AI赋能军事决策：任务分析效率与精准度的新篇章

往期回顾

适用于陆战队部队设计兵棋推演的五步流程框架

战争部需要组建新机构以迎接未来兵棋推演挑战！

本文详述了美国陆军指挥与参谋学院（CGSC）的一项创新实验，该实验旨在将基于Palantir Vantage平台开发的人工智能（AI）智能体集成到军事决策过程（MDMP）的第二阶段——任务分析（MA）中。实验将传统的14名学生团队与一个由2名学生组成的AI增强团队进行了对比。AI团队运用了专业的AI角色，如总体、IPOE、综合和MA简报代理，实时生成估算、作战环境情报准备（IPOE）产品、问题/使命声明等关键信息。研究结果表明，AI可作为强大的认知伙伴，显著加速任务分析的进程，特别是在处理大量文本信息和弥补专业知识短板方面。然而，为了确保现代战争指挥官决策的准确性，人类的验证环节对于真实性、可视化和最终判断至关重要。

简 介

随着现代战争形态的不断演变，军事组织必须具备适应新威胁的能力，并善用新兴技术以获取决定性优势。人工智能（AI），尤其是大型语言模型（LLM），为优化军事决策过程（MDMP）提供了巨大的潜力。本文将重点介绍在指挥与参谋学院（CGSC）进行的一项关于将AI融入任务分析（MA）的实验。该研究借鉴了近期兵棋推演中的应用经验，旨在验证两个核心假设：AI能否生成与人类参谋同等质量的MA产品，以及AI角色能否有效填补特定作战职能领域的专业知识空缺。实验利用Palantir Vantage平台构建AI代理，并在效率和文本输出质量方面取得了显著成效，同时也强调了人类监督的必要性。这些发现为加快MA流程提供了宝贵的参考，最终有助于指挥官做出更快速、更明智的决策。

实验设置：传统方法与人工智能增强方法的对决

本次实验通过让传统的纯人类团队与AI辅助团队进行对抗，来评估AI在任务分析（MA）中的作用。其中，由14名学生组成的传统团队遵循FM 5-0和FM 3-0中的标准条令方法执行MA，他们依赖于集体知识、情景文档（包括基础命令和附件）以及指挥官的指示来生成持续估算、作战环境情报准备（IPOE）以及问题和任务声明等关键产出。该团队几乎没有AI支持，主要依靠人工分析。与之相对，一个由两名学生组成的AI团队则利用Palantir Vantage平台开发了AI代理。Palantir Vantage作为一个强大的工具，能够构建定制化的AI解决方案，它通过将理论文档、场景数据和自定义指令无缝集成到LLMs中，促进了AI人格（AIP代理）的创建。该平台基于本体的结构——将原始文档转化为优化、可解析的格式——与先前兵棋推演实验中使用的技术相似，实现了高效的知识摄取，同时避免了模型上下文窗口的限制。AI团队的目标是通过专门的代理，并行生成一份MA简报，以同时验证两个核心假设。

在Palantir平台上开发AI代理

Vantage Agent的开发始于对作战职能的评估，最初设想为每个职能配备一个独立的Agent。然而，Palantir Vantage的高度灵活性使得整合为三个核心AIP代理成为可能，每个代理都拥有特定的角色、输入和输出。这种精简化的方法在确保广泛覆盖的同时，有效降低了复杂性。

总体Agent：作为“领班”，该Agent负责吸收所有情景产品、条令参考（如FM 3-0和FM 5-0）以及指挥官的指示。在Palantir Vantage平台上，文档被转换为本体结构，以便进行快速查询。该Agent的任务包括按作战职能生成实时估算，识别资产可用性/短缺、制约因素、友军信息基本要素（EEFI）、事实/假设、任务（具体、隐含、必要）以及风险。其输出为结构化文本，为后续的MA产品奠定基础。

IPOE Agent：专注于情报作战职能，遵循ATP 2-0-1.3中的IPOE流程。其输入仅限于附录B（情报）、基础命令和相关条令，以确保专业模拟的针对性。利用Palantir Vantage，该Agent能够生成详细的IPOE步骤，包括情报收集（IC）计划、综合障碍覆盖（MCOO）的修改、关键地形分析、作战区域/关注区域（AoA/AoI）、敌方态势模板（SITEMP）、事件模板、高价值目标（HVT）列表、情报空白、IC需求表以及整体敌方态势。该方案通过填补潜在的情报专业知识空白，直接响应了第二个实验假设。

综合Agent：类似于执行官（XO）或S3的角色，该Agent负责整合Overall和IPOE Agent的产出。它综合数据以生成时间表、问题陈述、使命声明以及拟议的行动方案（COA）评估标准。Palantir Vantage支持迭代优化，允许Agent在无需重复上传数据的情况下交叉引用输入信息。

随后，又增加了一个MA简报Agent，负责将所有输出汇总成一份连贯的简报。该Agent无法直接访问原始场景数据，只能依赖于合成的产物来生成幻灯片。所有Agent的指令均在Palantir Vantage上精心制定，强调条令的准确性、单位的焦点以及关键作战要素。为避免潜在偏见，指令由独立的大型语言模型（Claude Sonnet 4.5）生成，而Agent本身则运行于GPT-4.1等效模型。各个Agent的训练时长不尽相同，其中综合Agent接受的服务最为详尽，以确保全面的覆盖和支持。

