-Subdiretor da Direção de Comunicações e Informação.
A Inteligência Artificial (IA) deixou de ser um tema exclusivamente tecnológico para se afirmar como fator de poder, com impacto direto na prontidão, na eficiência e na superioridade informacional das forças terrestres (Figura 1). Em contexto de Defesa, a IA pode automatizar tarefas administrativas e técnicas, acelerar o ciclo de planeamento e decisão, e extrair conhecimento de grandes volumes de dados.
Em simultâneo, introduz riscos específicos: opacidade algorítmica, enviesamentos, dependência tecnológica, vulnerabilidades de segurança e potenciais efeitos adversos na confiança institucional. Para uma organização militar, onde a decisão tem consequências operacionais e políticas imediatas, a adoção de IA exige, portanto, rigor, disciplina, governação e controlo.
Figura 1 – IA como vetor de transformação no Exército
Fonte: elaboração do autor, com apoio de ferramenta de IA generativa (ChatGPT)
Da Bússola para a Inteligência Artificial (BIA) e o Modelo de Maturidade
O Trabalho de Investigação Individual (TII) de Marques (2025) sistematizou este desafio no Exército e propôs a Bússola para a Inteligência Artificial (BIA) como modelo de uso estruturante, orientando a implementação progressiva da IA nos domínios organizacional, operacional e de liderança. Apoiada no Modelo de Maturidade de IA (MMIA) adaptado da MITRE Corporation e em entrevistas a entidades nacionais e internacionais relevantes, a investigação concluiu que o Exército se situa predominantemente entre os níveis Inicial e Comprometido, com projetos-piloto relevantes, mas sem integração plena e sustentada nos sistemas e processos (MITRE, 2023; Marques, 2025).
O presente artigo sintetiza uma abordagem prática para implementar a IA no Exército com disciplina e escala, operacionalizando a BIA como roteiro de maturação. Em particular, articula: (i) o diagnóstico e os fatores críticos (dados, processos, tecnologia e ética); (ii) uma arquitetura dual para conciliar produtividade e soberania; e (iii) uma cronologia faseada suportada por aceleradores que demonstram valor, reforçam competências e preparam a transição de protótipo para capacidade institucional (Marques, 2025).
Modelo de Maturidade de IA em 5 Pilares: Capacidade Institucional
A implementação sustentada de IA começa por reconhecer que a maturidade não é sinónimo de aquisição tecnológica, mas de capacidade institucional. O MMIA adaptado da MITRE (Figura 2) estrutura a maturidade em cinco pilares — Organização, Tecnologia, Processos, Dados e Ética/Responsabilidade — exigindo equilíbrio entre meios (infraestrutura, pessoas e competências) e mecanismos de execução (processos, governação, responsabilização e disciplina de execução). Este equilíbrio previne a armadilha de adquirir plataformas sem capacitação, sem dados preparados e sem enquadramento normativo (MITRE, 2023).
Figura 2 – Modelo de Maturidade de IA (MMIA) Adaptado (pilares: Organização, Tecnologia, Processos, Dados e Ética)
Fonte: adaptado de The MITRE Corporation (2023)
No pilar Organização, a prioridade é assegurar unidade de esforço e capacidade executiva mínima. O portefólio de projetos de IA divulgado internamente, evidencia ambição e visão, mas carece de uma cadência de execução, critérios de priorização e governação que convertam iniciativas em capacidades (Exército Português, 2025). A criação de uma Comissão de Direção e Acompanhamento, presidida pelo Exmo. TGen VCEME e com representação das Entidades Setoriais, permite assegurar alinhamento estratégico, gestão de risco e continuidade de decisão. Em paralelo, a atribuição de autoridade técnica à Direção de Comunicações e Informação enquadra-se na missão desta Direção e reduz a proliferação de iniciativas dispersas, garantindo coerência arquitetural, interoperabilidade e controlo de segurança (Exército Português, 2025).
No pilar Dados, identificado como fator crítico, a prioridade é construir uma infraestrutura de dados para IA que assegure qualidade, segurança e rastreabilidade. Sem arquitetura robusta, aumenta-se o custo de integração, reduz-se a reutilização e compromete-se a auditabilidade das decisões automatizadas. Na prática, isto implica inventariar fontes e proprietários de dados; definir metadados mínimos (origem, classificação, acessos, validade); criar pipelines de ingestão (incluindo controlo de versões); e garantir governação que suporte explicabilidade e conformidade (MITRE, 2023; Marques, 2025). Esta dimensão é particularmente sensível em ambiente militar, pois envolve informação operacional, administrativa e pessoal, com níveis de classificação distintos e exigências elevadas de confidencialidade. O Sistema Integrado de Gestão da Defesa Nacional (SIGDN) representa um passo relevante de integração, mas a IA exige reforço sistemático da qualidade e normalização dos dados para permitir reutilização e escalabilidade (Marques, 2025).
