Aeroespacial e Defesa
Verificação de IA, inferência na borda e arquitetura de sistemas autônomos para programas de defesa e operações aeroespaciais comerciais.
O Departamento de Defesa transformou a IA em uma prioridade orçamentária, mas o processo de aquisições de defesa nunca foi estruturado para adquirir, testar ou colocar em operação sistemas de IA na velocidade em que a tecnologia avança. Nosso trabalho concentra-se no ponto de convergência entre a IA e os requisitos operacionais dos escritórios de programas de defesa e organizações aeroespaciais — não apresentações estratégicas, não modelos de governança em slides, mas a disciplina de engenharia de ter sistemas de IA verificados, operacionais e em conformidade em ambientes onde falhas trazem consequências que implementações comerciais jamais enfrentam.
O orçamento de IA para o ano fiscal de 2026 é real; a capacidade de executá-lo, não
O Pentágono destinou US$ 13,4 bilhões na proposta orçamentária do ano fiscal de 2026 para IA e autonomia — a primeira linha orçamentária dedicada a essas capacidades. O Congresso aprovou US$ 9,8 bilhões para sistemas autônomos e não tripulados. Somente a Marinha acrescentou US$ 308 milhões em gastos com IA, um salto de 22,7% em relação ao ano anterior. Os recursos são reais. O entrave é que o sistema de aquisição de defesa não foi concebido para adquirir, testar ou mobilizar sistemas de IA no ritmo da inovação tecnológica.
Estes são programas de produção, não pilotos:
- O Exército concedeu em março de 2026 à Anduril um contrato de 10 anos de até US$ 20 bilhões para sua plataforma Lattice AI, consolidando mais de 120 processos de contratação distintos.
- Palantir entregou as duas primeiras estações terrestres de direcionamento capacitadas por IA TITAN para a 1ª Força-Tarefa Multidomínio, com decisão sobre produção em escala plena prevista para este ano fiscal.
- Shield AIcujo software de autonomia Hivemind já pilotou 26 classes de veículos.
- A Força Aérea está testando pacotes de autonomia de missão em protótipos de CCA com financiamento conjunto de US$ 804,4 milhões no ano fiscal de 2026.
Contudo, os escritórios de programas que integram IA aos seus próprios sistemas enfrentam outra realidade: diretrizes de teste e avaliação do CDAO que não se enquadram claramente nas estruturas TEMP convencionais, requisitos de IA responsável que parecem claros em memorandos mas tornam-se vagos quando aplicados a um algoritmo específico de fusão de sensores, e uma escassez de profissionais de IA/ML credenciados na escala exigida.
A IA de defesa enfrenta um desafio de testes que o T&E tradicional não pode solucionar
Testes e avaliações convencionais pressupõem comportamento determinístico: as mesmas entradas geram as mesmas saídas. Sistemas baseados em ML são probabilísticos. Um modelo de visão computacional que classifica veículos com 97% de precisão em campo de prova pode degradar de forma imprevisível quando efeitos de guerra eletrônica alteram a distribuição das entradas (consulte nossa pesquisa técnica sobre engenharia de robustez de IA contra ataques adversariais).
O arcabouço normativo ainda busca se equiparar. O CDAO publicou estruturas estratégicas de T&E, e a secretária adjunta Feinberg subordinou o CDAO à USD(R&E) em agosto de 2025 para acelerar a adoção. No entanto, uma auditoria do GAO de abril de 2026 constatou que nenhuma das quatro grandes agências examinadas registrava lições práticas sobre compras de IA. A estratégia de IA do DoD divulgada em janeiro de 2026 prioriza a agilidade, enquanto especialistas em segurança alertam que a IA militar agêntica cria uma "ilusão de controle" em que os sistemas resistem a diagnósticos de maneiras que os operadores não conseguem notar.
Nossa metodologia constrói práticas de T&E de IA orientadas a gerar a fundamentação probatória exigida pelos gestores em marcos decisórios: testes operacionais sob cenários adversariais realistas, além de modos de falha e limites de rendimento documentados em uma linguagem convincente para avaliadores e comandos operacionais. Para sistemas autônomos em ambientes sem sinal GPS ou sob guerra eletrônica, desenvolvemos a validação de resiliência na fusão sensorial e decisão autônoma contra ameaças direcionadas, abordagem evidenciada em nossa demonstração operacional de autonomia de drones sem GPS.
