente, senza dati sensibili o identificativi. Sufficienti, però, per iniziare a tracciare i primi modelli.
Accanto a questo, un’altra fonte cruciale: Open Baltimore, l’ecosistema di dati urbani che descrive la città nella sua struttura sociale, economica e funzionale.
Da queste fonti in tempi davvero lontani ho creato quello che oggi viene definito gemello digitale della città. Un ambiente virtuale in cui testare la mia intuizione: sovrapporre i dati sui reati con quelli sul territorio, alla ricerca di schemi ripetuti.
La scoperta: il crimine segue logiche di sistema
I risultati non si fecero attendere: i reati predatori si concentravano in determinate aree e in determinati momenti, in coincidenza con le “fasi regolari” del territorio. Aree a forte densità di transito, zone commerciali, pressioni sociali, eventi ricorrenti.
La città si muove secondo logiche cicliche. E il crimine si muove con essa.
Questa evidenza mi ha portato a formalizzare la teoria delle “riserve di caccia”: il crimine agisce dove e quando il territorio si presenta scoperto, vulnerabile, esposto.
L’addestramento del modello: IA per pensare come un analista
Ma non bastava osservare e dedurre. Ho voluto fare un passo ulteriore: trasformare l’intuizione in un modello matematico, in un’Intelligenza Artificiale addestrata a ragionare come un analista esperto.
Per riuscirci, ho sviluppato l'algoritmo in grado di:
- riconoscere modelli ricorrenti nel tempo e nello spazio;
- distinguere tra reati ciclici (che si ripetono in certe condizioni) e reati stanziali (radicati in una specifica area);
- aggiornarsi costantemente a ogni nuovo dato ricevuto.
Non si trattava solo di classificare dati, ma di costruire una macchina capace di riconoscere contesti e suggerire strategie operative migliorando e affinando sempre di più l'analisi.
I test in Brasile e il ritorno in Italia
Il modello è stato successivamente testato a Rio de Janeiro e poi a San Paolo del Brasile, due città molto diverse da Baltimora e dall’Italia. Anche in questi contesti, le logiche predittive hanno funzionato. Il crimine urbano, ovunque, risponde a regolarità sociali e spaziali.
Solo dopo questa fase di validazione sono tornato a testare il modello in Italia. E qui è iniziato un percorso più complesso, fatto di raccolta manuale, ricostruzione indiretta, uso di fonti stampa e dati urbani frammentati.
Ma la struttura del modello era ormai solida. E soprattutto, non avevo mai fatto affidamento su dati riservati o privilegiati. Tutto il lavoro si è basato esclusivamente su ciò che è pubblico, visibile, leggibile da chiunque sappia come osservare.
Conclusione
Il vero punto non è dove sia nato XLAW, ma perché non poteva nascere in Italia.
Viviamo in un Paese in cui si parla molto di sicurezza, ma si condivide pochissimo.
In cui si invocano algoritmi, ma si nega l’accesso ai dati.
In cui si vuole innovazione, ma si blocca la trasparenza.
Eppure, la sicurezza può e deve evolvere.
Non come reazione, ma come comprensione.
Non con la forza, ma con la logica.
Non nel buio, ma alla luce dei dati.
Anche il crimine ha una logica.
E chi lavora per la sicurezza ha il dovere di capirla,
prima ancora di combatterla.