Es sabido que la incorporación de la Inteligencia Artificial en los ámbitos de las Fuerzas Armadas y de Seguridad abrió nuevos -e incluso, apocalípticos- escenarios. Ante ese panorama, ¿qué capacidades debe desarrollar un Estado para poder aprovecharla de manera efectiva para resguardar sus intereses y recursos? Ese interrogante es uno de los ejes de las jornadas de Inteligencia Artificial aplicada a la Defensa, Seguridad e Inteligencia, organizadas por la Universidad de la Defensa Nacional (UNDEF) y la Escuela Nacional de Inteligencia (ENI), que entre el 11 y el 13 de agosto reúnen a especialistas para analizar los desafíos y oportunidades que plantea esta tecnología.
- Te puede interesar: UNDEF: tres jornadas para debatir el cruce entre inteligencia, defensa, seguridad e IA
El dato: a lo largo de las tres jornadas, el debate aborda desde la aplicación de IA en sistemas de mando, control e inteligencia y ciberseguridad hasta su utilización en inteligencia geoespacial, la gobernanza de estas herramientas y su convergencia con la computación cuántica.
En ese sentido, existe una pregunta que atraviesa buena parte de las discusiones:¿qué sucede cuando la inteligencia artificial sale de la nube, debe funcionar en el terreno, bajo condiciones reales de operación, y asegurar la supervivencia del combatiente? Para responder, el experto en telecomunicaciones, sistemas de Información y planeamiento estratégico Hugo Miguel tomó la palabra en la UNDEF y se refirió a conceptos como Edge AI y Tiny Machine Learning para pensar en sistemas capaces de procesar información y tomar decisiones en ámbitos en los que la conectividad es limitada o directamente inexistente. La advertencia de Miguel: en el campo de batalla, la IA no solo tiene que ser inteligente, también tiene que ser autónoma, rápida, liviana y capaz de funcionar cuando todo falla.
IA en el campo de batalla: ¿tecnología sin conexión?
“El soldado galáctico dura 48 horas”, advierte Miguel desde la UNDEF. Además, dice renegar del marketing tecnológico que eleva a la Inteligencia Artificial como la solución a gran parte de los problemas, incluso militares. El punto más cuestionado por él: el terreno tiene dificultades inherentes y, de hecho, una “computadora cuántica es muy linda para tener en el Estado Mayor, pero no para llevar en la mochila”.
Para el experto, para pensar a la Inteligencia Artificial en el campo de batalla hay que lograr que estos sistemas funcionen en condiciones donde las comunicaciones pueden ser intermitentes (o nulas), la energía escasa, el peso limitado y cada segundo puede resultar decisivo. Por eso, él habla de la IA en el borde (edge AI), aquella que permite procesar la información directamente en el lugar donde se genera, sin depender permanentemente de una conexión con la nube. “El desafío es llevarla al terreno”, resumió la especialista, quien además cuestionó el exceso de expectativas que suele acompañar a algunas tecnologías: “No me gusta el marketing tecnológico porque se cuentan un montón de cosas que no son así en la práctica”.
La IA en el borde, explicó, permite que los sistemas procesen información localmente y generen una respuesta inmediata. “El dispositivo percibe, procesa y sigue, independientemente de los enlaces”, contó. En ese contexto, los submarinos aparecen como uno de los ejemplos más claros: durante gran parte de sus operaciones no cuentan con conectividad permanente y, por lo tanto, necesitan sistemas capaces de funcionar de manera autónoma. La misma lógica puede aplicarse a drones, vehículos no tripulados y otros sistemas desplegados en zonas donde conectarse a una red puede ser imposible o incluso revelar la posición de una unidad.
“Lo que parece fantástico para una aplicación, no lo es para una militar”
Asimismo, durante la primera jornada llevada adelante en la UNDEF, Hugo Miguel también habló de los Tiny Machine Learning, modelos de inteligencia artificial mucho más pequeños y eficientes que los grandes modelos de lenguaje. Según advirtió, su ventaja no está en hacer todo lo que puede hacer una IA generativa, sino en resolver tareas específicas. ¿El motivo de tal afirmación? Un modelo de lenguaje de miles de millones de parámetros puede ser extremadamente potente, pero sus requerimientos de memoria, procesamiento y conectividad lo vuelven poco práctico para determinadas aplicaciones en primera línea. En cambio, un modelo pequeño puede analizar rápidamente la información de un sensor y tomar una decisión acotada sin necesidad de transmitir datos hacia un servidor remoto. La conclusión es concreta: en el campo de batalla, la tecnología más sofisticada no siempre es la más útil; debe ser, ante todo, aquella que pueda funcionar en las peores condiciones.
- Te puede interesar: Cyber.Ar 2026: lanzan el primer Congreso de Ciberdefensa de las Fuerzas Armadas
Además, Miguel advirtió que, según la experiencia, la tecnología pensada para facilitar las comunicaciones militares también puede convertirse en una vulnerabilidad. Miguel puso como ejemplo los sistemas de conectividad satelital de uso civil: cuando una tripulación utiliza un servicio como Wi-Fi a bordo, la actividad de los teléfonos celulares puede dejar rastros que permiten inferir la posición de una embarcación.
“A veces, lo que parece fantástico para una aplicación específica no lo es para una militar”, advirtió. El problema no está necesariamente en la tecnología en sí, sino en comprender qué información expone y cómo puede ser aprovechada por un adversario.
Inteligencia Artificial para sobrevivir en el campo de batalla
Otro de los conceptos centrales de la exposición fue el pasaje de una arquitectura monolítica a una arquitectura distribuida o “mosaico”, en la que los sensores dejan de depender de un único centro de procesamiento. En lugar de concentrar toda la información en un sistema que puede convertirse en un cuello de botella o en un único punto de falla, distintos dispositivos pueden captar datos, procesarlos localmente y aportar una parte del panorama general. “Si me hunden el centro de control y me quedé sin dos sensores, no me quedo sin la misión”, explicó Miguel, al destacar la importancia de distribuir las capacidades en un escenario donde las comunicaciones pueden ser atacadas o interrumpidas.
Esa lógica también atraviesa el diseño de los modelos de inteligencia artificial. Para operar en el terreno,reiteró, no alcanza con trasladar un gran modelo de lenguaje a un dispositivo: es necesario reducirlo, especializarlo y adaptarlo a una tarea concreta.
El desafío, en definitiva, no parece ser construir una inteligencia artificial cada vez más grande, sino diseñar la arquitectura adecuada para que pueda sobrevivir en condiciones reales de combate.
“No hay que lograr que la máquina piense como un humano, hay que construir la arquitectura correcta”, resumió.
