La IA ya decidió a quién matar hoy — Y nadie habla de las implicaciones reales

El dato que debería estar en primera plana

En algún lugar de Gaza, en los últimos 18 meses, un sistema de inteligencia artificial llamado Lavender procesó 37,000 nombres de objetivos potenciales. Analistas humanos revisaban cada recomendación durante aproximadamente 20 segundos antes de aprobar un bombardeo. El sistema admite una tasa de error del 10%. Hagan las cuentas.

En Ucrania, entre 70% y 80% de las bajas en combate ahora provienen de drones — muchos de ellos equipados con capacidades de navegación autónoma y reconocimiento de objetivos asistido por IA. De los casi 2 millones de drones que Ucrania adquirió solo en 2024, 10,000 tienen habilitación de IA. El costo de agregar targeting autónomo a un dron comercial: $25 dólares.

Estas no son proyecciones. No son escenarios de think tanks sobre el futuro de la guerra. Están pasando ahora, documentadas en reportes de inteligencia, admitidas por oficiales militares, verificadas por organizaciones de derechos humanos.

La inteligencia artificial no está por llegar al campo de batalla. Ya llegó. Ya está tomando decisiones. Y mientras el debate público se obsesiona con robots asesinos de ciencia ficción, la realidad operacional es simultáneamente más mundana y más inquietante: son sistemas de reconocimiento de patrones, modelos de clasificación de objetivos, algoritmos de predicción de movimientos — la misma tecnología que recomienda películas en Netflix o identifica rostros en Facebook, reconfigurada para identificar a quién vale la pena matar.

Pero hay algo que casi nadie está discutiendo: la IA no solo está cambiando cómo se libran las guerras existentes. Está cambiando qué es la guerra. Y esa transformación tiene implicaciones que van mucho más allá del campo de batalla.

Anatomía técnica del campo de batalla algorítmico

Olviden la imagen de Terminator. La IA militar en 2026 no se parece a un robot humanoide que toma decisiones autónomas de exterminio. Se parece más a un analista hiperproductivo con visión perfecta y memoria infinita — y todas las limitaciones éticas de un modelo entrenado con data sesgada.

Vamos a desmitificar qué hace realmente la IA en guerra moderna:

Reconocimiento y targeting: Computer vision identifica vehículos, personas, infraestructura en tiempo real desde feeds de video de drones, satélites o cámaras terrestres. El sistema Gospel, usado por las fuerzas israelíes, revisa automáticamente data de vigilancia buscando edificios, equipamiento y personas vinculadas al enemigo, y recomienda objetivos de bombardeo a analistas humanos. Lavender hace lo mismo, pero para individuos: identifica “operativos junior” analizando patrones de comunicación, movimiento, asociaciones. La arquitectura técnica es esencialmente la misma que YOLO (You Only Look Once) o cualquier modelo moderno de detección de objetos — solo que en lugar de identificar “perro” o “auto”, identifica “combatiente” o “instalación militar”.

Análisis predictivo de movimientos: Sistemas como Metro de Palantir, desplegado en Ucrania, procesan inteligencia masiva de múltiples fuentes para anticipar movimientos enemigos. Correlacionan data de comunicaciones interceptadas, imágenes satelitales, reportes de campo, patrones históricos. El output: recomendaciones de dónde estará el enemigo en las próximas 24-72 horas. Esto permite preposicionar fuerzas, planificar emboscadas, o anticipar ofensivas. La tecnología subyacente: análisis de series temporales, modelos de predicción, grafos de conocimiento — exactamente lo que se usa en supply chain optimization o predicción de demanda en retail.

Guerra electrónica adaptativa: Jamming (interferencia de señales) que se adapta en tiempo real a las contramedidas del enemigo. Si el adversario cambia de frecuencia, el sistema detecta el cambio y ajusta automáticamente. Si intentan cifrar comunicaciones de drones, la IA busca vulnerabilidades en el protocolo de cifrado. Esto es una carrera armamentista de milisegundos — ningún operador humano puede reaccionar a esa velocidad.

