Cresce l’utilizzo dell’AI nel 2024: sale al 78% la percentuale di organizzazioni (55% del 2023)

La mappa della ricerca sull’intelligenza artificiale si sta ridisegnando. Nel 2023, l’Asia Orientale e il Pacifico hanno generato la fetta più grande di pubblicazioni scientifiche sull’AI, con un impressionante 34,5% del totale, superando l’Europa e l’Asia Centrale (18,2%) e il Nord America (10,3%).

Lo Stanford Institute for Human-Centered AI (HAI) ogni anno fa un punto autorevole sullo stato dell’intelligenza artificiale, nel rapporto Artificial Intelligence
Index Report 2025. L’ottava edizione traccia, riassume e visualizza i dati relativi alle prestazioni tecniche, all’impatto economico, all’istruzione, alla politica e all’AI responsabile.

La Cina si conferma leader mondiale nella pubblicazione di articoli sull’AI, rappresentando il 23,2% del totale. Tuttavia, quando si guarda alle pubblicazioni più influenti, quelle con il maggior numero di citazioni, gli Stati Uniti mantengono saldamente il primato. Nel 2023, 50 delle 100 pubblicazioni più citate provenivano da autori affiliati a istituzioni statunitensi. Questo suggerisce una dinamica interessante: mentre la quantità di ricerca prodotta in Asia è in crescita, l’impatto delle ricerche statunitensi rimane significativo.

“L’AI è una tecnologia che sta cambiando la civiltà, non è limitata a un solo settore, ma sta trasformando ogni industria che tocca”, ha dichiarato Russell Wald, direttore esecutivo dello Stanford HAI e membro del comitato direttivo dell’AI Index. “L’anno scorso abbiamo assistito a un’accelerazione dell’adozione dell’AI a un ritmo senza precedenti e la sua portata e il suo impatto continueranno a crescere. L’Indice AI fornisce ai politici, ai ricercatori e al pubblico i dati necessari per prendere decisioni informate e per garantire che l’AI sia sviluppata con valori incentrati sull’uomo”.

