【作者简介】 Chris Lajeunesse上尉为美国陆军步兵军官，现任第101空降师第3机动旅作战计划官与创新官。他毕业于西点军校，并拥有游骑兵资格。今年夏天，他将赴第506步兵团第2营担任步枪连连长。
Joseph Palazini上尉为美国陆军工兵军官，现任第101空降师第3机动旅副作战军官。他毕业于新罕布什尔大学，并同时拥有游骑兵与工兵突击队资格，曾担任工兵连长与旅部连连长。
James Tulskie上尉为美国陆军工兵军官，现任第101空降师第3机动旅工兵军官兼防护主任。他毕业于弗吉尼亚军事学院（VMI），同时拥有游骑兵与工兵突击队资格。今年夏天，他将出任第3机动旅旅部连连长。
三位作者均参与了所在旅近期于联合战备训练中心进行的轮训，并在旅级军事决策制定流程中整合应用人工智能工具。
在计划周期进入第12个小时的时候，我们的首席计划军官站在白板与地图之间，戴上耳机，开始口述一场复杂的防御作战。他按顺序讲解整个机动构想−−地形、路线、阶段线、目标、火力支援阵地、转换节点、分支方案。情报军官与火力支援军官则在涉及各自作战职能的部分补充细节。20分钟内，一套语音转录工具记录下了全部内容。30分钟后，参谋部门已经得到了一份采用正确条令格式的旅级作战命令初稿−−它并非由房间里的任何军官撰写，而是由一个基于陆军作战命令结构训练的人工智能工具，根据人类实际口述内容生成。
这只是人工智能在我们于路易斯安那州波尔克堡联合战备训练中心（Joint Readiness Training Center，JRTC）轮训期间的一次应用。我们三人当时均在美国陆军第101空降师第3旅级战斗队−−“Rakkasans”旅−−参谋部任职。在整个轮训过程中，我们将人工智能工具整合进军事决策制定流程（Military Decision-Making Process，MDMP）之中。这是一套陆军使用的七步计划方法，用于将上级司令部指令转化为可执行命令。轮训期间，我们总共生成了三份完整的旅级作战命令，每份耗时约23小时−−符合“三分之一/三分之二规则”（one-third/two-thirds rule），即上级司令部最多使用三分之一计划时间，其余三分之二保留给下级部队。这一速度明显快于多数旅级参谋部在战备训练中心高压环境下的实际表现。
真正重要的并不是结果本身，而是压缩后的时间线所创造出的“认知时间”（cognitive time）。这为指挥官与参谋人员腾出了时间，使他们能够投入机器无法充分完成的构想性工作：理解问题、构想战场、接受风险以及做出决策。在指挥所内部，人工智能最适合扮演的角色，是“人工智能参谋辅助”（artificial staff support），而绝不应替代指挥官判断。若将其视为更高层级的存在，不仅违背条令，也会带来作战风险。我们的轮训恰恰展示了这一论点的两个方面−−AI在何处能够强化参谋体系，以及如果越过适当边界，又会如何腐蚀其本应支持的整个流程。
一、AI 在何处证明了自身价值
陆军条令对此界限划分得非常明确。《陆军条令出版物5-0：作战流程》（Army Doctrine Publication 5-0, The Operations Process）明确规定：计划工作由指挥官主导，由参谋提供支持。指挥官负责构想层面：界定问题、定义最终状态、形成作战思路、确定决定性行动、承受风险。参谋则负责辅助性工作：作战评估、实施同步、比较方案、将指挥官指导转化为可执行产品。AI在指挥所中适合出现的位置，以及它不适合出现的位置，恰恰与这条界线完全重合。Michael Zequeira少校与Jason Adler上校此前在《军事观察》撰文时也提出过类似观点：AI在军事领域最直接的价值，在于减轻参谋负担，而不是切断人类在判断中的核心作用。
在轮训期间，AI在五类计划职能中体现出了最大价值，而这些职能共同特点是：文书工作密集，而决策判断需求有限。
第一类应用出现在“受领任务”阶段。在收到师级作战命令后，我们将命令及其配套文件输入AI工具，由其自动提取明确任务、隐含任务、约束条件、限制条件、指挥关系以及关键时间节点。输出结果仍需人工解释与验证，但原始提取过程比人工逐页扫描更快、错误更少。我们在接收命令后一小时内，就向下属营发布了一份完整的预先号令（Warning Order），这一速度已经超过多数旅级司令部能够实现的标准水平，而且该命令足以让下属单位立即展开行动。
