Um modelo de linguagem poderia ajudar militares a localizar uma das pessoas mais protegidas de um país? A pergunta parecia hipotética até pouco tempo atrás. Agora, relatos sobre operações dos Estados Unidos revelam uma realidade bem mais complexa: inteligências artificiais comerciais já são integradas a plataformas que processam dados de satélites, sensores e outras fontes de inteligência. O avanço promete acelerar decisões, mas também cria riscos difíceis de ignorar.
O caso que colocou a inteligência artificial no centro da guerra
A discussão ganhou força depois da operação norte-americana que resultou na captura de Nicolás Maduro, na Venezuela. Segundo relatos posteriores, Claude, modelo desenvolvido pela Anthropic, estava disponível por meio de sistemas da Palantir utilizados pelo Departamento de Defesa dos Estados Unidos.
Isso, porém, não significa que um chatbot tenha simplesmente recebido a pergunta “onde está Maduro?” e fornecido as coordenadas.
Modelos de linguagem funcionam como componentes de sistemas muito maiores. Nesse ambiente, a IA pode ajudar a resumir enormes volumes de informação, procurar padrões, relacionar registros e permitir que analistas consultem bancos de dados complexos usando linguagem natural.
A própria Anthropic afirmou que Claude foi implantado em redes classificadas e empregado em tarefas como análise de inteligência, modelagem, simulação, planejamento operacional e operações cibernéticas.
Reportagens posteriores também indicaram que Claude foi integrado ao Maven Smart System, plataforma desenvolvida pela Palantir que combina informações provenientes de satélites, vigilância e outras fontes para apoiar operações militares.
A diferença é importante: a IA não precisa “saber” onde alguém está. Ela pode acelerar a análise das pistas que ajudam humanos e outros sistemas a chegar a essa conclusão.
O verdadeiro superpoder está em cruzar informações
Serviços de inteligência enfrentam um problema que cresceu dramaticamente na era digital: informação demais.
Imagens de satélite, registros geográficos, comunicações, vídeos publicados na internet, movimentações de veículos, notícias e inúmeras outras fontes podem formar um oceano de dados impossível de analisar manualmente na velocidade exigida por uma operação.
É justamente aí que modelos avançados se tornam atraentes.
O programa SBIR do Exército norte-americano já descreve aplicações de grandes modelos de linguagem envolvendo fusão de dados para consciência situacional, análise geoespacial e identificação de indicadores de mudanças no ambiente operacional.
A inteligência de fontes abertas, conhecida pela sigla OSINT, amplia ainda mais esse cenário. Informações aparentemente banais podem revelar muito quando combinadas: uma fotografia permite identificar uma localização; dados comerciais mostram movimentações; imagens públicas registram veículos; postagens revelam padrões.
O Center for Strategic and International Studies alerta para o crescente papel da inteligência de fontes abertas em conflitos modernos, inclusive quando dados comerciais de geolocalização são utilizados para acompanhar movimentos militares.
A IA torna esse processo potencialmente muito mais rápido.
Mas um modelo de linguagem também pode errar
É justamente aqui que a imagem de uma “superinteligência militar” precisa ser colocada em perspectiva.
Grandes modelos de linguagem podem produzir informações incorretas, interpretar ambiguidades de maneira errada e ter dificuldades particulares com raciocínio espacial dinâmico.
Um estudo publicado em 2026 na Scientific Reports, por exemplo, observou limitações importantes de LLMs em tarefas militares simuladas que exigiam integração de dados geográficos e decisões espaciais em tempo real. Os pesquisadores precisaram criar uma arquitetura especializada para melhorar esse desempenho.
Há outro problema: decisões militares têm consequências muito diferentes de uma resposta errada em um chatbot comum.
Pesquisadores de Stanford colocaram cinco modelos de linguagem em simulações de conflitos militares e diplomáticos. Todos apresentaram algum comportamento de escalada, com padrões que nem sempre eram previsíveis. Em determinados cenários simulados, chegaram a aparecer decisões envolvendo armas nucleares.
Por isso, usar IA para ajudar um analista a organizar milhares de documentos é muito diferente de permitir que um sistema decida autonomamente quem deve ser atacado.
A disputa entre o Pentágono e a Anthropic mostrou onde está a linha vermelha
Essa diferença acabou provocando um confronto incomum entre uma empresa de tecnologia e o governo norte-americano.
A Anthropic defendia duas limitações específicas para Claude: impedir seu emprego em vigilância doméstica em massa e em armas totalmente autônomas. A empresa argumentou que os atuais modelos de IA ainda não possuem confiabilidade suficiente para controlar esse tipo de armamento sem colocar militares e civis em risco.
O Pentágono considerou essas restrições incompatíveis com suas necessidades operacionais. A disputa acabou levando à classificação da Anthropic como risco para a cadeia de suprimentos de defesa, decisão que gerou uma batalha judicial. Em setembro de 2026, um tribunal federal de apelações manteve essa classificação em uma decisão dividida.
Enquanto isso, a adoção militar da IA continuou avançando. O Departamento de Defesa fechou acordos com outros grandes fornecedores para disponibilizar sistemas de inteligência artificial em ambientes classificados.
Então uma IA realmente consegue rastrear um líder?
A resposta mais precisa é: não sozinha.
Um modelo de linguagem não possui uma capacidade mágica de localizar pessoas. Seu valor surge quando ele é integrado a sistemas que recebem grandes volumes de informações atualizadas e quando analistas humanos podem validar seus resultados.
Pesquisas sobre inteligência estratégica chegam a conclusão semelhante. O Centre for Emerging Technology and Security observa que ainda não existe um sistema de IA capaz de prever com alta precisão eventos geopolíticos complexos. O potencial mais imediato está em acompanhar indicadores, processar mais tipos de dados e ajudar especialistas a detectar padrões rapidamente.
É exatamente isso que torna a transformação militar tão significativa.
O salto não está em substituir generais por chatbots. Está em reduzir drasticamente o tempo entre coletar uma informação, conectá-la a milhares de outras pistas e transformá-la em algo útil para uma decisão.
E, quando essa decisão envolve encontrar uma pessoa, selecionar um alvo ou conduzir uma operação militar, economizar minutos pode alterar completamente o resultado.
