Pentagon nahrazuje až deset systémů jedinou platformou. Kde je háček?

Šest, osm, deset různých systémů. Tolik nástrojů pro analýzu dat podle šéfa digitálních technologií a umělé inteligence Pentagonu v některých pracovních postupech nahradil Maven Smart System. Zní to jako sen každého člověka, který v pondělí ráno otevírá dvanáct podnikových aplikací. Jenže tady se pracuje s vojenskými informacemi. Špatně propojená tabulka může znamenat mnohem víc než pokaženou poradu.

Současně přichází vojenský ChatGPT a američtí auditoři upozorňují, že vesmírné síly nedokážou plně využít nakoupená komerční data. Společné téma? Dostat správnou informaci ke správnému člověku. Včas a bezpečně.

Pentagon nahrazuje až deset systémů jedinou platformou. Kde je háček?

Cameron Stanley, šéf digitálních technologií a umělé inteligence Pentagonu, popsal rozšiřování Mavenu na zářijové konferenci Billington CyberSecurity Summit. Platforma má vedle zpravodajských a operačních informací propojovat také logistiku, připravenost jednotek, zásobování a rozpočtová data. Výrok o nahrazení několika systémů zaznamenal 9. září 2026 server Defense One.

Čísla šest, osm a deset ale nejsou výsledkem zveřejněného auditu úspor. Jde o Stanleyho popis konsolidace nástrojů. Nevíme z něj, kolik přesně ušetřila každá jednotka ani zda všechny původní aplikace skutečně zmizely.

Přínos přesto dává smysl. Představme si modelovou situaci: velitel plánuje přesun techniky. Potřebuje znát dostupnost vozidel, stav oprav, zásoby paliva a kapacitu dopravy. Pokud každá odpověď leží jinde, analytici nejprve skládají společný obraz. Teprve potom mohou řešit samotný přesun.

Integrovaná platforma může tuto prodlevu zkrátit. Zároveň však soustředí závislost na jednom prostředí. Výpadek, chybná aktualizace nebo špatně nastavené oprávnění pak zasáhnou více činností najednou.

Počet odstraněných aplikací proto není dostatečným měřítkem úspěchu. Podstatnější je čas potřebný k ověření rozhodnutí, počet chyb a schopnost pokračovat při výpadku. Jedno přihlášení je příjemné. Jeden společný bod selhání už méně. Při hodnocení takové platformy by právě tyto provozní otázky měly dostat stejný prostor jako působivá ukázka mapy.

Vojenský ChatGPT dostal zelenou. Utajované informace mají jiné dveře

Pentagon 31. srpna 2026 oznámil spuštění ChatGPT Mil na platformě GenAI.mil. Oficiální zpráva uvádí schválení pro kontrolované neutajované informace, označované CUI, na bezpečnostní úrovni IL5. Nasazení má kapacitně podporovat organizaci s více než třemi miliony pracovníků. To ovšem neznamená tři miliony aktivních uživatelů. Podrobnosti obsahuje oznámení Pentagonu.

Praktické úkoly jsou překvapivě obyčejné: práce s dokumenty, administrativa, plánování nebo logistika. Tedy oblasti, ve kterých armáda připomíná obrovský podnik. Také potřebuje najít správnou směrnici a zpracovat podklady, aniž by zaměstnanec strávil dopoledne hledáním přílohy.

Nasazení předcházely měsíce příprav a bezpečnostního testování. Defense One popisuje oddělené prostředí a prověřování spojené s agenturami DISA a NSA. Zpráva o vojenské verzi ChatGPT tak ukazuje, kolik práce stojí mezi oznámením spolupráce a skutečným provozem.

Schválení bezpečnosti ale neověřuje pravdivost každé odpovědi. Model může pracovat v pečlivě chráněné síti a přesto zaměnit číslo součástky nebo přehlédnout výjimku v předpisu.

