O modelo muda.
A memória fica.

Dois lançamentos, uma decisão

Em 31 de agosto, o Departamento de Guerra dos Estados Unidos anunciou a entrada do Grok for Government na GenAI.mil. O comunicado destacou raciocínio em modos diferentes, espaços de trabalho personalizáveis, projetos persistentes e playbooks reutilizáveis. Informou também que a plataforma já havia cadastrado mais de 1,7 milhão de usuários únicos entre os mais de 3 milhões de militares, civis e contratados do órgão.

Se a notícia terminasse aí, seria fácil tratá-la como a vitória de um fornecedor numa disputa por contratos públicos. Ela não termina.

No mesmo dia, o departamento anunciou o ChatGPT Mil. A experiência inclui chat, arquivos, projetos e GPTs personalizados. O Gemini for Government já estava disponível desde dezembro de 2025, quando inaugurou a plataforma com conversação, geração aumentada por recuperação e fluxos agentivos.

O Pentágono não escolheu um modelo. Escolheu colocar modelos concorrentes dentro de uma camada comum.

Essa diferença muda o centro da análise. Grok, ChatGPT e Gemini podem subir ou descer de qualidade, preço e conveniência. A GenAI.mil administra o acesso institucional e tenta transformar essa competição em capacidade operacional para uma organização com milhões de pessoas. O produto estratégico não é apenas o modelo que responde. É o ambiente que mantém usuários, dados, projetos, procedimentos e histórico enquanto o fornecedor muda.

Multimodelo não é sinônimo de portabilidade

O comunicado do Grok afirma que adicionar outro fornecedor elimina dependência e promove um ecossistema americano competitivo. A direção é racional. Uma organização não deveria reconstruir suas operações sempre que um laboratório lança uma versão melhor, altera preços ou muda condições contratuais.

Disponibilizar vários modelos, porém, resolve somente uma camada da dependência. Um catálogo permite escolher outro motor. Não prova que o trabalho acumulado ao redor do motor consegue acompanhá-lo.

Projetos persistentes guardam arquivos, contexto e decisões anteriores. Playbooks transformam procedimentos humanos em instruções reutilizáveis. GPTs personalizados e fluxos agentivos conectam dados, ferramentas e regras. Quando esses artefatos crescem, trocar o modelo deixa de ser apenas mudar um seletor. É preciso preservar o estado que dá sentido ao sistema.

Uma arquitetura realmente multimodelo precisa responder a uma pergunta concreta: um playbook criado com Grok pode ser executado com ChatGPT ou Gemini sem ser reescrito? A documentação pública consultada não responde. Também não informa se projetos, arquivos, instruções, avaliações e registros podem ser exportados num formato comum.

Isso não prova que a portabilidade não exista. Define a evidência que ainda falta para sustentar a promessa de eliminação da dependência de fornecedor.

IL5 protege o dado, não valida a resposta

Grok for Government e ChatGPT Mil foram anunciados como acreditados para Controlled Unclassified Information no Impact Level 5. A sigla parece uma classificação geral de segurança do produto, mas possui um significado mais estreito.

Segundo a documentação da Defense Information Systems Agency, IL5 acomoda informação controlada não classificada que exige proteção superior à do IL4. Também pode abranger sistemas nacionais de segurança não classificados. Informação classificada até o nível Secret começa no IL6.

Essa acreditação importa. Ela define requisitos para processar dados sensíveis, conexões, controles de nuvem e responsabilidade de autorização. Sem uma fronteira desse tipo, projetos e prompts poderiam espalhar material operacional por serviços inadequados.

IL5 não mede factualidade, viés, resistência a manipulação, adequação de uma recomendação nem segurança de uma decisão. Não transforma uma saída probabilística em evidência. Os próprios termos empresariais públicos da SpaceXAI reconhecem que respostas podem ser incompletas, inexatas, enviesadas ou inadequadas e atribuem ao cliente a responsabilidade de avaliá-las antes do uso. O contrato específico do governo pode ter condições diferentes e não foi publicado.

O anúncio menciona pesquisa de mercado para aquisição e gestão de cadeia de suprimentos para logística. São tarefas empresariais importantes. Ele não apresenta uso do Grok para seleção de alvos, emprego autônomo de armas ou decisão letal. Ampliar o comunicado até esse ponto seria transformar possibilidade estratégica em fato não demonstrado.

Ainda assim, planejamento, aquisição e logística também produzem consequências reais. Um erro pode alterar contrato, estoque, prioridade ou disponibilidade. A proteção do dado é necessária. A verificação do resultado continua sendo outra obrigação.

O estado virou o ativo

Um modelo isolado recebe entrada e produz saída. Um projeto persistente cria continuidade. Ele mantém documentos, critérios, correções e decisões que influenciam as próximas respostas. Um playbook vai além: captura uma maneira de trabalhar para que outras pessoas ou execuções repitam o procedimento.

Essa camada pode melhorar a operação. Conhecimento que antes vivia em um especialista, numa pasta local ou num manual desatualizado pode ganhar estrutura, revisão e distribuição. Uma equipe de logística pode preservar como compara fornecedores. Um escritório de aquisição pode manter critérios, fontes e etapas de aprovação. Uma unidade pode reaproveitar uma investigação sem recomeçar do zero.

O ganho também cria risco. Uma instrução errada pode ser reutilizada em escala. Um documento desatualizado pode continuar influenciando tarefas depois que a política mudou. Um contexto misturado pode atravessar unidades que deveriam permanecer separadas. Quanto mais institucional o playbook, mais ele precisa de proprietário, versão, validade, escopo e mecanismo de revogação.

