Superioridade decisória 4.0: o emprego estratégico de Redes Neurais de Grafos (GNNs)

Luis Felipe Comodo Seelig 
Capitão do Exército Brasileiro.
Pesquisador do Laboratório de Ciências Militares (ECEME).

Eduardo Xavier Ferreira Glaser Migon
Doutor em Administração (EBAPE/FGV) e em Ciências Militares (ECEME).
Pesquisador e Coordenador do Laboratório de Ciências Militares (ECEME).

1. Introdução

A prontidão operacional de uma força militar no século XXI exige mais do que poder de combate ou volume de efetivos — exige superioridade informacional. Neste momento histórico, marcado por uma aceleração sem precedentes no ciclo de transformação tecnológica, o planejamento de longo prazo do Exército Brasileiro, consubstanciado no conceito de Força 40, impõe uma reflexão crítica e urgente: como as tecnologias emergentes, especialmente a inteligência artificial (IA), podem fortalecer as capacidades de comando e controle, com ênfase no assessoramento prestado pelos oficiais de estado-maior? A resposta a essa questão define a capacidade de antecipação estratégica da Força Terrestre. Pensar a prontidão de 2040 é, antes de tudo, antecipar hoje os marcos operacionais, logísticos e tecnológicos que serão exigidos amanhã.

Estamos no alvorecer de uma nova era no campo da arte da guerra, e não se trata apenas do emprego de IA em armamentos ou robótica. O diferencial reside no emprego ampliado da IA como apoio ao processo decisório nos escalões superiores, reforçando a capacidade de análise, previsão e orientação por parte dos estados-maiores. A IA não é um luxo tecnológico, mas um imperativo estratégico. Este artigo é, portanto, uma provocação e um convite dirigido aos líderes da Força Terrestre — em especial aos oficiais de estado-maior e oficiais generais — para que compreendam os potenciais da IA, não apenas como ferramenta, mas como elemento transformador da cultura organizacional e vetor crítico da superioridade decisória em ambientes operacionais complexos.

A inteligência artificial vem demonstrando seu valor na ampliação da capacidade de coleta, processamento e fusão de dados em tempo quase real[1], com aplicações diretas em Comando e Controle, Inteligência, Vigilância, Reconhecimento e Aquisição de Alvos — ou, conforme a doutrina, em Sistemas de Comando e Controle, Inteligência, Vigilância, Aquisição de Alvos e Reconhecimento (C4ISTAR). Nesse contexto, a função de combate Inteligência adquire centralidade, e os oficiais responsáveis pelo seu emprego precisam, cada vez mais, operar em ciclos de decisão acelerados e com elevado grau de incerteza, nos quais a qualidade e a integração dos dados são decisivas para o sucesso das operações. A capacidade de processar dados não euclidianos, que modelam as relações complexas do campo de batalha, torna-se o novo divisor de águas.

Entre as tecnologias emergentes que se destacam neste cenário está o uso das Redes Neurais de Grafos (Graph Neural Networks – GNNs). Diferentes das arquiteturas tradicionais de IA, as GNNs são especialmente adequadas para modelar dados com estruturas relacionais complexas — como redes logísticas, topografias irregulares, fluxos de tropas e redes sociais — oferecendo novas possibilidades para análise geoespacial, apoio à decisão e antecipação de padrões operacionais em múltiplos domínios.

2. Fundamentação Conceitual

A evolução dos conflitos contemporâneos tem imposto desafios inéditos às forças armadas. O cenário geopolítico atual é marcado por incerteza estratégica, volatilidade informacional e dinâmicas operacionais em múltiplos domínios — terrestre, aéreo, cibernético, espacial e cognitivo. Nesse ambiente, o conceito de Operações Multidomínio (OMD) destaca-se como resposta doutrinária às exigências da guerra moderna. Tais operações demandam integração sinérgica entre vetores operacionais e informacionais, exigindo que as decisões sejam tomadas em ciclos cada vez mais curtos e com alto grau de coordenação entre os diversos níveis de comando. A complexidade do ambiente operacional moderno exige ferramentas analíticas que consigam modelar não apenas os elementos isolados, mas as relações dinâmicas entre eles.

Nas chamadas Operações Militares Complexas, o volume de dados gerados por sensores, sistemas de comunicações e plataformas diversas cresce exponencialmente. A simples coleta não é mais suficiente: é necessário transformar dados em conhecimento relevante, em tempo hábil. Isso impõe uma nova lógica à construção da consciência situacional, que passa a exigir integração contínua, filtragem inteligente e inferência preditiva. O oficial de estado-maior precisa ser capaz de compreender essa nova lógica e operar com ferramentas que otimizem a tomada de decisão em ambientes saturados de informação.

