Tablet con sistema de gestión de combate conectado ATOS
Observatorio de la Defensa Los algoritmos en el campo de batalla: cómo la IA ayuda en el análisis de inteligencia e influye en el disparo finalLa implementación de la IA para la toma de decisiones y su impacto en las operaciones en el campo de batalla se ha convertido en un hecho necesario.
Más información:La Royal Navy recibe oficialmente el submarino no tripulado "Excalibur", el mayor probado por el Reino Unido
Izan González Publicada 13 diciembre 2025 02:15hLas claves nuevo Generado con IA
Francia y Estados Unidos han firmado contratos para integrar inteligencia artificial en sistemas clave de defensa, con Airbus y Google como socios tecnológicos.
La IA permite analizar y gestionar grandes volúmenes de datos en tiempo real, agilizando la detección de objetivos y la toma de decisiones en operaciones militares.
El entrenamiento de IA en defensa es complejo por la falta de datos reales, lo que limita su capacidad frente a aplicaciones civiles donde hay más información disponible.
Existen modelos híbridos en los que la decisión final puede recaer en humanos o en la IA, dependiendo del contexto, siendo la automatización total preferida en situaciones críticas como ataques masivos o ciberdefensa.
El incremento en la capacidad de análisis y gestión de información que proporciona la inteligencia artificial también ha llegado al sector de la Defensa.
Las cada vez más numerosas y voluminosas fuentes de datos suponen un punto de partida crítico en la aplicación de la IA para las fuerzas armadas, aunque a diferente velocidad.
Esta semana, Francia y Estados Unidos, dos de las potencias militares más importantes del mundo, han anunciado la firma de contratos para integrar la IA en varios de sus sistemas clave dentro de la infraestructura de defensa.
Francia integrará inteligencia artificial a sistemas críticos de armas, comunicaciones, información y ciberseguridadParís ha recurrido a Airbus Defence and Space, en un contrato valorado en 50 millones de euros, mientras que el Pentágono se ha inclinado por la estadounidense Google a través de GenAI.mil, la versión para aplicaciones militares de Gemini, la popular IA de la compañía californiana.
Lo hacen bajo dos aproximaciones muy diferentes. Según informó la propia Airbus, Francia se refiere abiertamente a su implementación en sistemas de armas, entre otras aplicaciones. Desde EEUU se centran en "mejorar flujos de trabajo" en la gestión de la información.
La adopción por parte del Pentágono de esta tecnología supone una pata más de su estrategia para ir delegando trabajo a la IA. El Departamento de Guerra —antes de Defensa— del país americano cuenta con innumerables programas de este tipo, algunos de ellos directamente en el campo de batalla.
Algunos como el proyecto Maven llevan operativos desde el 2017 con aplicación en inteligencia a partir de imágenes satelitales. En abril de este mismo año, la OTAN adquirió el sistema y en agosto realizó una serie de ejercicios para introducirlo en sus flujos de trabajo.
Presentación del sistema IA Maven de Palantir a la OTAN OTAN
El Maven Smart System está desarrollado, distribuido e implementado por Palantir y es "el primer sistema de mando y control de guerra de la OTAN basado en IA", según un escueto comunicado publicado por la Alianza Atlántica.
"Moderniza las capacidades de combate de la OTAN al proporcionar una funcionalidad común basada en datos que utiliza una amplia gama de aplicaciones de inteligencia artificial", aseguran.
Y es que, como se puede comprobar, el número de campos de aplicación de la IA en el sector de la Defensa tiende al infinito. Allá donde exista una gran cantidad de datos a tratar de forma ágil, la IA tiene —o tendrá— su hueco.
"La importancia que tiene la IA en este sentido es que es capaz de controlar grandísimos volúmenes de información y procesarlos a una velocidad muchísimo mayor que los humanos", según ha explicado a EL ESPAÑOL Emilio Rico, Security Advisor de la compañía española TRC.
Esta IA, a pesar de su juventud, está acelerando las labores de recopilación, el análisis e incrementando la precisión de la explotación de los datos obtenidos, acortando el tradicional bucle de toma de decisiones OODA (observar, orientar, decidir, actuar).
Por poner algunos ejemplos que citan desde el Ejército estadounidense, esta IA puede detectar objetivos concretos a partir de múltiples fuentes de vídeo capturadas por drones en tiempo real, gestionar el vuelo de plataformas aéreas autónomas de inteligencia e incluso manejar sistemas de armas.
Emilio Rico, Security Advisor de TRC Cedida
Todas estas aplicaciones, sin embargo, siguen una serie de procesos comunes. Después del desarrollo del algoritmo, el siguiente paso es el entrenamiento de la IA, un aspecto crítico y, para el sector de la Defensa, extremadamente complejo.
"Es muy sencillo entrenar una IA en el ámbito civil", explica Emilio Rico.
