O Pentágono aprendeu a se transformar com IA. As empresas continuam repetindo seus erros anteriores
Há um dado que deveria incomodar qualquer executivo que tenha aprovado um orçamento de inteligência artificial nos últimos dois anos: os Estados Unidos, o país que fabrica os modelos mais poderosos do mundo, ocupa a 24ª posição na adoção global de IA. Sua taxa é de 28,3%. Singapura está em 61%. Os Emirados Árabes Unidos, em 54%. O Goldman Sachs registrou que o investimento em IA contribuiu com "praticamente zero" para o crescimento do PIB americano durante 2025. O problema não é tecnológico. Nunca foi.
Drew Cukor sabe disso melhor do que quase ninguém. Como coronel reformado dos Marines e fundador do Projeto Maven — o programa com o qual o Departamento de Defesa integrou IA aos seus fluxos operacionais mais complexos —, Cukor construiu por dentro o que muitos consideravam impossível: demonstrar que um software comercial poderia funcionar dentro da maior burocracia do planeta e produzir resultados que os sistemas anteriores eram incapazes de alcançar. Hoje, à frente de sua firma TWG AI, ele observa como as empresas americanas cometem, ponto por ponto, os mesmos erros que o Pentágono quase cometeu antes de o Maven funcionar.
Seu diagnóstico, publicado na Fortune em 11 de maio de 2026, coincide com um momento singular: dois dias depois, o Departamento de Defesa anunciou acordos com oito empresas de tecnologia — Amazon Web Services, Google, Microsoft, OpenAI, SpaceX, NVIDIA, Reflection e Oracle — para implantar capacidades de IA de fronteira em suas redes classificadas de nível IL6 e IL7. O Pentágono não está debatendo se deve adotar IA. Está executando.
A lacuna que separa construir de integrar
O Índice de IA de Stanford 2026 não descreve um fracasso de pesquisa. Descreve um fracasso de implementação. Os Estados Unidos lideram em benchmarks, em investimento em modelos e em capacidade computacional. Mas essa vantagem não se traduz em uso operacional porque as organizações que deveriam implantar essa tecnologia não alteraram sua arquitetura interna para recebê-la.
Cukor introduz aqui uma distinção que vale mais do que a maioria dos frameworks estratégicos que circulam nas conferências de C-suite: a diferença entre organização aumentada com IA e organização nativa de IA. Não é semântica. É a diferença entre colar um motor novo em uma estrutura velha e reconstruir a estrutura desde o projeto pensando nesse motor.
Quando o Pentágono lançou o Maven, não o tratou como um experimento tecnológico nem como um piloto limitado. Os líderes sênior assumiram pessoalmente a iniciativa e lutaram por ela dentro da burocracia. Fluxos de trabalho foram desmantelados — não se adicionou software por cima deles. O único indicador que importava era operacional: o que os soldados conseguiam fazer que antes não conseguiam. Essa disciplina é o que fez o projeto funcionar. E essa disciplina é exatamente o que falta na maioria dos programas corporativos de IA que existem hoje.
A iniciativa chinesa "AI Plus" opera com uma lógica estruturalmente semelhante à do Maven, embora do lado oposto do espectro político. Pequim não está construindo modelos para competir em rankings. Está incorporando IA em manufatura, logística, pesquisa científica, saúde e educação com datasets industriais específicos e agentes projetados para fluxos concretos. Não debate controle nem contenção. Implanta. Essa diferença de velocidade entre o poder de invenção americano e a capacidade de integração chinesa é a lacuna que Cukor aponta como o principal risco competitivo desta década.
Três falhas que o Pentágono quase não sobreviveu
Cukor identifica com precisão os três erros que tornaram o Maven uma transformação possível — porque por pouco não aconteceram.
O primeiro é a delegação sem propriedade. Em empresas demais, a estratégia de IA é delegada a um Chief AI Officer ou a um laboratório de inovação. Essas estruturas são projetadas — embora ninguém admita — para sinalizar progresso sem ameaçar a distribuição de poder existente. O resultado é o que Cukor chama de "purgatório do piloto": projetos que nunca morrem porque ninguém os encerrou, mas que também não escalam porque ninguém os impulsionou de verdade. O Maven funcionou porque os líderes sênior não delegaram a propriedade do problema. Eles a assumiram.