Inferência de borda em hardware militar é um desafio de engenharia
Um modelo transformer operando em uma GPU A100 em data center é inviável na carga útil de um drone sujeita a limites de tamanho, peso e potência (SWaP). A capacidade computacional em um processador Jetson Orin ou Qualcomm RB5 mede-se em TOPS de um único dígito. O gerenciamento térmico tornou-se uma restrição crítica: o calor gerado pela inferência reduz o desempenho à metade em plataformas fechadas.
O percurso do modelo na nuvem até a unidade tática em campo requer:
- Quantização — INT8, INT4 e as ponderações entre GPTQ e AWQ decisivas para acurácia e latência;
- Poda (pruning) e destilação de conhecimento;
- Validação segundo as condições ambientais da norma MIL-STD-810H .
Restrições de segurança sobre ferramentas de código aberto em redes sigilosas acentuam a complexidade: a esteira de MLOps da nuvem comercial não se aplica em redes SIPR ou JWICS. Estruturamos esteiras de inferência de borda que assimilam essas restrições desde o início — otimização para o hardware alvo, ensaios térmicos e energéticos, e fluxos de homologação para ambientes de rede classificados (SIPR ou JWICS) (detalhado em nosso whitepaper técnico sobre navegação sem GPS para drones autônomos).
O CMMC 2.0 agora abrange IA, e 220.000 fornecedores não estão prontos
A conformidade com o CMMC 2.0 já representava o maior obstáculo para contratados de defesa que manipulam dados CUI. Em 2026, as exigências aumentaram. A FY2026 NDAA impôs uma estrutura de segurança de IA aos contratados de defesa, acrescentando quatro categorias de controles específicos:
- Validação e sanitização de dados de entrada para barrar injeção de prompt;
- Controle de acesso a modelos com autenticação multifator;
- Monitoramento contínuo e registro de logs de saídas da IA;
- Medidas de defesa contra investidas adversariais.
O DoD deve relatar os progressos ao Congresso até 16 de junho de 2026. A dificuldade amplia-se porque grande parte das soluções comerciais de IA funciona em nuvens públicas inadequadas para CUI — acionar inferência via APIs de mercado transfere dados sensíveis a infraestruturas fora do seu controle. Shadow AI (IA oculta) é o apontamento mais expressivo em auditorias: uso não homologado de ferramentas de IA por técnicos habilitados em redes ligadas a CUI.
Ao mesmo tempo, ITAR gera uma contingência de conformidade paralela ainda pouco enfrentada. A DDTC do Departamento de Estado e o BIS do Departamento de Comércio não expediram determinações taxativas sobre se dados técnicos gerados por IA constituem exportações controladas na lista da USML. Um engenheiro que utilize um LLM para conceber especificações bélicas pode provocar uma exportação presumida (deemed export) inadvertidamente.
Propomos arquiteturas de conformidade que harmonizam controles de IA do CMMC 2.0, tramitação de dados técnicos ITAR e exigências de cibersegurança do DFARS 252.204-7012 como um conjunto unificado, em vez de rotinas desconexas. O objetivo é assegurar o aproveitamento pleno da IA pelas equipes de engenharia assegurando prontidão para avaliações de C3PAO e auditorias da DDTC.
O setor aeroespacial comercial compartilha os mesmos desafios técnicos
No segmento civil, companhias aéreas e provedores de MRO aportam recursos em IA para manutenção preditiva, gestão de frota e rastreabilidade logística. A demanda global de MRO avança a uma CAGR de 3,2% até 2035, impulsionada por intervenções em motores. A manutenção baseada na condição propõe-se a antecipar pane em equipamentos, diminuir paradas não planejadas e prolongar a vida útil de ativos. A lacuna reside em congregar 30 anos de registros de sensores heterogêneos entre frotas mistas em modelos que emitam diagnósticos práticos em vez de dados inconclusivos.
A confiabilidade da cadeia de suprimentos tornou-se inadiável. Em março de 2026, um tribunal de Londres sentenciou um fornecedor por comercializar módulos eletrônicos falsificados para aviônica vital. A 2026 NDAA orienta o Secretário de Defesa a instituir um modelo contra componentes adulterados e riscos de contaminação de dados nas cadeias de suprimento de IA. Gêmeos digitais migram de ferramentas visuais para suportes decisórios operacionais, demandando alimentação contínua de dados de sensores, modelagem com fundamentação física e interfaces de manutenção que conquistem a confiança dos técnicos.
Estendemos ao segmento aeroespacial civil o mesmo rigor de verificação da defesa: modelos preditivos avaliados sobre históricos empíricos de falhas, esteiras de inspeção para identificar anomalias previamente à instalação e arquiteturas de gêmeos digitais focadas em simulações confiáveis de frota.