Drones semiautónomos vs. autónomos — el espectro crítico: Aquí está la distinción que define el debate ético completo. Un dron puede tener:

• Nivel 1 - Navegación autónoma: Vuela solo, evita obstáculos, regresa a base si pierde señal. Humano controla targeting.
• Nivel 2 - Identificación asistida: El sistema sugiere objetivos, el humano confirma.
• Nivel 3 - Autorización delegada: El humano aprueba categorías de objetivos (“todos los tanques T-72 en esta zona”), la máquina ejecuta.
• Nivel 4 - Autonomía completa: La máquina decide qué es un objetivo válido y cuándo atacar. Aún no verificado operacionalmente, pero técnicamente factible.

La mayoría de sistemas actuales operan en Niveles 2-3. Pero la línea entre “asistido” y “autónomo” es difusa cuando el humano solo tiene 20 segundos para revisar la recomendación de una IA que procesó 10,000 variables que él jamás podría evaluar manualmente.

Ciberseguridad ofensiva/defensiva: Penetración automatizada de redes enemigas. Detección de amenazas en tiempo real en infraestructura crítica propia. Algunos sistemas de defensa cibernética deben operar a velocidad de máquina — si un malware se propaga en microsegundos, la respuesta no puede esperar aprobación humana.

Propaganda y desinformación: Generación de contenido sintético (deepfakes, audio clonado) para operaciones psicológicas. Análisis de sentimiento en redes sociales para identificar líderes de opinión, medir moral civil, detectar movimientos de resistencia. Esto es NLP (procesamiento de lenguaje natural) y generative AI — ChatGPT aplicado a guerra de información.

La verdad incómoda sobre precisión: Ningún sistema de IA tiene 100% de accuracy. Lavender admite aproximadamente 10% de error en identificación de objetivos. Eso significa que de 37,000 nombres procesados, potencialmente 3,700 eran falsos positivos. En medicina, un modelo con 90% de precisión podría ser inaceptable para diagnósticos críticos. En targeting militar, 90% de precisión significa que uno de cada diez bombardeos podría estar matando a alguien que no debía morir. Y cuando ese error se multiplica por miles de operaciones, el número de víctimas civiles se vuelve estructural, no excepcional.

Esta es la realidad técnica que rara vez aparece en los titulares: la IA militar no falla porque sea “malvada” o “consciente”. Falla porque es un modelo estadístico entrenado con data imperfecta, tomando decisiones en ambientes de incertidumbre extrema, operado por humanos bajo presión que confían demasiado en sus recomendaciones.

Quién construye las armas del futuro — y quién finge no hacerlo

Si la IA militar fuera dominio exclusivo de contratistas de defensa oscuros y agencias gubernamentales clasificadas, este análisis sería menos relevante. El problema es que no lo es.

Las empresas que desarrollan sistemas de targeting militar comparten proveedores de cloud computing, frameworks de IA, arquitecturas de modelos y a veces hasta código base con empresas que hacen apps de fitness o sistemas de recomendación de productos. La línea entre tecnología “civil” y “militar” se difuminó hace años.

Los jugadores explícitos:

Palantir Technologies desplegó su plataforma Metro en Ucrania en 2023, integrando data de inteligencia occidental para análisis predictivo y recomendaciones de targeting. Metro correlaciona imágenes satelitales, comunicaciones interceptadas, reportes de campo y patrones históricos para generar mapas de amenazas en tiempo real.

Anduril Industries desarrolla drones autónomos como el Ghost y sistemas de defensa perimetral con capacidades de identificación y respuesta automatizada. Fundada por Palmer Luckey (creador de Oculus VR), Anduril se posiciona abiertamente como “el nuevo modelo de contratista de defensa” — tecnología de Silicon Valley aplicada a seguridad nacional.

Shield AI fabrica pilotos artificiales para drones militares que pueden operar en ambientes sin GPS ni comunicación externa — navegación y toma de decisiones completamente autónoma en entornos negados. Su sistema Hivemind permite que múltiples drones coordinen misiones sin intervención humana constante.

