Na última quarta-feira, o presidente Lula visitou o Centro Industrial Nuclear de Aramar e prometeu recursos para a conclusão do submarino de propulsão nuclear brasileiro. Para a maioria dos observadores, a notícia se enquadra no campo da política industrial e da defesa nacional. Mas, para quem atua na intersecção entre engenharia de software, inteligência artificial e sistemas distribuídos, esse anúncio acende um alerta muito específico: o submarino nuclear SN-BR não é apenas um casco com um reator — é, acima de tudo, um ecossistema digital de altíssima complexidade, onde a IA pode ser tanto aceleradora quanto ponto de fragilidade.
O que está realmente em jogo quando falamos de um submarino nuclear digital
Submarinos modernos são sistemas ciber-físicos que integram milhares de sensores, atuadores, redes de comunicação acústica, sistemas de navegação inercial, sonares passivos e ativos, e uma miríade de subsistemas de controle. O SN-BR, especificamente, precisa operar em ambientes de negação de GPS, com latências de comunicação severamente limitadas e sob restrições extremas de consumo energético. Cada um desses subsistemas gera enormes volumes de dados — e é aí que a IA aplicada encontra seu terreno mais promissor e, ao mesmo tempo, mais perigoso.
Quando o governo fala em "recursos para a conclusão", imagino que parte desse orçamento precise ser direcionada não apenas para a estrutura física do reator e do casco, mas para a camada de software que dará inteligência ao navio. Sem um investimento proporcional em engenharia de sistemas distribuídos, processamento de borda (edge computing) e algoritmos de IA confiáveis, corremos o risco de ter um submarino com hardware de ponta e software aquém do necessário.
IA no ambiente submarino: onde ela agrega valor real
Diferente do que muitos imaginam, a IA embarcada em um submarino não precisa — e não deve — substituir o operador humano nas decisões críticas. Onde ela faz diferença é em tarefas como fusão de dados de sensores heterogêneos (sonar, magnetômetros, sensores de pressão), detecção de anomalias em vibrações de máquinas (manutenção preditiva), otimização de rotas para minimizar assinatura acústica e processamento de imagens de sonar para identificação de alvos. Esses são domínios nos quais redes neurais profundas e técnicas de aprendizado supervisionado têm mostrado resultados impressionantes, desde que treinadas com conjuntos de dados representativos.
Em um projeto como o SN-BR, o maior gargalo não é o algoritmo em si, mas a disponibilidade de dados realistas para treinamento. A Marinha brasileira tem simulações de guerra e dados históricos de exercícios, mas a coleta de amostras em condições reais de mar aberto — com variações de salinidade, ruído biológico, correntes térmicas — é escassa. Sem investimento em campanhas de aquisição de dados e em infraestrutura de simulação avançada, qualquer modelo de IA treinado fora do Atlântico Sul pode falhar no momento mais crítico.
Arquitetura de sistemas distribuídos para um submarino nuclear
Do ponto de vista de infraestrutura, um submarino é um ambiente de borda por excelência. A comunicação com o exterior é intermitente, de baixa largura de banda e alta latência — quando não completamente ausente em operações profundas. Isso significa que todos os sistemas de IA precisam executar onboard, sem depender de uma nuvem remota. Há décadas trabalho com sistemas distribuídos e aprendi que projetar para borda extrema exige repensar desde a gestão de estado até a tolerância a falhas.
Uma abordagem que recomendo fortemente é adotar uma arquitetura de microsserviços embarcados, com contêineres leves e orquestração local, similar ao que empresas como a SpaceX e a Tesla fazem em veículos autônomos. Cada subsistema de IA — navegação, detecção de contatos, manutenção preditiva — deve ser isolado, com capacidade de degradação graciosa. Se o modelo de detecção de alvos falhar, o sonar ainda deve continuar operando em modo clássico. Esse princípio de design, que chamo de "resiliência por isolamento", é frequentemente negligenciado em projetos de defesa que priorizam o desempenho máximo em detrimento da robustez.
O desafio da certificação de software com inteligência artificial
Quando o presidente promete recursos, imagina-se que parte deles irá para laboratórios de certificação. E esta é, talvez, a barreira mais espinhosa. Sistemas de IA que aprendem com dados — especialmente redes neurais profundas — são inerentemente não-determinísticos e difíceis de verificar formalmente. Diferente de um algoritmo de controle clássico que você pode provar matematicamente, uma rede neural treinada com gradiente descendente não oferece garantias explícitas de comportamento para todos os inputs possíveis.
