Bombardeo estadounidense mata a 180 niñas en escuela iraní por fallo en base de datos militar desactualizada

El primer día de la Operación Furia Épica, el 28 de febrero de 2026, fuerzas estadounidenses atacaron la escuela primaria Shajareh Tayyebeh en Minab, en el sur de Irán, impactando el edificio al menos dos veces durante la sesión matutina, según reportó The Guardian. El bombardeo mató entre 175 y 180 personas, la mayoría niñas de entre siete y 12 años.

En los días posteriores al ataque, la cobertura mediática se organizó en torno a la pregunta de si Claude, un chatbot fabricado por Anthropic, había seleccionado la escuela como objetivo. El Congreso estadounidense escribió al secretario de Defensa Pete Hegseth sobre el alcance del uso de inteligencia artificial en los ataques. La revista The New Yorker cuestionó si Claude podía ser confiable para obedecer órdenes en combate, si podría recurrir al chantaje como estrategia de autopreservación, y si la principal preocupación del Pentágono debería ser que el chatbot tuviera personalidad, según The Guardian. Casi nada de esto tenía relación con la realidad. La selección de objetivos para la Operación Furia Épica funcionó con un sistema llamado Maven. Nadie estaba discutiendo sobre Maven.

**El sistema Maven y su origen controvertido**

Hace ocho años, Maven era el proyecto más controvertido en Silicon Valley, según The Guardian. En 2018, más de 4,000 empleados de Google firmaron una carta oponiéndose al contrato de la compañía para construir inteligencia artificial para los sistemas de selección de objetivos del Pentágono. Los trabajadores organizaron una huelga. Ingenieros renunciaron. Y Google finalmente abandonó el contrato.

Palantir Technologies, una compañía de análisis de datos y contratista de defensa cofundada por Peter Thiel, asumió el contrato y pasó los siguientes seis años construyendo Maven en una infraestructura de selección de objetivos que reúne imágenes satelitales, inteligencia de señales y datos de sensores para identificar objetivos y llevarlos a través de cada paso desde la primera detección hasta la orden de ataque, según The Guardian.

**El error fatal en la base de datos**

El edificio en Minab había sido clasificado como instalación militar en una base de datos de la Agencia de Inteligencia de Defensa que, según CNN citado por The Guardian, no había sido actualizada para reflejar que el edificio había sido separado del complejo adyacente del Cuerpo de la Guardia Revolucionaria Islámica y convertido en escuela, un cambio que las imágenes satelitales muestran había ocurrido en 2016 como muy tarde.

Un chatbot no mató a esos niños, según The Guardian. Personas fallaron en actualizar una base de datos, y otras personas construyeron un sistema lo suficientemente rápido como para hacer ese fallo letal. Para el inicio de la guerra con Irán, Maven, el sistema que había permitido esa velocidad, se había hundido en la infraestructura, se había convertido en parte de la infraestructura militar, y la discusión era toda sobre Claude.

**La obsesión con Claude como distracción**

Esta obsesión con Claude es un tipo de psicosis de inteligencia artificial, aunque no del tipo del que normalmente se habla, y aflige a críticos y oponentes de la tecnología tan ferozmente como a sus promotores, según The Guardian. No es necesario usar un modelo de lenguaje para permitir que organice tu atención o distorsione tu pensamiento.

En 2019, la académica Morgan Ames publicó The Charisma Machine, un estudio sobre cómo ciertas tecnologías atraen atención, recursos y atribución hacia sí mismas y lejos de todo lo demás, según The Guardian. Los modelos de lenguaje grandes pueden ser la instancia más poderosa de este tipo en la historia.

Para cuando comenzó la guerra, "seguridad de IA", "alineación", "alucinación" y "loros estocásticos" se habían convertido en los términos de cada argumento sobre inteligencia artificial, estructurando y limitando lo que se podía decir, según The Guardian. Peor aún, "inteligencia artificial" en sí misma había llegado a ser sinónimo de modelos de lenguaje grandes. Cuando la escuela fue bombardeada, esos fueron los términos que la gente buscó, a pesar del hecho de que este aparato crítico ofrecía un ajuste pobre para las tecnologías más antiguas y maduras involucradas en la selección de objetivos.

