Komercyjna AI wchodzi głębiej w niejawne środowisko Pentagonu, łącząc chmurę, chipy, modele, integrację danych i wsparcie w jeden łańcuch obronny. W maju 2026 resort ogłosił umowy z Google, Microsoft, Amazon Web Services, Nvidia, OpenAI, Reflection i SpaceX dla sieci niejawnych. Pytanie dotyczy nie tylko zwycięskiego modelu, ale kontroli połączonego systemu po uzyskaniu znaczenia operacyjnego.
Spór obejmuje dopuszczalne użycie i realną kontrolę człowieka. Anthropic zabrakło w siódemce po sprzeciwie wobec szerokich warunków rządowych; OpenAI twierdzi, że jego własna umowa zachowuje ochronę. Dłuższa lista dostawców i deklaracje nie dowodzą niezależnie weryfikowalnych kontraktów, kontroli technicznych i decyzji.
Od prototypów do niejawnych procesów
Majowe ogłoszenie rozszerzyło zakupy rozpoczęte publicznie w lipcu 2025. CDAO wybrało Anthropic, Google, OpenAI i xAI do umów z limitem po 200 mln dolarów. Obejmowały prototypowe zadania bezpieczeństwa narodowego, w tym agentowe procesy wieloetapowe zamiast pojedynczych odpowiedzi. Limit nie dowodzi wydania całej kwoty; cztery firmy 2025 nie są tą samą listą co późniejsze siedem.
Personel korzystał już z oficjalnej platformy generatywnej GenAI.mil. Dostęp niejawny zwiększa stawkę: analiza wywiadu, logistyka, operacje cyber, planowanie i ocena celów mogą zależeć od wyników. Prototyp da się odizolować od decyzji, model połączony z wrażliwymi danymi i oprogramowaniem niekoniecznie. Streszczenie konserwacji ma inne skutki niż nadzór lub rekomendacja celu.
Pentagon mówi o skróceniu części zadań z miesięcy do dni, lecz nie ujawnił których, wskaźników błędów, procedur kontroli ani następstw pomyłek. To deklaracja szybkości, nie wystarczająca miara niezawodności. Nie oznacza też lekkomyślności każdego zastosowania: konserwacja predykcyjna, tłumaczenie, wyszukiwanie i logistyka mogą mieć korzyści o łatwiejszych do opanowania skutkach.
Modele bazowe są szeroko trenowane i adaptowalne, inaczej niż broń o określonej roli. Aktualizacje, integracja, prompty i nowe dane zmieniają zachowanie. Granice tworzą umowy, aplikacje i kontrole. Jedna demonstracja odbiorcza nie obejmuje przyszłości, więc potrzeba powtarzalnych testów i ciągłego wsparcia.
Rynek infrastruktury pod umowami modelowymi
Relacja poprzedza ChatGPT. W 2022 Departament Obrony przyznał Amazon, Microsoft, Google i Oracle kontrakt JWCC z limitem 9 mld dolarów na chmurę we wszystkich klasyfikacjach. Obliczenia, magazynowanie, tożsamość, sieć i bezpieczne dane dają infrastrukturze przewagę przy dodawaniu AI.
Role są różne i nakładają się. Microsoft daje chmurę i ma dużą relację z OpenAI; AWS hostuje wiele modeli i inwestuje w Anthropic; Google prowadzi chmurę i Gemini; Nvidia dostarcza popularne chipy i biblioteki. Deweloper może zależeć od chmury ze sprzętem Nvidia, a integrator łączy aplikację z danymi rządowymi. Popyt prywatny finansuje szybkość, lecz przenosi też interfejsy własnościowe, niedobory sprzętu, specjalistów i aktualizacje kontrolowane przez dostawcę.
Palantir pokazuje warstwę integracji. Oprogramowanie łączy sensory, bazy wywiadu, plany i uzbrojenie rozproszone po niezgodnych systemach i poziomach tajności. Według Brennan Center armia w 2025 scaliła 75 porozumień w umowę z limitem do 10 mld dolarów na dziesięć lat. To odrębny limit i okres, nie płatność do zsumowania z kontraktami modeli.
