El Pentágono y Anthropic chocan por Claude mientras Defensa estudia usar IA para priorizar objetivos

El Pentágono debate un papel más activo de la IA generativa en el circuito militar: estos sistemas podrían ayudar a clasificar objetivos y sugerir cuáles atacar primero. Al mismo tiempo, el Departamento de Defensa de EE. UU. ha entrado en un duro conflicto con Anthropic, que no quiere retirar las restricciones de Claude sobre vigilancia y armas totalmente autónomas.

Cómo podría funcionar

Según MIT Technology Review, un funcionario del Departamento de Defensa de EE. UU. familiarizado con el asunto describió un escenario en el que una lista de posibles objetivos se carga en un sistema generativo que opera en un entorno clasificado. Después, los militares podrían pedir al modelo que analice los datos, tenga en cuenta el contexto, como la ubicación de los aviones, y entregue prioridades: qué objetivo es más urgente y cuál puede esperar. La salvedad clave es que la verificación final y la decisión siguen en manos de una persona.

Es importante que el funcionario habló de un posible esquema y no confirmó que un proceso así se use ya exactamente de esa forma. Pero la descripción muestra hacia dónde avanza la infraestructura militar de EE. UU. Ya no se trata solo de reconocer objetos en vídeo o en imágenes de satélite, sino de una interfaz conversacional sobre el análisis de combate que puede acelerar la búsqueda de datos y la preparación de recomendaciones.

De Maven a los chatbots

Esta historia no surge de la nada. Desde 2017, el ejército estadounidense usa Project Maven, un sistema que analiza grandes volúmenes de imágenes y vídeo, incluidas grabaciones de drones, y ayuda a identificar posibles objetivos. Antes, el operador tenía que trabajar con mapas, paneles y marcas visuales. Ahora, sobre esa pila pueden aparecer grandes modelos de lenguaje como Claude, ChatGPT o Grok, que convierten la búsqueda y la clasificación de datos en un diálogo.

El cambio tiene una ventaja y un problema. Los modelos generativos son más cómodos para las personas: basta con preguntar qué objetivos parecen más prioritarios y por qué. Pero sus respuestas son más difíciles de verificar que un mapa o una tabla de datos brutos. Tras ataques sobre los que después surgen dudas acerca de los datos de partida y los procedimientos de verificación, este giro resulta especialmente delicado.

• Project Maven lleva años trabajando con visión artificial y datos de inteligencia
• La capa generativa añade una interfaz conversacional y recomendaciones en texto
• En diciembre de 2025, el Pentágono lanzó GenAI.mil para millones de militares en tareas no de combate y no clasificadas
• Para los circuitos clasificados, por ahora solo se han autorizado unos pocos modelos

Por qué se discute sobre Claude

El conflicto más agudo gira en torno a Anthropic. Según medios estadounidenses, Claude pudo haberse usado junto con sistemas militares en operaciones relacionadas con Irán y Venezuela. Después, el Pentágono exigió condiciones de uso más amplias, y Anthropic se negó a aceptar fórmulas vagas que, según la empresa, no habrían impedido usar el modelo para la vigilancia masiva de estadounidenses o para sistemas de armas totalmente autónomos.

«No podemos aceptar esto en conciencia», así describió

Dario Amodei las exigencias del Pentágono.

La respuesta del Pentágono fue dura: declaró a la compañía riesgo para la cadena de suministro, lo que puede expulsar a Claude de los contratos de defensa. En este contexto, OpenAI anunció públicamente el 28 de febrero de 2026 un acuerdo con el Pentágono para trabajar en entornos clasificados, y xAI también obtuvo autorización para Grok. Formalmente, todos hablan de control humano, pero la disputa ya no es si hace falta IA en la cadena militar de decisiones, sino quién fija los límites y hasta qué punto son vinculantes.

Qué significa

La noticia principal no es que el ejército quiera un «chatbot para la guerra», sino que la IA generativa se convierte en una capa más sobre los sistemas de puntería y análisis ya existentes. Esto acelera el ciclo de decisión, pero a la vez difumina la frontera de la responsabilidad: si el modelo propone la prioridad de los objetivos, a la persona le resulta cada vez más difícil demostrar que verificó la recomendación de forma realmente independiente y no se limitó a aprobarla.