La pregunta real, la pregunta que casi nadie estaba haciendo, no es sobre Claude o cualquier modelo de lenguaje, según The Guardian. Es una pregunta burocrática sobre qué pasó con la cadena de muerte, y la respuesta es Palantir.

**La cadena de muerte y su evolución**

Como jerga militar, "cadena de muerte" es un término notablemente honesto, según The Guardian. En esencia, se refiere al marco burocrático para organizar los pasos entre detectar algo y destruirlo. La referencia más antigua al término que se puede encontrar es de la década de 1990, pero la idea es bastante antigua, datando al menos de la década de 1760, cuando reformadores de artillería franceses comenzaron a reemplazar el ojo experimentado del artillero con tablas balísticas, tornillos de elevación y procedimientos de disparo estandarizados.

Los pasos en la cadena de muerte están sujetos a cambio constante, para mantener el ritmo con cambios en la doctrina de selección de objetivos, pero también para incorporar cualquier moda de gestión que llegue a afligir a los pensadores estratégicos militares, según The Guardian. El ejército estadounidense ha nombrado y renombrado los pasos durante 80 años. En la Segunda Guerra Mundial la secuencia era encontrar, fijar, luchar, terminar. Para la década de 1990, la fuerza aérea la había extendido a encontrar, fijar, rastrear, apuntar, atacar, evaluar, o F2T2EA en inglés. Cada generación de tecnología militar ha sido vendida con la promesa de hacer todo sobre las cadenas de muerte más corto, excepto los acrónimos.

El Sistema Inteligente Maven de Palantir es la última iteración de esta compresión, y creció de un cambio en el pensamiento estratégico durante el segundo mandato de Obama, según The Guardian. En 2014, el secretario de Defensa Chuck Hagel y su adjunto Robert Work anunciaron lo que llamaron la "tercera estrategia de compensación". Un "offset" en esta línea de pensamiento es una apuesta de que una ventaja tecnológica puede compensar una debilidad estratégica que el país no puede arreglar directamente.

Las primeras dos compensaciones abordaron el mismo problema: Estados Unidos no podía igualar a la Unión Soviética en fuerzas convencionales, según The Guardian. El pensamiento era que el Ejército Rojo podía simplemente continuar lanzando personal a un problema, como hicieron en Stalingrado, o, para ser anacrónico, como el ejército ruso contemporáneo hizo en Bakhmut y Avdiivka. Las armas nucleares, la primera compensación, hicieron la ventaja de personal irrelevante en la década de 1950. Cuando los soviéticos alcanzaron la paridad nuclear en la década de 1970, las municiones guiadas de precisión y la tecnología furtiva ofrecieron la promesa de que una fuerza más pequeña podía derrotar a una más grande.

Para 2014, esa ventaja se estaba erosionando, según The Guardian. China y Rusia habían pasado dos décadas adquiriendo municiones guiadas de precisión y construyendo sistemas de defensa diseñados para mantener a las fuerzas estadounidenses fuera de alcance. Robert Work insistió en que la tercera compensación no se trataba de ninguna tecnología en particular sino de usar tecnología para reorganizar cómo operaba el ejército, permitiendo a Estados Unidos tomar decisiones más rápido que China y Rusia, abrumando y desorientando al enemigo al mantener un tempo operacional más rápido del que podían igualar.

**El nacimiento del Proyecto Maven**

En abril de 2017, temprano en la primera administración Trump, Work ayudó a establecer el Equipo Interfuncional de Guerra Algorítmica, designado Proyecto Maven, según The Guardian. Uno de los generales supervisando Maven, el teniente general Jack Shanahan, planteó el problema claramente: miles de analistas de inteligencia estaban pasando el 80% de su tiempo en tareas mundanas, ahogándose en metraje de drones de vigilancia que nadie tenía tiempo de ver. Una sola misión de dron Predator podía generar cientos de horas de video, y los analistas encargados de entender esto enfrentaban un problema de sobrecarga de información.

