Jak Gemini trafiło do Pentagonu i dlaczego ta historia wykracza poza jeden kontrakt
Gdy Departament Obrony USA ogłasza rozszerzenie współpracy z prywatną firmą technologiczną, zwykle nie wywołuje to większych emocji poza wąską grupą specjalistów od zamówień publicznych. Tym razem jest inaczej. Udostępnienie modelu Google Gemini w ramach wewnętrznej, rządowej platformy GenAI.mil stało się symbolem nowego etapu w wojskowym wyścigu zbrojeń w obszarze sztucznej inteligencji.
GenAI.mil to zamknięty ekosystem usług AI dla Departamentu Obrony i innych instytucji federalnych, z którego aktywnie korzysta już ponad milion unikalnych użytkowników – urzędników, żołnierzy i analityków. To w praktyce „rządowa chmura AI”, dostępna wyłącznie z zabezpieczonych sieci i objęta rygorystycznymi standardami bezpieczeństwa. Decyzja o tym, że jej sercem na poziomie modeli ogólnego przeznaczenia stanie się Gemini, ma konsekwencje znacznie wykraczające poza jeden kontrakt.
Gemini to ogólnego przeznaczenia model językowy rozwijany przez Google, konkurent takich systemów jak ChatGPT czy Claude. Potrafi rozumieć i generować tekst, analizować dokumenty, podsumowywać informacje, pomagać w wyszukiwaniu danych czy wspierać użytkownika w podejmowaniu decyzji. Pentagon natomiast – jako centralny organ administrujący amerykańskimi siłami zbrojnymi – należy do instytucji, których wybory technologiczne de facto kształtują globalne standardy bezpieczeństwa, a także kierunek rozwoju rynku technologicznego.
Na pierwszy rzut oka może to wyglądać jak czysto techniczna decyzja: wybrano konkretną platformę AI do usprawnienia pracy urzędników i oficerów. W rzeczywistości jest to element znacznie bardziej złożonej układanki geopolitycznej i biznesowej. Stawką jest nie tylko wygoda administracji, lecz kontrola nad tym, które modele sztucznej inteligencji będą wykorzystywane do wsparcia systemów wojskowych, wywiadowczych i logistycznych – a w konsekwencji, kto de facto będzie miał wpływ na sposób funkcjonowania nowoczesnej armii.
Równolegle do ogłoszenia współpracy z Google toczy się konflikt między rządem USA a firmą Anthropic, twórcą modelu Claude. Przedsiębiorstwo to zostało zakwalifikowane przez część administracji jako „ryzyko dla łańcucha dostaw” w obszarze krytycznych technologii, co w praktyce działa jak nieformalna „czarna lista” w przetargach rządowych. Odpowiedzią Anthropic był szybki, bezprecedensowy pozew przeciwko rządowi USA. W tle obserwujemy więc nie tylko rywalizację produktową, ale także spór o to, jak daleko mogą sięgać wymogi bezpieczeństwa narodowego w relacjach z dostawcami AI.
W kolejnych częściach tej analizy wyłania się szerszy obraz: różne wizje wojskowej sztucznej inteligencji prezentowane przez Google, Anthropic i OpenAI oraz to, jak – z perspektywy bezpieczeństwa i inwestorów – zmienia się rynek AI defense. Kluczowe znaczenie ma tu rosnąca rola tzw. agentów AI, czyli wyspecjalizowanych cyfrowych asystentów, które Pentagon wdraża za pomocą Geminiego i narzędzia Agent Designer. To swoisty „wojskowy App Store”, ale nie dla aplikacji mobilnych, lecz dla agentów sztucznej inteligencji.