Neste novo paradigma, a função de combate Inteligência ganha ainda mais centralidade. Ela não apenas subsidia o ciclo de decisão, mas estrutura o ciclo, abrindo novas possibilidades úteis à consciência situacional. A condução do processo PITCIC — que integra variáveis de terreno, condições meteorológicas, inimigo e população civil — requer níveis de acurácia, atualização e projeção crescentes. A operacionalização da função Inteligência, especialmente nos escalões superiores da Força Terrestre, depende da capacidade dos estados-maiores em processar dados dinâmicos e apresentar alternativas ao comandante com base em inferências robustas, em ritmos cada vez mais acelerados.

É nesse contexto que se insere a proposta de adoção de Redes Neurais de Grafos (GNNs) como ferramenta de apoio ao trabalho do oficial de inteligência. As GNNs permitem modelar sistemas nos quais os dados apresentam relações complexas, como redes logísticas, ambientes urbanos ou fluxos de deslocamento tático. Em vez de tratar os dados como unidades isoladas ou dispostos em matrizes fixas (como nas redes convolucionais), as GNNs capturam e exploram a conectividade entre nós, tornando-as ideais para representar estruturas operacionais reais do campo de batalha.

Introduzidas como uma evolução dos modelos de aprendizado profundo, as GNNs foram projetadas para processar dados em grafos — estruturas compostas por vértices (nós) e arestas (relações). Isso possibilita a aplicação de IA a domínios nos quais o relacionamento entre elementos é mais relevante do que seus atributos isolados. Para o oficial de estado-maior, isso significa a capacidade de visualizar e analisar o campo de batalha como uma rede de interdependências. Por exemplo, a movimentação simultânea de diversas subunidades em ambiente urbano pode ser representada como um grafo, permitindo inferir rotas prováveis, gargalos logísticos e vulnerabilidades táticas em tempo quase real.

Essa característica faz das GNNs uma das áreas mais promissoras da inteligência artificial aplicada à Defesa. Segundo Wu et al. (2020), elas têm se destacado por sua capacidade de generalização, escalabilidade e integração com dados heterogêneos. Sua aplicabilidade vai desde redes elétricas e sistemas de tráfego até estruturas militares complexas, como redes de comando e controle ou topografias operacionais. Ao adotar GNNs, o Exército pode alavancar sua capacidade de antecipação estratégica e tática.

Além disso, as GNNs se encaixam perfeitamente nas exigências de Sistemas de Apoio à Decisão Militar (SADM). Esses sistemas requerem modelagem dinâmica, capacidade de aprendizado com base em dados históricos e habilidade para incorporar novas fontes de informação continuamente. As GNNs oferecem esse suporte de forma nativa, permitindo a construção de sistemas que evoluem com o ambiente operacional, ajustando suas inferências conforme os dados se atualizam.

Por fim, é possível afirmar que a incorporação de ferramentas de IA — e das GNNs em particular — pode revolucionar o assessoramento de inteligência nos escalões mais elevados da Força Terrestre. Nos níveis de Comando de Área ou Comando Militar de Área, onde o espaço de atuação abrange áreas de operações de grande complexidade tridimensional, a capacidade de representar, simular e antecipar cenários por meio de grafos inteligentes pode ser decisiva para garantir superioridade situacional e proatividade decisória.

3. Redes Neurais de Grafos: Uma Oportunidade de Inovação para a Superioridade Informacional

A emergência das Redes Neurais de Grafos (GNNs) configura uma oportunidade de inovação disruptiva para a Força Terrestre, ao oferecer um novo paradigma para a análise geoespacial militar e o assessoramento de inteligência nos escalões superiores. Em vez de uma mera proposta técnica, trata-se de uma opção estratégica que permite superar as limitações dos métodos analíticos tradicionais, como o Processo de Integração Terreno, Condições Meteorológicas, Inimigo e Considerações Civis (PITCIC), que se baseiam predominantemente no processamento sequencial de camadas informacionais isoladas. As GNNs, por sua natureza, viabilizam a modelagem de interdependências complexas, dando um novo dinamismo ao PITCIC e permitindo análises contínuas, preditivas e escaláveis em múltiplos níveis de comando.

As GNNs distinguem-se de outras arquiteturas de inteligência artificial por sua habilidade em operar sobre estruturas de dados que não se organizam em grades regulares, como imagens, mas sim em grafos irregulares — representações que expressam relações entre elementos diversos como pontos de interesse, rotas, obstáculos e alvos. Essa característica torna as GNNs particularmente adequadas ao domínio militar, onde o terreno, as unidades, a população e a infraestrutura formam redes complexas de interação espacial, temporal e funcional.