WeTransfer cambia por sorpresa sus condiciones y usará los archivos de los usuarios para entrenar su IA"Puedes conseguir fácilmente 4 millones de radiografías de tórax, las anonimizas y se las pasas a la inteligencia artificial para que las analice y así se convierta en una experta en detectar enfermedades en esa zona".
"El problema es que no tenemos datos para alimentar a una IA que pueda aplicar unos conocimientos de guerra", apunta el experto. "Esa información sólo la tienen los países que están permanentemente en misiones militares y entran en combate".
Los ucranianos cuentan actualmente con 3 millones de horas de vídeo de vuelos de drones provenientes de 15.000 pilotos. Un auténtico tesoro en la actualidad. "Ese volumen de información sí permite entrenar a una IA y que se convierta en una experta".
En España "no hacemos tantos disparos ni tantas maniobras como para poder entrenar, con datos suficientes, a una IA que se convierta en una experta en la toma de decisiones de combate", apunta Emilio Rico.
Detección y targeting
"El rendimiento de los modelos de detección de objetos depende directamente de la calidad de los datos con los que han sido entrenados", según recogen en un artículo el mayor Jim Gallagher, del Ejército de EEUU, y Edward J. Oughton.
Ambos autores destacan que "la recopilación de datos durante las operaciones multidominio será uno de los mayores obstáculos a la hora de implementar modelos de detección de objetos entrenados en nuevos equipos enemigos y en tácticas, técnicas y procedimientos en el entorno operativo".
Engaño a un modelo de detección de objetos empleando camuflaje Jim Gallagher
Esto es debido a que el enemigo, conocedor de la utilización de IA, pondrá todo su esfuerzo en emplear técnicas para engañar a estos modelos de detección. Un hecho que deberá tenerse en cuenta a la hora de elaborar el conjunto de datos con los que alimentar el modelo de identificación de objetos.
Tras su entrenamiento, los modelos de detección de objetos pueden desplegarse en dispositivos del tamaño de un teléfono móvil e integrarse en prácticamente cualquier vehículo, tanto de superficie como aéreo.
"El principal beneficio de implementar algoritmos de detección de objetos en operaciones ofensivas y defensivas multidominio es su capacidad de procesar de manera rápida y consistente grandes cantidades de vídeos e imágenes con una mínima participación humana", explican.
Con la implementación de estos modelos, las detecciones de equipos enemigos derivadas de sensores terrestres y aéreos se dirigirán automáticamente al centro de control donde un soldado podrá confirmar si se trata realmente de un objetivo.
Toma de decisiones
El siguiente paso, tras la detección y confirmación del enemigo, el ciclo de decisión sobre cómo actuar se activa. Este punto es, probablemente, el más controvertido y a la vez limitante para la IA de todo el proceso.
"La inteligencia artificial es incapaz de contextualizar", afirma Emilio Rico. "Puede interpretar datos, pero no sus significados; tampoco ve causas y consecuencias, solo correlaciones".
Modelo de detección identifica las objetos de interés de forma autónoma Jim Gallagher
Otra de las limitaciones que apunta el experto es que a la IA le "falta pragmatismo, no puede distinguir lo esencial de lo irrelevante".
En cuanto a la toma de decisiones, existe una raíz jurídica compleja en la aplicación de la inteligencia artificial. "No puedes delegar la responsabilidad de una decisión crítica en la IA" y, de esta forma, librar cualquier tipo de consecuencia.
A partir de aquí es donde entran en acción los modelos híbridos, clasificados en centauros y minotauros dependiendo de la distribución de roles entre los equipos humanos y la IA.
Los modelos centauro, explica Emilio Rico, son aquellos en los que los humanos siguen teniendo la capacidad de decisión final. Mientras que en los minotauro es la IA la que ejecuta, de forma autónoma, la tarea a realizar y los humanos trabajan bajo esa dirección.
Lanzamiento de un misil del Iron Dome israelí Ammar Awad / Reuters
"Aunque pudiera parecer lógico pensar que el centauro es el que debería prevalecer en todas las ocasiones, realmente existen muchas en la que esto no es así", apunta el experto.
El ejemplo más directo que señala es el de los escudos antimisiles. "Cuando hay que hacer frente a un ataque masivo, como los que recibe Ucrania, la respuesta tiene que ser completamente automática", apunta.
Una situación similar ocurre en el entorno de la ciberdefensa. Aunque en este caso el ámbito puramente digital reduce de forma notable cualquier tipo de daño colateral trasladable al plano real.
"Una respuesta automatizada va a ser mucho más eficaz y más rápida que si lo dejas en manos de las personas", apunta refiriéndose a estos escenarios.
"En cualquier caso, esa combinación de lo mejor de los humanos con lo mejor de la IA siempre va a ser más potente y capaz que cuando se trabaja con equipos totalmente separados", concluye Emilio Rico.
- Estados Unidos
- Francia
- OTAN
- Inteligencia artificial
- Misiones militares
- Airbus
- Industria armamentística
- Defensa - Tecnología militar