Dodici punti chiave dell’Artificial Intelligence Index Report 2025

1. Le prestazioni dell’AI su benchmark impegnativi continuano a migliorare. Nel 2023, i ricercatori hanno introdotto nuovi benchmark – MMMU, GPQA e SWE-bench – per testare i limiti dei sistemi di IA avanzati. Solo un anno dopo, le prestazioni sono aumentate notevolmente: i punteggi sono aumentati rispettivamente di 18,8, 48,9 e 67,3 punti percentuali su MMMU, GPQA e SWE-bench. Oltre ai benchmark, i sistemi di AI hanno compiuto passi da gigante nella generazione di video di alta qualità e, in alcuni contesti, gli agenti modello linguistico hanno persino superato gli esseri umani in attività di programmazione con budget di tempo limitati.
2. L’AI è sempre più integrata nella vita quotidiana. Dall’assistenza sanitaria ai trasporti, l’IA si sta rapidamente spostando dal laboratorio alla vita quotidiana. Nel 2023, la FDA ha approvato 223 dispositivi medici basati sull’intelligenza artificiale, rispetto ai soli sei del 2015. Sulle strade, le auto a guida autonoma non sono più in fase sperimentale: Waymo, uno dei maggiori operatori statunitensi, offre oltre 150mila corse autonome ogni settimana, mentre la flotta di robotaxi Apollo Go di Baidu, a prezzi accessibili, serve ora numerose città in tutta la Cina.
3. Le aziende puntano tutto sull’intelligenza artificiale, alimentando investimenti e utilizzi record, mentre la ricerca continua a mostrare un forte impatto sulla produttività. Nel 2024, gli investimenti privati ​​statunitensi in intelligenza artificiale sono cresciuti fino a 109,1 miliardi di dollari, quasi 12 volte i 9,3 miliardi di dollari della Cina e 24 volte i 4,5 miliardi di dollari del Regno Unito. L’AI generativa ha registrato uno slancio particolarmente forte, attraendo 33,9 miliardi di dollari a livello globale in investimenti privati, con un aumento del 18,7% rispetto al 2023. Anche l’utilizzo dell’AI da parte delle aziende sta accelerando: il 78% delle organizzazioni ha dichiarato di utilizzarla nel 2024, rispetto al 55% dell’anno precedente. Nel frattempo, un crescente numero di ricerche conferma che l’AI aumenta la produttività e, nella maggior parte dei casi, contribuisce a colmare il divario di competenze tra la forza lavoro.
4. Gli Stati Uniti sono ancora leader nella produzione di modelli di AI di alto livello, ma la Cina sta colmando il divario in termini di prestazioni. Nel 2024, le istituzioni statunitensi hanno prodotto 40 modelli di AI degni di nota, rispetto ai 15 della Cina e ai tre dell’Europa. Mentre gli Stati Uniti mantengono il primato in termini di quantità, i modelli cinesi hanno rapidamente colmato il divario qualitativo: le differenze di performance su importanti benchmark come MMLU e HumanEval si sono ridotte da due cifre nel 2023 a quasi la parità nel 2024. La Cina continua a essere leader nelle pubblicazioni e nei brevetti di AI. Lo sviluppo di modelli è sempre più globale, con lanci di rilievo in Medio Oriente, America Latina e Sud-est asiatico.
5. L’ecosistema dell’AI responsabile si evolve in modo non uniforme. Gli incidenti correlati all’AI sono in forte aumento, ma le valutazioni RAI standardizzate rimangono rare tra i principali sviluppatori di modelli industriali. Tuttavia, nuovi benchmark come HELM Safety, AIR-Bench e FACTS offrono strumenti promettenti per valutare la fattualità e la sicurezza. Tra le aziende, persiste un divario tra il riconoscimento dei rischi RAI e l’adozione di misure significative. Al contrario, i governi stanno dimostrando una crescente urgenza: nel 2024, la cooperazione globale sulla governance dell’AI si è intensificata, con organizzazioni come l’OCSE, l’UE, le Nazioni Unite e l’Unione Africana che hanno pubblicato quadri normativi incentrati su trasparenza, affidabilità e altri principi fondamentali dell’AI responsabile.
6. L’ottimismo globale sull’AI è in aumento, ma permangono profonde divisioni regionali. In paesi come Cina (83%), Indonesia (80%) e Thailandia (77%), una forte maggioranza considera i prodotti e i servizi di AI più utili che dannosi. Al contrario, l’ottimismo rimane molto più basso in paesi come Canada (40%), Stati Uniti (39%) e Paesi Bassi (36%). Tuttavia, il sentiment sta cambiando: dal 2022, l’ottimismo è cresciuto significativamente in diversi paesi precedentemente scettici, tra cui Germania (+10%), Francia (+10%), Canada (+8%), Gran Bretagna (+8%) e Stati Uniti (+4%).
7. L’AI diventa più efficiente, economica e accessibile. Grazie a modelli di piccole dimensioni sempre più performanti, il costo di inferenza per un sistema con prestazioni pari a GPT-3.5 è diminuito di oltre 280 volte tra novembre 2022 e ottobre 2024. A livello hardware, i costi sono diminuiti del 30% all’anno, mentre l’efficienza energetica è migliorata del 40% ogni anno. I modelli open-weight stanno colmando il divario con i modelli chiusi, riducendo la differenza di prestazioni dall’8% a solo l’1,7% su alcuni benchmark in un solo anno. Insieme, queste tendenze stanno rapidamente abbassando le barriere all’AI avanzata.
8. I governi stanno intensificando l’impegno nell’AI, con regolamentazione e investimenti. Nel 2024, le agenzie federali statunitensi hanno introdotto 59 normative relative all’AI, più del doppio rispetto al 2023, e sono state emanate dal doppio delle agenzie. A livello globale, le menzioni legislative sull’AI sono aumentate del 21,3% in 75 paesi dal 2023, segnando un aumento di nove volte rispetto al 2016. Parallelamente alla crescente attenzione, i governi stanno investendo su larga scala: il Canada ha impegnato 2,4 miliardi di dollari, la Cina ha lanciato un fondo per i semiconduttori da 47,5 miliardi di dollari, la Francia ha impegnato 109 miliardi di euro, l’India 1,25 miliardi di dollari e il Progetto Trascendenza dell’Arabia Saudita rappresenta un’iniziativa da 100 miliardi di dollari.
9. L’istruzione in AI e informatica è in espansione, ma persistono lacune nell’accesso e nella preparazione. Due terzi dei paesi offrono ora o prevedono di offrire un’istruzione informatica dalla scuola materna alle superiori, il doppio rispetto al 2019, con Africa e America Latina che registra i maggiori progressi. Negli Stati Uniti, il numero di laureati con una laurea triennale in informatica è aumentato del 22% negli ultimi 10 anni. Tuttavia, l’accesso rimane limitato in molti paesi africani a causa di lacune infrastrutturali di base come l’elettricità. Negli Stati Uniti, l’81% degli insegnanti di informatica dalla scuola materna alle superiori afferma che l’intelligenza artificiale dovrebbe essere parte integrante dell’istruzione informatica di base, ma meno della metà si sente in grado di insegnarla.
10. L’industria sta correndo avanti nell’intelligenza artificiale, ma i confini si stanno restringendo. Quasi il 90% dei modelli di intelligenza artificiale più importanti nel 2024 proveniva dall’industria, rispetto al 60% del 2023, mentre il mondo accademico rimane la principale fonte di ricerca altamente citata. La scala dei modelli continua a crescere rapidamente: la capacità di calcolo per l’addestramento raddoppia ogni cinque mesi, i set di dati ogni otto e il consumo energetico ogni anno. Tuttavia, i divari di performance si stanno riducendo: la differenza nel punteggio Elo tra il modello in cima alla classifica e quello al decimo posto è scesa dall’11,9% al 5,4% in un anno, e i primi due sono ora separati solo dallo 0,7%. La frontiera è sempre più competitiva e sempre più affollata.
11. L’AI ottiene i massimi riconoscimenti per il suo impatto sulla scienza. La crescente importanza dell’AI si riflette nei principali premi scientifici: due Premi Nobel hanno riconosciuto il lavoro che ha portato al deep learning (fisica) e alla sua applicazione al ripiegamento proteico (chimica), mentre il Premio Turing ha premiato contributi innovativi all’apprendimento per rinforzo.
12. Il ragionamento complesso rimane una sfida. I modelli di AI eccellono in compiti come i problemi delle Olimpiadi Internazionali di Matematica, ma hanno ancora difficoltà con benchmark di ragionamento complesso come PlanBench. Spesso non riescono a risolvere in modo affidabile i compiti logici anche quando esistono soluzioni dimostrabilmente corrette, limitando la loro efficacia in contesti ad alto rischio in cui la precisione è fondamentale.

