Revisão do ataque a escola com Maven da Palantir expõe falha fatal na seleção de alvos assistida por IA

A Palantir enfrenta um teste decisivo após uma revisão do Pentágono, segundo relatos, vincular a dependência excessiva de seu Maven Smart System a um ataque que matou 123 crianças. O ataque de 28 de fevereiro destruiu a Escola Primária Shajareh Tayyebeh, em Minab, no Irã, durante as primeiras horas da guerra entre Estados Unidos e Israel.

A revisão não publicada não descreve o Maven como uma arma autônoma que selecionou e atacou a escola de forma independente. Em vez disso, autoridades teriam identificado uma cadeia de falhas humanas, de inteligência, bancos de dados e software. Funcionários do Comando Central confiaram em um quadro operacional assistido por IA construído, em parte, com informações desatualizadas, enquanto evidências contraditórias não impediram a seleção do alvo.

Essa distinção é importante, mas não isenta a tecnologia nem seus operadores. O ataque à escola envolvendo a Maven da Palantir mostra como a automação pode amplificar erros institucionais quando velocidade, confiança e dados fragmentados convergem. Também coloca em dúvida a promessa do Pentágono de que o julgamento humano continua sendo uma salvaguarda confiável em decisões letais assistidas por IA.

O que a revisão do Pentágono teria encontrado

A investigação relatada descreve uma falha sistêmica na seleção de alvos, não uma única previsão incorreta de uma máquina.

A escola foi atingida em 28 de fevereiro de 2026, primeiro dia da Operação Epic Fury. Ela ficava ao lado de um complexo do Corpo da Guarda Revolucionária Islâmica em Minab, perto do Estreito de Ormuz.

O local já havia pertencido à instalação militar adjacente. No entanto, havia sido separado por um muro e utilizado como escola por anos. Imagens públicas de satélite teriam mostrado essa alteração física antes do ataque.

Segundo a reconstituição da Bloomberg, investigadores do Pentágono revisaram imagens de satélite, bancos de dados de inteligência, materiais de seleção de alvos, mensagens operacionais e registros de computador. Pessoas envolvidas na apuração disseram que o pessoal manteve alta confiança de que o local continuava sendo uma instalação militar iraniana.

Essa confiança se baseava em inteligência antiga. Um analista teria questionado a classificação militar do local em 2019, observando evidências de que ele se tornara uma escola. O alerta foi inserido em um sistema digital de inteligência que não estava conectado ao banco de dados oficial usado para a seleção de alvos.

Revisões posteriores não corrigiram o registro do alvo. O senador Tim Kaine resumiu a falha relatada em uma investigação sobre seleção de alvos. Ele afirmou que o local permaneceu em listas de alvos verificados apesar da preocupação do analista e de evidências disponíveis publicamente.

O Maven Smart System então ajudou a combinar o registro de Minab com outros alvos potenciais. O Maven é uma plataforma de gerenciamento de batalha habilitada por IA que organiza inteligência, dados de sensores, mapas e dados operacionais para usuários militares. Ele pode ajudar analistas a identificar objetos, comparar informações, coordenar unidades e conduzir alvos pelos fluxos de decisão.

O problema relatado não foi apenas que o Maven recebeu uma classificação incorreta. O pessoal teria se baseado na apresentação integrada do sistema sem reexaminar adequadamente as evidências subjacentes. Um alvo questionável herdou a aparente autoridade de uma interface digital unificada.

Essa apresentação teria sido relevante durante uma operação conduzida em velocidade extrema. As forças dos EUA atingiram mais de 1.000 alvos iranianos nas primeiras 24 horas. Segundo autoridades citadas pela Bloomberg, trabalhos que tradicionalmente envolviam coordenação prolongada foram comprimidos em minutos para alguns alvos.

Cerca de três dezenas de pessoas participaram da cadeia de ataque de Minab, o processo militar que conecta a descoberta, validação, autorização e ataque a um alvo. Esse número enfraquece qualquer narrativa simplista de que um algoritmo tomou uma única decisão fatal.

Também torna o resultado mais preocupante. Várias pessoas e sistemas processaram o alvo, mas nenhum impôs uma reavaliação decisiva sobre a presença de crianças no edifício.

O ataque matou ao menos 157 pessoas cujas identidades foram verificadas pela Airwars, segundo uma reconstituição da AP. Entre os mortos identificados estavam 123 crianças de 13 anos ou menos e 34 adultos. A Airwars estimou um total de mortes entre 157 e 168, com 95 a 111 feridos.