Wojskowy ekosystem GenAI.mil: agenci AI, „Agent Designer” i logika wdrożenia
GenAI.mil to zamknięta platforma obliczeniowa i aplikacyjna, uruchomiona z myślą o tym, by scentralizować wykorzystanie sztucznej inteligencji w całym Departamencie Obrony. Z perspektywy użytkownika przypomina korporacyjny portal, w którym można uruchamiać różne usługi AI, korzystając z jednego, spójnego środowiska. Różnica polega na tym, że całość działa w rządowej infrastrukturze, pod pełną kontrolą służb odpowiedzialnych za cyberbezpieczeństwo i ochronę informacji niejawnych.
Kluczową nowością jest udostępnienie modelu Gemini oraz narzędzia Agent Designer. To narzędzie typu no-code/low-code, które pozwala tworzyć wyspecjalizowanych agentów AI bez konieczności programowania. Pracownik Pentagonu może opisać w zwykłym języku naturalnym, do czego potrzebuje asystenta – na przykład: „przeglądaj codziennie nowe dokumenty analityczne, wyłapuj istotne zmiany w sytuacji w regionie X i przygotowuj krótkie podsumowanie dla mojego zespołu” – a system automatycznie skonfiguruje odpowiedniego agenta.
Na start do dyspozycji urzędników i żołnierzy udostępniono osiem prekonfigurowanych agentów. Wspierają one przede wszystkim zadania administracyjne i analityczne: tworzenie i redagowanie dokumentów, podsumowywanie długich raportów, wyszukiwanie fragmentów istotnych z punktu widzenia danego procesu, a także podstawową analizę danych z otwartych źródeł. Co istotne, na obecnym etapie wszyscy ci agenci działają wyłącznie na danych jawnych, czyli informacjach nieobjętych klauzulą tajności.
W wojskowej nomenklaturze „dane jawne” to informacje, które mogą być przechowywane i przetwarzane w standardowych systemach, bez specjalnych zabezpieczeń – choć w praktyce wciąż obowiązują je rozbudowane procedury RODO i cyberbezpieczeństwa. „Dane niejawne” to kategoria obejmująca informacje, których ujawnienie mogłoby zaszkodzić funkcjonowaniu instytucji, natomiast „ściśle tajne” odnoszą się do materiałów, których kompromitacja mogłaby poważnie zagrozić bezpieczeństwu państwa czy życia żołnierzy. Przenoszenie systemów AI na coraz wyższe poziomy wrażliwości danych wymaga więc certyfikacji, testów penetracyjnych, audytów kodu oraz ustanowienia ścisłych zasad odpowiedzialności.
Przedstawiciele Pentagonu już zapowiadają, że aktualne wdrożenie Geminiego na poziomie danych jawnych to dopiero pierwszy krok. Podsekretarz obrony ds. badań i inżynierii Emil Michael wskazał w rozmowie cytowanej przez agencję bloomberg.com, że resort pracuje z Google nad rozszerzeniem wykorzystania modelu także na informacje niejawne i ściśle tajne. Z punktu widzenia rynku to „sygnał strategiczny”: jeśli Gemini przejdzie proces certyfikacji dla najbardziej wrażliwych sieci wojskowych, jego pozycja w segmencie AI defense stanie się bardzo trudna do podważenia.
W tle pozostaje kluczowe pytanie o kontrolę nad tym, co agenci AI mogą „zobaczyć” i jakie działania mogą wykonywać. Standardem w takich wdrożeniach jest podejście warstwowe: agent działa w piaskownicy (sandboxie), ma dostęp tylko do ściśle określonych zbiorów danych, nie łączy się samodzielnie z Internetem, a każda jego interakcja jest logowana. Dzienniki aktywności umożliwiają późniejszy audyt – można sprawdzić, jakie dokumenty zostały wykorzystane, jakie pytania zadano modelowi i jakie rekomendacje wygenerował.