No pilar Tecnologia, a evidência interna aponta para uma arquitetura dual como solução pragmática e operacionalmente sólida: (1) Copilot/Studio no ecossistema Microsoft 365 para ganhos rápidos em domínios de baixa sensibilidade, aumentando literacia digital e automatizando processos; e (2) solução integrada de IA on-premises para dados críticos e emprego operacional, garantindo soberania, auditabilidade e operação em redes segregadas e classificadas. Esta segunda componente é indispensável para consolidar uma capacidade institucional, tratar dados sensíveis, reduzir dependência externa e suportar o conceito de IA projetável em redes de missão, designadamente no Sistema de Informação e Comunicações Tático (SIC-T), com reachback ao Centro de Sistemas Operacionais (CSO), num quadro coerente com ambientes DDIL (comunicações negadas, degradadas, intermitentes e limitadas) e com a necessidade de processamento no tactical edge, observados em estratégias aliadas (Department of Defense, 2021).
No pilar Processos, a passagem de provas de conceito para produção exige disciplina de engenharia e governação do ciclo de vida: requisitos e critérios de aceitação, validação operacional, controlo de versões, monitorização, gestão de incidentes e trilho de auditoria. A visão de uma “Fábrica de IA do Exército” traduz esta necessidade de industrialização: transformar dados em modelos e modelos em serviços, de forma repetível, segura e mensurável, assegurando que cada caso de uso tem responsável, métricas e mecanismo de supervisão humana (MITRE, 2023; Marques, 2025). Sem este “sistema de produção”, a organização ficará limitada a pilotos pontuais, com fraca escalabilidade e risco elevado (Marques, 2025).
No pilar Ética/Responsabilidade, a adoção de IA em contexto militar impõe salvaguardas reforçadas: supervisão humana proporcional ao risco, explicabilidade e transparência sobre fontes (sobretudo em sistemas baseados em Large Language Model LLM), mecanismos de recurso e auditoria, e políticas específicas alinhadas com requisitos nacionais e aliadas. A institucionalização de princípios de IA responsável, com código de conduta, canais de reporte e revisão, protege o Exército de erros sistémicos e reforça a confiança operacional e organizacional (MITRE, 2023; Marques, 2025).
Fases de Implementação
A BIA operacionaliza estes pilares através de uma implementação faseada em três etapas.
- Na Fase 1 (0-12 meses), o foco é a governação mínima viável: formalizar o modelo de direção, definir política interna para IA (dados, segurança e ética), selecionar casos de uso prioritários e estabelecer métricas de valor;
- Na Fase 2 (12-24 meses), consolida-se a capacitação técnica e infraestrutural, com instalação da solução integrada de IA on-premises, reforço de computação e desenvolvimento de arquitetura de dados interoperável e segmentada por níveis de segurança;
- Na Fase 3 (24-36 meses), valida-se e escala-se a aplicação operacional em domínios críticos (apoio à decisão, logística, Intelligence, Surveillance and Reconaissance, administração e ciberdefesa), consolidando simultaneamente um ciclo contínuo de inovação (prototipagem rápida, experimentação e parcerias) (Marques, 2025).
Aceleradores e Soluções Estruturantes
A execução desta cronologia beneficia de aceleradores que criam tração. O TII destaca a disponibilização de licenças Microsoft Copilot como oportunidade estratégica para reduzir carga administrativa, melhorar qualidade e aumentar celeridade transversalmente. Em paralelo, uma plataforma de dados (ex.: Microsoft Fabric) funciona como solução estruturante para centralizar e integrar fontes, automatizar análise e suportar treino e validação de modelos com rastreabilidade, favorecendo uma tomada de decisão mais informada e preditiva.
A modernização da gestão documental com IA permite automatizar classificação, indexação, síntese, tradução e pesquisa, libertando recursos e elevando o desempenho administrativo e de Estado-Maior, desde que suportada por modelos alojados em infraestrutura segura (Marques, 2025). Por fim, o portefólio de projetos permite selecionar pilotos orientados a valor e escalabilidade: apoio ao pessoal, plataforma de contratação pública, logística inteligente (previsão, stocks, Radio-Frequency Identification/ Internet of Things), manutenção preditiva e capacidades no Tactical Edge para operar offline (Marques, 2025). É neste ponto que a sensorização e a telemetria se ligam à análise preditiva e aos gémeos digitais (Figura 3), viabilizando simulação para planeamento e otimização contínua, incluindo geração controlada de dados sintéticos (Belcan, 2023).