Artificial Intelligence Index Report 2025: modelli sempre più potenti (e a volte più piccoli)

Il 2024 è stato un anno di fermento sul fronte delle performance tecniche dell’AI. Modelli con finestre di contesto sempre più ampie, come GPT-4o e Gemini 2.0 Pro Experimental, capaci di processare quantità di dati enormi, stanno aprendo nuove frontiere nell’interazione uomo-macchina. Sorprendentemente, il report evidenzia anche come modelli più piccoli stiano dimostrando performance migliorate in specifici benchmark. Questo suggerisce che l’efficienza e l’intelligenza non passano necessariamente dalle dimensioni elefantiache dei modelli. Tuttavia, la valutazione di queste capacità avanzate richiede nuovi strumenti di misurazione, come Helmet e Ruler, sviluppati per testare l’efficacia dei modelli in contesti di lunga durata.

Artificial Intelligence Index Report 2025: le principali fonti di modelli AI

Secondo l’Artificial Intelligence Index Report 2025, la principale fonte di modelli AI notevoli può essere analizzata da diverse prospettive: geografica, settoriale e organizzativa.

Dal punto di vista geografico:

• Nel 2024, gli Stati Uniti hanno rappresentato la principale fonte di modelli AI notevoli, con 40 modelli rilasciati. La Cina si è classificata seconda con 15 modelli, seguita dalla Francia con tre.
• Considerando un periodo più lungo, dal 2003, gli Stati Uniti hanno prodotto più modelli notevoli rispetto ad altri paesi importanti come il Regno Unito, la Cina e il Canada.