Por que contratantes principais, desenvolvedores de plataformas e consultorias deixam lacunas
Três categorias de prestadores deixam deficiências distintas — solucionar essas demandas exige capacitação avançada em ML e familiaridade nativa com o setor de defesa, atributos que faltam a cada um.
| Categoria de fornecedor | Exemplos | A lacuna que deixam |
|---|---|---|
| Grandes integradores de defesa (Primes) | Lockheed Martin, Northrop Grumman, Boeing | Estruturam recursos próprios de IA, mas preservam culturas voltadas ao hardware. Gestão de ciclo de vida de ML e T&E de IA não compõem as aptidões centrais de corporações mecânicas e elétricas — e a concorrência CCA demanda softwares de voo autônomo historicamente terceirizados. |
| Desenvolvedores de plataformas | Anduril, Shield AI, Palantir, Skydio | Desenvolvem excelentes tecnologias autônomas, mas adquirir Lattice implica vincular-se à arquitetura da Anduril — faltando uma análise imparcial sobre a aderência à missão ou conformidade com os preceitos de IA responsável do CDAO. |
| Consultorias | Accenture, Deloitte, Booz Allen | O Pentágono cancelou em abril de 2025 contratos de assessoria no valor de US$ 5,1 bilhões com essas organizações. O BCG registrou que 70% das companhias do segmento aeroespacial e defesa apontam a contratação em IA como o principal entrave — as consultorias encaram a mesma carência técnica que foram chamadas a mitigar. |
Nossa atuação situa-se entre essas esferas: auditoria técnica isenta de plataformas de IA, metodologias de T&E voltadas ao gestor de programa, engenharia de inferência de borda para plataformas táticas e arquiteturas que harmonizam CMMC, ITAR e governança de RAI.
Principais conclusões
- Os investimentos em IA para defesa atingiram montantes expressivos (US$ 13,4 bi para IA e autonomia, US$ 9,8 bi para sistemas não tripulados), contudo aquisições, testes e formação de equipes habilitadas permanecem defasados.
- Sistemas de ML são probabilísticos, inviabilizando a validação por T&E determinístico comum — comprovar marcos requer protocolos concebidos para cenários adversariais e ausência de GPS.
- O emprego em borda sobre hardware com restrições SWaP (Jetson Orin, Qualcomm RB5) é um desafio de engenharia: quantização, poda, destilação, controle térmico e validação MIL-STD-810H para redes SIPR/JWICS.
- O CMMC 2.0, os controles de IA da FY2026 NDAA (prestação de contas fixada para 16 de junho de 2026), indefinições em ITAR/USML e as regras DFARS 252.204-7012 exigem governança holística unificada.
- A aviação comercial tem os mesmos desafios: manutenção preditiva, proteção contra falsificações logísticas e gêmeos digitais exigem engenharia comprovada com base em evidências.
Aeroespacial e Defesa
AssistirAutonomia de Drones sem GPS: VIO, IA de Borda e Integração Blue UAS | Veriprajna
Os interferidores russos R-330Zh criam zonas de blackout de GPS de vários quilômetros ao longo das linhas de frente ucranianas. A FCC bloqueou novas autorizações para todo drone fabricado no exterior em dezembro de 2025. O Exército acabou de comprar 2.500 unidades do Skydio X10D em 72 horas porque nada mais no inventário liberado conseguia lidar com um ambiente eletromagnético contestado.
Perguntas Frequentes
Como aprovar um sistema capacitado por IA em um marco do DoD quando as normas do CDAO não se alinham ao nosso TEMP?
A discrepância é real: os critérios do CDAO foram desenhados para avaliar IA, enquanto os modelos TEMP habituais seguem abordagens determinísticas DT&E/OT&E. Modelos de ML são probabilísticos e sua resposta oscila conforme a distribuição de dados e o cenário. Superamos essa distância estruturando planos de testes específicos para IA acoplados aos formatos TEMP vigentes, estabelecendo margens operacionais de desempenho e elaborando laudos probatórios que atendem simultaneamente aos técnicos do CDAO e aos comandos de operações.
Quais são as exigências do arcabouço de segurança de IA do CMMC 2.0 para fornecedores de defesa?
