Lo Human-Centered AI Institute (HAI) di Stanford pubblica l'AI Index Report 2025, un'analisi annuale completa che monitora le tendenze globali nello sviluppo, nell'adozione e nella regolamentazione dell'IA. Il rapporto si basa su pubblicazioni accademiche, investimenti industriali, regolamentazioni governative e benchmark di capacità per fornire un quadro di riferimento del panorama dell'IA e della sua traiettoria.

Predominio dell'industria sull'accademia

Il rapporto documenta lo spostamento continuo della ricerca sull'IA dall'accademia all'industria. Lo sviluppo di modelli di frontiera è ormai esclusivamente aziendale — nessuna istituzione accademica dispone delle risorse per addestrare modelli che richiedono budget di calcolo superiori a 100 milioni di dollari. Nel 2024 l'industria ha pubblicato 5,2 volte più articoli sull'IA rispetto all'accademia, rispetto a 3,1 volte nel 2020. I migliori talenti dell'IA si uniscono sempre più ai laboratori industriali, i cui pacchetti retributivi sono fuori dalla portata delle università. Questa tendenza solleva preoccupazioni su chi stabilisce l'agenda di ricerca: i motivi di profitto finiranno per oscurare la ricerca fondamentale?

Esplosione dei costi di calcolo

L'escalation dei costi di addestramento dei modelli di frontiera è drammatica: GPT-3 (2020) stimato a 4,6 milioni di dollari, PaLM (2022) circa 11 milioni, GPT-4 (2023) circa 78 milioni, e i modelli del 2025 supererebbero i 200 milioni. I requisiti di calcolo crescono più rapidamente dei guadagni di efficienza algoritmica, ampliando un divario crescente tra le poche organizzazioni in grado di addestrare modelli di frontiera e il resto della comunità dell'IA. Il rapporto avverte: questa concentrazione riduce la diversità negli approcci di sviluppo dell'IA.

Plateau delle capacità dei modelli fondativi

Sebbene le capacità continuino a progredire, il ritmo di miglioramento rallenta per il puro scaling. Il rapporto rileva rendimenti decrescenti: raddoppiare la dimensione del modello o la capacità di calcolo non produce più guadagni di capacità proporzionali. Ciò suggerisce che le innovazioni architetturali, la qualità dei dati e le tecniche di addestramento stanno diventando più importanti della pura scala. Questa tendenza potrebbe democratizzare lo sviluppo dell'IA se modelli più piccoli ed efficienti raggiungessero prestazioni competitive.

Accelerazione dell'adozione dell'IA in azienda

I dati dei sondaggi mostrano che il 72% delle imprese ha implementato l'IA in produzione, rispetto al 58% nel 2023. L'adozione si concentra su: automazione del servizio clienti (64% delle imprese che adottano l'IA), assistenza allo sviluppo software (52%), analisi dei dati e supporto decisionale (48%), generazione di contenuti (37%), cybersicurezza (31%). La realizzazione del ROI migliora: il tempo mediano tra l'implementazione e l'impatto commerciale misurabile è sceso da 14 a 8 mesi.

Evoluzione del panorama normativo

37 paesi hanno adottato una legislazione specifica sull'IA nel 2024, rispetto a 18 nel 2023. Sviluppi principali: l'avvio dell'attuazione dell'EU AI Act, l'applicazione delle normative cinesi sull'IA generativa, leggi sulla governance dell'IA in diversi stati americani, adozione più ampia dei principi OCSE sull'IA. Il rapporto rileva che la frammentazione normativa rischia di creare difficoltà di conformità per l'implementazione globale dell'IA.

Competizione geopolitica sull'IA

La rivalità USA-Cina si intensifica su ogni metrica: produzione di ricerca (la Cina è in testa in volume, gli Stati Uniti nelle citazioni), concentrazione di talenti (vantaggio statunitense nell'attrarre talenti globali), investimenti (il settore privato statunitense guida, sostanziali investimenti pubblici cinesi), accesso al calcolo (i controlli sulle esportazioni statunitensi pesano sulle capacità cinesi). Il rapporto avverte che il disaccoppiamento tecnologico potrebbe frammentare l'ecosistema globale dell'IA.

Investimenti nell'IA responsabile

La spesa aziendale in equità, trasparenza e responsabilità è cresciuta del 340% dal 2022. Il rapporto rileva tuttavia un divario tra impegni e risultati: mentre gli investimenti crescono, i miglioramenti misurabili nell'equità dei modelli, nella qualità delle spiegazioni e nella prevenzione dei danni sono meno impressionanti. L'IA responsabile richiede più che finanziamenti: progressi fondamentali nella ricerca.

La sfida della diversità persiste

Le donne rappresentano solo il 18% dei ricercatori nel campo dell'IA, una cifra praticamente invariata dal 2020 nonostante le iniziative per la diversità. La sottorappresentazione è peggiore nei ruoli dirigenziali (12% dei direttori di laboratori di IA) e in alcune specializzazioni (14% nell'apprendimento per rinforzo, 22% nella visione artificiale). Il rapporto definisce questo divario un problema sistemico che richiede interventi strutturali oltre alle iniziative di reclutamento.

Saturazione dei benchmark

Molti benchmark consolidati per l'IA si avvicinano alla saturazione: i modelli raggiungono prestazioni prossime o superiori a quelle umane su MMLU, HumanEval e altri test standard. Il rapporto raccomanda di sviluppare benchmark più impegnativi e sfumati che misurino la pianificazione a lungo termine, il ragionamento multi-fase, la risoluzione creativa dei problemi e la generalizzazione robusta.

Implicazioni per il futuro

I dati del rapporto suggeriscono che lo sviluppo dell'IA sta entrando in una nuova fase: un'era post-scaling che richiede innovazione oltre la dimensione del modello, un controllo normativo crescente che plasma le pratiche di sviluppo, un rischio di consolidamento dovuto alle barriere dei costi di calcolo, un'adozione aziendale che orienta la ricerca verso applicazioni pratiche piuttosto che verso le sole capacità.