Rozumný pracovní postup proto musí uchovat původní dokument, označit podklady odpovědi a určit člověka, který výstup zkontroluje. Zvlášť když z něj vznikne objednávka nebo plán údržby. Vojenská uniforma na přihlašovací obrazovce jazykovému modelu neodstraní sklon k sebejistým omylům. Stejný problém řeší civilní firmy při nasazování vlastních podnikových asistentů.

OWL Cyber Defense: za sponzorským označením je skutečný technický problém

Označení přeložitelné jako „Uvádí OWL Cyber Defense“ je na stránce Defense One součástí propagace materiálu o ochraně AI. Není to název systému Pentagonu. Samotné umístění reklamy také nedokládá, že OWL dodává zabezpečení Mavenu nebo ChatGPT Mil.

Firma se zabývá technologiemi pro přenos dat mezi oddělenými bezpečnostními prostředími. Nabízí mimo jiné datové diody a řešení pro kontrolovanou výměnu informací mezi bezpečnostními doménami. Jejich zaměření popisuje ve svých materiálech k zabezpečení datových toků pro AI.

Datovou diodu si lze představit jako hardwarově vynucenou jednosměrku. Data smějí určeným směrem ven nebo dovnitř. Zpětná komunikace stejnou cestou je zablokována. Podrobnější princip vysvětluje technický průvodce společnosti OWL.

Příklad z energetiky je názornější než marketingový leták. Elektrárna potřebuje předávat provozní měření do analytického systému. Nemusí však chtít, aby se přes toto propojení daly posílat povely zpět do řídicí sítě.

Takové oddělení má jasné omezení: jednosměrnost sama nepozná nepravdivý údaj. Pokud vadné čidlo hlásí špatnou teplotu, bezpečně přenesená hodnota zůstává špatná. Vedle ochrany spojení je proto nutné hlídat původ, formát a věrohodnost dat.

U vojenské AI se tyto vrstvy potkávají. Informace musí být dostupná, ale její přesun nesmí otevřít cestu nepovolenému přístupu. Bezpečnost přenosu a kvalita analýzy jsou dvě různé disciplíny.

Družicová data za 76,8 milionu dolarů. Překážkou jsou i licence

Americký kontrolní úřad GAO zveřejnil 27. srpna 2026 zprávu o využívání komerčních vesmírných dat. Organizace JCO při amerických vesmírných silách podle ní od ledna 2023 do září 2025 utratila prostřednictvím tržiště Global Data Marketplace 76,8 milionu dolarů za data a související služby. Částka není celkovým účtem Pentagonu za komerční družicové informace. Zpráva GAO sleduje konkrétní nákupy.

Auditoři našli překážky v cenách licencí, obavách z omezení použití a nejistotě kolem dlouhodobého přístupu. Někteří potenciální uživatelé navíc nebyli zapojeni do pracovní skupiny, která mohla část nejasností vyřešit. GAO doporučuje zlepšit informování a účast v této skupině.

Je to skoro komické. Organizace pracuje s informacemi z vesmíru, ale část problému spočívá v tom, kdo ví o správné poradě.

Pro zavádění AI je ovšem tento detail zásadní. Model může dostat technický přístup k datům, zatímco smlouva jejich další použití omezuje. Před nákupem je potřeba vyjasnit, zda lze informace archivovat, sdílet s partnery nebo zpracovávat určitým způsobem.

Stejnou otázku by měla položit česká firma kupující analytickou službu: co zůstane po ukončení smlouvy? Historie měření? Výsledky analýz? Možnost převést data jinam? Levnější předplatné může zdražit ve chvíli, kdy zákazník zjistí, že odchod znamená ztrátu provozní paměti. To je obchodní riziko, které vyšší přesnost algoritmu nevyřeší.

Nejrychlejší doporučení nemusí být nejlepší rozhodnutí

Vojenská AI staví etickou debatu před konkrétní problém: kolik času zbude člověku na kontrolu? Pokud systém vytváří doporučení rychleji, než je operátor dokáže posoudit, lidské schvalování se může změnit v rutinní odklikávání.