El ecosistema israelí — pioneros en IA militar:

Rafael Advanced Defense Systems y Elbit Systems son los desarrolladores confirmados de Gospel, Lavender y Where’s Daddy — los sistemas de targeting asistido por IA usados extensivamente en Gaza. Where’s Daddy es particularmente revelador: rastrea objetivos hasta sus hogares y recomienda bombardearlos cuando están en casa, bajo la lógica de que “es más probable que estén ahí y se minimizan daños colaterales en espacios públicos”. La decisión de atacar a alguien en su hogar, potencialmente con su familia, se convierte en una recomendación algorítmica.

Las controversias corporativas:

En 2018, más de 4,000 empleados de Google firmaron una carta exigiendo que la empresa cancelara Project Maven — un contrato con el Pentágono para desarrollar computer vision que ayudara a analizar video de drones. Docenas renunciaron. Google eventualmente decidió no renovar el contrato y publicó sus “AI Principles”, declarando que no desarrollarían IA para armas.

Pero aquí está el matiz: Google Cloud sigue proveyendo infraestructura a contratistas de defensa. Y sus modelos de computer vision, disponibles públicamente vía API, pueden ser usados por terceros en aplicaciones militares sin que Google tenga control sobre el uso final.

Microsoft ganó el contrato JEDI (Joint Enterprise Defense Infrastructure) de $10 mil millones con el Departamento de Defensa en 2019. Empleados de Microsoft también protestaron. La respuesta del CEO Satya Nadella: “Elegimos apoyar las instituciones democráticas que elegimos como país”. El contrato eventualmente se canceló, pero fue reemplazado por JWCC (Joint Warfighting Cloud Capability), que incluye a Microsoft, Amazon, Google y Oracle.

Amazon Web Services (AWS) tiene contratos activos con la CIA y múltiples agencias de defensa. Provee la infraestructura de cloud donde corren sistemas de análisis de inteligencia.

El dilema de los proveedores indirectos:

La mayoría de tecnología de IA es inherentemente “dual-use” — puede aplicarse a contextos civiles o militares sin modificaciones significativas.

Si alguien desarrolla:

• Computer vision para vehículos autónomos → puede usarse para drones de ataque
• NLP para análisis de sentimiento en redes sociales → puede usarse para identificar disidencia o medir moral enemiga
• Sistemas de recomendación para e-commerce → la misma arquitectura sirve para recomendar objetivos de bombardeo
• Análisis predictivo para logística → puede optimizar cadenas de suministro militares o anticipar movimientos de tropas

Proyectos gubernamentales y el vacío de transparencia:

DARPA (Defense Advanced Research Projects Agency) de EUA tiene docenas de programas activos en IA militar: desde sistemas de decisión colaborativa humano-máquina (Mosaic Warfare) hasta redes de sensores autónomos (OFFSET). Publican solicitudes de propuestas, pero los resultados son clasificados.

China y Rusia desarrollan capacidades equivalentes o superiores, pero la información verificable es mínima. Sabemos que existen por declaraciones oficiales y exhibiciones militares, pero los detalles técnicos están bajo opacidad total.

El ecosistema emergente en Ucrania:

OCHI, una organización no lucrativa ucraniana, ha recolectado 2 millones de horas de video de combate real desde 2022 — equivalente a 228 años de footage. Este dataset se usa para entrenar modelos de reconocimiento de vehículos militares, identificación de uniformes, detección de minas, análisis de tácticas. Es el ImageNet de la guerra.

Startups ucranianas están desarrollando sistemas de targeting de bajo costo, aprovechando hardware comercial (drones DJI modificados) y modelos de IA open-source. La barrera de entrada para desarrollar un “dron kamikaze inteligente” bajó de millones de dólares a miles.

La realidad técnica que conecta todo esto:

Los mismos frameworks (PyTorch, TensorFlow), las mismas arquitecturas (YOLO, transformers, diffusion models), los mismos proveedores de cloud (AWS, Azure, GCP), y a veces hasta los mismos datasets (COCO para object detection, ImageNet para clasificación) se usan para desarrollar tanto la app que te dice cuántas calorías tiene tu comida como el sistema que decide si el hombre en esa imagen satelital es un combatiente o un civil.