A arquitetura proposta prevê a construção de uma camada de pré-processamento dos dados geoespaciais, capaz de transformar fontes brutas — como bases cartográficas, imagens de satélite, dados meteorológicos, sensores táticos e bancos de dados demográficos — em grafos estruturados. Cada nó pode representar um ponto com atributos (ex: densidade populacional, elevação, presença de forças adversas), enquanto as arestas modelam relações funcionais, como conectividade viária, linha de visada ou raio de influência. Este processo de estruturação é o cerne da superioridade informacional, pois transforma dados brutos em um modelo relacional pronto para inferência.

A camada subsequente envolve a aplicação dos modelos de GNN para gerar embeddings vetoriais de cada nó ou região, condensando as características locais e contextuais de forma a viabilizar inferências táticas e estratégicas. Essa representação permite classificar regiões segundo seu valor militar, risco associado, acessibilidade logística ou outros critérios operacionais definidos por doutrina ou pela situação tática. É uma forma de apoiar o estado-maior com sugestões baseadas em aprendizado contínuo e dados reais.

Em sua essência, o sistema proposto viabiliza o desenvolvimento de um mecanismo de inferência dinâmica sobre o espaço operacional, permitindo, por exemplo, identificar as prováveis rotas de infiltração inimiga, as zonas de bloqueio mais eficazes, áreas de provável apoio da população civil, ou ainda estimar o tempo de deslocamento em condições variáveis. O modelo não apenas fornece respostas automatizadas, mas permite incorporar conhecimento tácito dos oficiais, ajustando suas inferências por meio de retreinamento supervisionado.

Para assegurar aderência à realidade nacional e promover soberania tecnológica, a arquitetura de GNNs deve ser construída sobre o Ecossistema Nacional de Dados Geoespaciais de Defesa. Isso implica a integração sistemática de fontes civis e militares, transformando-as em um grafo estruturado. As fontes civis, como o Instituto Brasileiro de Geografia e Estatística (IBGE), o Instituto Nacional de Pesquisas Espaciais (INPE), o Centro Gestor e Operacional do Sistema de Proteção da Amazônia (CENSIPAM), o Serviço Geológico do Brasil (CPRM) e a Agência Nacional de Telecomunicações (ANATEL), fornecem camadas essenciais de infraestrutura, demografia, cobertura do solo e espectro eletromagnético. A integração com dados orgânicos do Exército (SIGAEB, SISFRON) permite a criação de um grafo geoespacial militar unificado. Essa arquitetura deve respeitar protocolos de segurança, interoperabilidade e atualização contínua, além de contemplar os princípios de dualidade de uso (civil e militar).

A proposta também considera uma interface amigável ao usuário militar, com dashboards operacionais, visualizações cartográficas dinâmicas e relatórios automatizados. Essa camada de apresentação permitirá que os resultados técnicos gerados pela IA sejam inteligíveis ao oficial de Estado-Maior, promovendo um ciclo contínuo de aprendizado entre a máquina e o operador. O objetivo é que o sistema funcione como assessor digital, e não como substituto da decisão humana.

Em termos doutrinários, a proposta representa uma inovação incremental com potencial disruptivo. Trata-se de iniciar com aplicações táticas — como planejamento de patrulhas, reconhecimento e posicionamento de sensores — e gradualmente avançar para aplicações operacionais e estratégicas, como planejamento de campanhas ou análise de teatros. A implantação poderá ser conduzida por meio de projetos-piloto em ambientes controlados, criando uma trilha de amadurecimento tecnológico e doutrinário integrada à Força 40.

4. Implicações Doutrinárias e Tecnológicas

A introdução de uma arquitetura baseada em Redes Neurais de Grafos (GNNs) no contexto da Força Terrestre não representa apenas um salto tecnológico, mas uma inflexão estratégica sobre como concebemos e conduzimos o processo decisório militar. Essa transformação exige o desenvolvimento de um ecossistema nacional de dados geoespaciais de defesa, fundamentado em governança integrada, padronização de metadados e políticas robustas de segurança da informação. Trata-se de um ativo estratégico de Estado, que transcende a aplicação militar e dialoga com os princípios de soberania e autonomia tecnológica nacional.

A proposta articula um novo paradigma de produção e exploração de conhecimento em apoio à tomada de decisão militar. Ao empregar GNNs sobre dados estruturados em grafos georreferenciados, torna-se possível modelar o ambiente operacional em sua dimensão relacional — capturando conexões entre terreno, infraestrutura, população e forças atuantes. Isso projeta impactos diretos sobre a função de combate Inteligência, elevando o patamar de assessoramento prestado ao Comando, com inferências automatizadas, projeção de cenários e análises multicritério com base em dados em tempo quase real.