执行过程与关键发现

传统的人类参谋团队大约花费了5小时完成MA：其中分析环节耗时4.5小时，幻灯片制作0.5小时，排练0.5小时。而AI团队则利用Palantir Vantage的自动化能力，仅用2小时便完成了任务——包括1小时的代理设置和1小时的产品生成——效率提升了整整3小时。实验结果显著突显了AI的优势和局限性。在基于文本的输出方面，AI表现出色：生成的问题和使命声明比人类版本更加清晰、简洁，并且在条令符合度上表现更佳。例如，AI生成的语句能够精准地整合复杂的输入信息，优于人类团队偶尔出现的冗长表述。运行估算和任务识别同样表现稳健，充分展示了AI快速处理海量条令数据的能力。

然而，在可视化方面，AI遇到了挑战。IPOE Agent能够生成准确的文本描述（例如MCOO细节和SITEMP叙述），但无法生成诸如地图或图表之类的图像——而这对于MA简报至关重要。尽管它提供了视觉上的指示，但其效果远不及人类团队的产品，后者包含了支持性的图表。这一限制显著降低了IPOE部分的有效性，在考虑了视觉效果后，其与人类输出的等效性评分仅为30%。

总体而言，AI简报的整体表现达到了人类版本的60%的等效性，在剔除视觉化程度较高的幻灯片后，这一比例提升至90%。缺失的元素，例如风险评估，源于教学中的不足，这凸显了提示设计的重要性——这与制定清晰命令的技能要求相似。

评估与成就

根据100%等效性评级（与人类产品完全匹配）的标准，假设1得到了验证：AI产生了可行的MA输出，尤其是在非视觉化领域，有时在信息合成和清晰度上甚至超越了人类的质量。假设2在IPOE环节也得到了确认；专业代理有效模拟了专业知识，识别出了与人类分析高度吻合的潜在空白和态势模板，尽管缺乏可视化能力。此次成功很大程度上归功于Palantir Vantage平台的能力：其本体结构化加速了数据处理，使得智能体能够在无需人工干预的情况下进行逻辑推理。这与战争游戏的洞察不谋而合，简单的提示也能带来真实有效的结果。AI的公正性也揭示了隐藏的假设，挑战了人类固有的偏见，从而提升了分析的严谨性。

实施经验教训

以下是陆军在推广AI应用过程中需要考虑的几个关键启示：

对AI的审慎态度

批评者们正确地警告，在任务分析中过度依赖AI代理可能导致自动化偏差，参谋人员可能不加批判地接受模型生成的高度优化、条令严谨的输出，并认为其在客观上更为优越；同时，也可能出现技能退化现象。随着初级军官将计算估算、任务分析和假设审查等智力密集型任务越来越多地外包给大型语言模型，AI的结构化一致性可能会掩盖未解决的优先级或指挥权衡问题，而真正有价值的人类参谋之间的摩擦和讨论可能会被削弱。这些担忧在原则上是合理的，尤其是在高风险的军事行动环境中，过度依赖流畅但缺乏深层语境理解的综合信息，可能会随着时间的推移侵蚀集体专业判断。然而，本次实验以及本文强调的严格人机验证、有意识的“AI任务分配”培训以及明确保留指挥官和参谋监督的必要性，直接降低了这些风险。AI应被定位为加速草稿生成和挑战假设的工具，而非决策的最终权威。精心设计的整合方案不仅不会导致技能退化，反而能通过将参谋人员从机械性综合工作中解放出来，使他们能够专注于创造性的问题构建、视觉整合和伦理判断——这些正是军事专业人员的高级能力，从而提升人类的技能水平。最终，以对待任何参谋建议的健康审慎态度来对待AI的输出，既能保留强大MDMP所需的“摩擦”，又能将技术的速度和稳定性作为真正的力量倍增器加以利用。

结 论

本次实验充分展示了人工智能在加速任务分析方面的巨大潜力，将MDMP的第二阶段从一个耗时的过程转变为一个更为高效的流程。通过在Palantir Vantage等平台上开发AIP代理，参谋人员能够有效弥补专业知识上的短板——例如在情报领域——或者加速诸如估算和问题陈述等任务的起草过程。在基于文本的综合和速度方面的成功，凸显了AI作为认知伙伴的价值，它能够支持严谨且具有挑战性的假设分析。尽管如此，人类的监督对于验证、可视化和最终的整体判断仍然是不可或缺的。随着陆军将人工智能技术付诸实践，在条令、训练和基础设施方面的投资将至关重要，以确保AI能够成为决策的核心支撑，并在未来的冲突中提供关键的竞争优势。

关于作者

萨德·D·韦斯特，退役中校，现任陆军战术部指挥与参谋学院的小组教官。他拥有西点军校的运筹学学士学位以及罗德岛海军战争学院的战略研究硕士学位。在他的军旅生涯中，韦斯特曾在美国陆军第三装甲师、第四步兵师和第一装甲师服役，并担任亚利桑那州立大学的军事科学项目主任（PMS）。他是一名高级飞行员，曾多次部署到伊拉克和阿富汗执行作战任务。

斯凯勒·G·凯普利，少校，是陆军指挥与参谋学院第17C参谋组的学生。他拥有弗吉尼亚军事学院的计算机科学学士学位和空军理工学院的数据科学硕士学位。在他的职业生涯中，凯普利曾在第10山地师、第82空降师和FORSCOM司令部任职。他是一名运筹学与系统分析师，曾多次在培训中心轮换，并参加过一次名为“实验演示门户事件”（Edge）的演示。

点

点击阅读原文，加入“未来前沿”小密圈！