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

Pela primeira vez, o Pentágono descreveu de forma bastante direta um cenário em que a IA generativa ajuda os militares não apenas a buscar dados, mas também a definir prioridades em uma lista de alvos. Formalmente, a decisão final continua com um humano. Ainda assim, o fato de os chatbots estarem cada vez mais próximos da definição da ordem dos ataques eleva bruscamente o peso do debate sobre o uso militar da IA.

Como isso pode funcionar

Segundo um funcionário do Departamento de Defesa dos EUA familiarizado com o assunto, os militares podem carregar uma lista de alvos potenciais em um sistema generativo que roda em um ambiente fechado e sigiloso. Em seguida, o operador pede ao modelo que analise os dados e faça recomendações: quais alvos são mais importantes, quais podem ficar para depois e quais faz mais sentido atacar primeiro. A análise leva em conta não só os alvos em si, mas também fatores operacionais, como a posição das aeronaves e o quadro geral do combate.

Um ponto importante: o funcionário descreveu isso como um possível cenário de trabalho, mas não confirmou nem negou se exatamente esse esquema já é usado em operações reais. Com isso, a questão central fica sem resposta: onde está hoje, exatamente, a fronteira entre uma sugestão analítica e a influência da IA sobre a decisão de usar a força. No discurso, o humano continua sendo o último filtro. Em uma guerra, porém, importa não só quem dá o último clique, mas também quem define a ordem das ações.

Sobre qual infraestrutura

O Pentágono já tem a base para essa abordagem. Desde 2017, os militares americanos usam o Project Maven, um sistema que ajuda a analisar grandes volumes de dados de inteligência, incluindo vídeos de drones e imagens de satélite, para encontrar alvos potenciais mais rapidamente. No início, o foco era sobretudo visão computacional: a máquina ajuda a identificar um objeto, que o operador depois verifica manualmente.

Agora, sobre essa stack, pode surgir uma camada conversacional no estilo de ChatGPT, Claude ou Grok. A diferença é fundamental: antes, a IA basicamente encontrava e marcava objetos; agora, ela também pode explicar, comparar, ranquear e recomendar os próximos passos em linguagem natural. Em teoria, isso acelera o trabalho de estados-maiores e analistas, sobretudo quando há um grande fluxo de dados e uma janela curta para reagir.

Nesse ambiente, o modelo pode:

• reunir e resumir dados de inteligência sobre vários alvos
• ranquear a lista de alvos por prioridade de ataque
• considerar contexto, como a posição da aviação e a disponibilidade de recursos
• sugerir qual alvo faz mais sentido atacar primeiro
• repassar as recomendações a pessoas, que então devem verificá-las

Vale destacar que a OpenAI e a xAI já firmaram acordos que permitem o uso de seus modelos em ambientes fechados do Departamento de Defesa dos EUA. Isso não prova que os sistemas dessas empresas já participem da seleção de alvos em combate, mas mostra a rapidez com que se forma a base técnica e contratual para esses cenários. Paralelamente, outras reportagens também associaram plataformas militares ao Claude, embora o papel concreto dos modelos generativos em operações específicas não tenha sido confirmado publicamente.

Por que o debate se acirrou

A abordagem veio a público em um momento em que o Pentágono já está sob pressão por causa do ataque a uma escola para meninas em Minab, no Irã. Segundo reportagens relacionadas, mais de 100 crianças morreram, e uma investigação preliminar apontou um problema com dados desatualizados na definição do alvo. Diante disso, qualquer afirmação de que a IA apenas ajuda as pessoas já não soa tranquilizadora, e sim como um convite a perguntas mais duras.

A principal delas é simples: até que ponto a verificação humana é real se o sistema entrega respostas convincentes em segundos e há pouco tempo para checá-las? Se o operador precisa de quase o mesmo tempo para revisar de forma independente as recomendações do modelo, o ganho de velocidade diminui. Se, por outro lado, as pessoas passam a confiar no sistema por padrão, o risco de erro se torna sistêmico. Em decisões militares, isso é especialmente perigoso, porque o custo de uma alucinação ou de um ranqueamento errado não se mede em bug report, mas em vidas.

O que isso significa

A IA generativa está entrando não só nos processos de escritório, mas também na parte mais sensível da máquina militar: a preparação de decisões sobre o uso da força. Mesmo que o humano continue formalmente "no circuito", a questão real agora é outra: essa pessoa consegue de fato verificar a recomendação do modelo antes que ela se transforme em um ataque?