برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
موسسه هوش مصنوعی استنفورد برای هوش مصنوعی انسان (HAI) گزارش شاخص AI 2025 خود را منتشر کرده است و تجزیه و تحلیل داده محور از توسعه جهانی AI را ارائه می دهد. HAI طی چند سال گذشته در حال تهیه گزارشی در مورد هوش مصنوعی بوده است و اولین معیار آن در سال 2022 آمده است. نیازی به گفتن نیست ، چیزهای زیادی تغییر کرده است.
گزارش 2025 با آمار بارگذاری شده است. در میان برخی از یافته های برتر:
- ایالات متحده 40 مدل AI قابل توجه در سال 2024 تولید کرد ، به طور قابل توجهی از چین (15) و اروپا (3).
- محاسبه آموزش برای مدل های هوش مصنوعی تقریباً هر پنج ماه دو برابر می شود و اندازه مجموعه داده ها هر هشت ماه است.
- هزینه های استنباط مدل AI به طرز چشمگیری کاهش یافته است-کاهش 280 برابر از 2022 به 2024.
- سرمایه گذاری جهانی AI خصوصی در سال 2024 به 252.3 میلیارد دلار رسید که 26 ٪ افزایش یافته است.
- 78 ٪ سازمانها با استفاده از هوش مصنوعی (از 55 ٪ در سال 2023) گزارش می دهند.
این گزارش برای رهبران IT شرکت که استراتژی هوش مصنوعی خود را ترسیم می کنند ، بینش های مهمی در مورد عملکرد مدل ، روند سرمایه گذاری ، چالش های اجرای و پویایی رقابتی در حال تغییر شکل چشم انداز فناوری ارائه می دهد.
در اینجا پنج راه حل اصلی برای رهبران IT شرکت از شاخص AI آورده شده است.
1. دموکراتیک سازی قدرت AI در حال تسریع است
شاید جالب ترین یافته این باشد که هوش مصنوعی با کیفیت بالا به سرعت مقرون به صرفه تر و در دسترس تر شده است. سد هزینه ای که زمانی AI پیشرفته را به غول های فنی محدود می کرد ، در حال فروپاشی است. این یافته برخلاف آنچه که گزارش استنفورد 2024 یافت ، برخلاف آن است.
Nestor Maslej ، مدیر تحقیقات برای شاخص AI در HAI به VentureBeat گفت: “من از اینکه چقدر مدل های هوش مصنوعی در طول سال گذشته ارزان تر ، بازتر و در دسترس تر شده اند ، ناراحت شدم.” “در حالی که هزینه های آموزش بالا باقی مانده است ، ما اکنون دنیایی را می بینیم که هزینه توسعه با کیفیت بالا-هرچند مرزتر نیست-در حال کاهش است.”
این گزارش این تغییر را به طرز چشمگیری تعیین می کند: هزینه استنتاج برای یک مدل هوش مصنوعی که در سطح GPT-3.5 انجام می شود از 20.00 دلار در هر میلیون توکن در نوامبر 2022 به 0.07 دلار در هر میلیون نشانه تا اکتبر 2024 کاهش یافته است-کاهش 280 برابر در 18 ماه.
همگرایی عملکرد بین مدلهای بسته و وزن باز نیز به همان اندازه قابل توجه است. شکاف بین مدل های بسته بندی شده برتر (مانند GPT-4) و مدل های باز (مانند Llama) از 8.0 ٪ در ژانویه 2024 به 1.7 ٪ تا فوریه 2025 کاهش یافته است.
IT مورد اقدام رهبر: مجدداً استراتژی تهیه AI خود را ارزیابی کنید. سازمانهایی که قبلاً از قابلیت های هوش مصنوعی برش قیمت داشتند ، اکنون از طریق مدل های با وزن باز یا API های تجاری به طور قابل توجهی ارزان تر دارند.
2. شکاف بین اتخاذ AI و تحقق ارزش قابل توجه است
در حالی که این گزارش نشان می دهد که 78 ٪ از سازمانها اکنون حداقل در یک عملکرد تجاری (از 55 ٪ در سال 2023) از هوش مصنوعی استفاده می کنند ، تأثیر واقعی تجارت از فرزندخواندگی عقب مانده است.
ماسلج وقتی از ROI معنی دار در مقیاس سؤال شد ، اذعان كرد: “ما داده های محدودی در مورد آنچه سازمانهایی را كه به بازده گسترده ای برای مقیاس با هوش مصنوعی دست می یابند از مواردی كه نمی كنند جدا می كنیم.
این گزارش حاکی از آن است که بیشتر سازمان هایی که از AI تولیدی استفاده می کنند ، پیشرفت های مالی متوسطی را گزارش می کنند. به عنوان مثال ، 47 ٪ از مشاغل با استفاده از هوش مصنوعی در استراتژی و مالی شرکت ها افزایش می یابد ، اما به طور معمول در سطوح زیر 5 ٪.
IT مورد اقدام رهبر: به جای اجرای گسترده ، روی موارد استفاده قابل اندازه گیری با پتانسیل ROI روشن تمرکز کنید. در نظر بگیرید که چارچوب های حاکمیتی و اندازه گیری قوی تر را برای ردیابی ارزش بهتر ایجاد کنید.