Představme si hypotetický rozpoznávací systém s chybovostí jedno procento. Při deseti tisících posouzení jde o sto chybných výsledků. Není to údaj o Mavenu. Je to připomínka, že působivé procento přesnosti samo nevysvětluje provozní riziko. Záleží na typu chyby a na jejích následcích.

Záměna prázdného parkoviště za obsazené má jinou váhu než nesprávné označení civilního objektu. Hodnocení musí rozlišovat falešné poplachy, přehlédnuté objekty i situace, ve kterých systém nemá dostatečné podklady.

Z toho plyne požadavek na srozumitelnou kontrolu. Operátor potřebuje vidět stáří snímku, zdroj informace a míru nejistoty. Musí mít také možnost rozhodnutí pozastavit. Jinak je odpovědnost člověka pouze organizační fikce.

Další otázkou je dohledatelnost. Při vyšetřování incidentu musí být možné zjistit, jaká data systém použil a kdo jeho doporučení schválil. Bez záznamů se odpovědnost snadno rozpustí mezi dodavatelem, provozovatelem a uživatelem.

V civilní energetice se stejný princip projeví méně dramaticky, ale pořád draze. Automatické doporučení nesmí obejít provozní limity baterie ani ochranné funkce zařízení. Rychlost získává hodnotu teprve tehdy, když systém umí bezpečně odmítnout špatný pokyn.

Co si z Pentagonu může odnést česká obec

Přenos obranných zkušeností do civilního sektoru nemusí znamenat nákup vojenského softwaru. Užitečnější může být převzetí pracovních návyků: sjednotit údaje, určit přístupová práva a uchovat historii rozhodnutí.

Modelová obec provozuje fotovoltaiku na škole, sportovní halu a čistírnu odpadních vod. Pokud má výrobu v jedné aplikaci a spotřebu ve druhé, musí nejprve sladit časové údaje. Teprve potom lze rozumně hledat prostor pro změnu provozu.

Právě základní přehled nabízí oblast monitorování výroby a spotřeby pomocí IoT. Při výběru konkrétního řešení má smysl ověřit dostupnost historie, export dat a rozlišení mezi naměřenou hodnotou a odhadem.

Pro sdílení elektřiny je časová souvislost zásadní. ERÚ ve svém přehledu energetických společenství popisuje vyhodnocování sdílení v patnáctiminutových intervalech. Denní součet výroby tedy pro posouzení využitelnosti přebytků nestačí.

Obec by měla začít provozním rozborem jednotlivých budov. Které spotřebiče mohou změnit dobu běhu? Kde je nutný souhlas správce? Jaký dopad by měl výpadek komunikace? Nabídku služeb pro tento typ projektů představuje stránka SmartEnergyShare pro obce a města.

Další čtení ke komunitní energetice nabízí tematický blog SdíleníEnergie.info. Hlavní poučení z vojenských projektů je přitom prosté: nejdřív vyřešit dostupnost a kvalitu informací. Teprve potom přidávat automatizaci. Chatovací okno nad nesrovnanými elektroměry udělá hlavně hezčí zmatek.

AI potřebuje elektřinu. A stále větší přípojku

Propojení AI a energetiky má ještě druhou stranu. Výpočetní infrastruktura sama odebírá značné množství elektřiny. Mezinárodní energetická agentura ve zprávě z roku 2026 odhaduje růst spotřeby datových center z 485 TWh v roce 2025 na přibližně 950 TWh v roce 2030. Jde o všechna datová centra, nikoli pouze o AI nebo vojenské systémy. Aktualizovaný výhled IEA zároveň zdůrazňuje omezení infrastruktury.

Rozdíl mezi chytrou prezentací a skutečným nasazením se tak někdy měří v megawattech. Organizace může mít data, model i rozpočet. Bez dostupného elektrického výkonu se však výpočetní kapacita nerozeběhne.

Zde vzniká prostor pro řízení spotřeby a bateriová úložiště. Některé výpočty snesou časový posun, jiné potřebují okamžitou odezvu. Provozovatel musí tyto úlohy rozlišit, pokud chce spotřebu přizpůsobovat podmínkám sítě.

