Pentágono e Anthropic divergem sobre Claude em meio a planos de usar AI na seleção de alvos

O Pentágono está discutindo um papel mais ativo para IA generativa no circuito de decisão militar: tais sistemas poderiam ajudar a classificar alvos e sugerir quais atacar primeiro. Simultaneamente, o Departamento de Defesa dos EUA entrou em conflito intenso com a Anthropic, que se recusa a remover restrições do Claude para vigilância e armas totalmente autônomas.

Como Isso Poderia Funcionar

De acordo com a MIT Technology Review, um oficial do Pentágono familiarizado com o assunto descreveu um cenário no qual uma lista de alvos potenciais é carregada em um sistema generativo funcionando em um ambiente classificado. Pessoal militar poderia então pedir ao modelo para analisar os dados, levar em conta contexto como localização de aeronaves e fornecer prioridades: o que considerar um alvo urgente e o que pode ser adiado. A ressalva fundamental é que a verificação final e a decisão permanecem com humanos.

É importante notar que o oficial estava discutindo um esquema possível e não confirmou que tal processo já está sendo usado exatamente dessa forma. Mas a descrição em si mostra para onde a infraestrutura militar dos EUA está se movendo. Isso não é mais apenas sobre reconhecer objetos em vídeo ou imagens de satélite, mas sobre uma interface conversacional no topo da análise de combate, que pode acelerar a recuperação de dados e preparar recomendações.

De Maven para Chatbots

Esta história não surgiu do nada. Desde 2017, as forças militares americanas usam Project Maven—um sistema que analisa grandes volumes de imagens e vídeo, incluindo filmagem de drones, e ajuda a identificar alvos potenciais. Anteriormente, operadores tinham que trabalhar através de mapas, painéis e marcadores visuais.

Agora, modelos de linguagem grandes como Claude, ChatGPT ou Grok podem ser sobrepostos a tal infraestrutura, transformando busca e classificação de dados em diálogo. Esta transição tem benefícios e problemas. Modelos generativos são mais convenientes para humanos: você pode simplesmente perguntar quais alvos parecem mais prioritários e por quê.

Mas suas respostas são mais difíceis de verificar do que um mapa ou tabela com dados brutos. Contra o pano de fundo de ataques onde questões surgem posteriormente sobre os dados de origem e procedimentos de verificação, essa mudança se torna particularmente sensível.

• Project Maven trabalhou com visão computacional e dados de inteligência por muitos anos
• Uma camada generativa adiciona uma interface conversacional e recomendações em texto
• Em dezembro de 2025, o Pentágono lançou GenAI.mil para milhões de pessoal militar em tarefas não-combate e não-classificadas
• Para sistemas classificados, apenas alguns modelos foram aprovados até agora

Por Que a Disputa Sobre Claude

O conflito mais agudo surgiu em torno da Anthropic. De acordo com relatórios de mídia americana, Claude poderia ser usado em conjunto com sistemas militares em operações relacionadas ao Irã e Venezuela. Após isso, o Pentágono exigiu condições de uso mais amplas, e Anthropic se recusou a concordar com formulações vagas que, segundo a empresa, não impediriam o modelo de ser usado para vigilância em massa de americanos ou para sistemas de armas totalmente autônomas.

"Não podemos de boa consciência concordar com isso", é como

Dario Amodei descreveu os requisitos do Pentágono.

A resposta do Pentágono foi severa: a empresa foi classificada como risco da cadeia de suprimentos, o que poderia eliminar Claude de contratos de defesa. Contra esse pano de fundo, a OpenAI anunciou publicamente um acordo com o Pentágono em 28 de fevereiro de 2026 para trabalhar em ambientes classificados, e a xAI também recebeu aprovação para Grok. Formalmente, todos falam sobre controle humano, mas a disputa não é mais sobre se IA é necessária na cadeia de decisão militar, mas sobre quem exatamente estabelece as restrições e quão vinculantes elas são.

O Que Isso Significa

A notícia principal aqui não é que o militar quer um "chatbot para guerra", mas que IA generativa está se tornando outra camada no topo de sistemas de alvo e análise já existentes. Isso acelera o ciclo de tomada de decisão, mas ao mesmo tempo confunde a linha de responsabilidade: se um modelo sugere prioridade de alvo, fica cada vez mais difícil para humanos provarem que realmente verificaram independentemente a recomendação em vez de simplesmente aprová-la.