Dal punto di vista settoriale:

• Il settore industriale è una fonte significativa di modelli AI notevoli. I modelli con un elevato numero di parametri sono particolarmente comuni nel settore industriale, il che sottolinea le notevoli risorse finanziarie a disposizione per coprire i costi computazionali dell’addestramento su grandi volumi di dati.

Dal punto di vista organizzativo:

• Nel 2024, le principali organizzazioni per numero di modelli notevoli rilasciati sono state OpenAI con 7 modelli, Google con 6 e Alibaba con 4.
• Considerando il periodo dal 2014 al 2024, Google ha guidato la classifica con 186 modelli notevoli, seguita da Meta (82) e Microsoft (39).
• Tra le istituzioni accademiche, Carnegie Mellon University (25), Stanford University (25) e Tsinghua University (22) sono state le più prolifiche nel periodo 2014-2024.

Considerando un arco temporale più ampio, gli Stati Uniti e il settore industriale rimangono fonti primarie, con Google che emerge come l’organizzazione leader nella produzione di modelli AI notevoli dal 2014.

Il divario prestazionale fra modelli AI aperti e chiusi

Attualmente, il divario prestazionale tra i modelli AI aperti (open-weight) e chiusi (closed-weight) si è notevolmente ridotto.

Secondo l’Artificial Intelligence Index Report 2025:

• Sul Chatbot Arena Leaderboard, all’inizio di gennaio 2024, il modello chiuso leader superava il modello aperto di punta dell’8%. Entro febbraio 2025, questo divario si era ridotto all’1,7%.
• Anche su altri benchmark di question answering, come MMLU, HumanEval, MMMU e MATH, il divario prestazionale si è significativamente ristretto nel corso del 2024. Nel 2023, i modelli closed-weight superavano costantemente le loro controparti open-weight. Ad esempio, alla fine del 2023, i modelli closed-weight avevano un vantaggio di 15,9 punti percentuali su MMLU rispetto ai modelli open. Entro la fine del 2024, questa differenza si era ridotta a solo 0,1 punto percentuale su MMLU.
• Questo rapido miglioramento delle prestazioni dei modelli open-weight è stato in gran parte trainato dal rilascio estivo di Llama 3.1 da parte di Meta, seguito dal lancio di altri modelli open-weight ad alte prestazioni come DeepSeek’s V3.

I costi di addestramento dei modelli di AI

Secondo l’Artificial Intelligence Index Report 2025, le tendenze recenti nei costi di addestramento dei modelli AI mostrano un aumento significativo nel corso degli anni. Il rapporto evidenzia che, sebbene ottenere informazioni dettagliate sui costi rimanga difficile, le stime indicano una crescita notevole.

Ecco alcuni punti chiave e tendenze recenti nei costi di addestramento dei modelli AI, basati sul rapporto:

• Aumento significativo dei costi: LlAI Index conferma che i costi di addestramento dei modelli sono aumentati significativamente negli ultimi anni.
• Esempi di aumento dei costi:
  • Il costo di addestramento del modello Transformer nel 2017 era di circa $670.
  • RoBERTa Large, rilasciato nel 2019, aveva un costo di addestramento stimato di circa 160.000 dollari.
  • Nel 2023, il costo di addestramento di GPT-4 di OpenAI è stato stimato intorno ai 79 milioni di dollari.
• Fattori considerati per la stima dei costi: per calcolare i costi dei modelli all’avanguardia, il team di Epoch AI ha analizzato fattori come la durata dell’addestramento, il tipo di hardware, la quantità e i tassi di utilizzo, basandosi su informazioni provenienti da pubblicazioni accademiche, comunicati stampa e rapporti tecnici.
• Partnership per la stima dei costi: l’AI Index ha collaborato nuovamente con Epoch AI per aggiornare e perfezionare queste stime.
• Costi e risorse computazionali: creare modelli AI all’avanguardia richiede una colossale quantità di dati, potenza di calcolo e risorse finanziarie che spesso non sono disponibili per le istituzioni accademiche. Di conseguenza, la maggior parte dei modelli AI leader proviene dal settore industriale.
• Diminuzione dei costi hardware: nonostante l’aumento dei costi di addestramento complessivi per modelli sempre più grandi e complessi, il rapporto indica che l’hardware con un livello di prestazioni fisso diminuisce di costo del 30% all’anno, rendendo l’addestramento AI progressivamente più accessibile, scalabile e favorevole ai miglioramenti dei modelli.
• Correlazione tra costo e calcolo: La igura 1.3.26 nel rapporto visualizza il costo di addestramento stimato e il calcolo di modelli AI selezionati, evidenziando la stretta relazione tra le due.