"No vamos a resolverlo lanzando más gente al problema", dijo Shanahan, según The Guardian. "Eso es lo último que realmente queremos hacer". La idea central del proyecto era que la máquina pudiera observar para que el analista pudiera pensar.

El Pentágono necesitaba a alguien para construirlo. Google tomó el contrato, y lo que sucedió después se convirtió en la acción laboral más visible en la historia de Silicon Valley, según The Guardian.

Después de que Google abandonó el contrato Maven, Palantir lo asumió en 2019, según The Guardian. El XVIII Cuerpo Aerotransportado comenzó a probar el sistema en un ejercicio llamado Dragón Escarlata, que comenzó en 2020 como un ejercicio de juegos de guerra de mesa en un sótano sin ventanas en Fort Bragg. Su comandante, el teniente general Michael Erik Kurilla, quería construir lo que llamó el primer "cuerpo habilitado por IA" en el ejército. El objetivo era probar si el sistema podía dar a un equipo pequeño la capacidad de selección de objetivos que previamente requería miles de personas.

Durante los siguientes cinco años, Dragón Escarlata creció en un ejercicio militar usando munición real, abarcando múltiples estados y ramas de las fuerzas armadas, con "ingenieros desplegados al frente" de Palantir y otros contratistas integrados junto a soldados, según The Guardian. Cada vez que se ejecutaba el ejercicio, estaba destinado a responder la misma pregunta: ¿qué tan rápido podía moverse el sistema de la detección a la decisión? El punto de referencia era la invasión de Irak de 2003, donde aproximadamente 2,000 personas trabajaron el proceso de selección de objetivos para toda la guerra. Durante Dragón Escarlata, 20 soldados usando Maven manejaron el mismo volumen de trabajo. Para 2024, el objetivo declarado era 1,000 decisiones de selección de objetivos en una hora. Eso es 3.6 segundos por decisión, o desde la perspectiva del "seleccionador de objetivos" individual, una decisión cada 72 segundos.

**Cómo funciona el Sistema Inteligente Maven**

El Sistema Inteligente Maven es la plataforma que salió de esos ejercicios, y es lo que se está usando para producir "paquetes de objetivos" en Irán, no Claude, según The Guardian. Hay límites reales a lo que un civil puede saber sobre este sistema, y lo que sigue se basa en información disponible públicamente, ensamblada de demostraciones de productos de Palantir, conferencias, así como material instructivo producido para usuarios militares.

La interfaz de Maven parece una versión con apariencia militar de software de gestión de proyectos corporativo cruzado con una aplicación de mapas, según The Guardian. Lo que el analista militar que construye la lista de objetivos ve es un mapa en capas con datos de inteligencia o una pantalla organizada en columnas, cada una representando una etapa del proceso de selección de objetivos. Los objetivos individuales se mueven a través de las columnas de izquierda a derecha a medida que progresan a través de cada etapa, un formato tomado de Kanban, un sistema de flujo de trabajo de "manufactura esbelta" desarrollado en Toyota, y ahora ampliamente usado en desarrollo de software.

Antes de Maven, los operadores trabajaban a través de ocho o nueve sistemas separados simultáneamente, extrayendo datos de uno, haciendo referencias cruzadas en otro, moviendo manualmente detecciones entre plataformas para ensamblar la inteligencia y aprobaciones necesarias para cada ataque, según The Guardian. Maven consolidó todos estos detrás de una sola interfaz. Cameron Stanley, el oficial digital y de IA en jefe del Pentágono, lo llamó una "capa de abstracción", un término común en ingeniería de software, que significa un sistema que oculta la complejidad debajo de él.

Los humanos ejecutan la selección de objetivos, según The Guardian. Debajo de la interfaz, sistemas de aprendizaje automático analizan imágenes satelitales y datos de sensores para detectar y clasificar objetos, puntuando cada identificación por cuán confiado está el sistema de que lo hizo correctamente. Tres clics convierten un punto de datos en el mapa en una detección formal y lo mueven a un pipeline de selección de objetivos. Estos objetivos luego se mueven a través de columnas que representan diferentes procesos de toma de decisiones y reglas de enfrentamiento. El sistema recomienda cómo atacar cada objetivo, qué aeronave, dron o misil usar, qué arma emparejar con él, lo que el ejército llama un "curso de acción". El oficial selecciona de las opciones clasificadas, y el sistema, dependiendo de quién lo esté usando, envía el paquete de objetivos a un oficial para aprobación o lo mueve a ejecución.

