Pentágono pode usar chatbots de AI para priorizar alvos em ataques militares

O Pentágono pela primeira vez descreveu de forma bastante direta um cenário no qual IA generativa ajuda os militares não apenas a procurar dados, mas a priorizar uma lista de alvos. Formalmente, a decisão final permanece com um humano, mas o próprio fato de que chatbots estão trazendo a sequência de ataques mais próxima aumenta drasticamente as apostas no debate sobre aplicações militares de IA.

Como Isso Poderia Funcionar

De acordo com um oficial do Pentágono familiarizado com a questão, os militares poderiam fazer upload de uma lista de alvos potenciais em um sistema generativo operando em um circuito fechado e secreto. O operador então pede ao modelo que analise as informações e forneça recomendações: quais objetos são mais importantes, quais podem ser adiados e em quais alvos faz mais sentido atacar primeiro. Isso leva em conta não apenas os próprios alvos, mas também fatores operacionais como posicionamento de aeronaves e situação geral do campo de batalha.

É importante notar que o oficial descreveu isso como um possível cenário de trabalho, mas nem confirmou nem negou se tal esquema já está sendo usado em operações reais hoje. Isso deixa a questão-chave sem resposta: onde exatamente está o limite hoje entre uma sugestão analítica e a influência da IA na decisão de usar força. Em teoria, um humano permanece como filtro final, mas em tempo de guerra, o que importa não é apenas o direito de fazer o clique final, mas também quem estabelece a ordem das ações.

Sobre Qual Infraestrutura

O Pentágono já tem o fundamento para tal abordagem. Desde 2017, as forças militares americanas utilizam o Project Maven — um sistema que ajuda a analisar grandes volumes de dados de inteligência, incluindo vídeos de drones e materiais de satélite, para encontrar alvos potenciais mais rapidamente. Inicialmente, tratava-se principalmente de visão computacional: a máquina ajuda a identificar um objeto que o operador depois verifica manualmente.

Agora uma camada conversacional no estilo de ChatGPT, Claude ou Grok poderia ser adicionada no topo dessa pilha. A diferença é fundamental: anteriormente a IA principalmente encontrava e marcava objetos, mas agora ela também pode explicar, comparar, classificar e recomendar próximos passos em linguagem natural. Teoricamente, isso acelera o trabalho de estados-maiores e analistas, especialmente ao lidar com grandes fluxos de dados e uma janela curta para resposta.

• coletar e resumir brevemente dados de inteligência sobre múltiplos alvos
• classificar uma lista de objetos por prioridade de ataque
• levar em conta contexto como posicionamento de aeronaves e disponibilidade de recursos
• sugerir em qual alvo faz mais sentido agir primeiro
• fornecer recomendações para pessoas que devem então verificá-las

Separadamente, é importante notar que OpenAI e xAI já celebraram acordos permitindo que seus modelos sejam usados em ambientes fechados do Pentágono. Isso não prova que seus sistemas já estão participando de direcionamento de combate, mas mostra com que rapidez a base técnica e contratual para tais cenários está sendo construída. Em paralelo, outras publicações ligaram plataformas militares também a Claude, embora o papel específico de modelos generativos em operações individuais não tenha sido confirmado publicamente.

Por Que o Debate Se Intensificou

Esta divulgação ocorreu no momento em que o Pentágono já está sob pressão por causa de um ataque a uma escola para meninas em Minab, Irã. De acordo com relatórios relacionados, mais de 100 crianças morreram, e uma investigação preliminar apontou um problema com dados desatualizados durante o direcionamento. Neste contexto, qualquer alegação de que a IA meramente ajuda pessoas não soa mais como tranquilização, mas como um convite para perguntas mais duras.

A principal é simples: como é real a verificação humana se o sistema produz respostas convincentes em segundos e há pouco tempo para dupla verificação? Se um operador precisa de quase o mesmo tempo para verificar independentemente as recomendações do modelo quanto o sistema levou para produzi-las, a vantagem de velocidade diminui. Se as pessoas começam a confiar no sistema por padrão, o risco de erro se torna sistêmico.

Para decisões militares, isso é especialmente perigoso porque o custo de uma alucinação ou classificação incorreta é medido não em relatórios de bugs, mas em vidas.

O Que Isso Significa

IA generativa está entrando não apenas em processos de escritório, mas na parte mais sensível da máquina militar — a preparação de decisões de usar força. Mesmo que humanos permaneçam formalmente "no circuito", a questão real agora é diferente: esse humano realmente pode verificar o conselho do modelo antes de ele se tornar um ataque?