In sintesi, la tendenza principale nei costi di addestramento dei modelli AI è un aumento significativo nel tempo, guidato dalla crescente dimensione e complessità dei modelli. Tuttavia, la diminuzione annuale dei costi hardware contribuisce a mitigare in parte questa tendenza a lungo termine, rendendo l’addestramento più accessibile nonostante i costi elevati dei modelli di frontiera.

Il costo di interrogazione dei modelli

Secondo l’Artificial Intelligence Index Report 2025, il costo di interrogazione di modelli AI specifici è diminuito notevolmente. Ecco alcuni esempi concreti di questa riduzione:

• Il costo di interrogazione di un modello AI con prestazioni equivalenti a GPT-3.5 (che ottiene un punteggio di 64,8 su MMLU) è diminuito da 20 dollari per milione di token nel novembre 2022 a soli 0,07 dollari per milione di token nell’ottobre 2024 (Gemini-1.5-Flash-8B). Questa rappresenta una riduzione di oltre 280 volte in circa 18 mesi.
• A seconda del compito, i prezzi di inferenza degli LLM sono diminuiti in un intervallo compreso tra 9 e 900 volte all’anno.
• Anche per modelli che ottengono risultati superiori al 50% su GPQA, un benchmark più difficile di MMLU, i costi di inferenza sono diminuiti da 15 dollari per milione di token a maggio 2024 a 0,12 dollari per milione di token a dicembre 2024 (Phi 4).

Il rapporto fornisce anche i costi per milione di token per alcuni modelli specifici a partire da febbraio 2025:

• o1: 15 dollari per milione di token di input e 60 dollari per milione di token di output.
• Claude 3.5 Sonnet (ottobre 2024): circa 2,19 dollari per milione di token di output.
• Mistral Large 2 (novembre 2024): circa 3,5 dollari per milione di token di output.
• Gemini 1.5 Pro (settembre 2024): circa 5 dollari per milione di token di output.
• Llama 3.1 405B: circa 6 dollari per milione di token di output.

È importante notare che, sebbene il costo per ottenere un certo livello di prestazioni sia diminuito nel tempo, i modelli all’avanguardia rimangono più costosi di alcune alternative meno recenti. Il prezzo più elevato dei modelli di punta riflette il premio richiesto per le prestazioni all’avanguardia.

Inoltre, il costo di inferenza per GPT-4o è di 2,5 dollari per 1 milione di token di input e 10 dollari per 1 milione di token di output. Rispetto a o1, GPT-4o è significativamente meno costoso, ma anche notevolmente più veloce.

I modelli video rilasciati nel 2024

Nel 2024 ci sono stati diversi rilasci notevoli di modelli video AI in grado di generare video di alta qualità da input di testo. Ecco alcuni dei principali rilasci evidenziati dall’Artificial Intelligence Index Report 2025:

• OpenAI’s Sora: questo modello di generazione video è stato rilasciato pubblicamente a dicembre 2024 dopo una fase di ricerca. Sora può creare video fino a 20 secondi con una risoluzione di 1080p per gli utenti di ChatGPT Pro e di cinque secondi a 720p per gli utenti di ChatGPT Plus. OpenAI aveva mostrato delle demo di SORA sin dall’inizio del 2024, ma il rilascio ufficiale è stato ritardato per migliorare la sicurezza del modello. Sora è un modello di diffusione che crea un video di base e lo rifinisce progressivamente rimuovendo il rumore.
• Stable Video Diffusion 3D e 4D: Stability AI ha lanciato Stable Video Diffusion, il loro primo modello fondamentale capace di generare video di alta qualità, nel novembre 2023. Successivamente, a marzo 2024, hanno introdotto Stable Video 3D, un modello progettato per generare multiple visualizzazioni 3D e video di un oggetto a partire da una singola immagine.
• Meta’s Movie Gen: Nell’ottobre 2024, Meta ha presentato l’ultima versione del suo modello Movie Gen. A differenza delle versioni precedenti, il nuovo Movie Gen include funzionalità avanzate di editing video basate su istruzioni, generazione di video personalizzati da immagini e la capacità di incorporare suoni nei video. Il modello Movie Gen più avanzato di Meta può creare video di 16 secondi a 16 fotogrammi al secondo con una risoluzione di 1080p.
• Google DeepMind’s Veo 2: Google ha compiuto progressi significativi nel 2024, lanciando due importanti modelli di generazione video: Veo a maggio e Veo 2 a dicembre. Benchmarking interni di Google hanno rivelato che Veo 2 ha superato altri generatori di video leader, come Movie Gen di Meta, Kling v1.5 e Sora Turbo. In confronti con gli utenti, i video generati da Veo 2 sono stati costantemente preferiti a quelli prodotti da modelli concorrenti.
• Runway Gen-3: Runway ha aggiornato il suo modello di generazione video con Gen-3 Alpha, stabilendo un nuovo standard nel campo, in particolare eccellendo nella creazione di umani fotorealistici con un’espressività emotiva vivida.
• Luma’s Dream Machine e Kuaishou’s Kling 1.5: anche altri attori minori hanno contribuito in modo notevole alla generazione video con modelli come Dream Machine di Luma e Kling 1.5 di Kuaishou.

L’etica dell’AI non è più un optional: cresce l’attenzione accademica

La consapevolezza delle implicazioni etiche dell’intelligenza artificiale è in forte crescita. Il numero di articoli scientifici dedicati all’AI responsabile (RAI) accettati nelle principali conferenze è aumentato del 28,8% tra il 2023 e il 2024, raggiungendo quota 1278 pubblicazioni. Gli Stati Uniti si confermano il paese con il maggior numero di contributi in questo campo. Le aree più calde della ricerca RAI includono la privacy e la governance dei dati, la fairness e la lotta ai bias, la trasparenza e l’explainability, e la sicurezza. Tuttavia, permangono sfide significative, come la difficoltà nell’adozione di benchmark RAI standard da parte delle organizzazioni.

Come è cambiata la trasparenza dei modelli di AI

La trasparenza dei modelli AI è migliorata, sebbene ci sia ancora spazio per ulteriori progressi. L’Artificial Intelligence Index Report 2025 evidenzia i seguenti cambiamenti:

• Aumento del punteggio medio di trasparenza: l’aggiornato Foundation Model Transparency Index (FMTI) ha rivelato che il punteggio medio di trasparenza tra i principali sviluppatori di modelli è aumentato dal 37% nell’ottobre 2023 al 58% nel maggio 2024. Questo incremento è dovuto in gran parte alla divulgazione di dati precedentemente non pubblici da parte degli sviluppatori.
• Miglioramenti in diverse aree: gli sviluppatori hanno migliorato i loro punteggi in 89 indicatori di trasparenza su 100.
• Opacità persistente: nonostante i miglioramenti, rimane una notevole opacità in aree cruciali come l’accesso ai dati, lo stato del copyright e l’impatto a valle (downstream impact) dei modelli.
• Trasparenza a monte (upstream): gli sviluppatori di modelli open-source hanno superato le controparti closed-source nella trasparenza a monte, in particolare nelle divulgazioni relative a dati e lavoro. Gli indicatori a monte coprono componenti come i dati e le risorse di calcolo utilizzati per l’addestramento.
• Trasparenza a livello di modello: gli indicatori a livello di modello includono le basi del modello, l’accesso, le capacità, i rischi e le mitigazioni.
• Trasparenza a valle (downstream): gli indicatori a valle riguardano la distribuzione, la politica di utilizzo, il feedback e l’impatto dei modelli.
• Prospettiva longitudinale: progetti come l’FMTI sono preziosi perché forniscono una prospettiva longitudinale sullo stato della trasparenza nell’ecosistema dell’AI, suggerendo che la trasparenza è in miglioramento.
• Definizione di trasparenza: la trasparenza nell’AI comprende diversi aspetti, tra cui la trasparenza dei dati e dei modelli (condivisione aperta delle scelte di sviluppo, come fonti di dati e decisioni algoritmiche) e la trasparenza operativa (dettagli su come i sistemi AI vengono distribuiti, monitorati e gestiti).
• L’explainability (capacità di comprendere e articolare la logica delle decisioni dell’AI) è inclusa nella definizione di trasparenza nel report.

