برای دریافت آخرین بهروزرسانیها و محتوای اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت، در خبرنامههای روزانه و هفتگی ما مشترک شوید. بیشتر بدانید
مؤسسه هوش مصنوعی انسانمحور استنفورد (HAI) گزارش شاخص هوش مصنوعی ۲۰۲۵ خود را منتشر کرده است که یک تحلیل دادهمحور از توسعه جهانی هوش مصنوعی ارائه میدهد. HAI در طول چند سال گذشته گزارشی در مورد هوش مصنوعی تهیه کرده است، که اولین معیار آن در سال ۲۰۲۲ ارائه شد. نیازی به گفتن نیست که تغییرات زیادی رخ داده است.
گزارش ۲۰۲۵ مملو از آمار است. برخی از یافتههای برتر:
- ایالات متحده در سال ۲۰۲۴، ۴۰ مدل برجسته هوش مصنوعی تولید کرد که به طور قابل توجهی از چین (۱۵) و اروپا (۳) جلوتر است.
- محاسبات آموزشی برای مدلهای هوش مصنوعی تقریباً هر پنج ماه دو برابر میشود و اندازههای مجموعه دادهها هر هشت ماه دو برابر میشود.
- هزینههای استنتاج مدل هوش مصنوعی به طور چشمگیری کاهش یافته است - یک کاهش ۲۸۰ برابری از سال ۲۰۲۲ تا ۲۰۲۴.
- سرمایهگذاری خصوصی جهانی در هوش مصنوعی در سال ۲۰۲۴ به ۲۵۲.۳ میلیارد دلار رسید که ۲۶٪ افزایش داشته است.
- ۷۸٪ سازمانها گزارش دادهاند که از هوش مصنوعی استفاده میکنند (در مقایسه با ۵۵٪ در سال ۲۰۲۳).
برای رهبران فناوری اطلاعات شرکتها که استراتژی هوش مصنوعی خود را ترسیم میکنند، این گزارش بینشهای مهمی را در مورد عملکرد مدل، روندهای سرمایهگذاری، چالشهای پیادهسازی و پویاییهای رقابتی که چشمانداز فناوری را تغییر میدهند، ارائه میدهد. در اینجا پنج نکته کلیدی برای رهبران فناوری اطلاعات شرکتها از شاخص هوش مصنوعی آورده شده است.
۱. دموکراتیزه شدن قدرت هوش مصنوعی در حال شتاب گرفتن است
شاید مهمترین یافته این باشد که چگونه هوش مصنوعی با کیفیت بالا به سرعت مقرون به صرفهتر و در دسترستر شده است. مانع هزینهای که زمانی هوش مصنوعی پیشرفته را به غولهای فناوری محدود میکرد، در حال فروپاشی است. این یافته در تضاد شدید با یافتههای گزارش استنفورد ۲۰۲۴ است.
نستور ماسلج، مدیر تحقیقات شاخص هوش مصنوعی در HAI به VentureBeat گفت: "من از اینکه مدلهای هوش مصنوعی چقدر ارزانتر، بازتر و در دسترستر شدهاند، شگفتزده شدم. در حالی که هزینههای آموزش همچنان بالاست، اکنون شاهد دنیایی هستیم که هزینه توسعه مدلهای با کیفیت بالا - اگرچه نه پیشرو - در حال کاهش است."
این گزارش این تغییر را به طور چشمگیری کمی میکند: هزینه استنتاج برای یک مدل هوش مصنوعی که در سطح GPT-3.5 عمل میکند، از ۲۰.۰۰ دلار به ازای هر میلیون توکن در نوامبر ۲۰۲۲ به تنها ۰.۰۷ دلار به ازای هر میلیون توکن تا اکتبر ۲۰۲۴ کاهش یافت - یک کاهش ۲۸۰ برابری در ۱۸ ماه.
به همان اندازه مهم، همگرایی عملکرد بین مدلهای بسته و مدلهای با وزن باز است. شکاف بین مدلهای بسته برتر (مانند GPT-4) و مدلهای باز پیشرو (مانند Llama) از ۸.۰٪ در ژانویه ۲۰۲۴ به تنها ۱.۷٪ تا فوریه ۲۰۲۵ کاهش یافت.