Esto no es una crítica conspiranoica. Es simplemente cómo funciona la tecnología: las herramientas son neutrales, las aplicaciones no lo son.

La lógica material de la guerra — y por qué la ética no puede ignorarla

Hay una pregunta que los abogados, filósofos y militares llevan años intentando responder sin éxito: cuando una inteligencia artificial comete un error letal, ¿quién es responsable?

¿El ingeniero que entrenó el modelo? ¿El operador militar que aprobó la recomendación? ¿El comandante que autorizó el sistema? ¿El gobierno que lo desplegó? ¿La empresa que lo vendió?

La respuesta honesta: el marco legal internacional vigente no tiene una respuesta clara. Y esa ambigüedad no es un bug técnico — es una característica del sistema que permite que todos compartan responsabilidad tan diluida que nadie la asume realmente.

Pero hay una dimensión más profunda que complica cualquier discusión puramente ética: la realidad material de la guerra como problema existencial.

El problema del threshold aceptable:

En desarrollo de software, hablamos de “accuracy”, “precision”, “recall” como métricas de performance. Un modelo de clasificación con 90% de accuracy es generalmente considerado bueno. En algunos contextos — recomendación de productos, filtros de spam — hasta 80% puede ser suficiente.

Pero apliquemos esa misma métrica a Lavender: 90% de precisión en identificación de objetivos significa que 10% son errores. Si el sistema procesó 37,000 nombres, eso son potencialmente 3,700 personas marcadas incorrectamente como objetivos militares legítimos. Según reportes de +972 Magazine, analistas israelíes sabían del margen de error pero lo consideraron “aceptable” dado el volumen de objetivos que necesitaban procesar.

Aquí está el dilema ético irresoluble: en cualquier sistema de machine learning, existe un trade-off entre precisión y recall (exhaustividad). Puedes tener un modelo muy conservador que rara vez se equivoca pero se pierde muchos objetivos reales (baja recall), o un modelo agresivo que identifica casi todos los objetivos reales pero también genera muchos falsos positivos (baja precision).

En contexto militar, ¿qué es peor? ¿Dejar que escapen combatientes reales (aumentando el riesgo para tus tropas) o bombardear a civiles inocentes marcados erróneamente? No hay respuesta técnica a esa pregunta — es una decisión moral que los algoritmos no pueden tomar.

La lógica materialista de la ventaja tecnológica:

Cuando dos actores están en conflicto y uno adopta una tecnología que le otorga ventaja decisiva, el otro enfrenta una opción brutal: adoptar la misma tecnología o aceptar la derrota. Esto no es filosofía — es física aplicada. En un enfrentamiento donde un lado puede procesar inteligencia 100 veces más rápido, identificar objetivos con mayor precisión, y coordinar ataques a velocidad de máquina, el lado que renuncia voluntariamente a esas capacidades no está tomando una posición moral elevada. Está eligiendo perder.

La historia militar está llena de ejemplos: el arco largo inglés en Crécy, la pólvora, la ametralladora, la aviación, las armas nucleares. Cada vez que una tecnología demostró superioridad operacional, todos los actores relevantes eventualmente la adoptaron — no por abandono de principios, sino por imperativo de supervivencia.

Ucrania no desplegó 2 millones de drones porque filosóficamente apruebe la automatización de la guerra. Lo hizo porque la alternativa era ceder territorio ante un adversario con superioridad numérica abrumadora. Israel no desarrolló Lavender por fascinación con la IA, sino porque enfrentaba el problema operacional de procesar inteligencia sobre miles de objetivos potenciales más rápido de lo que analistas humanos podían manejar manualmente.