Memória não é apenas conveniência. É autoridade acumulada.

Esse é o ponto em que a dependência muda de lugar. Um comprador pode negociar acesso a três modelos e ainda ficar preso à plataforma que armazena os projetos, define a identidade, conecta as fontes e registra a execução. O modelo se torna substituível. O estado que o torna útil, não necessariamente.

Os números mostram escala, não resultado

A trajetória publicada pelo próprio departamento é rápida. A GenAI.mil começou em 9 de dezembro de 2025 com o Gemini for Government. Em fevereiro, o órgão declarou mais de 1 milhão de usuários únicos. Em maio, informou 1,3 milhão de pessoas, dezenas de milhões de prompts e centenas de milhares de agentes implantados. Em agosto, o número chegou a mais de 1,7 milhão de usuários cadastrados.

Esses dados indicam alcance institucional incomum. Continuam sendo números divulgados pelo operador da plataforma, sem série pública detalhada, metodologia de contagem ou auditoria independente. Usuário único cadastrado não é usuário diário. Prompt enviado não é tarefa concluída. Agente implantado não é benefício produzido.

Para demonstrar resultado, seria necessário relacionar a adoção com tarefas concretas: tempo economizado, erros introduzidos, revisões humanas, incidentes, retrabalho, custo e qualidade. O governo afirma que atividades foram reduzidas de meses para dias, mas não publica no comunicado os casos, linhas de base ou distribuições que permitiriam avaliar essa alegação.

Escala importa porque amplia tanto benefício quanto falha. Um playbook correto pode reduzir trabalho em milhares de equipes. Um procedimento ruim também pode se espalhar antes que alguém perceba que a mesma memória está produzindo o mesmo erro em lugares diferentes.

A resposta multimodelo é boa, mas incompleta

O contraponto mais forte à preocupação com dependência está na própria arquitetura declarada. GenAI.mil começou com Google, acrescentou OpenAI e Grok e, em maio, o departamento anunciou acordos com oito empresas para capacidades em ambientes classificados IL6 e IL7. Uma plataforma comum pode centralizar identidade, política e observabilidade enquanto mantém competição na camada de inferência.

Isso é melhor do que entregar toda a organização a um único laboratório. Também pode facilitar comparação de modelos na mesma tarefa, continuidade quando um serviço falha e negociação comercial com alternativas reais.

O benefício só se torna verificável quando a camada comum possui contratos de portabilidade e avaliação. Sem isso, a escolha existe no início de um novo projeto, mas desaparece depois que meses de trabalho foram convertidos em objetos proprietários.

Também falta uma forma pública de comparar comportamento. A GenAI.mil pode oferecer modelos lado a lado, mas equivalência de interface não significa equivalência de capacidade. Cada versão precisa ser avaliada nas tarefas da organização, com dados autorizados, critérios comuns e registro das limitações. A possibilidade de trocar modelos só é útil quando o comprador sabe o que perde e o que ganha na mudança.

Starshield não descreve a rota

O comunicado usa o nome Starshield AI para apresentar o Grok for Government. A página pública da SpaceX descreve Starshield como uma rede de satélites voltada a comunicações, observação e payloads governamentais, com criptografia adicional. O anúncio da GenAI.mil, porém, não afirma que prompts, arquivos ou respostas do Grok trafeguem por essa rede.

Seria tentador transformar a proximidade dos nomes numa arquitetura completa: satélite, conectividade segura e modelo operando como uma única pilha. A fonte não sustenta essa conclusão. Não há topologia pública, região de execução, fluxo de dados ou relação técnica descrita entre o serviço de IA e a rede orbital.

A distinção é importante porque segurança não deve ser deduzida de marca. A acreditação IL5 é uma evidência específica. A existência de Starshield é outra. Sem documentação de integração, elas não podem ser unidas como se demonstrassem o caminho percorrido pelo dado.

O que precisa sobreviver à troca

Uma instituição com milhões de pessoas não deveria medir soberania pelo número de modelos disponíveis numa tela. Deveria medir pelo que continua sob seu controle quando um deles desaparece.

Os dados de origem precisam permanecer governados. Projetos e playbooks precisam ter formato conhecido e histórico versionado. Identidades e permissões não podem depender da conta de um laboratório. Avaliações devem acompanhar cada mudança de versão. Logs precisam mostrar qual modelo, fonte e procedimento participaram de uma recomendação. A autoridade humana deve continuar explícita quando a saída afeta aquisição, logística ou operação.

Também é necessário decidir o que não será compartilhado entre modelos. Um espaço de trabalho pode conter informação permitida no IL5 e ainda exigir separação por missão, unidade ou contrato. Continuidade não pode virar mistura indiscriminada de contexto. Memória útil é memória com escopo.

A chegada de Grok e ChatGPT ao lado do Gemini é um avanço real em diversidade de fornecedor. O governo americano está tentando evitar que um único laboratório seja sinônimo de inteligência institucional. Essa é uma decisão arquitetural mais importante do que escolher qual modelo vence um benchmark nesta semana.

Mas a promessa de eliminar dependência ainda está incompleta. Trocar o motor é a parte visível. Migrar o conhecimento, as permissões, as avaliações e os registros que cresceram ao redor dele é a prova difícil.

O modelo muda. A memória fica. A questão é quem consegue levá-la consigo.