La GAO destapa el colapso operativo en la gobernanza de IA del Pentágono
El contexto: La Oficina de Rendición de Cuentas del Gobierno estadounidense publicó una auditoría donde documenta fallos graves de personal y coordinación en la IA militar.
Solo 3 de los 10 puestos técnicos de la División de IA Responsable estaban ocupados.
El consejo interdepartamental estuvo paralizado casi un año completo al carecer de un estatuto formal.
El Departamento de Defensa mantiene incompletas 29 de las 64 medidas obligatorias de control algorítmico.
«El desfase entre el despliegue de modelos autónomos y la verificación formal de seguridad amenaza la interoperabilidad operativa en misiones críticas.»
La Oficina de Rendición de Cuentas del Gobierno de Estados Unidos (GAO) ha hecho público un informe de auditoría de 24 páginas que dinamita el discurso oficial del Pentágono sobre el control de sus sistemas autónomos. Mientras el Departamento de Defensa estadounidense acelera sus programas de combate algorítmico mediante adquisiciones de urgencia y despliegues tácticos, los mecanismos institucionales encargados de garantizar que estos modelos operen de manera predecible, segura y trazable se encuentran técnicamente desarticulados. El organismo fiscalizador ha constatado que el Consejo de Trabajo sobre IA Responsable del Pentágono estuvo completamente inactivo desde finales de 2024 hasta agosto de 2025 por una omisión burocrática flagrante: jamás se redactó un estatuto fundacional que definiera sus competencias, periodicidad y autoridad vinculante sobre las distintas ramas de las fuerzas armadas.
Este colapso institucional no responde a un mero retraso de calendario administrativo. La Oficina del Director Digital y de Inteligencia Artificial (CDAO), designada por directiva ministerial en noviembre de 2024 para liderar la transformación digital del ejército, operaba en febrero con solo 3 de los 10 puestos técnicos cubiertos dentro de su División de IA Responsable. Una tasa de vacantes del 70% en el nodo central de evaluación técnica ha dejado sin verificar 29 de las 64 medidas contempladas en la estrategia militar de adopción de modelos predictivos y generativos. La asimetría entre la velocidad de integración de software comercial en arsenales bélicos y la dotación de los equipos encargados de auditar pesos, sesgos de entrenamiento y márgenes de error operacional ha alcanzado su punto más crítico.
La parálisis del CDAO fragmenta la supervisión entre ejércitos
La auditoría de la GAO confirma que 4 de las 10 divisiones evaluadas del Departamento de Defensa enfrentaron bloqueos severos en la implementación de sus modelos durante los meses de apagón del consejo. Sin una mesa de trabajo centralizada para evaluar protocolos de verificación y validación (V&V), mandos del Ejército de Tierra, la Armada y las Fuerzas Aéreas desarrollaron criterios atomizados y redundantes para certificar la fiabilidad de sus modelos de aprendizaje profundo. La falta de un marco de enlace institucional impidió transferir bibliotecas de pruebas adversarias, métodos de contramedidas contra el envenenamiento de datos y estándares de interpretabilidad entre los programas en curso.
La respuesta del CDAO al retomar las reuniones en agosto de 2025 dista de solventar el problema estructural. El organismo fiscalizador advirtió explícitamente al Congreso de que, sin la emisión de una ordenanza formal con fuerza de mandato regulatorio, el consejo volverá a disolverse en cuanto surjan relevos en la cadena de mando o presiones presupuestarias. El análisis de 10 casos de uso seleccionados por la GAO evidencia que las unidades de combate operan bajo especificaciones heterogéneas, trasladando a producción algoritmos que carecen de auditorías deterministas de frontera sobre su comportamiento probabilístico en entornos degradados.
Divergencia entre Adopción y Gobernanza en el Sector Público
Contraste entre percepción ejecutiva y despliegue real de auditoría algorítmica
Líderes de TI del sector público que declaran tener su adopción de IA alineada con planes de supervisión institucional.
Organismos públicos que poseen un marco de gobernanza técnica de IA formalizado, activo y con capacidad de ejecución real.
La auditoría de la GAO y los sondeos técnicos en el sector público confirman que la velocidad de integración de modelos comerciales supera con creces la infraestructura humana y normativa encargada de garantizar su fiabilidad operacional.
«La confianza en la gobernanza de la IA está corriendo muy por delante de los controles reales que las agencias tienen implementados» — Travis Galloway, SolarWinds.
Arquitectura desacoplada en diez programas armamentísticos de combate
El anexo técnico del informe desglosa 10 implementaciones críticas donde la falta de gobernanza centralizada genera discrepancias operacionales inmediatas. En el Ejército de Tierra, la integración de visión por computador en el vehículo de combate de infantería XM30 a través del programa AIOps+ persigue la detección automatizada y el seguimiento de enjambres de drones mediante telemetría en tiempo real. Paralelamente, la Armada, en conjunción con la Unidad de Innovación de Defensa (DIU) y la Agencia Nacional de Inteligencia Geoespacial (NGA), desarrolla algoritmos de reconocimiento automático de objetivos (ATR) destinados a navíos no tripulados dentro del programa Project Overmatch.
En la Fuerza Aérea, el sistema MAGE (Machine Assisted Geospatial Exploitation) procesa ingentes flujos de datos de inteligencia, vigilancia y reconocimiento (ISR) para derivar objetivos prioritarios. Por su parte, el laboratorio TAP de la Fuerza Espacial despliega clasificadores de maniobra para identificar tácticas de camuflaje y engaño orbital. Ninguno de estos cuatro sistemas comparte una pila común de observabilidad algorítmica ni un protocolo unificado para medir la deriva de datos en despliegues reales. Cada equipo gestiona sus propios conjuntos de evaluación sintética sin contrastar los ratios de falsos positivos frente a los 6 preceptos éticos formulados nominalmente por el Pentágono.
