Hvordan terrorgrupper brugte AI til at bygge bomber

Det startede med en projektor, en kasse bærbare computere og instruktører, der vidste, hvordan man bøjer reglerne. I et vinduesløst rum et sted i Nigeria tændte skærmene med chatvinduer og kode. Instruktørerne var ikke universitetsprofessorer. De var operatører, som havde lært at gøre store sprogmodeller til praktiske manualer for vold.

Inde i værkstedet hvor algoritmer mødte sprængstoffer

Forskning baseret på 57 ansigt-til-ansigt-interviews med 27 tidligere medlemmer af Boko Haram, gennemført i 2025 og 2026 af Cambridge-forskeren Antonia Yulich, afslører et isnende mønster. Begge hovedfraktioner i gruppen har brugt førende sprogmodeller, herunder ChatGPT, Gemini, Claude, Grok, Meta AI og DeepSeek, til at planlægge angreb, fejlfinde våben og fremstille instruktioner til bombeopbygning. Det var ikke blot nysgerrighed. Det blev en institutionel kapacitet.

Dedikerede AI-enheder blev oprettet. Ingeniører, våbenspecialister og bombemagere blev tilknyttet disse teams. De dukkede sjældent op på frontlinjerne. Deres opgave var at få detaljeret, anvendelig information ud af modellerne og derefter videregive denne vejledning til kommandanterne i marken. Tænk på det som en skygge-logistikafdeling: digital først, operationel bagefter.

Hvordan kom de forbi sikkerhedsforanstaltningerne? Gennem personlige træningssessioner fra medlemmer af andre terrornetværk. Flere tidligere medlemmer beskrev besøg fra ISIS-operatører, der afholdt praktiske workshops. Trænerne brugte projektorer til at demonstrere trin-for-trin anmodninger på store skærme, delte bærbare computere forudkonfigureret med VPN'er og krypteret software og betalte abonnementer på platforme, som ellers begrænser, hvordan deres modeller kan bruges. De lærte metoder til at omgå sikkerhed og brugte dækningshistorier, for eksempel ved at bede om instruktioner under påskud af at skrive et filmmanuskript, for at få modellerne til at producere skadeligt indhold.

• Modeller nævnt som brugt: ChatGPT, Gemini, Claude, Grok, Meta AI, DeepSeek

Denne brug af kunstig intelligens er ikke længere marginal; den er organiseret og indlejret.

Operationelle eksempler læste som en feltmanual omskrevet af kode. Når skyttegrave og forsvarsanlæg blokerede et angreb, bad kommandanter en AI om at beregne fysikken og vise, hvordan de kunne rykke frem på en motorcykel. Svaret indeholdt præcise beregninger og taktikker, der gjorde det muligt at bryde igennem. Når våben satte sig fast, gav modellen trinvis fejlfinding. Når en bombe mislykkedes, foreslog modellen ændringer. Resultatet, ifølge tidligere medlemmer, var færre kostbare eksperimenter på slagmarken og mere matematisk informerede operationer.

De multiplicerede konti på tværs af platforme. Hvis én profil blev lukket, fungerede andre videre. Metoder til at omgå sikkerhed og menneskelig vejledning kringede de sikkerhedsforanstaltninger, leverandørerne havde indført. Det blev et kat-og-mus-spil: forsvarerne opdaterer, angriberne tilpasser sig og opskalerer.

Teknologivirksomheder gør modstand. OpenAI fortalte New York Times, at brug af ChatGPT til at facilitere terrorisme bryder deres regler, og at virksomheden konstant styrker forsvaret. Meta oplyste, at en stor del af misbruget involverede ældre modelversioner, og at de har opgraderet sikkerhedslagene. Men beretningerne fra tidligere militante viser, at beslutsomme netværk allerede smelter offline håndværk sammen med online værktøjer og skaber en hybrid trussel, som er svær at imødegå kun med softwareopdateringer.

Hvad betyder det for politikere og produktteams? Én læring er praktisk: maskinens sikkerhedsforanstaltninger betyder noget, men det menneskelige element gør det også. Træning, kryptering og penge til abonnementer er nemme muliggørere. En anden er strategisk: at forebygge misbrug vil kræve tættere samarbejde mellem platforme, lokale sikkerhedstjenester og internationale efterretningspartnere.

Det sidste billede fra interviewene er barsk. Et dunkelt rum. En summende projektor. En lille gruppe, der læser anvisninger fra skærmen og skriver felttestede instruktioner ned i notesbøger. Fabrikken var stille. Beslutningerne var øredøvende.