O segundo erro é sobrepor IA a processos legados. Há uma forma de usar IA que garante resultados medíocres: pegar o fluxo de trabalho atual e adicionar um modelo por cima. Os ganhos de eficiência serão marginais porque a estrutura que gera o gargalo permanece intacta. Se, após o lançamento de uma iniciativa de IA, o organograma, as cadeias de aprovação e o ritmo operacional da empresa são os mesmos de antes, não ocorreu nenhuma transformação. Ocorreu uma decoração.
O terceiro erro é medir atividade em vez de resultados. Modelos treinados, provas de conceito concluídas, parcerias anunciadas: esses são indicadores de movimento, não de impacto. O Maven era medido pelo que os operativos conseguiam fazer que antes não conseguiam. Essa é a única pergunta que importa em um programa de IA que pretende mudar algo.
Esses três erros não são acidentes de engenharia. São acidentes de governança. Nascem de organizações que querem a imagem da transformação sem assumir o custo político interno que implica desmantelar o que existe.
O que o anúncio de 13 de maio revela sobre execução real
O acordo que o Departamento de Defesa anunciou em 13 de maio de 2026 com oito empresas de tecnologia para operar em redes classificadas IL6 e IL7 não é simplesmente uma notícia de contratos. É um sinal sobre que tipo de instituição é capaz de escalar IA em condições de máxima complexidade e restrição.
O fato de o Pentágono — historicamente conhecido por seus fracassos na aquisição de software — ter conseguido articular uma plataforma de IA funcional em ambientes de máxima classificação é, em si mesmo, um caso de maturidade estrutural. Não de tecnologia. O CTO do Departamento de Defesa unificou o processo sob uma estrutura de alinhamento empresarial, conforme descrevem as análises do programa. Isso significa que alguém tomou a decisão de romper os silos que historicamente impediram que os sistemas tecnológicos do Pentágono funcionassem de forma coerente.
A lição que esse movimento oferece para o setor privado é desconfortável: se uma burocracia daquela escala e daquela rigidez histórica foi capaz de se reorganizar para integrar IA de forma operacional, a explicação mais honesta de por que as empresas privadas não fazem o mesmo não é falta de recursos nem falta de talento. É falta de vontade para assumir o custo político interno de mudar quem decide o quê, como e com que velocidade.
A análise de Cukor sobre a diferença entre empresas que executam experimentos de IA e empresas que executam transformações de IA aponta exatamente para esse ponto. Não é um problema de orçamento. É um problema de quem no topo da hierarquia está disposto a colocar seu nome no fracasso intermediário que precede qualquer transformação profunda.
Maturidade estrutural não é o que o sistema diz que tem
Há uma fragilidade específica que aparece antes que o problema seja visível. As organizações que vão falhar em sua transformação de IA não o anunciam. Têm roadmaps, têm laboratórios, têm Chief AI Officers com orçamento. Mas se se observa de perto a cadeia de decisões, o padrão aparece: as decisões difíceis — aquelas que implicam eliminar processos ou alterar estruturas de poder — nunca chegam a ser tomadas. São adiadas, pilotadas, estudadas. E o sistema continua funcionando, com uma aparência de modernização, até que os concorrentes que tomaram essas decisões tornam o custo da inércia impossível de ignorar.
Cukor descreve isso como um "ajuste de contas de colarinho branco" que poderia ser pior do que a onda de deslocalização industrial dos anos setenta, porém mais rápido e menos perdoável. Não porque a IA seja inevitavelmente substitutiva de empregos, mas porque as empresas que não reorganizarem suas estruturas de decisão, aprovação e operação ficarão em uma posição de desvantagem acumulativa frente a concorrentes que o fizeram — sejam eles ocidentais ou provenientes de economias asiáticas que já estão tratando a IA como infraestrutura operacional.
A diferença entre o Pentágono de antes do Maven e o de depois não é que hoje ele tenha modelos melhores. É que aprendeu a sustentar uma transformação com propriedade executiva, com desmontagem do que existia e com métricas que mediam resultados. Esse aprendizado levou anos para se consolidar e quase colapsou diversas vezes. As PME e grandes empresas privadas não têm a mesma tolerância ao tempo, mas também não têm a mesma desculpa para ignorar o padrão.
Um sistema que parece forte porque tem tecnologia avançada, mas que não tocou em sua estrutura de decisões nem em sua cadeia de aprovações, não é um sistema transformado. É um sistema que comprou tempo. Quanto tempo depende de quanto os seus concorrentes demorarão para fazer o que ele ainda não fez.