Os relatos iniciais apresentaram vários totais diferentes, incluindo mais de 150 e ao menos 175 mortes. Essas diferenças refletem a dificuldade de realizar reportagens independentes dentro do Irã e a ausência de uma contabilização pública completa. O número de 123 crianças deriva de vítimas identificadas, e não apenas de uma estimativa inicial do governo.

O Pentágono não divulgou publicamente a investigação completa. Portanto, as conclusões relatadas não devem ser tratadas como uma declaração oficial final sobre cada decisão técnica ou de comando.

Ainda assim, as evidências foram muito além de uma alegação sem sustentação. Análises independentes de imagens, autoridades dos EUA, correspondência do Congresso, pesquisas sobre vítimas e a revisão interna relatada apontam para um ataque dos EUA baseado em um registro de alvo gravemente desatualizado.

O ataque à escola envolvendo a Maven da Palantir foi uma falha de dados antes de ser uma falha de IA

A Maven acelerou um processo decisório cujas informações subjacentes já haviam se tornado inseguras.

O debate sobre IA militar frequentemente se concentra em saber se um modelo consegue reconhecer corretamente um objeto. O caso de Minab apresenta um problema diferente. O sistema teria processado uma crença institucional incorreta que sobrevivera por anos.

Um edifício pode ser classificado corretamente em uma imagem antiga e ainda assim tornar-se um alvo perigoso mais tarde. O uso do solo muda. Instalações militares fecham ou reduzem suas atividades. Escolas, clínicas e residências surgem em espaços que antes serviam às forças armadas.

Nenhum modelo de visão computacional pode resolver esse problema se os operadores tratarem um registro obsoleto como verdade atual. Uma plataforma pode integrar muitas fontes e ainda produzir um resultado enganoso quando o campo mais consequente está errado.

A Maven supostamente utiliza mais de 150 entradas de dados. Essa escala pode melhorar a consciência situacional, mas o número de fontes não garante a qualidade de seus conteúdos. Mais entradas podem até ocultar uma fraqueza crítica ao cercar uma suposição desatualizada com muitos detalhes precisos.

A interface pode então criar o que pesquisadores descrevem como viés de automação. Usuários atribuem peso excessivo a uma recomendação informatizada porque o sistema parece abrangente, rápido e internamente consistente.

O viés de automação não exige que usuários acreditem que o software é infalível. Ele surge quando a pressão do tempo torna mais fácil aceitar a saída do sistema do que reconstruí-la. Um pacote de alvo que parece completo pode desestimular analistas a reabrir as evidências originais.

Esse risco aumenta quando uma plataforma combina materiais de origem em uma única visão operacional. Os usuários podem ver um alvo, nível de confiança, localização e registros de apoio sem compreender claramente qual conclusão veio de imagens antigas, análise humana ou inferência automatizada.

O ataque à escola envolvendo a Maven da Palantir teria exposto exatamente esse problema de fronteira. Um analista humano havia registrado informações contraditórias, mas o alerta permaneceu fora do banco de dados decisivo para a seleção de alvos. A Maven não poderia destacar um fato que seu fluxo operacional não recebeu ou priorizou adequadamente.

Ainda assim, descrever a Maven como uma exibição neutra seria incompleto. A arquitetura de software determina o que os usuários percebem, o que precisam confirmar e quais alertas podem bloquear uma ação. As escolhas de design moldam o significado prático da supervisão humana.

Um fluxo letal bem projetado não deve tratar a linhagem dos dados como contexto opcional. Os operadores precisam ver quando uma imagem foi coletada, quando a classificação de uma instalação foi verificada pela última vez e se outro sistema contém objeções não resolvidas.

O sistema também deve diferenciar a ausência de evidências recentes de evidências de uso militar contínuo. Não são condições equivalentes. O fato de um alvo permanecer inalterado em um banco de dados não significa que o local físico tenha permanecido inalterado.

A idade, por si só, não deve invalidar automaticamente todos os registros de inteligência. Alguns locais militares mantêm a mesma função por décadas. No entanto, a antiguidade deve tornar-se um fator de risco explícito quando há possibilidade de atividade civil e o ataque proposto não oferece oportunidade de correção.

O alerta relatado de 2019 torna essa questão mais nítida. Não se tratava simplesmente de um caso em que ninguém imaginou que o local pudesse ter mudado. Alguém teria levantado a preocupação, mas o sistema de informação mais amplo não conseguiu torná-la decisiva operacionalmente.

