La IA como Alto Mando
La naturaleza de la guerra se encuentra en constante evolución, lo que exige que el Ejército busque una ventaja decisiva mediante la superioridad tecnológica. Para el año académico 2025, el profesorado del Colegio de Comando y Estado Mayor (CGSC) exploró cómo utilizar la inteligencia artificial (IA) para alcanzar los objetivos de entrenamiento en los distintos niveles. La integración de la IA en la fase de ejecución del Proceso Operativo representa la siguiente frontera en esta búsqueda. Las recientes aplicaciones prácticas realizadas durante el ejercicio final del Curso de Operaciones Avanzadas (LSCO) en el CGSC han proporcionado un modelo concreto de cómo los Modelos de Lenguaje a Gran Escala (LLM) pueden revolucionar las simulaciones actuando como un Cuartel General Superior virtual. Esto permitiría a las unidades en los distintos niveles aumentar la competencia del personal al ritmo y con la conveniencia de su propio horario, sin afectar a las organizaciones adyacentes o superiores.
Este artículo resume los resultados de un programa práctico de dos semanas en el que participaron 61 estudiantes que representaban al personal de la 25.ª División de Infantería durante un ejercicio de simulación. Nuestra investigación demostró que, con los recursos adecuados, la IA puede ser una poderosa herramienta cognitiva, superando la brecha entre los recursos humanos limitados y las complejas exigencias de una simulación a nivel de división.
Construyendo el marco: Asignación de recursos de IA para el proceso de operaciones
La fase inicial consistió en preparar un espacio de batalla digital donde un agente de IA pudiera razonar utilizando los mismos documentos doctrinales y operacionales que un equipo humano. Mediante la plataforma Vantage, desarrollamos un flujo de trabajo que empleaba dos ontologías distintas. La Ontología Táctica consolidaba toda la información a nivel de división, desde la recepción de la misión hasta los productos de producción posteriores a las órdenes, como el Ensayo de Armas Combinadas y diversas estimaciones operativas de las funciones de combate. La Ontología del Cuartel General Operacional contenía los resúmenes de inteligencia y operaciones de años anteriores para proporcionar contexto.
Para garantizar el rigor doctrinal, validamos la capacidad del modelo para consultar manuales doctrinales sobre operaciones, el proceso operativo y las tácticas chinas. Al convertir estos manuales en objetos de ontología estructurados, permitimos que la IA analizara datos operacionales complejos y simulara la carga cognitiva de un equipo de planificación completo.
Resolviendo la restricción de recursos: El HICON de IA
Un desafío importante durante las prácticas fue la capacidad limitada de la célula de Control Superior (HICON). Encargada de gestionar los entregables a nivel de Cuerpo para un Cruce de Brecha Húmeda de División y Paso Adelante de Líneas, mientras se insertaban Listas Maestras de Eventos de Escenario (MSEL) en todo el marco operativo, la célula estaba compuesta por un solo oficial del Servicio Médico (MS) con experiencia limitada en la selección de objetivos o la integración de la recopilación de información. El desafío radicaba en que el oficial del MS no era un experto en la materia (SME) en Recopilación de Información (IC), selección de objetivos o integración de armas combinadas entre aviación de ataque, fuego y M2. Esto creó un punto de fricción, ya que el personal de la división requería retroalimentación constante sobre las Evaluaciones de Daños en Batalla (BDA) y los planes de Recopilación de Información para mantener el ritmo del entrenamiento.
El uso de Vantage AIP como cuartel general virtual del Cuerpo transformó esta limitación en una capacidad. Al crear un AIP con dos ontologías separadas, el AIP pudo proporcionar la información necesaria para que el personal de la División planificara a lo largo del tiempo en las células de Planes, FUOPS y CUOPS. Una ontología hacía referencia a la doctrina del Ejército y a la OPORD base original del Cuerpo, mientras que la segunda integraba diapositivas informativas a nivel de división con la ubicación en el mapa, su plan de IC, HPTL y HVTL. La IA generó información actualizada sobre la situación del enemigo y proporcionó BDA en tiempo real para los "contratos de eliminación" del personal. Esto permitió que el personal docente dictara el ritmo del ejercicio mientras la IA gestionaba la inmensa carga cognitiva del procesamiento de datos para el personal de la división.
Adjudicación dinámica: resultados de IA en Echelon
Más allá de la retroalimentación básica, el cuartel general virtual ayudó a proporcionar actualizaciones, limitaciones y nuevos desafíos específicos para los puestos de mando de retaguardia, principal y táctico. Esto resultó beneficioso para capacitar a todo el personal mediante varios entregables de alto nivel:
- Sincronización operativa: El modelo proporcionó actualizaciones cada 24 horas para las tres divisiones en la simulación, lo que permitió al personal observar la sincronización de su ejecución a través del tiempo y el espacio. En un caso, simulamos que una división hermana se retrasaba 12 horas, lo que llevó a la IA a generar dos nuevos requisitos de inteligencia prioritarios relacionados con una posible brecha entre los límites de las unidades. Además, permitió al personal de la división coordinar las misiones de fuego transfronterizo y la integración de la comunidad de inteligencia mediante la confirmación de la detección de objetivos y el armamento utilizado. Esto permitió al personal comprobar que los recursos bien ubicados apoyan al Cuerpo de Marines como un sistema integral.