第二类应用出现在“使命任务分析”阶段。我们使用另一种AI工具，对文件进行摄取、提取使命任务分析要素，并生成供参谋修订的结构化输出。关键使命任务仍需人工确认；假设仍需人工判断；风险仍需人工评估。但真正改变的是起点：作战军官走进使命任务分析简报会时，手中已经拥有一份可工作的产品，而不是一堆做满标记的笔记文件夹。在截止时间压力下，一个基于结构化草稿工作的参谋部，与一个在24小时倒计时进入第4小时仍面对空白文档的参谋部，其行为模式存在根本差异。
第三类，也是我们观察到最关键、最值得陆军高度重视的应用，是“语音到条令”的转换（voice-to-doctrine translation）。指挥官与计划人员本来就不会天然以“五段式条令文书”的形式思考问题。战术思维通常以口头叙述、修正、补充和反复推敲的形式出现。传统参谋工作会在此形成瓶颈：必须有人负责记录、解释、转换成条令结构，并据此生成作战命令、预先号令、下级任务、同步矩阵以及时间表。整个过程往往耗费数小时，并在每个环节都存在“翻译转换摩擦”。指挥官意图在转换过程中被削弱甚至丢失。这种情况每天都在全军各级司令部发生。
而AI所做的，是根据计划军官口头讲解的转录内容，将我们真正说出的东西，直接转化为陆军要求的标准格式。机器并未发明战术构想。它只是保存并规范化了指挥思维，缩小了“指挥官如何表达”与“条令要求司令部如何发布”之间的鸿沟。
第四类AI最具价值的应用，出现在机动方案确定之后。当AI工具开始起草预先号令、构建命令段落、制作时间表以及生成同步工具初稿时，其价值进一步体现。在多数司令部里，构想形成并不意味着形成最终产品的劳动结束，而恰恰意味着文书修改工作进入加速阶段。任何一次修订，都会连锁影响时间轴、任务分配、矩阵与演练材料。传统人类参谋往往把大量精力耗费在“保持各类文书彼此一致”上。利用AI吸收这种“产品反复改动负担”，使我们能够把精力集中于评估计划质量，而非维持计划机制本身。
最后一种最容易被低估的应用，并非让机器做决定，而是让机器“提出问题”。我们的旅执行官曾要求AI工具围绕各作战职能提出尖锐问题。例如：在向前越线换防（forward passage of lines）期间，我们最大的脆弱点是什么？如果主攻部队提前30分钟完成突破，火力体系会发生什么？随后，他将这些问题带入同步会议讨论。机器强化了严谨性，但并未取代判断。它扮演的是“参谋教练”，而不是“参谋指挥官”。
二、AI被刻意限制的位置
在拟制行动方案（Course of Action Development）阶段，AI则被放到了次要位置。这并不是融合失败，而恰恰是最符合条令关系的安排−−同时也是本次轮训最重要的发现。
拟制行动方案依赖战术想象力、条令素养、地形理解、敌情认知以及指挥官对于可接受风险的判断。正是在这一阶段，司令部需要决定：哪项行动是决定性的；哪些行动属于塑造行动；兵力应集中于何处；如何创造节奏；预备队承担何种任务。我们的计划军官并未要求AI生成行动方案。他与指挥官、作战军官一起站在地图前，依据地形、敌军部署以及指挥官意图，亲手构建整个作战构想。AI在房间里，但AI不是作者。
同样的界限也适用于所有属于指挥官权限的节点。AI不被用于制定指挥官意图、选择决定性行动、批准火力、接受风险或签署命令。这些职能不能委托给机器。原因并不只是法规限制，而在于：指挥责任本身并非行政管理任务，而是军官受命服役的核心职责。
三、训练环境掩盖的风险
没有监管的速度，只会制造更快的混乱，而不是更好的计划。即使在高度规范的轮训环境中，我们仍观察到若干失败模式。其中有三项尤其值得任何考虑采用AI的旅级单位重点关注。