Trata-se, ao mesmo tempo, de uma falha de interoperabilidade de bancos de dados, uma falha organizacional e uma falha de interface de usuário. A IA entrou na cadeia após essas fragilidades já terem se formado e então ajudou a movimentar o alvo em velocidade operacional.

Chamar o evento de erro de IA pode ocultar essas camadas. Chamá-lo apenas de erro humano comete o erro oposto. A questão importante é como o sistema combinado converteu incerteza fragmentada em alta confiança.

A velocidade transformou um erro antigo em um alvo do primeiro dia

O conflito central está entre uma seleção de alvos mais rápida e o tempo necessário para questionar suposições herdadas.

O Pentágono adotou a Maven, em parte, para reduzir o tempo entre sensor e atirador. Essa expressão descreve o período entre detectar um alvo potencial e direcionar uma arma contra ele.

A velocidade oferece uma vantagem militar real. Um lançador móvel, aeronave ou veículo de comando pode desaparecer antes que uma revisão convencional seja concluída. O processamento mais rápido de dados também pode reduzir a confusão ao fornecer aos comandantes uma visão compartilhada de uma operação.

Minab não foi descrito como um alvo móvel recém-descoberto. Ele teria aparecido em uma lista pré-selecionada preparada antes do ataque inicial. Essa diferença enfraquece qualquer argumento de que não havia tempo para uma verificação mais aprofundada.

Um ataque planejado previamente oferece oportunidades para revisar imagens, comparar bancos de dados, inspecionar fontes abertas e resolver antigas objeções de analistas. O registro relatado sugere que essas oportunidades não levaram a uma classificação corrigida.

A escala da operação então acrescentou pressão. Atingir mais de 1.000 alvos em 24 horas exige que grandes volumes de informação passem por um número limitado de analistas, advogados, oficiais de inteligência, comandantes e especialistas em armamentos.

A automação ajuda esse processo a funcionar. Ela pode organizar candidatos, revelar relações, encaminhar aprovações e sincronizar ataques. No entanto, essas mesmas capacidades permitem que um alvo equivocado avance muito mais rápido.

Essa é a inversão no centro do caso. A Maven foi concebida para ajudar pessoas a compreender informações fragmentadas do campo de batalha. Em Minab, a visão integrada teria feito informações fragmentadas parecerem mais consolidadas do que realmente estavam.

A promoção pública da Maven pelo Pentágono enfatizou vantagem decisória, escala e ação mais rápida. A Palantir tornou o sistema uma parte destacada de sua atualização de negócios de 2026, afirmando que estava implantando a Maven em todo o departamento.

Essas alegações agora enfrentam um teste mais difícil. Vantagem decisória não pode significar apenas chegar mais cedo a uma resposta. Ela deve incluir reconhecer quando as evidências disponíveis não justificam uma resposta.

Isso importa para além de um único fornecedor. Anduril, Microsoft, Amazon, Clarifai e outros provedores de tecnologia participam do crescente mercado de IA para defesa. Seus produtos ocupam diferentes partes da cadeia, do processamento de sensores à infraestrutura em nuvem e à coordenação no campo de batalha.

A comparação relevante, portanto, não é a Palantir contra uma concorrente. É a designação acelerada de alvos mediada por software contra um processo mais lento que preserva espaço para a dúvida.

Nenhum dos caminhos é automaticamente mais seguro. Sistemas burocráticos lentos podem manter informações de inteligência desatualizadas por anos, como o próprio registro de Minab supostamente fez. A revisão manual também pode reproduzir o pensamento de grupo e pressupostos institucionais.

O caminho mais seguro requer velocidade com fricção imposta. Certas condições deveriam desacelerar automaticamente um alvo, incluindo imagens antigas, proximidade de civis, classificações conflitantes e uma objeção não resolvida de um analista.

Essa fricção precisa ter consequências. Um alerta que os usuários podem descartar sem explicação é apenas decoração. Um controle sério exigiria nova coleta de informações, resolução documentada ou aprovação de uma autoridade superior.

O ataque supostamente envolveu muitos participantes humanos, mas número de pessoas não é o mesmo que julgamento independente. Se todos os revisores veem a mesma tela integrada e confiam no mesmo registro herdado, a cadeia contém repetição, e não redundância significativa.

