El Human-Centered AI Institute (HAI) de Stanford publica el AI Index Report 2025, un análisis anual exhaustivo que rastrea las tendencias globales en el desarrollo, la implementación y las políticas de IA. El informe se basa en publicaciones académicas, inversión sectorial, regulaciones gubernamentales y pruebas de referencia de capacidades para ofrecer una instantánea de referencia del panorama de la IA y su trayectoria.

Dominio del sector sobre la academia

El informe documenta el desplazamiento continuo de la investigación en IA desde la academia hacia el sector privado. El desarrollo de modelos de frontera es ahora exclusivamente corporativo: ninguna institución académica cuenta con los recursos para entrenar modelos que requieren presupuestos de cómputo superiores a los 100 millones de dólares. El sector publicó 5.2 veces más artículos de IA que la academia en 2024, frente a 3.1 veces en 2020. El talento de primer nivel en IA se incorpora cada vez más a los laboratorios industriales, cuyos paquetes de compensación están fuera del alcance de las universidades. Esta tendencia genera preocupación sobre quién define la agenda de investigación: ¿los motivos de lucro eclipsarán la investigación fundamental?

Explosión de los costes de cómputo

La escalada en los costes de entrenamiento de modelos de frontera es drástica: GPT-3 (2020) se estima en 4.6 millones de dólares, PaLM (2022) ~11 millones, GPT-4 (2023) ~78 millones, y los modelos de 2025 superarían los 200 millones. Los requisitos de cómputo crecen más rápido que las ganancias de eficiencia algorítmica, ampliando una brecha creciente entre las pocas organizaciones capaces de entrenar modelos de frontera y el resto de la comunidad de IA. El informe advierte: esta concentración reduce la diversidad en los enfoques de desarrollo de IA.

Meseta de capacidades de los modelos fundacionales

Aunque las capacidades siguen avanzando, el ritmo de mejora se está ralentizando en cuanto al escalado puro. El informe señala rendimientos decrecientes: duplicar el tamaño del modelo o el cómputo ya no produce ganancias de capacidad proporcionales. Esto sugiere que las innovaciones arquitectónicas, la calidad de los datos y las técnicas de entrenamiento están cobrando más importancia que la escala bruta. Esta tendencia podría democratizar el desarrollo de IA si modelos más pequeños y eficientes alcanzan un rendimiento competitivo.

Aceleración de la adopción empresarial de IA

Los datos de encuestas muestran que el 72% de las empresas ha implementado IA en producción, frente al 58% en 2023. La adopción se concentra en: automatización del servicio de atención al cliente (64% de las empresas que despliegan IA), asistencia al desarrollo de software (52%), análisis de datos y apoyo a la toma de decisiones (48%), generación de contenido (37%), ciberseguridad (31%). La materialización del ROI está mejorando: el tiempo mediano entre la implementación y un impacto empresarial medible se redujo de 14 a 8 meses.

Panorama regulatorio en evolución

37 países adoptaron legislación específica sobre IA en 2024, frente a 18 en 2023. Avances destacados: el inicio de la implementación del EU AI Act, la aplicación de las regulaciones chinas sobre IA generativa, leyes de gobernanza de la IA en varios estados de EE. UU., una adopción más amplia de los principios de IA de la OCDE. El informe señala que la fragmentación regulatoria corre el riesgo de generar dificultades de cumplimiento para el despliegue global de IA.

Competencia geopolítica en IA

La rivalidad entre EE. UU. y China se intensifica en todos los indicadores: producción de investigación (China lidera en volumen, EE. UU. en citas), concentración de talento (ventaja de EE. UU. en la atracción de talento global), inversión (el sector privado estadounidense lidera, con una inversión pública china sustancial), acceso al cómputo (los controles de exportación de EE. UU. pesan sobre las capacidades chinas). El informe advierte que el desacoplamiento tecnológico podría fragmentar el ecosistema global de IA.

Inversión en IA responsable

El gasto corporativo en equidad, transparencia y rendición de cuentas ha crecido un 340% desde 2022. Sin embargo, el informe señala una brecha entre los compromisos y los resultados: aunque la inversión crece, las mejoras medibles en la equidad de los modelos, la calidad de las explicaciones y la prevención de daños son menos notables. La IA responsable requiere más que financiación: avances fundamentales en la investigación.

El desafío de la diversidad persiste

Las mujeres representan solo el 18% de los investigadores de IA, una cifra prácticamente sin cambios desde 2020 pese a las iniciativas de diversidad. La subrepresentación es peor en los cargos directivos (12% de los directores de laboratorios de IA) y en ciertas especializaciones (14% en aprendizaje por refuerzo, 22% en visión por computadora). El informe califica esta brecha como un problema sistémico que requiere intervenciones estructurales más allá de las iniciativas de contratación.

Saturación de las pruebas de referencia

Muchas pruebas de referencia de IA establecidas se acercan a la saturación: los modelos alcanzan un rendimiento cercano o superior al humano en MMLU, HumanEval y otras pruebas estándar. El informe recomienda desarrollar pruebas de referencia más exigentes y matizadas que midan la planificación a largo plazo, el razonamiento en varios pasos, la resolución creativa de problemas y una generalización robusta.

Implicaciones para el futuro

Los datos del informe sugieren que el desarrollo de la IA está entrando en una nueva fase: una era posterior al escalado que requiere innovación más allá del tamaño del modelo, un mayor escrutinio regulatorio que moldea las prácticas de desarrollo, un riesgo de consolidación derivado de las barreras de coste de cómputo, y una adopción empresarial que orienta la investigación hacia aplicaciones prácticas más que hacia capacidades por sí solas.