La brecha estructural entre la ambición comercial y la capacidad de fiscalización
La escasez de talento técnico especializado en la plantilla civil del Pentágono agrava este aislamiento metodológico. Los sueldos tabulados de la administración federal impiden competir con los laboratorios privados de inteligencia artificial, lo que perpetúa la dependencia de contratistas externos cuyos códigos fuente rara vez se someten a ingeniería inversa o análisis formal de gradientes. Con 3 analistas intentando supervisar las adquisiciones de todo el complejo militar estadounidense, los manuales de aseguramiento de calidad algorítmica quedan relegados a simples listas de verificación cualitativa firmadas de oficio por los propios proveedores de software.
Esta desconexión operativa trasciende el ámbito estrictamente militar y refleja un patrón patológico documentado en todo el sector público estadounidense. Un estudio publicado por UserEvidence y SolarWinds revela que, si bien el 80% de los líderes de tecnologías de la información en organismos públicos asegura que su adopción de inteligencia artificial avanza alineada con planes de supervisión, únicamente el 37% dispone de un marco de gobernanza algorítmica formal y activamente ejecutado. En administraciones estatales y locales, la cifra de gobernanza real desciende hasta un ínfimo 19%.
Travis Galloway, asesor de asuntos gubernamentales en SolarWinds, sintetizó este desajuste empírico: «La confianza en la gobernanza de la IA está corriendo muy por delante de los controles reales que las agencias tienen implementados, y esa brecha es donde el riesgo se acumula silenciosamente». Cuando ese desfase no concierne a un gestor de licencias urbanísticas sino a sistemas de designación de blancos en el XM30 o a sensores orbitales, el riesgo acumulado compromete directamente la predictibilidad balística y el derecho internacional humanitario.
Casos de Uso del Departamento de Defensa sin Estandarización Centralizada
Evaluación de la GAO sobre modelos militares desplegados sin marco común de validación algorítmica
| Programa | Rama Militar | Función Técnica | Riesgo Operativo | |
|---|---|---|---|---|
|
C-UAS en XM30
|
Ejército de Tierra | Detección y seguimiento de enjambres de drones mediante visión por computador | Falta de canalización MLOps común para calibrar derivas en tiempo real | Crítico |
|
Project Overmatch ATR
|
Armada / DIU / NGA | Reconocimiento autónomo de blancos navales en buques no tripulados | Ausencia de registros forenses deterministas de pesos y activaciones | Severo |
|
MAGE
|
Fuerza Aérea | Clasificación automatizada de inteligencia geoespacial en flujos ISR masivos | Discrepancia en métricas de falsos positivos frente a otras ramas | Medio |
|
C3DMC
|
Fuerza Espacial | Identificación computacional de maniobras de camuflaje y engaño orbital | Entrenamiento restringido con datos sintéticos no contrastados por CDAO | Elevado |
Fricciones de integración y ausencia de canalizaciones MLOps unificadas
Aterrizar un marco de IA responsable en producción exige canalizaciones de MLOps automatizadas con supervisión de deriva conceptual, cajas negras criptográficas para registrar la toma de decisiones y entornos de simulación con perturbaciones adversarias. Actualmente, las 10 dependencias del Pentágono analizadas carecen de telemetría consolidada en tiempo de ejecución. Si un modelo de visión convolucional en un dron táctico confunde un vehículo civil con una plataforma hostil debido a la polvareda o a interferencias electromagnéticas, la investigación forense posterior es inviable debido a que no se almacenan las activaciones internas ni las matrices de atención del modelo por restricciones de ancho de banda y almacenamiento térmico en nodos de borde.
El coste computacional y de infraestructura agrava esta parálisis operativa. Ejecutar inferencias deterministas con modelos cuantizados en el borde táctico requiere hardware especializado con aceleradores de red neuronal de bajo consumo energético, donde cada microsegundo de latencia determina la supervivencia del blindado. Al no existir directrices emitidas por un Consejo de IA Responsable con atribuciones ejecutivas, los directores de programa adquieren silicio y plataformas de software propietarias incompatibles. Las unidades se ven forzadas a reprogramar la pila de control desde cero para cada contrato militar, multiplicando los costes totales de propiedad y encareciendo el mantenimiento de modelos que quedan rápidamente obsoletos.
La advertencia formal de la GAO obliga a una reestructuración de fondo que no admite más memorandos retóricos. El Congreso de Estados Unidos evalúa ya medidas vinculantes para supeditar los tramos de financiación de compras armamentísticas de alta tecnología a la contratación efectiva de ingenieros de validación en el CDAO y a la aprobación de un estatuto vinculante para el consejo supervisor. Mientras persista el déficit de 7 especialistas sobre una plantilla teórica de 10 en la división responsable de auditar algoritmos de combate, los sistemas desplegados en teatro de operaciones continuarán funcionando como artefactos de alto riesgo probabilístico sobre los que ningún oficial puede certificar un margen de fallo matemáticamente comprobable.
Cifras del Cuello de Botella Institucional en el Pentágono
Métricas clave verificadas por la auditoría de la GAO y estudios sectoriales en 2026
Vacantes en CDAO
Solo 3 de los 10 puestos previstos en la División de IA Responsable estaban cubiertos durante la fiscalización.
Hitos Pendientes
Medidas de control de la estrategia de IA del Departamento de Defensa bloqueadas sin completar en abril de 2026.
Control Activo
Porcentaje de administraciones gubernamentales subfederales que cuentan con un marco de supervisión real en marcha.
Fuentes verificadas
Glosario Técnico
La IA está reescribiendo las reglas. Pensamiento crítico y análisis sin ruido ni titulares vacíos.