Líderes militares frequentemente dizem que um humano permanece “no circuito”. Minab mostra por que essa expressão é vaga demais. Uma pessoa pode tecnicamente aprovar um ataque sem ter o tempo, o acesso às fontes ou a autoridade necessários para contestar o sistema.

O controle humano real exige mais do que o clique final em um botão. Exige evidências compreensíveis, divergências visíveis, tempo adequado e responsabilidade por reabrir classificações incertas.

Palantir Rejeita a Culpa, mas o Design do Software Ainda Molda a Responsabilidade

A Palantir pode contestar razoavelmente a responsabilidade pela inteligência governamental, mas ainda enfrenta questões sobre como o Maven comunica a incerteza.

Um porta-voz da Palantir disse à Bloomberg que a empresa não era responsável pelos dados subjacentes nem por identificar deficiências de inteligência. O porta-voz também afirmou que não havia evidências de mau funcionamento do software da Palantir durante o ataque a Minab.

Essa defesa aborda uma distinção importante. Contratadas não são proprietárias de todos os registros de inteligência que agências governamentais carregam em seus produtos. Elas também não autorizam ataques militares.

Uma plataforma pode operar exatamente como especificado enquanto ajuda operadores a agir com base em uma premissa falsa. Em termos convencionais de software, isso talvez não se qualifique como um defeito.

Sistemas letais exigem um padrão mais amplo. Quando o software organiza evidências para uma decisão militar, seu design afeta o que se torna visível, crível e acionável. Um sistema pode funcionar conforme programado e ainda contribuir para um resultado operacional inseguro.

A expressão “humano no circuito” frequentemente transfere a responsabilização para o operador final. Esse enquadramento pode ignorar as muitas decisões anteriores que limitam o que o operador vê.

Agências governamentais escolhem bancos de dados, permissões, regras de revisão, equipe e cronogramas operacionais. Contratadas escolhem hierarquias de interface, exibições de confiança, comportamento de alertas, recursos de linhagem de dados e fluxos de trabalho padrão.

Comandantes decidem quanto peso atribuir à plataforma. Analistas decidem se contestam sua saída. Líderes políticos determinam o ritmo e a escala das operações.

A responsabilidade é, portanto, distribuída, mas não deveria se diluir. Quando cada participante é dono de apenas um componente, ninguém pode se sentir responsável pelo resultado combinado.

A Palantir supostamente adicionou recursos após o ataque que reexaminam a inteligência subjacente em busca de fatores que poderiam desqualificar um alvo. As alterações também podem sinalizar inconsistências ou imprecisões que revisores humanos podem ter deixado passar.

Essas adições sugerem que uma revisão automatizada mais profunda era tecnicamente possível. Elas não provam que a versão anterior era defeituosa, nem estabelecem exatamente qual recurso teria evitado Minab.

Elas revelam, porém, a direção da resposta. Os militares e sua contratada não estão abandonando a assistência de IA. Estão usando mais automação para verificar os dados que alimentam a automação existente.

Isso pode melhorar a segurança se a segunda camada recorrer a fontes independentes e aplicar regras claras de interrupção. Pode falhar se ambas as camadas herdarem os mesmos registros, pressupostos ou incentivos.

Um revisor de IA não deve se tornar um carimbo sintético de aprovação. Se ele reformula o pacote do alvo sem testar independentemente suas alegações mais frágeis, acrescenta escrutínio aparente sem escrutínio real.

A resposta relatada também levanta uma questão de auditoria. Investigadores e supervisores do Congresso precisam de acesso a históricos de versões, procedência das fontes, registros de alertas, ações dos usuários, mudanças de confiança e saídas dos modelos.

Sem esses registros, a responsabilização depende de entrevistas e memórias reconstruídas. Com eles, revisores podem determinar o que o sistema exibiu, quais alertas apareceram, quem os descartou e quais dados permaneceram indisponíveis.

O sigilo comercial e a inteligência classificada complicam esse acesso. No entanto, nenhum dos dois deveria impedir que investigadores autorizados compreendam um sistema de decisão letal.

Fornecedores que ingressam em operações militares devem esperar uma revisão mais profunda do que os provedores comuns de software empresarial. As consequências são diferentes, e os usuários não podem corrigir um ataque equivocado depois de sua execução.

A defesa da Palantir pode, no fim, se mostrar correta no sentido estrito de que o Maven não sofreu nenhuma falha técnica. A questão mais difícil é se evitar falhas é um padrão de segurança adequado para um software que ajuda a comprimir decisões letais em minutos.