Esto no justifica las decisiones específicas sobre cómo se usan estos sistemas — bombardear hogares con familias, aceptar 10% de error como “aceptable”, reducir la revisión humana a 20 segundos. Pero sí explica por qué la IA militar no es un lujo opcional que países pueden rechazar por razones éticas: es una necesidad estratégica en cualquier conflicto donde el enemigo la tiene.

La evidencia de que la supervisión humana es performativa:

Según documentación de +972 Magazine verificada por múltiples fuentes:

• Los analistas israelíes dedicaban “aproximadamente 20 segundos” a revisar cada recomendación de Lavender antes de aprobar un bombardeo.
• El sistema Where’s Daddy rastreaba objetivos hasta sus hogares y recomendaba atacarlos cuando estuvieran “en casa con sus familias”, bajo el argumento de que era el momento de mayor certeza de ubicación.
• Se autorizaban bombardeos con hasta 15-20 “daños colaterales” (civiles muertos) para eliminar a un solo “operativo junior” — esencialmente militantes de bajo rango.

Esto no es precisión quirúrgica. Es targeting industrializado con un barniz de validación humana.

La carrera armamentista algorítmica:

Incluso si un país decide unilateralmente no desarrollar sistemas letales autónomos por razones éticas, enfrenta el dilema del prisionero: si sus adversarios sí los desarrollan, queda en desventaja militar potencialmente existencial.

Esta es la lógica que impulsó la proliferación nuclear en el siglo XX. Una vez que una tecnología militar es demostrada como efectiva, todos los actores estatales eventualmente la adoptan.

La diferencia con armas nucleares: el threshold de entrada para desarrollar IA militar es órdenes de magnitud más bajo. No necesitas infraestructura industrial masiva ni materiales controlados internacionalmente. Necesitas ingenieros competentes, GPUs y datasets — recursos que cualquier país mediano o incluso actores no-estatales suficientemente financiados pueden obtener.

Desde una perspectiva materialista, esto no es pesimismo — es reconocimiento de que la guerra siempre ha sido una competencia donde la ventaja tecnológica define supervivencia. La ética puede y debe informar cómo se usan las tecnologías, qué restricciones se imponen, qué salvaguardas se construyen. Pero no puede eliminar la realidad de que en un conflicto existencial, el lado que renuncia unilateralmente a capacidades decisivas está eligiendo perder.

El verdadero peligro: la guerra que viene

Todo lo anterior — los sistemas de targeting, los drones autónomos, las decisiones en 20 segundos — es profundamente preocupante. Pero hay algo más fundamental que casi nadie está discutiendo: la IA no solo está cambiando cómo se libran las guerras. Está cambiando qué es la guerra.

Desde la creación de las armas nucleares y la deleznable demostración de su poder en Japón, la guerra total y abierta no ha ocurrido entre grandes potencias. La razón: destrucción mutua asegurada. Cuando todos tienen la capacidad de aniquilar al adversario sabiendo que serán aniquilados en respuesta, la guerra convencional a gran escala se vuelve irracional.

Esto ha dado lugar a las guerras por proxy. Ucrania. Gaza. Siria. Yemen. Las grandes potencias evitan el enfrentamiento directo, pero sostienen conflictos perpetuos en territorios de otros.

Pero la IA introduce una variable nueva y peligrosa en esta ecuación.

La invisibilidad estratégica de la IA:

A diferencia de las armas de destrucción masiva que producen devastación visible, la IA es discreta. Se integra transversal y horizontalmente en los aparatos de la guerra. Es “invisible”. Pero su uso eleva dramáticamente la efectividad de los aparatos de la guerra.

Esto tiene una implicación crítica: la IA puede hacer que la guerra sea más efectiva sin hacerla más visible. Y eso elimina uno de los frenos históricos más importantes al conflicto: el costo político de la violencia masiva y visible.

Cuando un bombardeo nuclear deja una ciudad en ruinas y cientos de miles de muertos en un instante, el mundo reacciona. Hay presión internacional. Sanciones. Consecuencias políticas.

Pero cuando un sistema de IA identifica y elimina objetivos de manera constante, quirúrgica, distribuida en el tiempo — 20 segundos de revisión, un bombardeo, siguiente objetivo — la violencia se vuelve administrativa. Se normaliza. Se invisibiliza.