Ten sam wzorzec – budowa agentów AI w trybie no-code i otaczanie ich warstwą nadzoru – coraz wyraźniej przenika również do sektora cywilnego. W artykule o wykorzystaniu agentów AI w biurach i korporacjach opisywane są bardzo podobne mechanizmy: odciążanie pracowników z rutynowych zadań, przy jednoczesnym utrzymaniu nadzoru człowieka nad kluczowymi decyzjami. Pentagon przenosi tę logikę do świata obronności, podnosząc tylko stawkę i wymagania bezpieczeństwa.
Konflikt wokół „czarnej listy” Anthropic: jak polityka bezpieczeństwa przekształciła rynek
W tle sukcesu Geminiego w Pentagonie trwa spór, który może zdefiniować relacje między dużymi dostawcami AI a państwem na lata. Jego głównym bohaterem jest Anthropic – firma znana z rozwijania modelu Claude, przedstawiająca się jako podmiot stawiający bezpieczeństwo i odpowiedzialny rozwój AI ponad szybki wzrost biznesowy.
Napięcia narastały od momentu, gdy Departament Obrony zaczął sygnalizować zastrzeżenia wobec polityk bezpieczeństwa Anthropic, zwłaszcza w zakresie tzw. czerwonych linii dotyczących zastosowań militarnych. Z biegiem czasu współpraca wojskowa została ograniczona, a równolegle rosło zaangażowanie Pentagonu w relacje z Google i OpenAI. Kulminacją było formalne oznaczenie Anthropic jako „ryzyka dla łańcucha dostaw” w obszarze krytycznych technologii – co w praktyce działa jak nieformalna „czarna lista” dla wielu rządowych przetargów.
W procedurach zamówień publicznych w sektorze obronnym takie oznaczenie to potężny sygnał ostrzegawczy. Oznacza ono, że instytucje państwowe muszą brać pod uwagę dodatkowe ryzyka przy zawieraniu umów, co często przekłada się na eliminację firmy już na wstępnym etapie postępowania, a przynajmniej na znaczące utrudnienia w zdobywaniu kontraktów. Dla innych agencji federalnych i partnerów przemysłowych jest to czytelny komunikat: współpraca z tym podmiotem może wiązać się z komplikacjami.
Reakcja Anthropic była niezwykle zdecydowana. Firma wniosła przeciwko rządowi USA pozew, kwestionując zarówno samą procedurę umieszczenia jej na „czarnej liście”, jak i legalność uzasadnienia. Tego typu pozew administracyjny to rzadki przypadek otwartego sporu wielkiego podmiotu technologicznego z państwem w obszarze bezpieczeństwa narodowego. Zwykle firmy wolą rozwiązywać podobne konflikty poprzez negocjacje i zakulisowe ustalenia, nie zaś publiczną batalię prawną.
Standardowo decyzje dotyczące bezpieczeństwa narodowego – zwłaszcza te obejmujące kwestie łańcucha dostaw – mają silną ochronę prawną. Odwołanie się od nich wymaga wykazania, że doszło do nadużycia uprawnień, błędów proceduralnych lub arbitralności w ocenie ryzyka. Spór Anthropic z rządem ma więc nie tylko wymiar biznesowy, ale także regulacyjny: dotyka pytania, gdzie leży granica między uzasadnioną troską o bezpieczeństwo a zbyt daleko idącą ingerencją państwa w rynek.
Bezpośrednim skutkiem tej decyzji jest praktyczne „wyzerowanie” szans Anthropic na znaczące kontrakty wojskowe w najbliższych latach. W tym samym czasie Google i OpenAI umacniają swoją pozycję w segmencie AI defense, tworząc de facto duopol w zakresie dostawców dużych modeli językowych do zastosowań rządowych. Branżowe analizy na łamach serwisów takich jak reuters.com wskazują, że nieformalna „czarna lista” może mieć także efekt mrożący na współpracę Anthropic z innymi agencjami rządowymi – nawet tam, gdzie formalnie nie ogłoszono zakazu.