3. عملکردهای خاص تجاری بازده مالی قوی تری از AI نشان می دهد
این گزارش بینش های دانه ای را ارائه می دهد که عملکردهای تجاری از مهمترین تأثیر مالی از اجرای AI دیدن می کنند.
ماسلج خاطرنشان کرد: “از طرف هزینه ، به نظر می رسد هوش مصنوعی بیشترین بهره را از عملکرد زنجیره تأمین و خدمات بهره می برد.” “از طرف درآمد ، استراتژی ، امور مالی شرکت و کارکردهای زنجیره تأمین بیشترین سود را مشاهده می کنید.”
به طور خاص ، 61 ٪ از سازمان هایی که از AI تولیدی در زنجیره تأمین و مدیریت موجودی استفاده می کنند ، پس انداز هزینه را گزارش می دهند ، در حالی که 70 ٪ از آن در استراتژی و گزارش های مالی شرکت ها استفاده می کنند. عملیات خدمات و بازاریابی/فروش همچنین پتانسیل قوی برای ایجاد ارزش را نشان می دهد.
IT مورد اقدام رهبر: اولویت بندی سرمایه گذاری های هوش مصنوعی در کارکردهایی که مهمترین بازده مالی در گزارش را نشان می دهد. بهینه سازی زنجیره تأمین ، عملیات خدمات و برنامه ریزی استراتژیک به عنوان مناطق پتانسیل بالا برای استقرار اولیه یا گسترش یافته AI ظاهر می شود.
4. AI پتانسیل شدیدی برای برابر کردن عملکرد نیروی کار نشان می دهد
یکی از جالب ترین یافته ها مربوط به تأثیر هوش مصنوعی بر بهره وری نیروی کار در سطح مهارت است. مطالعات متعدد ذکر شده در این گزارش نشان می دهد ابزارهای AI به طور نامتناسب از کارگران کم مهارت بهره مند می شوند.
در زمینه های پشتیبانی از مشتری ، کارگران کم مهارت 34 ٪ بهره وری را با کمک هوش مصنوعی تجربه کردند ، در حالی که کارگران با مهارت بالا پیشرفت کمتری داشتند. الگوهای مشابه در مشاوره (43 ٪ در مقابل 16.5 ٪ سود) و مهندسی نرم افزار (21-40 ٪ در مقابل 7-16 ٪ سود) ظاهر شد.
ماسلج توضیح داد: “به طور کلی ، این مطالعات نشان می دهد که هوش مصنوعی تأثیرات مثبت شدیدی بر بهره وری دارد و تمایل به بهره مندی از کارگران با مهارت پایین تر از افراد دارای مهارت بالاتر دارد ، هر چند که همیشه نیست.”
IT مورد اقدام رهبر: استقرار هوش مصنوعی را به عنوان یک استراتژی توسعه نیروی کار در نظر بگیرید. دستیاران هوش مصنوعی می توانند به سطح بازی بین کارمندان جوان و ارشد کمک کنند ، به طور بالقوه ضمن بهبود عملکرد کلی تیم ، به شکاف مهارت ها پرداخته اند.
5. اجرای مسئولیت AI یک آرزوی است ، نه یک واقعیت
با وجود آگاهی روزافزون از خطرات هوش مصنوعی ، این گزارش شکاف قابل توجهی بین تشخیص خطر و کاهش نشان می دهد. در حالی که 66 ٪ سازمانها امنیت سایبری را یک خطر مربوط به AI می دانند ، تنها 55 ٪ به طور فعال آن را کاهش می دهند. شکاف های مشابه برای انطباق نظارتی (63 ٪ در مقابل 38 ٪) و نقض مالکیت معنوی (57 ٪ در مقابل 38 ٪) وجود دارد.
این یافته ها بر خلاف زمینه افزایش حوادث هوش مصنوعی است ، که 56.4 ٪ به رکورد 233 مورد گزارش شده در سال 2024 رسید. سازمان ها برای عدم اجرای شیوه های مسئول هوش مصنوعی با عواقب واقعی روبرو هستند.
IT مورد اقدام رهبر: اجرای حاکمیت مسئولیت پذیری AI را به تأخیر نرسانید. در حالی که قابلیت های فنی به سرعت پیشرفت می کند ، این گزارش حاکی از آن است که اکثر سازمان ها هنوز فاقد استراتژی های کاهش ریسک هستند. توسعه این چارچوب ها اکنون می تواند یک مزیت رقابتی باشد تا یک بار انطباق.
نگاه کردن
گزارش شاخص AI استنفورد تصویری از فناوری هوش مصنوعی را که به سرعت در دسترس قرار می گیرد ، در دسترس تر و تواناتر قرار می دهد ، در حالی که سازمان ها هنوز هم تلاش می کنند تا به طور کامل از پتانسیل آن استفاده کنند.
برای رهبران فناوری اطلاعات ، ضرورت استراتژیک واضح است: تمرکز بر پیاده سازی های هدفمند با ROI قابل اندازه گیری ، بر حاکمیت مسئولانه و اهرم هوش مصنوعی برای تقویت قابلیت های نیروی کار.
ماسجج گفت: “این تغییر به سمت دسترسی بیشتر اشاره دارد و به اعتقاد من ، موجی از پذیرش گسترده تر AI ممکن است در افق باشد.”