La guerra de pre-amenaza:

El gran riesgo inmediato del uso de la IA en conflictos bélicos es que acabará con la guerra tal y como la conocemos y la reemplazará por un nuevo tipo de guerra: constante, de baja intensidad, una guerra de control y de censura, una guerra de pre-amenaza.

En este nuevo paradigma, la IA integrada a los sistemas de inteligencia identifica y elimina o inhabilita los objetivos antes de que sean una amenaza. No esperas a que el enemigo ataque. No esperas a que se organice. Lo detectas en las etapas formativas — patrones de comunicación, asociaciones, movimientos — y actúas preventivamente.

Esto ya está pasando. Lavender no identifica solo a combatientes activos. Identifica a “operativos junior” — personas que el sistema predice que podrían convertirse en amenazas basándose en sus asociaciones y comportamientos.

Y esto funcionará en todos los niveles de organización humana: desde entre bloques multinacionales hasta el ámbito local en las ciudades y barrios.

El estado permanente de conflicto de baja intensidad:

La IA militar no culminará en una guerra apocalíptica de máquinas. Culminará en la eliminación de la distinción entre “tiempo de paz” y “tiempo de guerra”.

En lugar de conflictos declarados con inicio y fin, tendremos vigilancia permanente, targeting preventivo constante, y eliminación selectiva continua de amenazas potenciales. La guerra dejará de ser un evento extraordinario para convertirse en un proceso de fondo permanente de la sociedad.

Piensen en cómo esto se vería:

• Sistemas de vigilancia urbana identifican “patrones de comportamiento sospechoso” basados en modelos entrenados con data de conflictos previos.
• Redes sociales son monitoreadas constantemente en busca de “señales tempranas de radicalización” o “organización de resistencia”.
• Personas son marcadas como “amenazas potenciales” antes de cometer ningún acto — solo por sus asociaciones, sus lecturas, sus conversaciones privadas.
• La “neutralización” de estas amenazas no requiere juicio, ni evidencia de crimen, ni siquiera intención demostrable. Solo la predicción algorítmica de que podrían, eventualmente, representar un riesgo.

Esto no es ciencia ficción distópica. Es la extensión lógica de sistemas que ya existen.

La erosión del “orden basado en reglas”:

En los últimos dos años, la idea del “orden internacional basado en reglas” se ha desmoronado por completo, dando paso al orden y las reglas del más fuerte.

La IA acelera este proceso porque:

1. Reduce el costo político de la violencia: Si puedes eliminar amenazas de manera quirúrgica y constante sin imágenes de devastación masiva, hay menos presión internacional para detenerte.

2. Distribuye la responsabilidad hasta hacerla invisible: Cuando miles de decisiones letales se toman mediante sistemas automatizados con “revisión humana” de 20 segundos, ¿quién es responsable? Todos y nadie.

3. Normaliza la violencia preventiva: Si tu sistema de IA puede predecir amenazas futuras con 90% de precisión, ¿por qué esperarías a que se materialicen? La lógica de la prevención se vuelve irresistible — y se extiende a categorías cada vez más amplias de “amenaza potencial”.

4. Crea asimetría de información permanente: Los países con mejores sistemas de IA tienen ventaja en inteligencia, targeting y decisión que se compone exponencialmente. Esto no solo les da poder militar — les da poder de definir quién es una amenaza y quién no lo es.

La pregunta fundamental que nadie quiere responder:

La IA militar no es el problema real. El problema real es si la humanidad en su conjunto puede evitar la guerra total y abierta. La pregunta es si estamos listos para rechazar de una vez por todas la violencia como forma de resolución de conflictos.

Pero aquí está la trampa: la IA hace que esa pregunta sea más difícil de responder, no más fácil.

Porque la IA permite una forma de guerra que es lo suficientemente efectiva para sostener dominación permanente, pero lo suficientemente discreta para evitar las consecuencias políticas que históricamente limitaban la violencia a gran escala.