W tle sporu kryją się różne interpretacje tego, czym są „czerwone linie bezpieczeństwa” dla modeli AI. Chodzi o zestaw zasad i ograniczeń, które mają zapobiegać wykorzystywaniu modeli do rozwijania broni masowego rażenia, prowadzenia zaawansowanych cyberataków, destabilizowania systemów politycznych czy eskalowania konfliktów. Każda z firm – Google, Anthropic, OpenAI – definiuje te granice nieco inaczej. Niektóre są gotowe bardziej elastycznie dopasować się do oczekiwań armii i służb, inne stawiają na daleko idące samoregulacje, nawet kosztem utraty kontraktów.
W sporze o Anthropic nie chodzi zatem wyłącznie o technologię. To także konflikt o model współpracy między państwem a sektorem AI, o to, jak daleko mogą sięgać wymagania rządów w zakresie kontroli nad algorytmami, i gdzie zaczynają się granice, których dostawcy nie są skłonni przekroczyć – choćby ze względów etycznych lub reputacyjnych.
Trzy wizje wojskowej sztucznej inteligencji: Google, Anthropic i OpenAI pod lupą
Z perspektywy analityków rynku obronnego i inwestorów starcie o Geminiego w Pentagonie i „czarną listę” Anthropic to fragment większej opowieści. Różni dostawcy AI proponują odmienne wizje tego, jak powinna wyglądać wojskowa sztuczna inteligencja, jakie funkcje może pełnić i jak silne powinny być ograniczenia nałożone na jej zastosowania.
W przypadku Google dominuje podejście pragmatyczne i produktowe. Firma buduje pełną platformę – od infrastruktury chmurowej, przez modele takie jak Gemini, po narzędzia do tworzenia agentów w rodzaju Agent Designer. Celem jest masowe, wewnętrzne wdrożenie w administracji i wojsku, z naciskiem na standaryzację procesów i łatwe skalowanie. Koncepcja „enterprise AI” dobrze znana z produktów biznesowych zostaje po prostu dostosowana do wymogów bezpieczeństwa państwowego, z dodatkowymi warstwami certyfikacji, audytu i kontroli dostępu.
Warto przypomnieć, że ścieżka Google w stronę kontraktów wojskowych nie była liniowa. W 2018 roku firma wycofała się z projektu Maven – inicjatywy wykorzystującej AI do analizy materiałów wideo z dronów – po silnych protestach części pracowników. Ówczesne wydarzenia ukształtowały wizerunek Google jako podmiotu ostrożnego w obszarze zastosowań militarnych. Dzisiejsze wdrożenie Geminiego w Pentagonie pokazuje, że polityka firmy ewoluowała: zamiast odrzucać współpracę z armią, Google stara się ją ucywilizować, osadzając w ramach korporacyjnego ładu i zasad etycznych.
Anthropic buduje swoją markę na haśle „bezpieczeństwo przede wszystkim”. Model Claude powstaje w organizacji, która znaczącą część zasobów przeznacza na badania nad tzw. alignmentem (dopasowaniem zachowań modelu do ludzkich wartości) i analizę potencjalnych zagrożeń. Firma promuje wizerunek podmiotu, który w razie wątpliwości częściej mówi „nie” niż „tak” wymagającym klientom, w tym również instytucjom rządowym. Wyraźne podkreślanie czerwonych linii i nacisk na długoterminowe bezpieczeństwo systemów AI budują zaufanie części opinii publicznej, ale równocześnie generują koszty biznesowe – w tym ryzyko konfliktów z decydentami odpowiedzialnymi za bezpieczeństwo narodowe.
OpenAI z kolei przeszła drogę od ostrożnych deklaracji, ograniczających udział w projektach wojskowych, do roli jednego z kluczowych partnerów rządowych w obszarze AI. Rozbudowany ekosystem API, narzędzi i integracji czyni tę firmę szczególnie atrakcyjną dla instytucji, które chcą szybko adaptować generatywną AI do własnych potrzeb – od prostych chatbotów po złożone systemy analityczne. OpenAI intensywnie inwestuje w ułatwienie tworzenia własnych agentów i asystentów, co może być równie interesujące dla korporacji, jak i dla struktur państwowych.