Samoloty, pociski, sensory i łączność nadal wymagają tradycyjnych firm obronnych. Nowe oprogramowanie interpretuje dane tych zasobów, współzależnie z wykonawcami i integratorami znającymi wojsko. Anduril, Shield AI i Scale AI także uczestniczą, często na większych fundamentach chmury, chipów i danych. Startupy nie zastępują po prostu dawnych firm: konkurencyjne aplikacje przynoszą zyski kilku platformom.
Anthropic pyta, kto ustala ograniczenia
Anthropic chciał kontraktowo ograniczyć masową inwigilację krajową i w pełni autonomiczną broń wybierającą i atakującą cele bez znaczącej kontroli człowieka. Urzędnicy chcieli dowolnego legalnego użycia i odpowiedzialności rządu. Anthropic uważał niektóre zastosowania za niedopuszczalne mimo rządowej oceny legalności. To kwestia władzy po zakupie, nie tylko słów.
Pentagon ruszył z innymi. OpenAI deklaruje ochronę dotyczącą nadzoru, autonomicznej broni i człowieka, zakaz masowej inwigilacji oraz włączenie prawa i standardów polityki. Ważne deklaracje nie pozwalają jednak porównać całości z żądaniami Anthropic, bo szczegóły i język są niejawne. Nie udowodniono tożsamości ani wyższości zabezpieczeń.
Zakupy tworzą praktyczne zarządzanie przed ustawą i sądem. Najsurowszy dostawca nie ustala automatycznie normy: alternatywy przyjmujące szersze warunki pozwalają przenieść zadania i osłabić opór. Odporność wielu dostawców może współistnieć z presją na słabsze ograniczenia. Rząd chce z kolei wymienności, by jeden modelodawca nie kontrolował zasad misji.
Różne reguły utrudniają integrację. Ograniczony model może streścić wywiad, który inny wykorzysta do planowania. Polityki się zmieniają: OpenAI zniosło ogólny zakaz wojskowy w 2024, zachowując ograniczenia rozwoju broni i szkodliwych działań; inni aktualizowali zasady wraz z biznesem rządowym. Umowy są silniejsze od publicznych polityk, lecz zależą od definicji, monitoringu, egzekwowania technicznego i środków zaradczych.
Rząd może zmienić firmę, anulować pracę lub uznać ją za ryzyko dostaw, wpływając na inne federalne perspektywy. Presja handlowa i polityczna rośnie. Dobrowolna ochrona liczy się, gdy firma utrzyma ją pod presją. Dostawcy chcą granic, wojsko władzy nad publicznie kupionymi systemami. Żaden preferowany podział sam nie dowodzi działającego zabezpieczenia.
Różnorodność może ukryć wspólną zależność
Czołowe modele wymagają chipów, danych, badań i dużych obliczeń, dostarczanych na skalę przez niewielu. Małe aplikacje mogą mieć te same podstawy. Dziesięć narzędzi może dzielić chmurę, chip lub model, wspólnie narażając się na awarie, atak, błąd i spór kontraktowy.
Zakupy wielochmurowe i wielomodelowe rozwiązują część problemu. Odporność wymaga migracji bez utraty kluczowych funkcji. Interfejsy, dostęp, dane, formaty i wydajność różnią się; wymiana może wymagać testowania każdego połączonego procesu. Liczba umów nie dowodzi interoperacyjności.
Dostawcy pozostają ważni po przyznaniu, bo rozumieją własnościowe modele, których urzędnicy nie odtworzą lub nie sprawdzą samodzielnie. Ocena, ochrona, strojenie, szkolenie i incydenty trwają przez życie systemu. Kupuje się ewoluujące możliwości i ich opiekunów, nie tylko produkt. Prompty, dane, kontekst i aktualizacje wzmacniają zależność.
Nature nazywa te relacje kompleksem wojskowo-przemysłowym AI. Menedżerowie i inwestorzy uczestniczą w zakupach, regulacji, eksporcie i polityce obliczeń; część przechodzi między sektorami, część finansuje organizacje za przyspieszeniem lub przeciw regulacjom. To legalne uczestnictwo, nie dowód nadużyć, ale łączny wpływ wymaga kontroli przy zabieganiu o kontrakty i reguły.