A operacionalização dessa proposta afeta os três níveis de decisão militar. No nível estratégico, permite antecipar transformações territoriais e riscos difusos, orientando políticas de defesa, planejamento de forças e posicionamento de capacidades. No nível operacional, fornece aos Grandes Comandos elementos integrados para a manobra de meios, coordenação interagências e avaliação de cenários dinâmicos. No nível tático, amplia o poder de iniciativa das unidades, oferecendo produtos analíticos voltados à execução precisa e contextualizada das ordens.

A consolidação de uma plataforma de apoio baseada em GNNs impõe, porém, a superação de barreiras doutrinárias e culturais. O ciclo de planejamento militar ainda se apoia fortemente em procedimentos manuais, mapas estáticos e modelos determinísticos. A adoção de IA, especialmente em estruturas sensíveis como o estado-maior, exige confiança operacional, treinamento especializado e atualização das diretrizes de emprego da função Inteligência. É necessário incorporar, nos cursos de formação e aperfeiçoamento, conteúdos sobre ciência de dados, inferência automatizada e ética no uso de IA militar. A governança de dados, nesse sentido, torna-se um pilar estratégico, exigindo a criação de ontologias comuns e políticas de segurança que garantam a integridade, a rastreabilidade e a soberania do conhecimento gerado. A ausência de uma estrutura de governança robusta pode comprometer a confiança no sistema e, consequentemente, a sua adoção nos níveis de decisão mais críticos. A mudança cultural é tão crítica quanto a tecnológica.

Outro vetor crítico é a interoperabilidade entre fontes de dados. O sistema proposto demanda a integração de bases civis (IBGE, INPE, CENSIPAM, CPRM) e militares (SIGAEB, SISFRON, sensores táticos), articuladas por meio de padrões abertos e ontologias comuns. O objetivo é viabilizar uma base contínua de conhecimento espacial para uso dual (civil e militar), reduzindo a assimetria de informação entre os escalões de comando e promovendo a atualização constante do ambiente operacional comum (Common Operational Picture). A interoperabilidade não é apenas técnica, mas semântica, exigindo que os dados de diferentes origens "falem a mesma língua" para que as GNNs possam extrair relações contextuais de forma precisa e confiável.

Ao mesmo tempo, a estruturação de um centro de excelência em inferência geoespacial para a Defesa pode ser um vetor institucional dessa transformação. Tal centro, sob liderança do Exército Brasileiro, teria a missão de desenvolver algoritmos, treinar modelos, validar inferências e propor casos de uso adaptados à realidade nacional. Essa iniciativa reforçaria a autonomia científica e permitiria que as aplicações de GNNs evoluíssem conforme as necessidades operacionais e doutrinárias da Força.

O potencial de disrupção da proposta também impõe que ela seja incorporada com responsabilidade. A introdução de IA no processo decisório militar deve respeitar os princípios da legalidade, da proporcionalidade e do comando humano. As GNNs não substituem a análise do oficial de Estado-Maior, mas ampliam sua capacidade de perceber padrões, antecipar eventos e recomendar cursos de ação com base em grandes volumes de dados, antes inalcançáveis. É o binômio “homens capazes apoiados por IA” que representa a vantagem assimétrica a ser perseguida. A dimensão ética e legal do emprego da IA, especialmente em sistemas de apoio à decisão, deve ser tratada com rigor doutrinário, garantindo que a responsabilidade final e o julgamento permaneçam inequivocamente sob o comando humano.

Em suma, a proposta aqui apresentada alinha-se à visão estratégica da Força 40, que prevê uma Força Terrestre tecnologicamente robusta, doutrinariamente adaptável e operativamente integrada. A prontidão operacional, logística e tecnológica, pilares dessa visão, só serão alcançadas se o Exército abraçar com ousadia as possibilidades da inteligência artificial — em particular, das GNNs — como catalisadoras de um novo patamar de consciência situacional e agilidade decisória.

5. Considerações Finais

O presente artigo propôs uma análise sobre a oportunidade estratégica da adoção de Redes Neurais de Grafos (GNNs) para apoiar a função de combate Inteligência no âmbito da Força Terrestre, em alinhamento com os objetivos estratégicos da Força 40. Partimos da constatação de que os ambientes operacionais futuros exigirão maior agilidade, integração e profundidade analítica por parte dos estados-maiores, em todos os níveis de comando. Ao longo do desenvolvimento, apresentamos os fundamentos conceituais da tecnologia, suas bases técnico-operacionais, o modelo arquitetônico sugerido e as implicações doutrinárias decorrentes de sua adoção, com foco na superação das limitações do Processo de Integração Terreno, Condições Meteorológicas, Inimigo e Considerações Civis (PITCIC) tradicional.