A FY2026 NDAA instituiu controles de segurança de IA adicionais ao patamar base do CMMC 2.0 em quatro pontos focais: higienização de dados de entrada contra injeções de prompt, controle de acesso a modelos com autenticação multifator, rastreabilidade ampla de saídas ligada a SIEM e mecanismos de mitigação contra investidas adversariais. O DoD apresentará atualização ao Congresso até 16 de junho de 2026. A principal ameaça é a Shadow AI: uso não autorizado de soluções de IA de mercado em redes com dados CUI. Estruturamos ambientes controlados que franqueiam IA autorizada dentro dos parâmetros do CMMC.
Como mobilizar modelos de ML treinados na nuvem para plataformas táticas com restrições de SWaP?
O processo percorre quatro etapas essenciais: quantização (de FP32 para INT8 ou INT4 com abordagens GPTQ ou AWQ balizadas para dispositivos como Jetson Orin ou Qualcomm RB5), enxugamento de arquitetura e destilação de conhecimento, análise de calor e consumo energético para evitar perdas bruscas por aquecimento, e validação ambiental segundo a norma MIL-STD-810H. Organizamos essa esteira dentro de fluxos MLOps adaptados a redes restritas.
As respostas geradas por modelos de IA são tratadas como dados técnicos regulados por ITAR?
Este é um dos debates jurídicos mais relevantes no ecossistema militar. A conceituação de dados técnicos no ITAR abarca subsídios indispensáveis para projeto ou produção de artigos bélicos. Caso um LLM produza análises técnicas de itens da USML, tais dados tendem a ser classificados como controlados. Sem portarias formais de DDTC ou BIS, a orientação defensiva recomenda classificá-los sob controle. Implementamos rotinas de desenvolvimento compatíveis com ITAR que retêm dados críticos em servidores dedicados ou GovCloud com rigoroso isolamento.
Como validar a navegação autônoma de drones em áreas de confronto sem sinal GPS?
Operar sem GPS constitui premissa mandatória em teatros conflagrados. Alternativas como sensores inerciais (com desvios acumulados em minutos), odometria visual-inercial e navegação por correlação de terreno exibem instabilidades quando combinadas sem triagem criteriosa. A validação exige expor o conjunto a sinais de bloqueio (jamming), ataques de falsificação (spoofing) e distúrbios operacionais, confirmando que a inteligência autônoma cumpre a missão mesmo diante de corrupção dos sinais de geolocalização.
Qual é a distinção efetiva entre Anduril Lattice e Palantir AIP em programas militares?
Atendem a frentes desiguais. Palantir AIP e TITAN atuam na compilação informativa e inteligência de alvos, sintetizando múltiplos sensores em um quadro tático coeso para decisão humana. Anduril Lattice gerencia a autonomia colaborativa de múltiplos veículos não tripulados em terrenos hostis. A prioridade de contratação dita a opção: agregação de inteligência indica Palantir, enquanto gestão de frotas autônomas direciona para Anduril. Conduzimos perícias tecnológicas independentes desvinculadas de interesses comerciais.
Como desenvolver manutenção preditiva com IA para frotas comerciais com múltiplos modelos de aeronaves?
A complexidade decorre da disparidade de dados em sistemas aviônicos de idades distintas. Gerar modelos preditivos para toda a frota exige normalizar as medições dos sensores, correlacionar leituras com perfis de fadiga e incorporar fundamentos da física e planos de revisão dos fabricantes. A checagem frente a falhas históricas é mandatória para mitigar alertas incorretos que afetem a confiança dos mecânicos. Com a previsão de expansão de MRO de 3,2% ao ano até 2035, o benefício estará nas soluções que coíbam interrupções operacionais não agendadas.
Como testar IA agêntica para apoio a operações militares sem gerar confiança cega?
O plano de IA do DoD visa redes de agentes operando na tomada de decisões táticas. Todavia, operadores tendem a confiar em demasia em sistemas que demonstram assertividade aparente. Testamos os agentes em situações de dados truncados, monitoramos se os operadores humanos refutam orientações equivocadas e avaliamos a clareza das cadeias de raciocínio, desarmando a arriscada 'ilusão de controle' inerente a agentes militares autônomos.
Construa sua IA com confiança.
Faça parceria com uma equipe que tem profunda experiência na construção da próxima geração de IA empresarial. Deixe-nos ajudá-lo a projetar, construir e implementar uma estratégia de IA em que você possa confiar.
Veriprajna consultoria de Deep Tech é especializada na construção de sistemas de IA críticos para a segurança nas áreas de saúde, finanças e domínios regulatórios. Nossas arquiteturas são validadas em relação a protocolos estabelecidos, com documentação de conformidade abrangente.