اقدام برای رهبران فناوری اطلاعات: استراتژی تدارکات هوش مصنوعی خود را دوباره ارزیابی کنید. سازمانهایی که قبلاً از قابلیتهای هوش مصنوعی پیشرفته محروم بودند، اکنون گزینههای مناسبی از طریق مدلهای با وزن باز یا APIهای تجاری بسیار ارزانتر دارند.
۲. شکاف بین پذیرش هوش مصنوعی و تحقق ارزش همچنان قابل توجه است
در حالی که این گزارش نشان میدهد ۷۸٪ سازمانها اکنون از هوش مصنوعی در حداقل یک عملکرد تجاری استفاده میکنند (در مقایسه با ۵۵٪ در سال ۲۰۲۳)، تأثیر واقعی کسبوکار از پذیرش عقب مانده است.
هنگامی که از ماسلج در مورد بازگشت سرمایه معنادار در مقیاس بزرگ پرسیده شد، او اذعان کرد: "ما اطلاعات محدودی در مورد آنچه سازمانهایی را که بازدهی عظیمی در مقیاس با هوش مصنوعی به دست میآورند از سازمانهایی که این کار را نمیکنند، جدا میکند، داریم. این یک حوزه مهم برای تجزیه و تحلیل است که قصد داریم بیشتر آن را بررسی کنیم."
این گزارش نشان میدهد که اکثر سازمانهایی که از هوش مصنوعی مولد استفاده میکنند، بهبودهای مالی متوسطی را گزارش میکنند. به عنوان مثال، ۴۷٪ از کسبوکارهایی که از هوش مصنوعی مولد در استراتژی و امور مالی شرکتی استفاده میکنند، افزایش درآمد را گزارش میکنند، اما معمولاً در سطوح زیر ۵٪.
اقدام برای رهبران فناوری اطلاعات: به جای اجرای گسترده، بر موارد استفاده قابل اندازهگیری با پتانسیل بازگشت سرمایه واضح تمرکز کنید. ایجاد چارچوبهای قویتر برای حکمرانی و اندازهگیری هوش مصنوعی را برای ردیابی بهتر ارزش آفرینی در نظر بگیرید.
۳. عملکردهای تجاری خاص بازدهی مالی قویتری از هوش مصنوعی نشان میدهند
این گزارش بینشهای دقیقی را در مورد اینکه کدام عملکردهای تجاری بیشترین تأثیر مالی را از اجرای هوش مصنوعی میبینند، ارائه میدهد.
ماسلج خاطرنشان کرد: "به نظر میرسد هوش مصنوعی از نظر هزینه، بیشترین سود را به عملکردهای زنجیره تأمین و عملیات خدمات میرساند. از نظر درآمد، استراتژی، امور مالی شرکتی و عملکردهای زنجیره تأمین بیشترین سود را میبینند."
به طور خاص، ۶۱٪ از سازمانهایی که از هوش مصنوعی مولد در مدیریت زنجیره تأمین و موجودی استفاده میکنند، کاهش هزینهها را گزارش میکنند، در حالی که ۷۰٪ از سازمانهایی که از آن در استراتژی و امور مالی شرکتی استفاده میکنند، افزایش درآمد را گزارش میکنند. عملیات خدمات و بازاریابی/فروش نیز پتانسیل زیادی برای ارزش آفرینی نشان میدهند.
اقدام برای رهبران فناوری اطلاعات: سرمایهگذاریهای هوش مصنوعی را در عملکردهایی که بیشترین بازدهی مالی را در گزارش نشان میدهند، در اولویت قرار دهید. بهینهسازی زنجیره تأمین، عملیات خدمات و برنامهریزی استراتژیک به عنوان زمینههای پرپتانسیل برای استقرار اولیه یا گسترده هوش مصنوعی ظاهر میشوند.
