这是什么

这周流传的一份五角大楼内部调查，给所有把 AI 塞进核心决策链的组织提了个醒：美军 2026 年 2 月底误击伊朗米纳布学校，根源不在 Maven AI（Palantir 为美军开发的战场情报系统，整合了 Claude 等大模型能力）本身，而在于一套「AI 加速 + 人手削减 + 数据陈旧」的组合拳。

调查还原了几个关键事实：

  • 数据库停留在 2019 年前的卫星图像，没能识别出 2017-2018 年间学校改建的明显特征——蓝色粉色围墙、足球场被拆、无军事建筑
  • 关键备注被记录在一个孤立系统中，从未同步到主力情报库
  • 平民伤害评估团队（CHM）在袭击前已被裁撤约 90%，从 10 人缩到 1 人，且无人审核过米纳布目标
  • 当时的背景是「24 小时内打击逾千目标」的高压命令

行业怎么看

军工 AI 圈对这件事分两派。一派认为这恰恰证明 AI 不应进入作战决策链，必须用法规划清红线。另一派（更主流）认为 AI 本身没问题，问题在于组织把它当成了「自动验证工具」，而它设计上只是「初筛辅助」。

Palantir 的回应很巧妙：「不对基础数据负责，也不负责识别情报缺陷」——技术上没毛病，但把责任推干净的同时，也承认了一个事实：AI 输出的「权威感」会让人忘记追问数据从哪来、是否过时。

但我们认为需要警惕一种「AI 无罪论」：把所有问题归结为「组织没准备好」，等于回避了 AI 系统设计本身的缺陷——它没有内置数据时效性检查，没有跨源交叉验证提示，把所有结论包装成同等可信度。这种「看起来都很权威」的输出，本身就是危险。

对普通人的影响

  • 对企业 IT：如果公司正在用 AI 辅助审批、风控、招聘决策，先问一个问题——系统输出的结论有没有标注数据来源和时效？有没有独立的人工复核环节？如果答案是「没有」，你今天就和米纳布事件的中央司令部站在同一个位置上。
  • 对个人职场：效率工具越顺手，越要警惕「路径依赖」。当 AI 几秒出结论、人核验要几小时，偷懒就成了默认选项。保持「健康的怀疑」不是工作量，是职业保险。
  • 对消费市场：这件事短期内不会影响消费 AI 产品，但长期会推动一个趋势——AI 输出的「可追溯性」会成为采购方的硬指标。说不清数据从哪来的 AI 系统，未来在 B 端会越来越难卖。