Bergabunglah dengan buletin harian dan mingguan kami untuk pembaruan terbaru dan konten eksklusif tentang liputan AI terkemuka di industri. Pelajari lebih lanjut
Stanford Institute for Human-Centered Buatan Kecerdasan (HAI) telah merilis laporan Indeks AI 2025, memberikan analisis berbasis data dari pengembangan global AI. Hai telah mengembangkan laporan tentang AI selama beberapa tahun terakhir, dengan tolok ukur pertamanya datang pada tahun 2022. Tak perlu dikatakan, banyak yang telah berubah.
Laporan 2025 dimuat dengan statistik. Di antara beberapa temuan teratas:
- AS menghasilkan 40 model AI terkenal pada tahun 2024, secara signifikan di depan Cina (15) dan Eropa (3).
- Komputasi pelatihan untuk model AI berlipat ganda kira -kira setiap lima bulan, dan ukuran dataset setiap delapan bulan.
- Biaya inferensi model AI telah turun secara dramatis-pengurangan 280 kali lipat dari tahun 2022 hingga 2024.
- Investasi AI swasta global mencapai $ 252,3 miliar pada tahun 2024, kenaikan 26%.
- 78% organisasi melaporkan menggunakan AI (naik dari 55% pada 2023).
Untuk para pemimpin TI perusahaan yang memetakan strategi AI mereka, laporan ini menawarkan wawasan kritis tentang kinerja model, tren investasi, tantangan implementasi dan dinamika kompetitif yang membentuk kembali lanskap teknologi.
Berikut adalah lima takeaways utama bagi para pemimpin IT perusahaan dari indeks AI.
1. Demokratisasi kekuatan AI semakin cepat
Mungkin temuan yang paling mencolok adalah seberapa cepat AI berkualitas tinggi menjadi lebih terjangkau dan dapat diakses. Penghalang biaya yang pernah dibatasi AI canggih untuk raksasa teknologi hancur. Temuan ini sangat kontras dengan apa yang ditemukan oleh Laporan Stanford 2024.
“Saya dikejutkan oleh seberapa banyak model AI telah menjadi lebih murah, lebih terbuka, dan dapat diakses selama setahun terakhir,” Nestor Maslej, manajer penelitian untuk indeks AI di Hai mengatakan kepada VentureBeat. “Sementara biaya pelatihan tetap tinggi, kita sekarang melihat dunia di mana biaya pengembangan berkualitas tinggi-meskipun bukan Frontier-model anjlok.”
Laporan ini mengukur pergeseran ini secara dramatis: biaya inferensi untuk model AI yang berkinerja di level GPT-3.5 turun dari $ 20,00 per juta token pada November 2022 menjadi hanya $ 0,07 per juta token pada Oktober 2024-pengurangan 280 kali lipat dalam 18 bulan.
Yang sama pentingnya adalah konvergensi kinerja antara model tertutup dan bobot terbuka. Kesenjangan antara model tertutup teratas (seperti GPT-4) dan model terbuka terkemuka (seperti Llama) menyempit dari 8,0% pada Januari 2024 menjadi hanya 1,7% pada Februari 2025.
It Item Aksi Pemimpin: Nilai kembali strategi pengadaan AI Anda. Organisasi yang sebelumnya dihargai dari kemampuan AI mutakhir sekarang memiliki opsi yang layak melalui model bobot terbuka atau API komersial yang lebih murah secara signifikan.
2. Kesenjangan antara adopsi AI dan realisasi nilai tetap substansial
Sementara laporan tersebut menunjukkan 78% organisasi sekarang menggunakan AI dalam setidaknya satu fungsi bisnis (naik dari 55% pada tahun 2023), dampak bisnis nyata tertinggal di balik adopsi.
Ketika ditanya tentang ROI yang bermakna pada skala, Maslej mengakui: “Kami memiliki data terbatas tentang apa yang memisahkan organisasi yang mencapai pengembalian besar -besaran dengan skala dengan AI dari yang tidak. Ini adalah bidang analisis yang penting yang ingin kami jelajahi lebih lanjut.”
Laporan ini menunjukkan bahwa sebagian besar organisasi yang menggunakan laporan AI generatif meningkatkan perbaikan keuangan. Misalnya, 47% bisnis menggunakan AI generatif dalam strategi dan pendapatan laporan keuangan perusahaan meningkat, tetapi biasanya pada level di bawah 5%.
It Item Aksi Pemimpin: Fokus pada kasus penggunaan yang terukur dengan potensi ROI yang jelas daripada implementasi yang luas. Pertimbangkan untuk mengembangkan kerangka kerja tata kelola dan pengukuran AI yang lebih kuat untuk melacak penciptaan nilai dengan lebih baik.
