图片说明：由美陆军任务式指挥卓越中心兰迪·斯滕森拍摄。2026年2月17日，美国堪萨斯州莱文沃思堡，合成兵种条令部信息管理官员马修·马丁内斯少校正在通过美陆军“先锋”系统中的定制工具审阅一份历史案例。合成兵种条令部作者正在运用生成式人工智能和其他数字工具来改进流程，加快向部队交付条令产品。

摘要

本文详述了在美国陆军指挥与参谋学院进行的一项实验，该实验测试了基于Palantir“先锋”平台构建的人工智能代理，集成到军事决策流程第二步（任务分析）中的效果。实验将一个由14名学生组成的传统人工参谋团队，与一个由两名学生组成、使用专用人工智能角色（总体、情报准备、综合及任务简报代理）的增强人工智能团队进行了比较，以生成持续评估、作战环境情报准备产品、问题/任务陈述及其他关键产出。实验得出结论，人工智能作为一种强大的认知伙伴，能够加速任务分析，尤其是在文本密集型任务和填补专业知识缺口方面，但需要人工验证其现实性、图表及最终判断，以增强现代战争中的指挥官决策。

引言

现代战争性质的演变要求军事组织不仅要适应新威胁，还要利用新兴技术以获得决定性优势。人工智能，特别是大语言模型，为增强军事决策流程提供了一条前景广阔的途径。本文审视了在指挥与参谋学院进行的一项将人工智能集成到任务分析中的实验。类比近期在兵棋推演中的应用，该研究测试了两个假设：人工智能生成的任务分析产品在质量上能否与人工参谋团队的产品相媲美；以及人工智能角色能否填补特定作战职能中的专业知识缺口。实验利用Palantir“先锋”平台开发人工智能代理，在效率和文本输出方面显示出显著成功，同时强调了人工监督的必要性。这些发现为加速任务分析提供了蓝图，最终使指挥官能够做出更快、更明智的决策。

实验设置：传统方法与增强人工智能方法对比

该实验使一个传统人工参谋团队与一个增强人工智能团队进行对比，以评估人工智能在任务分析中的作用。一组14名学生组成人工参谋团队，使用野战手册5-0和3-0中概述的标准条令方法执行任务分析。他们依靠集体知识、想定文件（包括基本命令和附件）以及指挥官指导，来生成持续评估、作战环境情报准备以及问题和任务陈述等关键产出。该团队仅有最小的人工智能支持，侧重于人工分析。相比之下，一个由两名学生组成的团队在Palantir“先锋”平台上开发了人工智能代理，这是一个用于构建定制人工智能解决方案的强大工具。Palantir“先锋”通过将条令文件、想定数据和自定义指令无缝集成到大语言模型中，促进了人工智能角色的创建。该平台基于本体的结构化方法——将原始文档转换为优化的、可解析的格式——借鉴了先前兵棋推演实验使用的技术，实现了高效的知识吸收，而不会使模型的上下文窗口过载。人工智能团队旨在生成一个并行任务分析简报，通过专用代理来验证两个假设。

在Palantir“先锋”平台上开发人工智能代理

代理开发始于对作战职能的评估，最初考虑为每个职能设置一个代理。然而，Palantir“先锋”的灵活性允许将其合并为三个核心人工智能角色代理，每个代理都有针对性的角色、输入和输出。这种简化方法在降低复杂性的同时最大化覆盖范围。

1. 总体代理：作为主导，该代理接收所有想定产品、条令参考（如野战手册3-0和5-0）以及指挥官指导。在Palantir“先锋”上，文档被转换为本体以进行快速查询。该代理的职责包括按作战职能生成持续评估、识别资产可用性/短缺、约束、己方信息要素、事实/假设、任务（指定、隐含、必需）及风险。输出为结构化文本，构成更广泛任务分析产品的基础。
2. 情报准备代理：专注于情报作战职能，该代理根据技术出版物2-01.3重点关注情报准备流程。其输入仅限于附件B（情报）、基本命令和相关条令，确保模拟专注的专业知识。利用Palantir“先锋”，该代理生成了详细的情报准备步骤，包括情报收集计划、修改后的复合障碍叠加图、关键地形分析、作战区域/关注区域、敌方情况模板、事件模板、高价值目标清单、情报缺口、情报收集需求表及整体敌方情况。这通过填补潜在的情报专业知识缺口，验证了第二个假设。
3. 综合代理：类似于执行官或作训官，该代理汇总了总体代理和情报准备代理的输出。它综合数据以生成时间线、问题陈述、任务陈述及建议的行动方案评估标准。Palantir“先锋”实现了迭代优化，允许代理交叉引用输入而无需重复上传数据。

后来增加了第四个代理，即任务简报代理，用于将所有输出编译成连贯的简报。该代理无法直接访问原始想定，仅依靠综合产品来生成幻灯片。所有代理的指令均在Palantir“先锋”上精心设计，强调条令保真度、部队焦点和关键作战要素。为避免偏见，指令使用另一个独立的大语言模型生成，而代理则在GPT-4.1等效模型上运行。指令长度各异，总体代理的指令最为详细，以确保全面覆盖。