**La IA detrás de Maven no es un modelo de lenguaje**

La IA debajo de la interfaz no es un modelo de lenguaje, o al menos la IA que cuenta no lo es, según The Guardian. Las tecnologías centrales son los mismos sistemas básicos que reconocen tu gato en una biblioteca de fotos o permiten que un auto autónomo combine su cámara, radar y lidar en una sola imagen del camino, aplicados aquí a metraje de drones, radar e imágenes satelitales de objetivos militares. Preceden a los modelos de lenguaje grandes por años.

Ni Claude ni ningún otro modelo de lenguaje grande detecta objetivos, procesa radar, fusiona datos de sensores o empareja armas con objetivos, según The Guardian. Los modelos de lenguaje grandes son adiciones tardías al ecosistema de Palantir. A finales de 2024, años después de que el sistema central estuviera operacional, Palantir agregó una capa de modelo de lenguaje grande, aquí es donde se sienta Claude, que permite a los analistas buscar y resumir informes de inteligencia en inglés simple. Pero el modelo de lenguaje nunca fue lo que importaba sobre este sistema. Lo que importaba era lo que Maven hizo al proceso de selección de objetivos: consolidó los sistemas, comprimió el tiempo y redujo las personas.

**Precedentes históricos: Operación Igloo White en Vietnam**

Eso no es una idea nueva, según The Guardian. El ejército estadounidense ha estado tratando de cerrar la brecha entre ver algo y destruirlo durante tanto tiempo como esa brecha ha existido, y cada intento ha producido el mismo fracaso. Maven puede ni siquiera ser el caso más extremo.

A finales de la década de 1960, Estados Unidos enfrentó una versión del mismo problema en Vietnam, según The Guardian. Los suministros se movían hacia el sur a lo largo del sendero Ho Chi Minh a través de la selva en la que el ejército no podía ver. La solución fue la Operación Igloo White, un programa de mil millones de dólares al año que dispersó 20,000 sensores acústicos y sísmicos a lo largo del sendero. Estos sensores transmitían datos a aeronaves de relevo en el aire, que alimentaban las señales a computadoras IBM 360 en la base aérea de Nakhon Phanom en Tailandia. Las computadoras analizaban los datos de los sensores y predecían dónde estarían los convoyes, y las aeronaves de ataque eran dirigidas a esas coordenadas.

El sistema podía sentir pero no podía ver, según The Guardian. Podía detectar una vibración pero no podía distinguir un camión de un carro de bueyes. Los norvietnamitas se dieron cuenta de esto. Reprodujeron grabaciones de motores de camiones, arrearon animales cerca de los sensores para activar la detección de vibraciones, y colgaron cubetas de orina en árboles para activar los detectores químicos. El sistema podía ser engañado porque nadie en el proceso podía mirar lo que estaba sintiendo.

La fuerza aérea afirmó que 46,000 camiones fueron destruidos o dañados durante el curso de la campaña, según The Guardian. La CIA reportó que las afirmaciones para un solo año excedían el número total de camiones que se creía existían en todo Vietnam del Norte. El propio resultado del sistema era la única medida de su desempeño, y nadie fuera del sistema tenía posición para desafiarlo. El historiador de la fuerza aérea Bernard Nalty más tarde llamó a los cálculos de bajas del servicio "un ejercicio de metafísica en lugar de matemáticas" y su colega Earl Tilford concluyó que "la fuerza aérea solo tuvo éxito en engañarse a sí misma". Cuando los vuelos de reconocimiento diurnos no lograron encontrar los restos de todos esos camiones, el personal de la fuerza aérea inventó una criatura para explicar la ausencia. La llamaron el "gran comedor de camiones laosiano".