Para aplicar IA em um sistema crítico como a navegação segura de um submarino nuclear, é necessário desenvolver métodos de validação que vão além do simples teste de acurácia. Precisamos de camadas de segurança — como redundância com sistemas tradicionais (um sistema de backup clássico que assume se a saída da IA for incoerente), monitoramento contínuo de drift de distribuição e técnicas de explainability (como SHAP ou LIME adaptadas para tempo real). Infelizmente, a maturidade dessas técnicas ainda é baixa no Brasil. Grandes players internacionais, como a Força de Defesa da Austrália e a Marinha dos EUA, já têm programas específicos para IA confiável. O Brasil precisa correr para evitar depender de tecnologia estrangeira nesse front.
O gargalo de talentos e a formação de pessoal
Não adianta ter orçamento se não houver mão de obra especializada. Engenheiros de software com experiência em sistemas embarcados críticos são raros no Brasil. Adicione a isso a necessidade de conhecimento em aprendizado de máquina, processamento de sinais e segurança cibernética, e o funil se torna ainda mais estreito. Durante minha atuação em projetos de cloud computing para órgãos públicos, vi repetidamente o mesmo padrão: a contratação de consultorias internacionais para projetos de software core, enquanto equipes locais ficam com tarefas periféricas. Isso cria dependência e fragiliza a soberania digital.
Se o Brasil quer de fato ter um submarino nuclear com inteligência embarcada, precisa de um programa urgente de formação de engenheiros de sistemas distribuídos aplicados a defesa. Isso inclui parcerias com universidades, laboratórios de simulação abertos (com dados não sigilosos) e um programa de atração de talentos da iniciativa privada. Sem isso, os recursos prometidos podem se converter em equipamentos importados e softwares de caixa-preta cujo código-fonte nunca veremos.
O paralelo com a corrida de IA em defesa no mundo
Olhando para o cenário global, grandes potências já integraram IA em submarinos de forma operacional. Os EUA usam IA no sonar do Virginia-class para classificar contatos submarinos. A Marinha Real Britânica testou sistemas autônomos de despacho de drones submarinos. A China, por sua vez, investe pesado em processamento de borda para suas frotas do Mar do Sul. O Brasil, ao anunciar o recurso para o SN-BR, precisa entender que não estamos apenas comprando um submarino — estamos montando um ecossistema de P&D que pode posicionar o país como um player relevante em tecnologia naval inteligente.
Minha percepção, baseada em anos de trabalho com sistemas distribuídos, é que o SN-BR representa uma oportunidade rara de sinergia entre o setor militar e a inovação em IA. Projetos desse porte podem gerar spin-offs para a indústria civil — desde sistemas de monitoramento de plataformas de petróleo até veículos autônomos subaquáticos para pesquisa oceanográfica. Mas isso só acontecerá se a abordagem de software for tratada com a mesma prioridade que a engenharia nuclear.
Riscos de segurança cibernética em um submarino inteligente
Não posso deixar de mencionar um ponto que me preocupa profundamente: a superfície de ataque. Quanto mais software e IA embarcados, maiores as possibilidades de exploração por agentes adversários. Um submarino com redundância digital pode ter seu comportamento manipulado se um modelo de IA for envenenado durante o treinamento ou se um sensor for comprometido via ataque físico. A segurança cibernética em submarinos não é algo que se adiciona depois — precisa ser arquitetada desde o kernel do sistema operacional.
Recomendo que o projeto incorpore práticas de DevSecOps militar: integração contínua com testes de segurança automatizados, segregação de redes internas com firewalls unidirecionais (data diodes) e um plano de resposta a incidentes que considere a impossibilidade de comunicação remota. Essas práticas, embora comuns em setores como aviação e energia nuclear, ainda não são padrão na indústria naval brasileira.
Minha visão final: soberania tecnológica exige domínio de software
A promessa de recursos para o submarino nuclear é positiva e necessária. Mas soberania não se constrói apenas com reatores e aço. A verdadeira soberania no século XXI passa pelo domínio do código, dos dados e dos algoritmos que controlam esses sistemas. O Brasil já demonstrou capacidade de construir aeronaves (Embraer) e satélites (CBERS); agora precisa mostrar que pode desenvolver sistemas de IA confiáveis para missões críticas.
Como engenheiro de software que acompanha a evolução da IA aplicada, vejo com bons olhos o movimento do governo, mas alerto: o sucesso do SN-BR dependerá menos dos recursos financeiros e mais da capacidade de formar equipes multidisciplinares, adotar arquiteturas robustas e investir em certificação de algoritmos. Espero que os próximos passos incluam editais para pesquisa em IA embarcada, criação de laboratórios de simulação abertos e incentivos para que engenheiros brasileiros participem ativamente do desenvolvimento — e não apenas da manutenção de sistemas importados.