Porównując te trzy podejścia, można przedstawić syntetyczny obraz w kilku osiach:
Nastawienie do kontraktów wojskowych: Google dąży do systemowej, długoterminowej współpracy opierającej się na platformie dla całej administracji. OpenAI koncentruje się na elastycznym dostarczaniu technologii i narzędzi, które mogą być skalowane od małych projektów pilotażowych po duże wdrożenia. Anthropic, przynajmniej na razie, przyjmuje bardziej defensywną postawę, szukając równowagi między udziałem w projektach a utrzymaniem wizerunku najbardziej ostrożnego dostawcy.
Poziom deklarowanej restrykcyjności zastosowań: Anthropic otwarcie komunikuje restrykcyjne podejście do czerwonych linii, akcentując długoterminowe scenariusze ryzyka. Google i OpenAI również publikują zasady odpowiedzialnego wykorzystania AI, ale są bardziej skłonne do szukania rozwiązań umożliwiających bezpieczne wdrożenia w wojsku, zamiast kategorycznego wykluczania całych klas zastosowań.
Model biznesowy: Google stawia na kompleksową platformę (infrastruktura + modele + narzędzia), silnie zintegrowaną z innymi usługami chmurowymi. OpenAI rozwija model oparty na API i usługach programistycznych, które integratorzy mogą wbudowywać w swoje rozwiązania. Anthropic plasuje się pomiędzy – oferuje modele i narzędzia, ale z większym naciskiem na specjalistyczne scenariusze, w których bezpieczeństwo jest kluczowym wyróżnikiem.
Postrzeganie przez regulatorów: Google i OpenAI, pomimo okresowych kontrowersji, postrzegane są obecnie jako główni partnerzy dla rządów w rozwoju infrastruktury AI, co potwierdza rosnąca liczba kontraktów. Anthropic, po wpisaniu na „czarną listę”, musi zmierzyć się z wizerunkiem podmiotu problematycznego dla administracji, ale zarazem wiarygodnego w oczach części ekspertów ds. etyki AI.
Wszystkie trzy firmy eksperymentują też z „uspołecznianiem” swoich asystentów – funkcjami, które pozwalają użytkownikom dzielić się agentami, promptami czy konfiguracjami. Dyskusja wokół tego trendu, opisana szerzej w tekście o kontrowersyjnej funkcji kontaktów w ChatGPT, ma bezpośrednie przełożenie także na sektor obronny. Sposób projektowania interakcji z AI – od poziomu widoczności wykorzystanych danych po możliwość współdzielenia agentów między użytkownikami – staje się ważnym kryterium dla rządów oceniających ryzyko modeli.
Agenci AI z biura do bunkra: jak wojskowe wdrożenia zmieniają rynek pracy i modele użycia
Z technicznego punktu widzenia agent AI analizujący korespondencję mailową w dużej korporacji i agent wspierający analityka wywiadu w bunkrze dowodzenia to bardzo podobne konstrukcje. Oba systemy przyjmują zadania zapisane w języku naturalnym, mają dostęp do określonych źródeł danych i generują rekomendacje lub gotowe materiały. Różnica leży przede wszystkim w danych, do których mają dostęp, nadawanych im uprawnieniach oraz reżimie bezpieczeństwa, w jakim działają.
W administracji i wojsku najbardziej naturalnymi kandydatami do automatyzacji są zadania powtarzalne, czasochłonne i o wysokim stopniu ustrukturyzowania. Chodzi między innymi o przygotowywanie raportów i notatek służbowych, wstępną analizę doniesień z otwartych źródeł (OSINT), tworzenie przeglądów mediów, zestawień statystycznych czy streszczeń długich dokumentów. Agenci AI mogą też wspierać zarządzanie logistyką – od planowania dostaw, przez analizę ryzyk w łańcuchu dostaw, po optymalizację wykorzystania zasobów.