**El patrón histórico del fanatismo tecnológico**

El patrón que se desarrolló en Vietnam, un sistema de selección de objetivos que solo podía medir su propio desempeño y terminó creyendo su propia producción, es en realidad más antiguo que la computación digital, según The Guardian. El libro de Michael Sherry de 1987 The Rise of American Air Power lo rastrea hasta la doctrina fundacional del bombardeo de precisión, cuya confianza en sus propios métodos hizo innecesario examinar lo que esos métodos producían. "La creencia en el éxito", escribió Sherry, "alentó la imprecisión sobre cómo lograrlo".

Para 1944, los analistas de operaciones en ambos lados del Atlántico estaban midiendo el bombardeo en un lenguaje compartido de optimización industrial, según The Guardian. Los civiles bombardeados fuera de sus hogares fueron registrados como "desalojados". Por cada tonelada de bombas lanzadas, los analistas calculaban cuántas horas de trabajo enemigo destruía. Una evaluación británica trató al bombardero mismo como un activo de capital: una sola salida contra una ciudad alemana borraba el costo de construir la aeronave, y todo después de eso era "ganancia clara". Sherry llamó a la mentalidad resultante "fanatismo tecnológico".

El punto de Sherry no era que alguien eligiera la destrucción, según The Guardian. Era que las personas refinando la técnica del bombardeo dejaron de preguntar para qué era el bombardeo. Pero incluso para cuando los investigadores de operaciones pusieron sus manos en la selección de objetivos, esta lógica ya estaba tomando forma. Como ha argumentado el historiador de la ciencia William Thomas, los analistas de operaciones no impusieron esta lógica en el ejército; el ejército ya estaba convirtiendo la experiencia operacional en procedimiento sistemático, y lo había estado haciendo durante décadas. Nadie dejó de hacer juicios. Pero los juicios ya no eran sobre si el bombardeo servía a un propósito estratégico. Eran sobre cómo medirlo y cómo optimizar alrededor de esas mediciones.

**La fricción de Clausewitz y la guerra en papel**

Carl von Clausewitz, el general prusiano del siglo XIX cuyos escritos permanecen como la fundación del pensamiento militar occidental, tenía una palabra para todo lo que la optimización deja fuera, según The Guardian. Lo llamó "fricción", la acumulación de incertidumbre, error y contradicción que asegura que ninguna operación vaya según lo planeado. Pero la fricción también es donde se forma el juicio. Clausewitz observó que la mayoría de la inteligencia es falsa, que los reportes se contradicen entre sí. El comandante que ha trabajado a través de esto aprende a ver de la manera en que un ojo se ajusta a la oscuridad, no obteniendo mejor luz sino permaneciendo lo suficiente para usar la luz que hay. Este "permanecer" es lo que toma tiempo. Comprime el tiempo y la fricción no desaparece. Simplemente dejas de notarla. Clausewitz llamó a este tipo de planificación una "guerra en papel". El plan procede sin resistencia, no porque no haya ninguna, sino porque todo lo que conecta el plan con el mundo real ha sido eliminado.

El poder aéreo es únicamente vulnerable a esto, según The Guardian. El piloto nunca ve lo que la bomba golpea. El analista trabaja desde imágenes, coordenadas y bases de datos. Toda la empresa está mediada por representaciones del objetivo, no el objetivo mismo, lo que significa que la brecha entre el paquete y el mundo puede ampliarse sin que nadie en el proceso lo sienta.

**El caso de Irak 2003 y los 50 ataques fallidos**

La invasión de Irak de 2003, la operación que Dragón Escarlata más tarde usaría como su punto de referencia, fue un caso ilustrativo, según The Guardian. Marc Garlasco, el jefe de selección de objetivos de alto valor del Pentágono durante la invasión, ejecutó el ciclo de selección de objetivos más rápido que Estados Unidos había operado hasta ese punto. Recomendó 50 ataques contra el liderazgo iraquí senior. Las bombas fueron precisas, golpearon exactamente donde fueron apuntadas, pero la inteligencia detrás de ellas no lo fue. Ninguno de los 50 mató a su objetivo previsto.