Permite un estado de conflicto perpetuo de baja intensidad que nunca genera suficiente indignación pública para detenerlo, pero que es lo suficientemente letal para suprimir cualquier resistencia real.

Y eso, mucho más que los drones autónomos o los sistemas de targeting, es lo que debería quitarnos el sueño.

Regulación: escribiendo las reglas mientras ocurre la guerra

La Convención de Ginebra, el pilar del derecho internacional humanitario moderno, se redactó en 1949. El concepto de “inteligencia artificial” no existía. La idea de un arma que pudiera identificar y atacar objetivos sin intervención humana continua habría sonado a ciencia ficción.

La regulación internacional de armamento está diseñada para una era en la que las armas eran objetos físicos con capacidades estáticas, no sistemas de software que evolucionan con cada actualización y cuyas capacidades dependen de los datos con los que se entrenan.

Estamos intentando regular tecnología del siglo XXI con marcos legales del siglo XX.

Campaign to Stop Killer Robots — el intento más serio de prohibición:

Desde 2013, esta coalición de más de 250 ONGs en 100+ países ha presionado por un tratado internacional que prohíba sistemas de armas letales autónomos (LAWS, por sus siglas en inglés). Han logrado que 70+ países expresen apoyo a algún tipo de regulación o moratoria.

Pero las potencias militares que realmente importan — Estados Unidos, Rusia, China, Israel, Reino Unido, Francia — no han firmado ningún compromiso vinculante. Y sin ellos, cualquier tratado es performativo.

Estados Unidos mantiene una posición oficial de que la IA militar debe tener “control humano apropiado” — un término deliberadamente vago que no define qué constituye “apropiado” ni quién lo determina.

Israel ni siquiera reconoce públicamente la existencia de Lavender y Gospel como sistemas operacionales. Oficialmente, son “herramientas de asistencia a la decisión”, no armas autónomas — aunque la distinción se vuelve semántica cuando generan listas de 37,000 personas para matar.

Las conversaciones de la ONU que no llegan a ningún lado:

Desde 2014, el Group of Governmental Experts on Emerging Technologies in the Area of Lethal Autonomous Weapons Systems se reúne periódicamente bajo el paraguas de la CCW (Convención sobre Ciertas Armas Convencionales).

En más de una década de reuniones, no han logrado consenso sobre:

• Una definición vinculante de qué constituye un “arma letal autónoma”
• Qué nivel de autonomía es éticamente aceptable
• Qué significa “control humano significativo” operacionalmente
• Cómo verificar compliance en sistemas de software que pueden actualizarse remotamente

La razón: divergencia fundamental de intereses. Europa favorece restricciones fuertes. Estados Unidos y aliados quieren flexibilidad para mantener ventaja tecnológica. China y Rusia participan en las conversaciones pero no revelan sus capacidades reales ni aceptan verificación externa.

El vacío de definiciones legales:

No existe definición legal internacional de “autonomía significativa” en sistemas de armas. Esto no es accidente — es intencional. La ambigüedad permite que cada país interprete sus obligaciones según conveniencia.

En el contexto de la guerra de pre-amenaza que la IA habilita, esta ambigüedad es aún más peligrosa. Porque permite que sistemas de vigilancia y targeting preventivo operen en una zona gris legal permanente.

Un dron que navega autónomamente pero requiere aprobación humana para disparar, ¿es autónomo? ¿Y si la aprobación es para una “categoría de objetivos” en lugar de objetivo individual? ¿Y si el humano solo tiene 20 segundos y sin acceso a la justificación del algoritmo?

Estas preguntas no tienen respuestas legales claras.

La realidad: la tecnología avanza más rápido que la regulación:

Para cuando un tratado internacional se negocia, ratifica e implementa — un proceso que puede tomar décadas — la tecnología que intenta regular ya es obsoleta.

LAWS no requieren investigación fundamental nueva. Son aplicaciones de tecnologías existentes (computer vision, reinforcement learning, sistemas de control autónomo) que ya están ampliamente disponibles. El know-how está en papers académicos, código en GitHub, modelos en HuggingFace.