Bardziej zaawansowane zastosowania obejmują symulacje scenariuszy operacyjnych czy wsparcie planowania misji. W takich przypadkach agent AI może pomagać w porównywaniu wariantów działań, identyfikowaniu potencjalnych wąskich gardeł, a nawet sugerowaniu alternatywnych rozwiązań. Kluczowe jest jednak utrzymanie zasady, że to człowiek – oficer, analityk, decydent polityczny – pozostaje ostatecznym autorem decyzji. AI ma być asystentem, nie autonomicznym decydentem.
Ryzyka są oczywiste. Istnieje realne zagrożenie, że przy rosnącym zaufaniu do automatyzacji część decydentów zacznie nadmiernie polegać na rekomendacjach modeli. Efekt „czarnej skrzynki” – trudność w wyjaśnieniu, dlaczego system zasugerował takie, a nie inne rozwiązanie – komplikuje możliwość audytowania decyzji. Dochodzi ryzyko błędów wynikających z błędnych danych wejściowych czy stronniczości wbudowanej w modele. W kontekście wojskowym każda taka słabość może mieć wymiar nie tylko finansowy, ale wręcz strategiczny.
To, co dzieje się dziś w Pentagonie, jest lustrzanym odbiciem procesów zachodzących w sektorze prywatnym. Wspomniany już artykuł o agentach AI w biurach pokazuje, że te same technologie zmieniają strukturę zadań pracowników cywilnych. W sektorze publicznym i wojsku stawka jest jednak większa: nie chodzi tylko o wyniki finansowe, lecz o bezpieczeństwo narodowe, zaufanie obywateli i integralność instytucji.
W praktyce rozsądne podejście do wojskowych wdrożeń AI wymaga ostrożnego optymizmu. Z jednej strony systemy takie jak Gemini realnie odciążają ludzi z pracochłonnych, rutynowych zadań, pozwalając im skupić się na analizie strategicznej i podejmowaniu decyzji. Z drugiej strony trzeba konsekwentnie utrzymywać zasadę „człowieka w pętli” i projektować procesy tak, by żadne kluczowe rozstrzygnięcia nie zapadały wyłącznie na podstawie rekomendacji modelu.
Paradoksalnie to właśnie wojskowe wdrożenia mogą stać się motorem rozwoju nowych standardów bezpieczeństwa, które później przenikną do sektora cywilnego. Rygorystyczne logowanie działań agentów AI, wymogi przejrzystości w zakresie źródeł danych, certyfikacje modeli przed dopuszczeniem ich do krytycznych systemów – wszystko to może w kolejnych latach stać się normą także w bankowości, opiece zdrowotnej czy administracji publicznej na poziomie lokalnym.
Zaufanie, regulacje i „uspołecznianie” asystentów AI w kontekście obronności
Kluczowym pytaniem pozostaje, czy obywatele i żołnierze są gotowi powierzyć systemom takim jak Gemini czy ChatGPT istotną część zadań wspierających obronność. Zaufanie do technologii w tym obszarze ma bowiem dwie warstwy: zaufanie do samego modelu oraz zaufanie do instytucji, które go wdrażają i nadzorują.
Po stronie obywateli główne obawy dotyczą prywatności i potencjalnych nadużyć. Pojawia się lęk, że modele AI przetwarzające ogromne ilości danych mogą być wykorzystywane do nadmiernej inwigilacji, profilowania obywateli lub manipulowania informacją. W środowisku wojskowym i wywiadowczym równie istotna jest kwestia podatności modeli na dezinformację – wrogie podmioty mogą próbować „karmić” systemy fałszywymi danymi, by wywołać błędne wnioski.