O Que Permanece Não Verificado Sobre as Conclusões do Maven

As evidências disponíveis justificam um escrutínio sério, mas a investigação não divulgada deixa questões técnicas e legais cruciais sem resposta.

O Pentágono não publicou seu relatório completo sobre Minab. A Bloomberg baseou sua reportagem em entrevistas com pessoas envolvidas na investigação, materiais militares não classificados e descrições de autoridades atuais e antigas.

Essa reportagem é substancial, mas não fornece ao público o pacote de alvo subjacente nem a trilha de auditoria completa. Os leitores devem distinguir conclusões relatadas de conclusões oficialmente divulgadas.

O papel exato do Maven permanece parcialmente obscuro. Reportagens públicas não mostraram a recomendação precisa exibida a cada operador, a confiança atribuída a ela ou todos os alertas visíveis antes do lançamento.

Também não está claro se o Maven gerou uma nova recomendação de alvo ou organizou um registro de alvo existente para execução. Essa diferença importa ao atribuir responsabilidade técnica.

A revisão relatada afirma que parte do pessoal do Comando Central confiou excessivamente na IA incorporada ao Maven. Ela não estabelece que todos os operadores tenham feito isso nem que o sistema tenha classificado independentemente a escola.

Outra questão sem resposta diz respeito à sequência de armas. As reportagens indicam que pelo menos um míssil Tomahawk dos EUA atingiu a escola, mas os relatos públicos divergem quanto ao número de munições envolvidas.

O total de vítimas também permanece contestado em suas margens. A Airwars verificou 157 vítimas, incluindo 123 crianças, enquanto outros relatos apontaram mais de 165 ou 175 mortes. Uma lista oficial completa não foi divulgada publicamente.

As autoridades iranianas controlam o acesso ao local e usaram o sofrimento civil para mensagens políticas. Esse contexto complica a verificação independente, mas não apaga as evidências reunidas por pesquisadores externos.

Imagens de satélite, padrões de danos, atividade militar na área e declarações de autoridades dos EUA sustentam a conclusão de que forças americanas foram responsáveis. Israel negou ter realizado o ataque, enquanto os Estados Unidos reconheceram ter atacado alvos nas proximidades.

A avaliação jurídica permanece separada da reconstrução técnica. Uma missão de apuração de fatos apoiada pelas Nações Unidas afirmou ter encontrado motivos razoáveis para acreditar que as forças dos EUA cometeram crimes de guerra em dois ataques no Irã, incluindo Minab. As conclusões da ONU não constituem uma decisão judicial vinculante.

A missão supostamente concluiu que as falhas em atualizar o banco de dados de alvos e verificar o local foram além de mera negligência. Autoridades dos EUA não aceitaram essa caracterização.

O Congresso exigiu maior transparência. A linguagem de relatório proposta exigiria um relato não classificado após a conclusão da investigação sobre danos civis.

Legisladores perguntaram quem aprovou o alvo, quais sistemas foram utilizados, por que a preocupação de 2019 foi ignorada e se os procedimentos para danos civis foram seguidos. Essas questões permanecem centrais porque a responsabilidade pelo software não pode ser avaliada separadamente da política de comando.

O silêncio do Pentágono criou um problema significativo de credibilidade. Autoridades supostamente souberam em poucas horas que as forças dos EUA haviam atingido o local. Meses depois, o público ainda não tinha uma explicação final.

Erros anteriores de designação de alvos pelos EUA oferecem uma comparação desconfortável. Depois que um ataque de drone em agosto de 2021 matou 10 civis em Cabul, o Pentágono reconheceu a responsabilidade e divulgou detalhes operacionais em poucas semanas.

O ataque a Minab supostamente matou mais de 15 vezes mais pessoas, mas a investigação permaneceu inédita por meses. O atraso torna mais difícil determinar se as medidas corretivas abordam as causas reais.

A conclusão mais responsável é, portanto, mais restrita do que algumas manchetes sugerem. As reportagens disponíveis indicam que inteligência desatualizada, bancos de dados desconectados, revisão comprimida e confiança excessiva no Maven contribuíram para o ataque.

Elas não mostram que um modelo autônomo da Palantir tenha escolhido independentemente matar crianças. Também não sustentam tratar o software como irrelevante simplesmente porque o pessoal humano manteve autoridade formal.