Figura 3 – Gémeos digitais: exemplo de IA aplicada à manutenção e ao treino, suportando simulação e análise preditiva
Fonte: Belcan (2023)
Conclusão: Caminho para a Maturidade e Confiança Institucional
A implementação da IA no Exército exige método, coerência e comando. A evidência recolhida no TII e em documentação relevante indica uma maturidade ainda incipiente, mas com janela de oportunidade clara: existe portefólio de iniciativas, consciência da necessidade e um modelo de uso – a BIA – que permite transformar intenção em capacidade. O fator crítico não é a ausência de ideias, mas a necessidade de as converter em capacidades seguras, reutilizáveis e auditáveis (MITRE, 2023; Marques, 2025).
A mensagem central é objetiva: a arquitetura dual (Copilot para produtividade e solução integrada on-premises para soberania e redes segregadas) oferece um caminho equilibrado entre ganhos imediatos e requisitos militares, mas depende de liderança, coordenação técnica e investimento em competências (Marques, 2025).
Em termos prospetivos, a visão para 2031-2036 aponta para uma IA ubíqua, multimodal e confiável: apoio à decisão com fusão multifonte, logística preditiva com telemetria e gémeos digitais, e serviços projetáveis no edge, robustos a ambientes contestados e redes degradadas (MITRE, 2023; Belcan, 2023). Tal como simboliza o ambiente operacional de Santa Margarida (Figura 4), o futuro será mais rápido, mais conectado e mais exigente. Começar hoje, com realismo e disciplina, é a forma de garantir que a IA reforça a prontidão, preserva soberania e sustenta a confiança (Marques, 2025).
Figura 4 – Santa Margarida: símbolo do ambiente operacional futuro, com integração homemmáquina e sistemas autónomos.
Fonte: elaboração do autor, com apoio de ferramenta de IA
[1] Bússola para a Inteligência Artificial (BIA) – Conceito próprio introduzido no trabalho como modelo de uso estruturante que orienta a implementação sistemática da inteligência artificial no Exército, definindo fases, objetivos estratégicos e áreas prioritárias de aplicação tecnológica (Marques, 2025).
[2] A MITRE Corporation é uma organização norte-americana sem fins lucrativos que gere centros de investigação ao serviço do governo dos EUA, desenvolvendo soluções tecnológicas avançadas em áreas como defesa, cibersegurança e inteligência artificial (MITRE Corporation, 2025).
[3] Conceito operacional que implica a capacidade de forças destacadas no terreno solicitarem, remotamente e em tempo real, apoio especializado ou informação adicional a estruturas de comando e controlo ou centros de análise localizados na retaguarda ou em centros estratégicos. O uso de inteligência artificial aumenta significativamente a eficácia deste processo, permitindo respostas rápidas e precisas em operações militares (Department of Defense, 2021, p. 4).
Bibliografia
Belcan. (2023, 16 de janeiro). Pros and cons of digital twin technology. https://www.belcan.com/2023/01/16/ pros-and-cons-of-digital-twin-technology/
Department of Defense, Office of the Chief Information Officer. (2021, abril). Department of Defense outside the Continental United States (OCONUS) cloud strategy. https://dodcio.defense.gov/Portals/0/Documents/Library/DoD-OCONUSCloudStrategy.pdf
Exército Português. (2025, 17 de setembro). Proposta para implementação de tecnologias de IA no Exército. Documento interno (não publicado).
Marques, J. A. (2025). Contributos para um modelo de uso da inteligência artificial no Exército: nos processos, no emprego operacional e nos processos de liderança. Trabalho de Investigação Individual, Instituto Universitário Militar.
The MITRE Corporation. (2023, novembro). The MITRE AI Maturity Model and Organizational Assessment Tool Guide: A Path to Successful AI Adoption (PR-22-1879). https://www.mitre.org/sites/default/files/2023-11/PR-22-1879-MITRE-AI-Maturity-Model-and-Organizational-Assessment-Tool-Guide.pdf.
Artigo publicado na Revista “A Mensagem 2026” – Boletim informativo do Regimento de Transmissões. Porto.