Stejná logika stojí za obchodováním flexibility: hledáním zařízení, která mohou za stanovených podmínek upravit spotřebu nebo výrobu. Ekonomický výsledek závisí na konkrétním provozu, smlouvě a technických limitech.

Baterie zároveň nemůže bez omezení plnit všechny role najednou. Pokud má držet rezervu pro výpadek, tato energie není volně dostupná pro obchodování. Podobně vojenské pracoviště nemůže odložit naléhavou analýzu jen proto, že elektřina zrovna zdražila. Optimalizace musí respektovat účel zařízení. Nejlevnější provoz nemusí být provozem dostatečně odolným.

Nejdřív chtějte důkazy, potom další licenci

Před nákupem AI má smysl vybrat jeden konkrétní problém. Třeba čas potřebný k dohledání závady, přípravě logistického přehledu nebo vyhodnocení energetických dat. Změřit výchozí stav. Vyzkoušet nový postup. Porovnat dobu práce, počet oprav a náklady na kontrolu.

Vedle běžného provozu patří do zkoušky také výpadek spojení, chybějící měření a nesprávný vstup. Právě tehdy se ukáže, zda systém pomáhá, nebo jen přesvědčivě doplňuje mezery.

Dodavatel by měl doložit, jak zákazník získá vlastní data, kdo může měnit nastavení a co se stane po skončení smlouvy. Pentagon i vesmírné síly názorně ukazují, proč technická schopnost nestačí bez provozního a smluvního zázemí.

Pro české firmy a obce může být prvním krokem přehled energetických služeb na smartenergyshare.com. Zadání projektu by ale mělo obsahovat měřitelný výsledek. Například zkrácení času potřebného k odhalení poruchy. Samotná přítomnost AI v nabídce není přínos.

Moje předpověď? Při skutečném provozním problému bude mít větší cenu dohledatelný údaj než nejplynulejší odpověď. Vyhrají systémy, které dokážou ukázat původ informace, přiznat nejistotu a bezpečně pokračovat při výpadku. Otestujte právě tohle, než podepíšete další licenci.

Zdroje

• Defense One: rozšiřování systému Maven — Zpravodajský podklad pro výroky Camerona Stanleyho. Čísla o nahrazovaných systémech článek používá jako přisouzené vyjádření představitele Pentagonu, nikoli jako nezávisle potvrzený výpočet návratnosti nebo úspor.
• Pentagon: spuštění ChatGPT Mil — Primární oznámení vymezuje datum nasazení a bezpečnostní rozsah produktu. Rozlišování schváleného prostředí od správnosti jednotlivých odpovědí je pro interpretaci této zprávy zásadní.
• GAO: využívání komerčních vesmírných dat — Kontrolní zpráva poskytuje konkrétní výdajový údaj a popis organizačních překážek. Uvedenou částku je nutné vztahovat ke sledovanému tržišti a období, nikoli k veškerým vesmírným nákupům.
• ERÚ: sdílení elektřiny a energetická společenství — Český regulatorní podklad pro vysvětlení časového vyhodnocování sdílení. Modelový příklad obce v článku slouží k vysvětlení práce s daty; nepředstavuje doloženou zákaznickou realizaci.
• IEA: klíčové otázky energetiky a AI, vydání 2026 — Mezinárodní analytický podklad pro spotřebu datových center. Výhled do roku 2030 je projekcí, jejíž naplnění závisí mimo jiné na rozvoji infrastruktury a poptávce po výpočtech.

Obchodujete s batteriovými úložišti nebo hledáte partnera pro flexibilitu a day trading elektřiny? SmartEnergyShare nabízí kompletní řešení pro BESS projekty od 50 do 250 kW — obchodování flexibility, SVR služby a IoT monitoring. Zjistěte víc →

Další články na toto téma najdete na: SmartEnergyShare.cz The Defense Department is looking to update how older pla... Vice o sdílení elektřiny