Três Sinais Mostrarão se a Supervisão de IA Militar Mudou

O próximo teste é verificar se o Pentágono transforma uma lição interna em controles aplicáveis que pessoas externas possam examinar.

O primeiro sinal é a publicação da investigação sobre danos civis. Um relatório útil deve explicar o histórico do alvo, o alerta do analista em 2019, cada validação posterior e o papel do Maven no processo final.

Ele deve identificar quando os tomadores de decisão viram pela última vez imagens atuais e se evidências de fontes abertas estavam disponíveis. Também deve explicar quantos revisores podiam acessar a inteligência contraditória.

Um relatório que atribua o evento a “falhas de processo” genéricas enfraqueceria a confiança na reforma. Uma auditoria detalhada que atribua responsabilidades e ações corretivas a fortaleceria.

O segundo sinal é a evidência de que a idade dos bancos de dados e a divergência podem interromper um alvo. O Comando Central supostamente alterou seus fluxos de trabalho, adicionou fontes abertas e introduziu dezenas de atualizações no Maven após Minab.

A medida significativa não é o número de mudanças. É se um conflito não resolvido agora impede a aprovação, a menos que uma autoridade qualificada documente por que as evidências mais recentes deveriam ser rejeitadas.

Os sistemas devem preservar a discordância dos analistas, em vez de isolá-la em ferramentas desconectadas. Devem expor quando uma classificação se baseia em imagens antigas e exigir nova verificação em torno de escolas ou outros locais protegidos.

Testes independentes de red team fortaleceriam esses controles. Revisores poderiam inserir registros desatualizados, contraditórios e incompletos em um ambiente não combatente e, então, medir se os usuários do Maven detectam os problemas.

O terceiro sinal é a supervisão da Palantir e de outros fornecedores de IA militar. O Congresso deveria exigir acesso a registros técnicos e avaliações de segurança sem aceitar nem o sigilo comercial nem a classificação como uma barreira geral.

As regras de contratação podem exigir trilhas de auditoria reproduzíveis, proveniência no nível das fontes, rastreamento das versões dos modelos e registros de cada intervenção humana. Esses requisitos devem ser aplicados antes da implantação, e não apenas após um evento com vítimas em massa.

O Pentágono está expandindo o Maven, em vez de recuar em relação a ele. Isso torna especialmente importante o padrão estabelecido após Minab. Uma plataforma adotada por comandos militares pode disseminar rapidamente boas salvaguardas, mas também pode padronizar fragilidades ocultas.

As mudanças da Palantir relatadas após o ataque sugerem que o produto usará cada vez mais IA para detectar problemas na inteligência sobre alvos. Essa abordagem merece ser testada contra falhas históricas reais, incluindo Minab.

O sucesso significaria que o sistema identifica contradições decisivas desde cedo, exige revisão independente e preserva o raciocínio por trás de cada aprovação. O fracasso significaria fluxos de trabalho mais rápidos, com mais camadas de confiança geradas por máquinas.

Para desenvolvedores, a lição vai além da defesa. Qualquer sistema de IA que agregue registros pode fazer a incerteza desaparecer por trás de uma interface limpa. Saúde, finanças, infraestrutura e software do setor público enfrentam riscos semelhantes, mesmo quando as consequências diferem.

Para compradores corporativos, o caso Minab questiona uma alegação de vendas conhecida. Combinar mais dados não produz automaticamente uma decisão melhor. O resultado depende de proveniência, atualidade, interoperabilidade, tratamento de divergências e incentivos aos usuários.

Para trabalhadores do conhecimento, o caso mostra por que uma resposta confiante deve continuar rastreável até suas fontes. Resumos devem expor conflitos, em vez de apagá-los. Alertas devem refletir o custo de estar errado, e não apenas a probabilidade atribuída por um modelo.

O ataque à escola de Maven da Palantir, portanto, não é uma história sobre um computador substituindo todas as decisões humanas. Trata-se de um software que torna uma decisão institucional falha mais rápida e aparentemente mais coerente.

O Pentágono agora precisa demonstrar que o controle humano significa mais do que posicionar um oficial no fim de um fluxo de trabalho automatizado. A Palantir deve demonstrar que o Maven consegue revelar incertezas com a mesma eficácia com que organiza a ação.

A questão decisiva é concreta: quando o próximo alvo contiver inteligência desatualizada e um alerta oculto, o sistema interromperá o ataque ou simplesmente entregará o mesmo erro mais rápido?