3. Fungsi bisnis spesifik menunjukkan pengembalian keuangan yang lebih kuat dari AI
Laporan ini memberikan wawasan granular di mana fungsi bisnis melihat dampak keuangan paling signifikan dari implementasi AI.
“Di sisi biaya, AI tampaknya paling menguntungkan fungsi rantai pasokan dan operasi layanan,” kata Maslej. “Di sisi pendapatan, strategi, keuangan perusahaan, dan fungsi rantai pasokan melihat keuntungan terbesar.”
Secara khusus, 61% organisasi yang menggunakan AI generatif dalam rantai pasokan dan manajemen inventaris menghemat biaya, sementara 70% menggunakannya dalam strategi dan pendapatan laporan keuangan perusahaan meningkat. Operasi layanan dan pemasaran/penjualan juga menunjukkan potensi yang kuat untuk penciptaan nilai.
It Item Aksi Pemimpin: Memprioritaskan investasi AI dalam fungsi yang menunjukkan pengembalian keuangan paling substansial dalam laporan. Optimalisasi rantai pasokan, operasi layanan dan perencanaan strategis muncul sebagai area berpotensi tinggi untuk penyebaran AI awal atau diperluas.
4. AI menunjukkan potensi yang kuat untuk menyamakan kinerja tenaga kerja
Salah satu temuan paling menarik menyangkut dampak AI pada produktivitas tenaga kerja di seluruh tingkat keterampilan. Beberapa penelitian yang dikutip dalam laporan menunjukkan alat AI secara tidak proporsional menguntungkan pekerja berketerampilan rendah.
Dalam konteks dukungan pelanggan, pekerja keterampilan rendah mengalami peningkatan produktivitas 34% dengan bantuan AI, sementara pekerja berketerampilan tinggi melihat peningkatan minimal. Pola serupa muncul dalam konsultasi (43% vs keuntungan 16,5%) dan rekayasa perangkat lunak (21-40% vs 7-16% keuntungan).
“Secara umum, studi ini menunjukkan bahwa AI memiliki dampak positif yang kuat pada produktivitas dan cenderung memberi manfaat lebih banyak kepada pekerja berketerampilan lebih rendah daripada yang berketerampilan lebih tinggi, meskipun tidak selalu,” jelas Maslej.
It Item Aksi Pemimpin: Pertimbangkan penyebaran AI sebagai strategi pengembangan tenaga kerja. Asisten AI dapat membantu meratakan lapangan bermain antara staf junior dan senior, berpotensi membahas kesenjangan keterampilan sambil meningkatkan kinerja tim secara keseluruhan.
5. Implementasi AI yang bertanggung jawab tetap aspirasi, bukan kenyataan
Meskipun meningkatnya kesadaran akan risiko AI, laporan ini mengungkapkan kesenjangan yang signifikan antara pengakuan risiko dan mitigasi. Sementara 66% organisasi menganggap keamanan siber sebagai risiko yang berhubungan dengan AI, hanya 55% secara aktif mengurangi itu. Kesenjangan serupa ada untuk kepatuhan peraturan (63% vs 38%) dan pelanggaran kekayaan intelektual (57% vs 38%).
Temuan ini datang dengan latar belakang peningkatan insiden AI, yang naik 56,4% menjadi rekor 233 kasus yang dilaporkan pada tahun 2024. Organisasi menghadapi konsekuensi nyata karena gagal menerapkan praktik AI yang bertanggung jawab.
It Item Aksi Pemimpin: Jangan menunda menerapkan tata kelola AI yang bertanggung jawab yang kuat. Sementara kemampuan teknis maju dengan cepat, laporan tersebut menunjukkan bahwa sebagian besar organisasi masih kekurangan strategi mitigasi risiko yang efektif. Mengembangkan kerangka kerja ini sekarang bisa menjadi keunggulan kompetitif daripada beban kepatuhan.
Melihat ke depan
Laporan Indeks AI Stanford menyajikan gambaran teknologi AI yang matang dengan cepat menjadi lebih mudah diakses dan mampu, sementara organisasi masih berjuang untuk memanfaatkan potensi sepenuhnya.
Bagi para pemimpin TI, keharusan strategis jelas: fokus pada implementasi yang ditargetkan dengan ROI yang terukur, menekankan tata kelola yang bertanggung jawab dan memanfaatkan AI untuk meningkatkan kemampuan tenaga kerja.
“Pergeseran ini menunjuk ke arah aksesibilitas yang lebih besar dan, saya percaya, menyarankan gelombang adopsi AI yang lebih luas mungkin ada di cakrawala,” kata Maslej.