A inteligência artificial, nesse contexto, emerge não como substituta, mas como ampliadora da capacidade de trabalho do oficial de estado-maior. As GNNs representam uma solução particularmente promissora, ao viabilizar a modelagem e inferência em ambientes geoespaciais complexos — apoiando o comandante na formação de sua consciência situacional, na antecipação de padrões e na análise de múltiplos cenários operacionais. A tecnologia amplia a acurácia, a profundidade e a responsividade do processo decisório, elevando o patamar do assessoramento estratégico e tático.

O diferencial decisivo, no entanto, não reside apenas na excelência dos algoritmos, mas na simbiose entre capacidades humanas e digitais. A equação “homens capazes apoiados por IA” sintetiza o espírito desta abordagem: líderes militares preparados, instruídos e conscientes do potencial da tecnologia farão a diferença nos futuros campos de batalha. O desafio, portanto, transcende a dimensão técnica e se concentra na formação de líderes visionários, capazes de integrar inovação, doutrina e comando com clareza estratégica, e na governança de um ecossistema de dados que suporte essa transformação, conforme discutido na Seção 4.

A prontidão projetada para 2040 precisa começar a ser construída hoje. Em se tratando de tecnologias disruptivas como a IA, o senso de urgência é imperativo. O ciclo de maturação, validação e incorporação tecnológica exige tempo, esforço coordenado e vontade institucional. A inação representa um risco estratégico, pois a superioridade informacional é um ativo perecível. Quanto antes iniciarmos a jornada, maior será a chance de moldar a tecnologia às nossas necessidades, e não o contrário.

Entre as múltiplas vertentes da IA, as GNNs trazem um diferencial qualitativo ainda pouco explorado no contexto da Defesa. Ao contrário de modelos de linguagem ou buscadores, as GNNs operam sobre estruturas relacionais de alto valor estratégico, como malhas logísticas, redes de sensores, terrenos de operações e fluxos populacionais. Essa capacidade de modelar a complexidade do ambiente operacional em sua dimensão relacional, conforme detalhado na Seção 3, representa uma fronteira a ser desbravada pela Doutrina Militar Terrestre, oferecendo uma ferramenta robusta para a superioridade informacional no cenário da Guerra Multidomínio.

Precisamos, urgentemente, superar a superficialidade e evitar soluções que apenas repetem o status quo com outra roupagem. A integração profunda entre oficiais de estado-maior, especialistas em inteligência e profissionais de CT&I será condição necessária para o sucesso. A distância entre a inovação científica e a aplicação doutrinária precisa ser encurtada — e rápido. A criação de um Centro de Excelência em Inferência Geoespacial, conforme sugerido na Seção 4, é um passo concreto para institucionalizar essa integração e acelerar o amadurecimento tecnológico e doutrinário.

Por fim, é preciso reconhecer que esta abordagem vai além da tecnologia, da inteligência e da análise de dados. Trata-se, sobretudo, de cultura organizacional, de liderança e de visão de futuro. Preparar a Força Terrestre para 2040 exige um salto cognitivo e institucional, pensando à frente do nosso tempo e não com as lentes do passado. É esse o desafio que se impõe às lideranças militares brasileiras, garantindo que a Força Terrestre não apenas adote a tecnologia, mas a incorpore em sua essência doutrinária e decisória.

Referência bibliográfica

WU, Zonghan et al. A comprehensive survey on graph neural networks. IEEE Transactions on Neural Networks and Learning Systems, v. 32, n. 1, p. 4–24, 2021. DOI: 10.1109/TNNLS.2020.2978386.

Rio de Janeiro - RJ, 17 de junho de 2026.

Como citar este documento:

ESCOLA DE COMANDO E ESTADO-MAIOR DO EXÉRCITO (ECEME). OBSERVATÓRIO MILITAR DA PRAIA VERMELHA (OMPV). Superioridade decisória 4.0: o emprego estratégico de Redes Neurais de Grafos (GNNs). Rio de Janeiro, 2026. Disponível em: http://ompv.eceme.eb.mil.br/areas-tematicas/ct-i-para-defesa-desenvolvimento-e-seguranca-nacional/artigos/superioridade-decisoria-4-0-o-emprego-estrategico-de-redes-neurais-de-grafos-gnns.