Na to wszystko nakłada się trend „uspołeczniania” asystentów AI, czyli dodawania funkcji pozwalających użytkownikom na dzielenie się agentami, konfiguracjami czy promptami. W świecie konsumenckim może to wyglądać niewinnie: użytkownicy przekazują sobie gotowe szablony chatbotów, które pomagają w nauce języków obcych czy organizacji pracy. Jednak w kontekście wojskowym taka architektura oznacza równocześnie szansę i zagrożenie.
Z jednej strony możliwość współdzielenia agentów wewnątrz instytucji przyspiesza rozprzestrzenianie się dobrych praktyk. Zespół, który zbuduje skutecznego asystenta do analizy raportów z określonego teatru działań, może udostępnić go innym jednostkom, skracając czas wdrażania. Z drugiej strony im bardziej „uspołeczniony” jest ekosystem, tym większe ryzyko nieautoryzowanego kopiowania konfiguracji, wynoszenia ich poza bezpieczne środowiska czy wykorzystywania do celów sprzecznych z regulaminem.
Debata wokół „kontaktów” i wymiany informacji między użytkownikami w ChatGPT, opisana szerzej w tekście o uspołecznianiu asystentów AI, przeniesie się w podobnej formie do świata wojskowego. Pojawią się pytania, czy agenci AI mogą być współdzieleni między jednostkami w ramach jednego kraju, między państwami sojuszniczymi, a nawet między armią a prywatnymi kontraktorami. Każda z tych opcji zwiększa potencjał współpracy, ale i powierzchnię ataku dla przeciwnika.
Na poziomie regulacyjnym USA, Unia Europejska i NATO już dziś pracują nad wytycznymi dotyczącymi odpowiedzialnego wykorzystania AI w obronności. W dokumentach tych powtarzają się trzy kluczowe wątki: przejrzystość, odpowiedzialność oraz zasada „człowieka w pętli”. Ostatni z tych terminów – human-in-the-loop – oznacza, że w krytycznych obszarach (np. użycie siły, decyzje operacyjne o wysokiej stawce) ostateczna decyzja musi należeć do człowieka, nawet jeśli AI przygotowała rekomendację.
„Człowiek w pętli” można w prostych słowach opisać jako wymóg, by żaden algorytm nie miał samodzielnej władzy. System może zebrać i przeanalizować dane, zasugerować rozwiązanie, ale to człowiek je akceptuje lub odrzuca, ponosząc polityczną i prawną odpowiedzialność. Im głębiej AI wnika w struktury obronne, tym bardziej ta zasada będzie testowana – przez presję efektywności, koszty zasobów ludzkich czy pokusę dalszej automatyzacji.
Nowy układ sił na rynku wojskowych technologii AI i wnioski dla inwestorów
Wdrożenie Geminiego w Pentagonie oraz konflikt wokół „czarnej listy” Anthropic pokazują, że rynek wojskowych technologii AI wchodzi w fazę konsolidacji. Zarysowuje się scenariusz duopolu – lub triopolu, jeśli uwzględnić rosnącą rolę dostawców z Chin – w którym kilku wielkich graczy dominuje nad krytycznymi segmentami infrastruktury sztucznej inteligencji.
Duopol to sytuacja, w której dwa podmioty kontrolują większość rynku, ustalając de facto standardy technologiczne i warunki współpracy. Triopol to rozszerzenie tego zjawiska na trzech dominujących dostawców. W kontekście AI defense w USA mówimy dziś przede wszystkim o Google i OpenAI, podczas gdy w szerszej perspektywie geopolitycznej trzeba brać pod uwagę także chińskie koncerny technologiczne, rozwijające własne ekosystemy AI na potrzeby tamtejszych sił zbrojnych.
Dla mniejszych dostawców rośnie bariera wejścia. Nie wystarczy już oferować kompetentny model; konieczne są kosztowne certyfikacje bezpieczeństwa, wieloletnia współpraca z regulatorami, zdolność do działania w silnie regulowanym środowisku oraz reputacja instytucjonalnego partnera. To wymogi trudne do spełnienia dla startupów, które często nie dysponują ani odpowiednim kapitałem, ani zespołami do obsługi tak wymagających klientów.