AI al lavoro: un impatto già misurabile

L’impatto dell’intelligenza artificiale sul mondo del lavoro è un tema centrale. Studi recenti nel campo dello sviluppo software hanno evidenziato come l’assistenza dell’AI possa aumentare la velocità di completamento delle attività anche del 26%. Un altro esperimento ha registrato un aumento del 12,4% nelle attività di coding e una diminuzione del tempo dedicato alla gestione dei progetti. Questi dati suggeriscono che l’AI sta già modificando il modo in cui i professionisti svolgono il proprio lavoro, incrementando l’efficienza e potenzialmente liberando risorse per attività più strategiche.

Sanità e scienza: l’AI come nuovo microscopio

L’intelligenza artificiale sta diventando uno strumento sempre più potente nella ricerca scientifica e in medicina. Modelli come AlphaFold 3 stanno rivoluzionando la previsione delle strutture biomolecolari.

Nel campo clinico, l’AI mostra un potenziale significativo nella diagnosi e nella gestione delle malattie, anche se l’integrazione pratica nei flussi di lavoro clinici presenta ancora delle sfide. La tecnologia degli “ambienti AI scribe”, capaci di generare automaticamente la documentazione clinica durante le visite mediche, sta guadagnando terreno, promettendo di ridurre il carico burocratico sui medici. Tuttavia, emergono anche preoccupazioni etiche legate alla privacy dei dati sanitari e all’equità nell’accesso alle tecnologie AI in medicina.

Politiche sull’AI: un mosaico globale in definizione

Il 2024 è stato un anno intenso per le politiche sull’intelligenza artificiale a livello globale. La Commissione Europea ha rilasciato le prime bozze del Codice di condotta per l’AI Generale, un tentativo di definire linee guida per i fornitori di modelli AI in attesa della piena attuazione dell’AI Act. Questo riflette un crescente sforzo a livello internazionale per regolamentare lo sviluppo e l’impiego dell’IA, bilanciando l’innovazione con la gestione dei rischi potenziali.

Ombre all’orizzonte: sostenibilità energetica e la fame di dati

Nonostante i progressi entusiasmanti, il report solleva anche questioni cruciali per il futuro dell’AI. La sostenibilità energetica dell’addestramento di modelli sempre più grandi è un tema sempre più pressante.

Inoltre, il report dedica un’attenzione particolare alla questione se i modelli AI rischino di esaurire i dati di addestramento disponibili pubblicamente. Le proiezioni suggeriscono che, mantenendo i ritmi attuali, potremmo raggiungere un punto di saturazione nei prossimi anni, con implicazioni significative per lo sviluppo futuro dell’AI.

Conclusioni

In definitiva, l’Artificial Intelligence Index Report 2025 ci consegna un’istantanea complessa e dinamica di un campo in continua trasformazione. L’IA non è più una promessa futuristica, ma una realtà che sta plasmando la ricerca, la tecnologia, l’economia e la società. Tuttavia, le sfide etiche, ambientali e di sostenibilità dei dati ci ricordano che la rivoluzione dell’intelligenza artificiale è ancora nelle sue fasi iniziali e il suo percorso è tutt’altro che definito.

L’AI Index 2025 è disponibile qui.