Dos semanas después de la invasión, Garlasco dejó el Pentágono por Human Rights Watch, fue a Irak, y se paró en el cráter de un ataque que él mismo había seleccionado como objetivo, según The Guardian. "Estos no son solo objetivos sin nombre, sin rostro", dijo más tarde. "Este es un lugar donde la gente va a sentir ramificaciones por mucho tiempo". El ciclo de selección de objetivos había sido lo suficientemente rápido para golpear 50 edificios y demasiado rápido para descubrir que estaba golpeando los equivocados.

La propia guía de selección de objetivos de la fuerza aérea, en efecto durante la guerra de Irak, decía que esto nunca se suponía que sucediera, según The Guardian. Publicada en 1998, describía las seis funciones de selección de objetivos como "entrelazadas", con el seleccionador de objetivos moviéndose "hacia atrás" para refinar objetivos y "hacia adelante" para evaluar viabilidad. "El mejor análisis", declaraba el manual, "es pensamiento razonado con hechos y conclusiones, no una lista de verificación".

Pero Jon Lindsay, quien sirvió como oficial de inteligencia de la marina en Kosovo y más tarde estudió la selección de objetivos de operaciones especiales en Irak, encontró algo diferente, según The Guardian. Una vez que un objetivo era reificado en una diapositiva de PowerPoint, el paquete de inteligencia de objetivos o TIP, se convertía en una caja negra. Cuestionar las suposiciones detrás de él se volvía más difícil a medida que la caza ganaba impulso, a medida que la carpeta se engrosaba con lo que Lindsay llama "residuos representacionales". Había más maquinaria para construir un objetivo que para inspeccionar la calidad de su construcción. El personal se volvía reacio a preguntar si algunos objetivos eran aliados potenciales, o en realidad no eran tipos malos en absoluto, porque producir objetivos significaba participar en la caza.

La guía de selección de objetivos también había advertido sobre esto, según The Guardian. "Si los seleccionadores de objetivos no proporcionan servicio completo de selección de objetivos", decía, "entonces otros grupos bien intencionados pero poco entrenados y con poca experiencia intervendrán". Maven eventualmente lo haría.

**El libro de Jon Lindsay sobre tecnología de información y poder militar**

El libro de Lindsay Information Technology and Military Power es el estudio más cuidadoso que se puede encontrar sobre cómo funciona realmente la selección de objetivos, al menos parcialmente porque fue escrito por alguien que realmente lo hizo, según The Guardian. Durante la guerra de Kosovo, Lindsay vio cómo la tecnología de información permitía que el comando rastreara cada objetivo en tiempo real, pero esa visibilidad también significaba que los comandantes senior podían microgestionar decisiones que previamente habrían sido delegadas. La tecnología no eliminó la fricción. La redistribuyó.

La conclusión de Lindsay fue que la tecnología de información no hace que las organizaciones militares sean más o menos efectivas por sí misma, según The Guardian. Lo que hace es cambiar dónde ocurre la fricción y quién la siente. Maven no elimina el juicio humano. Lo comprime en una interfaz donde tres clics convierten datos en un objetivo, y 72 segundos es el tiempo asignado para decidir si destruirlo.

**Las implicaciones del bombardeo de Minab**

El bombardeo de la escuela en Minab no fue el resultado de que una inteligencia artificial se volviera rebelde o tomara decisiones por sí misma, según The Guardian. Fue el resultado de un sistema diseñado para moverse más rápido de lo que la fricción, el juicio humano y la verificación de datos pueden seguir. La base de datos no fue actualizada. El sistema no tenía manera de saber que el edificio ya no era una instalación militar. Los analistas trabajando a través de la interfaz de Maven no tenían tiempo asignado para verificar si la clasificación de 2016 seguía siendo válida en 2026.

La velocidad que Maven prometía, 1,000 decisiones de selección de objetivos por hora, 3.6 segundos por decisión, es incompatible con el tipo de verificación que habría detectado que el edificio era una escuela, según The Guardian. El sistema funcionó exactamente como fue diseñado. Consolidó datos, comprimió tiempo, redujo personal. Y mató a 180 niñas porque nadie en la cadena tenía el tiempo o la posición para cuestionar si la base de datos estaba correcta.