Z perspektywy ekosystemu startupowego pojawia się więc pytanie: czy bardziej opłaca się budować własne, pełnoskalowe modele i próbować konkurować z gigantami, czy raczej specjalizować się w niszowych zastosowaniach – na przykład w cyberobronie, analityce obrazowej, symulacjach pola walki czy systemach wsparcia logistycznego. Coraz częściej atrakcyjną ścieżką jest budowa technologii, które mogą zostać wchłonięte przez większych graczy albo włączone do ich ekosystemów jako wyspecjalizowane moduły.
Można spodziewać się rosnącej liczby przejęć i konsolidacji. Duże koncerny obronne – takie jak Lockheed Martin, Raytheon czy Northrop Grumman – będą szukały technologii komplementarnych do swoich istniejących systemów, inwestując w startupy AI lub wprost je przejmując. Równocześnie firmy takie jak Google i OpenAI mogą przejmować mniejsze podmioty, by przyspieszyć rozwój określonych funkcji (np. analizy obrazu satelitarnego, symulacji taktycznych) i domknąć luki w swoich ofertach dla sektora wojskowego.
Dla inwestorów technologicznych kluczowe staje się właściwe oszacowanie ryzyka regulacyjnego i reputacyjnego. Kontrakt z sektorem obronnym może znacząco podnieść wycenę firmy, ale może też zwiększyć jej podatność na kontrowersje polityczne i społeczne. Niezbędna jest uważna analiza sygnałów płynących z mediów finansowych (takich jak bloomberg.com czy reuters.com), stanowisk regulatorów oraz reakcji opinii publicznej na kolejne projekty AI w wojsku.
Nie można też ignorować wątku zaufania użytkowników oraz sposobów komercjalizacji interfejsów AI. Jeśli rozwiązania wykorzystywane w sektorze cywilnym zaczną być nadmiernie monetyzowane – na przykład poprzez wprowadzanie reklam czy sponsorowanych rekomendacji – może to podkopać zaufanie także do produktów kierowanych do służb publicznych. Ten problem szerzej został omówiony w tekście o reklamach w chatbotach AI i zaufaniu użytkowników. W sektorze obronnym konsekwencje podobnych eksperymentów byłyby znacznie poważniejsze niż utrata klientów – mogłyby naruszyć zaufanie do instytucji państwa jako całości.
Warto więc podsumować najważniejsze wnioski:
Po pierwsze, wdrożenie Geminiego w Pentagonie oznacza, że generatywna sztuczna inteligencja staje się integralnym elementem codziennej pracy armii i administracji USA. Nie jest już eksperymentem na marginesie, lecz narzędziem wbudowanym w procesy decyzyjne i analityczne. Po drugie, decyzje dotyczące Anthropic i „czarnej listy” kształtują de facto nie tylko los jednej firmy, ale i standardy bezpieczeństwa obowiązujące całą branżę – wyznaczają nowe granice tego, co państwo może wymagać od dostawców AI. Po trzecie, w najbliższych latach analitycy bezpieczeństwa, obserwatorzy rynku AI defense i inwestorzy powinni uważnie śledzić trzy obszary: konsolidację wokół kilku dominujących graczy, ewolucję regulacji dotyczących odpowiedzialnego wykorzystania AI w obronności oraz rozwój standardów audytowalności i przejrzystości agentów AI.
W centrum tych procesów pozostaje pytanie o równowagę: jak połączyć potencjał generatywnej sztucznej inteligencji z wymogami bezpieczeństwa narodowego, oczekiwaniami społecznymi wobec wojska i potrzebą utrzymania demokratycznej kontroli nad najpotężniejszymi technologiami naszych czasów.