最危险的一项，是我们称之为“隐性自信”的问题。生成式AI有时会输出语法完美、风格正确、但事实错误的内容。更危险的是，它不会标记这些错误，也不会意识到自己错了。在整个计划周期中，我们发现过错误的部队番号、被颠倒的阶段线、听起来合理但原命令中根本不存在的控制措施名称，以及偏差达30至60分钟的时间−距离计算。上述任何一个错误，一旦被写入作战命令并被下级单位执行，都可能导致误伤、错失会合或关键时刻同步失效。之所以这些错误最终被发现，是因为各参谋部门负责人拒绝将AI输出视为“已验证结果”。这一结果来自训练与纪律，而不是运气。
一段措辞漂亮的文字，并不意味着它是正确的文字。一个整洁的矩阵，也不意味着它是经过批准的矩阵。在AI支撑的司令部中，参谋专业性的衡量标准，不再主要是生成速度，而是验证严谨性。这一点也符合美国国防部“负责任AI”框架的要求：AI系统必须保持可追溯、可靠、可治理，并始终由人类承担责任。
第二类失败模式属于“体系结构问题”。我们的工具运行于一个良性、联网、非密级的训练环境中，但它们未必能够部署到保密、对抗、实战环境。依赖云端的商业模型，需要稳定连接，而陆军在“拒止、降级、间歇或受限”（DDIL）环境下未必具备这种条件。同时，如果使用不当，还会带来机密信息泄露至非安全系统的风险。陆军正在开发的安全网络生成式工具只是一个起点。部队真正需要的，是强化型、本地化、边缘部署的模型，并且能够在充满激烈对抗的电磁环境中运行。一个依赖商业软件服务生成命令的司令部，本质上已经引入了一种与水和燃料同等级的重要后勤依赖。战争中的真正问题，不只是AI是否有效，而是：当敌人主动试图让它失效时，它是否仍然有效？
第三类失败模式则属于战略层面。俄罗斯与C国军队，同样面临“认知时间不足”的问题。他们的参谋同样需要阅读大量上级指令、制作文书、面对行政摩擦。而且，两国都已经持续多年优先发展AI增强型指挥控制体系。如果他们比我们更快、更有效地将AI整合进计划周期，那么我们在波尔克堡观察到的节奏优势将迅速消失。真正值得关注的问题，并不是AI会不会改变战术计划，而是哪支军队能够率先掌握对AI的体系化驾驭能力。决定未来优势的，与其说是谁部署AI更快，不如说是谁能建立更成熟的治理与运用机制，从而在下一场冲突爆发初期，以更快节奏、更高协同性向对手施加多维作战压力。
四、这对陆军意味着什么
更重要的结论，并不是AI能够取代军事决策过程，而是它能够让这一过程在现代作战条件下变得更具可执行性，因为AI可以减少参谋工作中那些大量消耗时间、却并不能相应提升作战构想价值的流程性摩擦。
对于正在采用AI工具的旅级指挥官与参谋部而言，有四项要求必须落实。
第一，在接收任务、使命任务分析草拟、语音到条令转换、命令生成以及红队推演等阶段，应积极使用AI。这些环节，正是机器劳动能够为人类换取最大“认知时间”回报的领域，也是文书事务整合最能够直接转化为作战筹划优势的地方。
第二，必须禁止AI撰写指挥官意图、决定性行动或任何需要批准权限的内容，除非经过明确人工验证。这些限制必须提前写入单位标准作业程序（SOP）中，而不是等作战压力到来后再临时补救。
第三，在采用AI之前，必须先建立产品治理纪律，而不是事后再完善。统一信息源、版本控制流程以及按产品类别指定验证责任人，都是AI成功整合的前提条件。一个没有治理体系却贸然采用AI的旅级单位，其状况甚至会比完全不采用AI更糟。治理优先，工具其次。
第四，必须默认连接一定会中断。因此，应明确哪些AI工具能够在降级环境下运行，哪些不能；并定期演练“无AI条件下”的计划流程。一个离开工具就无法展开计划工作的参谋部，并不是“采用了AI”，它只是“依赖了AI”。
陆军机构体系也必须同步推进。职业军事教育体系−−包括指挥与参谋学院（CGSC）、上尉职业课程以及任前指挥课程−−都应将AI治理纳入核心课程，而非选修内容。课程应涵盖Prompt编写纪律、输出验证以及本文所述的各类失败模式。《野战条令 FM 5-0：计划与命令生成》未来也终将需要增加关于AI增强型参谋流程的章节。陆军不应等待十年，让一线部队已经摸索出的经验继续长期处于“非正式实践”状态后，才开始制度化。
我们在波尔克堡看到的，并不是“人工智能指挥”，也不是“战术判断被机器取代”。我们看到的，是为战术判断保留下来的时间。AI只有在一种条件下才应进入军事决策制定流程：它必须增强指挥官的指挥能力，以及参谋部辅助指挥的能力。只要边界划定正确，它确实能够做到这一点。