۴. هوش مصنوعی پتانسیل زیادی برای برابر کردن عملکرد نیروی کار نشان میدهد
یکی از جالبترین یافتهها مربوط به تأثیر هوش مصنوعی بر بهرهوری نیروی کار در سطوح مهارتی مختلف است. مطالعات متعددی که در این گزارش ذکر شده است، نشان میدهد که ابزارهای هوش مصنوعی به طور نامتناسبی به نفع کارگران کممهارت است.
در زمینههای پشتیبانی مشتری، کارگران کممهارت ۳۴٪ افزایش بهرهوری را با کمک هوش مصنوعی تجربه کردند، در حالی که کارگران ماهر کمترین بهبود را مشاهده کردند. الگوهای مشابهی در مشاوره (افزایش ۴۳٪ در مقابل ۱۶.۵٪) و مهندسی نرمافزار (افزایش ۲۱-۴۰٪ در مقابل ۷-۱۶٪) ظاهر شد.
ماسلج توضیح داد: "به طور کلی، این مطالعات نشان میدهد که هوش مصنوعی تأثیرات مثبت زیادی بر بهرهوری دارد و تمایل دارد به کارگران کممهارت بیشتر از کارگران ماهر کمک کند، اگرچه نه همیشه."
اقدام برای رهبران فناوری اطلاعات: استقرار هوش مصنوعی را به عنوان یک استراتژی توسعه نیروی کار در نظر بگیرید. دستیاران هوش مصنوعی میتوانند به هموار کردن زمین بازی بین کارکنان جوان و ارشد کمک کنند و به طور بالقوه شکافهای مهارتی را برطرف کرده و در عین حال عملکرد کلی تیم را بهبود بخشند.
۵. اجرای مسئولانه هوش مصنوعی همچنان یک آرزو است، نه یک واقعیت
علیرغم افزایش آگاهی از خطرات هوش مصنوعی، این گزارش شکاف قابل توجهی بین تشخیص ریسک و کاهش آن نشان میدهد. در حالی که ۶۶٪ از سازمانها امنیت سایبری را یک خطر مرتبط با هوش مصنوعی میدانند، تنها ۵۵٪ به طور فعال آن را کاهش میدهند. شکافهای مشابهی برای انطباق با مقررات (۶۳٪ در مقابل ۳۸٪) و نقض مالکیت معنوی (۵۷٪ در مقابل ۳۸٪) وجود دارد.
این یافتهها در پسزمینه افزایش حوادث هوش مصنوعی به دست میآیند که ۵۶.۴٪ افزایش یافته و به رکورد ۲۳۳ مورد گزارش شده در سال ۲۰۲۴ رسیده است. سازمانها با عدم اجرای شیوههای مسئولانه هوش مصنوعی با عواقب واقعی مواجه هستند.
اقدام برای رهبران فناوری اطلاعات: در اجرای حاکمیت قوی هوش مصنوعی مسئولانه تأخیر نکنید. در حالی که قابلیتهای فنی به سرعت پیشرفت میکنند، این گزارش نشان میدهد که اکثر سازمانها هنوز فاقد استراتژیهای موثر برای کاهش ریسک هستند. توسعه این چارچوبها در حال حاضر میتواند به جای یک بار انطباق، یک مزیت رقابتی باشد.
نگاهی به آینده
گزارش شاخص هوش مصنوعی استنفورد تصویری از فناوری هوش مصنوعی در حال بلوغ سریع ارائه میدهد که در دسترستر و توانمندتر میشود، در حالی که سازمانها هنوز در تلاش هستند تا به طور کامل از پتانسیل آن استفاده کنند.
برای رهبران فناوری اطلاعات، الزام استراتژیک واضح است: تمرکز بر پیادهسازیهای هدفمند با بازگشت سرمایه قابل اندازهگیری، تأکید بر حاکمیت مسئولانه و استفاده از هوش مصنوعی برای ارتقای قابلیتهای نیروی کار.
ماسلج گفت: "این تغییر به سمت دسترسی بیشتر اشاره دارد و من معتقدم، نشان میدهد که موج گستردهتری از پذیرش هوش مصنوعی ممکن است در افق باشد."