执行过程与主要发现

人工参谋团队完成任务分析耗时约5小时：4.5小时用于分析，0.5小时制作幻灯片，0.5小时进行预演。增强人工智能团队利用Palantir“先锋”的自动化功能，仅用2小时即告完成——1小时用于代理设置，1小时用于产品生成——效率提升了3小时。结果突显了人工智能的优势与局限。在文本输出方面，人工智能表现出色：问题和任务陈述比人工版本更清晰、更简洁，且更符合条令。例如，人工智能生成的陈述能精确综合复杂输入，优于人工团队偶尔冗长的草稿。持续评估和任务识别同样稳健，展示了人工智能快速处理大量条令数据的能力。 然而，可视化呈现构成了挑战。情报准备代理生成了准确的文本描述（如修改后的复合障碍叠加图细节和情况模板叙述），但无法生成地图或图表等图像——这对于任务分析简报至关重要。尽管它提供了视觉化制作的说明，但这仍不及包含支持性图形的人工产品。考虑到视觉效果因素，此局限性使情报准备部分的有效性仅达到人工对等产出的30%。

总体而言，人工智能简报达到了人工版本的60%对等度，若排除视觉内容密集的幻灯片，则升至90%。缺失的要素，如风险评估，可追溯到指令设计的不足，这突显了提示设计的重要性——这是一项类似于制定清晰命令的技能。

评估与成功之处

使用100%对等度评级（与人工产品完全匹配），假设1得到部分验证：人工智能生成了可行的任务分析产出，特别是在非视觉领域，有时在综合与清晰度方面甚至超越人工质量。假设2在情报准备方面得到证实；专用代理有效地模拟了专业知识，识别出的缺口和模板与人工分析高度吻合，尽管缺乏视觉化效果。成功源于Palantir“先锋”平台的能力：本体结构加速了数据处理，使代理能够在无需人工干预的情况下依据条令进行“推理”。这与兵棋推演中的见解类似，即简化的提示可产生现实的结果。人工智能的客观性也揭示了隐藏的假设，挑战了人为偏见并增强了分析的严谨性。

实施经验教训

为在美陆军范围内推广，得出以下几点启示：

1. 人在回路的必要性：人工智能增强而非取代人类判断。人工验证确保现实性，特别是在视觉效果和上下文细微差别方面。
2. 指令设计专长至关重要：详细、无偏见的提示是关键。部队必须训练参谋人员掌握“人工智能任务分配”技能，以避免遗漏。
3. 数据完整性事关重大：准确的输入产生可靠的输出。需在Palantir“先锋”等平台中维护最新的条令和想定。
4. 效率即战斗力倍增器：节省的时间允许进行更多迭代、更深入的分析，并减轻参谋人员的疲劳。
5. 需集成可视化工具：未来开发应整合用于图形生成的人工智能工具以弥补此差距。

质疑观点

批评者正确地警告，在任务分析中过度依赖人工智能代理存在自动化偏见的风险，即参谋人员不加批判地接受模型生成的、条令流畅的抛光输出，视其为客观优越；存在技能退化的风险，即初级军官越来越多地将持续评估、任务分析和假设验证等繁重脑力劳动外包给大语言模型；以及存在一个微妙的风险，即人工智能的结构连贯性可能掩盖了未解决的优先事项或指挥权衡，而这些矛盾本应通过人工参谋团队的摩擦与辩论显现出来。这些担忧在原则上是合理的，尤其是在高风险作战环境中，过度信任流畅但语境浅薄的综合产物可能会逐渐侵蚀集体的专业判断力。然而，本实验及本文自身强调严格的人在回路验证、审慎的“人工智能任务分配”培训以及明确保留指挥官和参谋监督职责，通过将人工智能定位为快速草拟和挑战假设的工具而非决策权威，直接缓解了这些风险。设计良好的集成非但不会导致技能退化，反而可以通过将参谋人员从机械的综合工作中解放出来，使其专注于创造性的问题界定、视觉整合和伦理判断——这些正是区分军事专业人员的高阶职能——从而实际上提升人类技能。最终，以对待任何参谋建议同样的审慎态度对待人工智能输出，在利用该技术速度和一致性作为真正战斗力倍增器的同时，保留了确保军事决策流程稳健运行所必需的摩擦。

结论

本实验说明了人工智能在加速任务分析方面的潜力，能够将军事决策流程第二步从耗时过程转变为更高效的流程。通过在Palantir“先锋”等平台上开发人工智能角色代理，参谋人员可以填补专业知识缺口（例如情报领域），或加速持续评估和问题陈述草拟等任务。在文本综合和速度方面的成功，突显了人工智能作为认知伙伴的价值，能够实现严谨的、挑战假设的分析。然而，人工监督在验证、可视化和整体判断方面仍然不可或缺。随着陆军将人工智能投入实战运用，投资于条令、培训和基础设施将确保其成为决策的基石，为未来冲突提供竞争优势。

引文格式：Thad D. Weist, Skyler G. Kepley. Enhancing Mission Analysis: Integrating Artificial Intelligence Into the Military Decision-Making Process. 04.20.2026.https://smallwarsjournal.com/2026/04/20/ai-integrating-mdmp-mission-analysis-vantage/