Apesar de duas séculos de evolução, a estrutura de um estado-maior militar moderno seria reconhecível para Napoleão. Ao mesmo tempo, as organizações militares têm lutado para incorporar novas tecnologias à medida que se adaptam a novos domínios – ar, espaço e informação – na guerra moderna.
Os tamanhos dos quartéis-generais militares cresceram para acomodar os fluxos de informação expandidos e os pontos de decisão desses novos aspectos da guerra. O resultado é um retorno marginal em diminuição e um pesadelo de coordenação – muitos cozinheiros na cozinha – que arrisca comprometer o comando da missão.
Agentes de IA – software autônomo e orientado a objetivos alimentado por grandes modelos de linguagem – podem automatizar tarefas rotineiras do estado-maior, comprimir os prazos de decisão e permitir postos de comando menores e mais resilientes. Eles podem reduzir o pessoal enquanto tornam a equipe mais eficaz.
Como estudioso de relações internacionais e oficial da reserva do Exército dos EUA que estuda estratégia militar, vejo tanto a oportunidade proporcionada pela tecnologia quanto a aguda necessidade de mudança.
Essa necessidade decorre da realidade de que as estruturas de comando de hoje ainda espelham os quartéis-generais de campo de Napoleão, tanto em forma quanto em função – arquiteturas da era industrial construídas para exércitos massivos. Com o tempo, esses estados-maiores cresceram em tamanho, tornando a coordenação complicada. Eles também resultam em postos de comando espalhados que a moderna artilharia de precisão, mísseis e drones podem atingir efetivamente e a guerra eletrônica pode interromper prontamente.
O chamado “Cemitério de Postos de Comando” da Rússia na Ucrânia ilustra vividamente como quartéis-generais estáticos, onde os oponentes podem agrupar artilharia de precisão, mísseis e drones, se tornam passivos em um campo de batalha moderno.
O papel dos agentes de IA
Os planejadores militares agora veem um mundo em que os agentes de IA – software autônomo e orientado a objetivos que podem perceber, decidir e agir por conta própria – estão maduros o suficiente para serem implantados em sistemas de comando. Esses agentes prometem automatizar a fusão de múltiplas fontes de inteligência, modelagem de ameaças e até ciclos de decisão limitados em apoio aos objetivos de um comandante. Ainda há um humano no loop, mas os humanos poderão emitir comandos mais rapidamente e receber atualizações mais oportunas e contextuais do campo de batalha.
Esses agentes de IA podem analisar manuais doutrinários, redigir planos operacionais e gerar cursos de ação, o que ajuda a acelerar o ritmo das operações militares. Experimentos – incluindo esforços que conduzi na Universidade do Corpo de Fuzileiros Navais – demonstraram como até mesmo modelos de linguagem grandes básicos podem acelerar estimativas de estado-maior e injetar opções criativas e baseadas em dados no processo de planejamento. Esses esforços apontam para o fim dos papéis tradicionais do estado-maior.
Ainda haverá pessoas – a guerra é um empreendimento humano – e a ética ainda fará parte dos fluxos de algoritmos que tomam decisões. Mas as pessoas que permanecerem implantadas provavelmente ganharão a capacidade de navegar por volumes massivos de informações com a ajuda de agentes de IA.
Essas equipes provavelmente serão menores do que os estados-maiores modernos. Os agentes de IA permitirão que as equipes gerenciem múltiplos grupos de planejamento simultaneamente.
Por exemplo, eles poderão usar técnicas de red teaming mais dinâmicas – interpretando a oposição – e variar suposições-chave para criar um menu mais amplo de opções do que os planos tradicionais. O tempo economizado não tendo que construir slides do PowerPoint e atualizar estimativas de estado-maior será deslocado para a análise de contingência – fazendo perguntas do tipo “e se” – e construindo estruturas de avaliação operacional – mapas conceituais de como um plano provavelmente se desenrolará em uma situação particular – que fornecem mais flexibilidade aos comandantes.