Prohibir el desarrollo de LAWS en este punto sería como intentar prohibir internet: la tecnología está tan distribuida y los casos de uso dual-use son tan numerosos que enforcement efectivo es prácticamente imposible.

Esto no significa que la regulación sea inútil — significa que debe ser adaptativa, enfocada en uso y accountability en lugar de prohibición de desarrollo, y probablemente más efectiva a nivel nacional que internacional.

Pero el problema fundamental persiste: ¿cómo regulas un sistema que opera a velocidad de máquina, en ambientes clasificados, con toma de decisiones distribuida entre algoritmos y humanos cuya revisión es performativa?

No hay respuesta satisfactoria. Solo la certeza de que mientras debatimos las reglas, la realidad operacional ya las está escribiendo.

La guerra total sin el hongo nuclear

Al final, hay tipos de guerras. Está la guerra diplomática, la guerra económica, la guerra de información. Y luego está la guerra total y abierta — cuando todas las demás formas de resolución de conflictos han fallado.

Históricamente, la guerra total no tenía reglas. Pero después de Hiroshima y Nagasaki, se estableció un límite tácito: la destrucción mutua asegurada hacía que la guerra total entre grandes potencias fuera irracional.

La IA está erosionando ese límite. No porque haga posible la destrucción total — las armas nucleares ya hacían eso. Sino porque hace posible la dominación total sin la destrucción visible que históricamente activaba las alarmas políticas y morales.

La guerra del futuro no será la extinción súbita de ciudades enteras en hongos de fuego. Será la supresión constante, quirúrgica, algorítmica de cualquier amenaza potencial antes de que se materialice.

Será una guerra que nunca termina porque nunca realmente comienza. Que no tiene frentes porque está en todas partes. Que no tiene combatientes claramente definidos porque cualquiera puede convertirse en objetivo basándose en predicciones estadísticas.

Y funcionará en todos los niveles: entre bloques multinacionales que compiten por hegemonía global, entre estados que suprimen disidencia interna, entre autoridades locales que controlan poblaciones urbanas.

La única pregunta que importa:

¿Estamos listos para rechazar de una vez por todas la violencia como forma de resolución de conflictos?

Porque si no lo estamos — y la evidencia histórica sugiere que no lo estamos — entonces la IA simplemente hará que la violencia sea más eficiente, más constante, más invisible, y más difícil de detener.

No habrá un momento dramático de reconocimiento. No habrá una guerra que “finalmente llegó demasiado lejos”. Solo la normalización gradual de un estado permanente de conflicto de baja intensidad donde la IA identifica amenazas, las elimina, y pasa al siguiente objetivo.

Eso no es un futuro distópico. Es el presente operacional de 2026, expandiéndose.

Y lo más aterrador no es que la tecnología lo haga posible. Es que la lógica material de la competencia estratégica lo hace inevitable — a menos que la humanidad colectivamente decida que algunas capacidades, aunque técnicamente alcanzables, no deben perseguirse.

Pero esa decisión requiere coordinación global, verificación mutua, y voluntad de aceptar desventaja táctica a cambio de seguridad colectiva a largo plazo.

La historia de las armas nucleares demuestra que es posible — la proliferación se limitó (imperfectamente) mediante tratados y disuasión mutua.

La diferencia: las armas nucleares requieren infraestructura masiva y materiales controlados. La IA requiere código y datos que ya están ampliamente distribuidos.

Eso hace que el desafío de regulación sea exponencialmente más difícil.

Y mientras lo resolvemos — si es que lo resolvemos — la guerra que conocíamos está siendo reemplazada por algo más insidioso: una guerra sin fin, sin frentes, sin declaraciones formales, pero con víctimas reales, constantes, y cada vez más invisibles.

Esa es la implicación real de la IA militar que casi nadie está discutiendo.

Y el silencio colectivo sobre este tema — de gobiernos, de organizaciones internacionales, de la academia, del público en general — es quizás el dato más aterrador de todos.