Intel·ligència de dades per a la presa de decisions en entorns de guerra híbrida

Avui dia, l’entorn operatiu ha canviat de manera radical. Ja no es tracta únicament d’analitzar escenaris físics o conflictes convencionals, sinó d’enfrontar-se a contextos molt més complexos, en què la dificultat principal és el volum ingent de dades procedents de múltiples fonts, dominis i nivells. Tanmateix, disposem de tecnologies madures, com l’analítica avançada, les dades massives o l’explotació de fonts obertes, que permeten transformar aquesta sobrecàrrega en indicadors i alertes útils per a la presa de decisions.

Un dels principals desafiaments és el pas a operacions en un entorn multidomini. Tradicionalment, la intel·ligència s’estructurava en nivells estratègic, operacional i tàctic, lligats a dominis físics. Aquesta metodologia ha evolucionat per incorporar-hi nous àmbits com el ciberespai i el domini cognitiu.

En aquest context, el multidomini es pot entendre com una esfera d’actuació complexa en què tots els àmbits estan interconnectats i són interdependents. Una acció en un pot generar efectes decisius en els altres. Per exemple, una campanya de desinformació a les xarxes socials pot generar desconfiança en la població i condicionar la presa de decisions a diferents nivells. És a dir, una acció no física pot tenir efectes directes en múltiples àmbits de manera simultània.

Aquest escenari s’emmarca en el concepte de guerra híbrida, també coneguda com a conflicte a la zona grisa. Es tracta d’accions que no superen el llindar d’una resposta militar convencional i que busquen explotar vulnerabilitats del sistema objectiu. Aquesta mena de conflictes se centren especialment en el domini cognitiu, és a dir, en les percepcions i decisions de la població i dels responsables polítics. L’ambigüitat i la dificultat d’atribució compliquen la resposta i augmenten la incertesa.

El tercer gran repte és la saturació informativa. En el context actual, el problema no és la manca de dades, sinó el seu volum. La informació es genera de manera contínua i en diferents formats, la qual cosa en dificulta l’anàlisi. En aquest escenari, les amenaces solen manifestar-se com a senyals febles, dispersos i difícils de detectar.

Les metodologies tradicionals, basades en l’anàlisi manual o en indicadors aïllats, no escalen davant d’aquest nivell de complexitat. El veritable desafiament és transformar grans volums d’informació en coneixement útil, comprensible i accionable per al decisor, en el moment oportú.

Abans d’abordar el paper de la tecnologia, cal definir quines capacitats permeten afrontar aquests reptes. Qualsevol sistema orientat a la presa de decisions ha de ser capaç d’integrar informació de múltiples orígens, detectar anomalies i senyals febles, correlacionar informació entre diferents dominis i transformar les dades en indicadors clars per al decisor. Tot això amb un objectiu comú: reduir el temps entre la detecció d’un senyal rellevant i la presa de decisió.

Aquestes capacitats s’alineen directament amb el cicle OODA (observar, orientar, decidir i actuar), model clàssic de presa de decisions. En entorns complexos, l’avantatge no resideix únicament a decidir bé, sinó a fer-ho abans que l’adversari. La tecnologia no pren decisions, però sí que permet transformar dades en informació útil perquè el decisor actuï amb més rapidesa i criteri.

Un cop definides les capacitats, el pas següent és entendre quines tecnologies permeten materialitzar-les. Aquí entra en joc el concepte de dades massives, entès no com una tecnologia concreta, sinó com una metodologia que impulsa noves formes de processar i analitzar la informació.

Sobre aquesta base, plataformes com la desenvolupada per GMV en l’àmbit de la seguretat nacional permeten traslladar aquestes capacitats a l’entorn operatiu real.

El primer pas és la integració i processament de la informació en un únic entorn. En aquest procés, les dades es converteixen en coneixement estructurat i, a través de l’anàlisi, en intel·ligència per donar suport a la decisió. Per a això, s’apliquen processos ETL/ELT i de normalització que permeten disposar de dades preparades per a la seva explotació, sempre respectant els requisits de seguretat i classificació.

L’analítica avançada i la intel·ligència artificial constitueixen el nucli d’aquestes capacitats. No substitueixen l’analista, sinó que amplifiquen la seva capacitat en permetre processar informació, fer cerques intel·ligents i extreure coneixement rellevant de manera automàtica, incloent-hi l’anàlisi de documents, la transcripció o la traducció. En qualsevol cas, la intel·ligència artificial no pren decisions autònomes: sempre hi ha validació humana i control de qualitat.

La correlació multidomini es basa en models de grafs que permeten representar relacions entre esdeveniments i facilitar la identificació de patrons no evidents.

Finalment, tota aquesta informació es tradueix en quadres de comandament, alertes i indicadors orientats al decisor. Aquests permeten sintetitzar informació complexa i donar suport a la priorització i la presa de decisions de manera àgil.

Un exemple clar n’és el desplegament d’una eina que proporcioni la informació més rellevant a l’operador en una COP (Common Operational Picture), en què convergeixen dades, anàlisi i decisió en un únic entorn que integra mapes, indicadors i capacitats col·laboratives.

En aquest context, la clau no està en acumular informació, sinó en utilitzar-la de manera eficient. La tecnologia permet a l’analista transformar dades en coneixement útil i reduir la incertesa sense substituir el decisor.

En darrer terme, l’avantatge competitiu és recórrer el cicle de decisió amb més rapidesa i precisió. En un entorn en què el temps és crític, decidir abans pot marcar la diferència. És precisament aquí on la intel·ligència de dades es consolida com un element clau per afrontar els desafiaments de la seguretat actual.

Autor: Pablo Crego Nieto