**El debate equivocado sobre Claude**

El debate sobre Claude es una distracción, según The Guardian. Los modelos de lenguaje grandes no seleccionan objetivos en Maven. No procesan imágenes satelitales. No fusionan datos de sensores. No emparejan armas con objetivos. Claude, cuando se usa en el sistema, permite a los analistas buscar y resumir informes de inteligencia en lenguaje natural. Es una herramienta de búsqueda, no un sistema de selección de objetivos.

Pero Claude es más fácil de entender que Maven, según The Guardian. Es más fácil imaginar un chatbot tomando decisiones que entender cómo una interfaz de gestión de proyectos, una base de datos desactualizada y una doctrina militar de velocidad se combinan para convertir un error burocrático en 180 niñas muertas. Claude es carismático. Maven es infraestructura. Y la infraestructura es donde ocurre el daño real.

**Contexto histórico de la tercera estrategia de compensación**

La tercera estrategia de compensación, el marco estratégico que produjo Maven, se basaba en la premisa de que Estados Unidos podía compensar desventajas en fuerzas convencionales tomando decisiones más rápido que sus adversarios, según The Guardian. Robert Work, el subsecretario de Defensa que ayudó a formular la estrategia, argumentó que no se trataba de ninguna tecnología específica sino de usar tecnología para reorganizar cómo operaba el ejército.

Pero la velocidad tiene un costo, según The Guardian. Cada iteración de compresión de la cadena de muerte, desde las tablas balísticas del siglo XVIII hasta los sensores de Vietnam hasta Maven, ha producido el mismo patrón: el sistema se vuelve más rápido, la fricción se vuelve invisible, y la brecha entre lo que el sistema cree que está haciendo y lo que realmente está haciendo se amplía hasta que algo como Minab sucede.

**El problema no es la IA, es la velocidad**

El problema no es la inteligencia artificial, según The Guardian. El problema es la creencia de que la velocidad es una virtud militar en sí misma, que comprimir el tiempo entre detección y destrucción es siempre una mejora, que reducir el número de personas en el proceso elimina el error humano en lugar de simplemente redistribuirlo.

Marc Garlasco, el seleccionador de objetivos que se paró en el cráter de su propio ataque fallido en Irak, aprendió esto de la manera más difícil, según The Guardian. El ciclo de selección de objetivos que ejecutó en 2003 era el más rápido que Estados Unidos había operado hasta ese punto. Para 2026, Maven había hecho ese ciclo parecer lento. Y 180 niñas en Minab pagaron el precio de esa aceleración.

**Conclusión: La infraestructura invisible del daño**

Maven se ha convertido en infraestructura, según The Guardian. Se ha hundido en la plomería del ejército estadounidense, invisible para el debate público, operando a una velocidad que hace que la verificación sea imposible y el error inevitable. El debate sobre Claude es un síntoma de lo que la académica Morgan Ames llamó tecnología carismática: tecnología que atrae toda la atención hacia sí misma y lejos de los sistemas que realmente importan.

La pregunta real sobre Minab no es si un chatbot puede ser confiable en combate, según The Guardian. Es si un ejército que ha construido su doctrina alrededor de la velocidad puede permitirse el tiempo necesario para el tipo de juicio que habría salvado esas vidas. Es si un sistema diseñado para procesar 1,000 objetivos por hora puede distinguir una escuela de una instalación militar. Es si la fricción que Clausewitz identificó como esencial para el juicio militar puede sobrevivir en un sistema que trata la fricción como ineficiencia a ser optimizada.

Las 180 niñas muertas en Minab no fueron víctimas de inteligencia artificial, según The Guardian. Fueron víctimas de un sistema que valoró la velocidad sobre la precisión, la eficiencia sobre el juicio, y la optimización sobre la verificación. Fueron víctimas de una base de datos que nadie actualizó y un sistema demasiado rápido para notar que la base de datos estaba equivocada. Y mientras el debate público se centra en Claude, Maven continúa operando, invisible, a 3.6 segundos por decisión, esperando el próximo error que nadie tendrá tiempo de detectar.