Desenhando o próximo estado-maior militar
Para explorar o design ideal desse estado-maior aumentado por agentes de IA, liderei uma equipe de pesquisadores no think tank bipartidário Center for Strategic & International Studies’ Futures Lab para explorar alternativas. A equipe desenvolveu três cenários básicos refletindo o que a maioria dos analistas militares vê como os principais problemas operacionais na competição moderna entre grandes potências: bloqueios conjuntos, ataques de poder de fogo e campanhas conjuntas de ilhas. Conjunto refere-se a uma ação coordenada entre múltiplos ramos de uma força militar.
No exemplo de China e Taiwan, bloqueios conjuntos descrevem como a China poderia isolar a nação insular e ou fazê-la passar fome ou criar condições para uma invasão. Ataques de poder de fogo descrevem como Pequim poderia disparar salvas de mísseis – semelhante ao que a Rússia está fazendo na Ucrânia – para destruir centros militares-chave e até mesmo infraestrutura crítica. Por último, na doutrina chinesa, uma Campanha de Aterrissagem Conjunta de Ilhas descreve a invasão através do estreito que seu exército passou décadas refinando.
Qualquer estado-maior aumentado por agentes de IA deve ser capaz de gerenciar funções de combate através desses três cenários operacionais.
A equipe de pesquisa descobriu que o melhor modelo mantinha humanos no loop e focava em ciclos de feedback. Essa abordagem – chamada Modelo de Estado-Maior Adaptativo e baseada no trabalho pioneiro do sociólogo Andrew Abbott – incorpora agentes de IA dentro de ciclos contínuos de feedback humano-máquina, aproveitando a doutrina, a história e dados em tempo real para evoluir planos em tempo real.
Nesse modelo, o planejamento militar é contínuo e nunca completo, e foca mais em gerar um menu de opções para o comandante considerar, refinar e executar. A equipe de pesquisa testou a abordagem com múltiplos modelos de IA e descobriu que ela superou as alternativas em cada caso.
Os agentes de IA não estão isentos de riscos. Primeiro, eles podem ser excessivamente generalizados, se não tendenciosos. Modelos fundacionais – modelos de IA treinados em conjuntos de dados extremamente grandes e adaptáveis a uma ampla gama de tarefas – sabem mais sobre cultura pop do que sobre guerra e requerem refinamento. Isso torna importante avaliar os agentes para entender seus pontos fortes e limitações.
Em segundo lugar, na ausência de treinamento em fundamentos de IA e raciocínio analítico avançado, muitos usuários tendem a usar modelos como um substituto para o pensamento crítico. Nenhum modelo inteligente pode compensar um usuário burro, ou pior, preguiçoso.
Aproveitando o momento ‘agente’
Para aproveitar os agentes de IA, o Exército dos EUA precisará institucionalizar a construção e adaptação de agentes, incluir agentes adaptativos em jogos de guerra e reformular a doutrina e o treinamento para levar em conta equipes humano-máquina. Isso exigirá uma série de mudanças.
Primeiro, o exército precisará investir em poder computacional adicional para construir a infraestrutura necessária para executar agentes de IA em formações militares. Em segundo lugar, eles precisarão desenvolver medidas adicionais de cibersegurança e realizar testes de estresse para garantir que o estado-maior aumentado por agentes não seja vulnerável quando atacado em múltiplos domínios, incluindo ciberespaço e espectro eletromagnético.
Por último, e mais importante, o exército precisará mudar dramaticamente como educa seus oficiais. Os oficiais terão que aprender como os agentes de IA funcionam, incluindo como construí-los, e começar a usar a sala de aula como um laboratório para desenvolver novas abordagens para a antiga arte do comando militar e da tomada de decisão. Isso poderia incluir a reformulação de algumas escolas militares para focar em IA, um conceito sugerido no Plano de Ação de IA da Casa Branca divulgado em 23 de julho de 2025.
Na ausência dessas reformas, o exército provavelmente permanecerá preso na armadilha do estado-maior napoleônico: adicionando mais pessoas para resolver problemas cada vez mais complexos.