Formalna zgoda nie gwarantuje rzeczywistej kontroli
Błąd automatyzacji oznacza akceptowanie rekomendacji mimo przeciwnej informacji. Płynność, pewność i częste poprawne odpowiedzi wzmacniają go pod presją czasu i niepełnych danych. Model może błędnie połączyć osoby, pojazdy, miejsca lub komunikację, a analityk uznać niepopartą relację za trop.
Błąd przechodzi przez proces: etykieta obiektu, streszczenie etykiety, zalecenie planistyczne. Na końcu elegancki interfejs ukrywa niepewność i źródło pomyłki. Niejawne wejście nie usuwa konfabulacji, niespójności ani zmian po aktualizacji.
Kontekst i przeciwnik utrudniają ocenę. Dobry asystent konserwacyjny może nie rozumieć skrótów wywiadowczych lub celowej dezinformacji. Przeciwnicy manipulują danymi i sprawdzają komercyjne systemy pod kątem wspólnych słabości. Tajność ogranicza reprodukcję i porównanie zapewnień z dowodami.
Wyszukiwanie, dostęp, testy i człowiek obniżają ryzyko, ale nie gwarantują misji. Nadzór wymaga czasu, władzy, kontrdowodów, szkolenia o ograniczeniach i realnej odmowy lub zatrzymania, nie końcowego kliknięcia. Helen Toner z Georgetown CSET ostrzega przed nadzależnością i podkreśla użyteczność oraz granice. Sama obecność człowieka tego nie dowodzi.
Oceniać zachowanie i zachować dowody, nie ignorując prywatności
Oceny powinny badać fałszywe alarmy, pominięte sygnały, kalibrację, zachowanie i warunki przeciwnika podczas i po wdrożeniu. Urzędy walczące o finansowanie i sprzedawcy wolą sukcesy pilotaży oraz oszczędność czasu. Subtelna degradacja osądu i brak kwestionowania są mniej widoczne. Weryfikowalne standardy muszą towarzyszyć możliwościom ponad dostawcami i środowiskami.
Logi wejść, wyników i ludzkich reakcji pomagają odtworzyć szkodę. Rodzą jednak zagrożenia prywatności i bezpieczeństwa, wymagając limitów retencji, kontroli dostępu i niezależnej oceny. Identyfikowalność nie uzasadnia nieograniczonego przechowywania. Nazwanie logowania czy człowieka zabezpieczeniem nie wykazuje działania pod presją.
Nadzór publiczny nie nadąża za stosem. Limity są widoczne, lecz operacje, wyniki i klauzule nie. Senatorka Elizabeth Warren żądała danych o niejawnych systemach, ochronie, autonomicznej broni i inwigilacji. Ogólna legalność nie wyjaśnia kontroli ani wpływu AI na dowody i opcje przed zatwierdzeniem.
Kontrakty, przenośność i audyty pokażą kontrolę
Porównywalne warunki lub egzekwowalne streszczenia wyjaśniłyby nadzór, broń, człowieka i wtórne użycie danych. Tajność pozostawia różnice nieznane. Szczegóły misji mogą być chronione przy pełniejszym dostępie inspektorów, Kongresu i audytorów; agregaty nie wymagają ujawniania tajemnic.
Udowodniona migracja i wspólne standardy sprawdzają strategię skuteczniej niż nowa lista umów. Informacje o użyciu, ludzkich odmowach i reakcjach na błędy sprawdzają rozliczalność. Ogłoszenie firm nie ustanawia żadnego z nich; odpowiedzialność modeli, integratorów i użytkowników pozostaje istotna.
Precedensy mogą przejść przez zakupy do policji, granic, wywiadu, administracji i firm. Zależność, aktualizacje, audyty i człowiek nie są tylko wojskowe. Czy instytucje narzucą trwałe limity po uzależnieniu od prywatnych obliczeń, danych, modeli, integracji i wiedzy? Dowodami są umowy, testy interoperacyjności i audyty operacyjne, nie sama szybkość i formalna akceptacja.
Źródła i lektura uzupełniająca
AP o umowach niejawnych · CDAO o prototypach · Badanie Brennan Center · Opis umowy OpenAI · Analiza Nature · Pytania Warren o kontrakty · Uzupełnienie: bazy wiedzy osobiste i zespołowe