- Actualizaciones Multi-INT: El sistema generó actualizaciones de inteligencia geoespacial, de código abierto y de señales basadas en parámetros de curso y las refinó mediante ontologías establecidas. Un ejemplo del AIP fue una migración masiva que provocó disturbios civiles en la retaguardia de la división. Esto permitió que los facilitadores integraran sus habilidades en el proyecto final, lo que facilitó que el personal de la división comprendiera toda el Área de Operaciones (AO) y formulara recomendaciones al equipo de mando.
- Evaluación y selección de objetivos: La IA evaluó cuándo la artillería de campaña enemiga podría lanzar fuego masivo e identificó la presencia de nuevos sistemas de cohetes cerca de los puntos de cruce. Esto obligó a la célula de inteligencia de la división a centrarse en áreas de interés específicas y en la selección de objetivos eficaces. También encomendamos a la IA la generación de informes diarios de análisis de riesgos para las divisiones hermanas, con el fin de mostrar cómo el Cuerpo de Ejército estaba estableciendo las condiciones en toda el área de operaciones.
- Acciones significativas: El modelo facilitó el perfeccionamiento de las operaciones actuales y futuras mediante la generación de informes detallados sobre las acciones de las unidades adyacentes y recomendaciones para el apoyo de los ingenieros o la reducción de obstáculos.
La ventaja iterativa: análisis predictivo y profundidad de producción
El descubrimiento más significativo del ejercicio fue el efecto acumulativo del aprendizaje iterativo de la IA. Al tercer día, tras reintroducir los resúmenes generados en el sistema como referencia, la IA comenzó a proporcionar una orden de marcha del enemigo, su ritmo y los objetivos clave recomendados proyectados para los próximos cinco días. Esto facilitó la planificación de operaciones futuras, al tiempo que mantenía al personal al tanto de cómo operaba el enemigo en terrenos profundos, cercanos y de retaguardia.
La profundidad de la producción también experimentó un cambio radical. En años anteriores, los informes de inteligencia y los resúmenes ejecutivos rara vez superaban las tres páginas. Con el uso del modelo, estos productos tenían un promedio de 20 páginas e incluían la intención actualizada del comandante, directrices de reasignación para el apoyo aéreo cercano y una gran cantidad de asuntos civiles complejos.
Lecciones para la Fuerza
Este experimento de entrenamiento de personal con apoyo de inteligencia artificial ofrece varias lecciones vitales para el Ejército:
- El multiplicador de la falta de experiencia en la materia: La IA permitió que un solo oficial, que no era un experto en artillería o inteligencia, produjera directrices de alta calidad y con fundamento doctrinal en múltiples funciones de combate.
- Repetición a nivel de escalón: Este concepto se puede aplicar hasta el nivel de batallón. Un estado mayor podría realizar un juego de guerra en la guarnición utilizando un modelo para obtener orientación diaria, lo que permitiría realizar más repeticiones y un análisis más profundo sin depender de la disponibilidad de un cuartel general superior.
- Independencia en el entrenamiento: Esto permite que las unidades entrenen según la conveniencia de sus propios calendarios. Al utilizar la IA para facilitar el flujo de información, el personal puede mantener un ritmo de entrenamiento elevado y perfeccionar los planes en función de las circunstancias cambiantes modeladas por la IA.
Los riesgos de depender excesivamente de los másteres en Derecho como sede central virtual.
Si bien la integración de los LLM como un Cuartel General Superior virtual promete eficiencias en el entrenamiento con recursos limitados, conlleva riesgos significativos para la fidelidad doctrinal y el juicio militar profesional. Los LLM siguen siendo propensos a generar resultados plausibles pero erróneos en las evaluaciones de daños en combate, las proyecciones de amenazas y los requisitos de inteligencia prioritarios, incluso cuando cuentan con el respaldo de ontologías estructuradas y documentos doctrinales. Los estudios sobre LLM en juegos de guerra demuestran sistemáticamente tendencias hacia sesgos agresivos y dinámicas de escalada que divergen del razonamiento de los expertos humanos. El tan mencionado efecto multiplicador de la falta de expertos en la materia puede fomentar el sesgo de automatización, llevando a los oficiales de estado mayor a aceptar acríticamente los resultados generados por máquinas bajo presión de tiempo y erosionando la deliberación humana repetitiva esencial para desarrollar un arte operacional adaptativo. En consecuencia, la excesiva dependencia de los ejercicios aumentados con IA conlleva el riesgo de producir productos voluminosos pero superficiales que simulan profundidad analítica sin cultivar la iniciativa disciplinada y el juicio contextual necesarios para las Operaciones Multidominio. Por lo tanto, una supervisión humana rigurosa, protocolos de validación y salvaguardias doctrinales son esenciales para garantizar que la IA complemente, en lugar de reemplazar, el elemento humano en la capacitación del personal.
Conclusión
La integración de la inteligencia artificial en el proceso de toma de decisiones es una realidad actual con el potencial de mejorar significativamente la velocidad y la profundidad de las simulaciones de ejecución. Al dotar a las formaciones de agentes de IA con los recursos adecuados, el Ejército puede garantizar un mayor número de repeticiones y un análisis más exhaustivo, lo que se traduce en un plan más rigurosamente probado y un personal bien preparado para las complejidades de las operaciones multidominio.
(Las opiniones expresadas en este artículo son las del autor y no reflejan necesariamente la política o postura oficial del Departamento del Ejército, del Departamento de Guerra ni del Gobierno de los Estados Unidos).
No hay comentarios.:
Publicar un comentario