¿Qué mide el Stanford AI Index 2025?

Recoge datos globales sobre adopción empresarial de IA, inversión privada, coste de inferencia, tamaño de modelos, rendimiento en tareas reales, regulación y transparencia, entre otros indicadores, para dar una foto anual del estado de la inteligencia artificial.

¿Cuánto ha crecido la adopción de IA en empresas según el informe?

El uso de IA en organizaciones subió de 55% en 2023 a 78% en 2024, y el uso de IA generativa en al menos una función de negocio pasó de 33% a 71% en el mismo periodo, según los datos citados en el informe.

¿Cuánto ha bajado el coste de usar modelos de IA?

El coste de consultar un modelo de nivel similar a GPT-3.5 cayó de 20 dólares por millón de tokens en noviembre de 2022 a 0,07 dólares en octubre de 2024, una reducción superior a 280 veces en menos de dos años.

¿Qué está pasando con la regulación de la IA?

Las leyes estatales sobre IA en EE. UU. aprobadas pasaron de 49 en 2023 a 131 en 2024, y las regulaciones federales introducidas subieron de 25 a 59 en el mismo periodo, señal de que la regulación ya afecta contratos y compras.

Stanford AI Index 2025: 12 datos que cambian tu estrategia (en 7 gráficos)

INTELIGENCIA ARTIFICIAL · ESTRATEGIA · STANFORD AI INDEX 2025

⏱️ 12–16 min de lectura El informe más citado del año, traducido a decisiones prácticas: costes, adopción real, productividad, regulación y riesgos

Si tu estrategia de IA sigue siendo “probemos un chatbot”, vas tarde.

El AI Index 2025 de Stanford no viene a inspirarte: viene a ponerte números encima de la mesa. Y esos números hacen una cosa muy incómoda (y muy útil): te obligan a decidir dónde inviertes, qué construyes, qué compras y cómo lo gobiernas.

Aquí tienes 12 datos en 7 gráficos. Cada gráfico termina con la parte que importa: qué cambia en tu estrategia. Si quieres ir a las fuentes originales, al final te dejo los enlaces del informe y sus secciones.

Racks de servidores en un centro de datos

Gráfico 1 — Adopción real: ya no es “innovación”, es “operación”

Gráfico 1/7 · Uso de IA en empresas (encuestas)

Dato 1/12: el uso de IA en organizaciones pasa de 55% (2023) a 78% (2024).

Dato 2/12: la genAI en al menos una función de negocio sube de 33% a 71%.

Esto es el cambio más importante para tu estrategia: ya no compites por “adoptar IA”. Compites por adoptarla bien (con impacto, control y coste razonable).

Qué cambia en tu estrategia

1) Deja de medir “uso” y empieza a medir “resultado”. Si tu dashboard solo dice “número de prompts”, estás ciego. Te va a venir muy bien tener un marco de medición tipo KPIs para proyectos de IA.

2) Asume que habrá saturación. Cuando el 78% “ya usa IA”, tu ventaja no es tener un asistente: es tener un asistente integrado en proceso, con datos correctos, y con control de calidad.

Gráfico 2 — Dinero: el hueco que define quién marca el ritmo

Gráfico 2/7 · Inversión privada (2024)

Dato 3/12: EE. UU. alcanza 109,1B USD en inversión privada en IA (2024), muy por encima de China (9,3B) y Reino Unido (4,5B).

Dato 4/12: la inversión privada global en genAI llega a 33,9B USD en 2024 (+18,7%).

Traducido: hay más dinero, más rápido, y concentrado. Eso no significa que “solo gane quien más gaste”, pero sí que tu ventana de ventaja suele venir de ejecutar mejor (datos, integración, calidad, compliance), no de intentar igualar a gigantes en “capacidad bruta”.

Equipo trabajando en una mesa con portátiles

Gráfico 3 — Coste de uso: cuando baja el precio, sube el volumen (y el desorden)

Gráfico 3/7 · Coste por millón de tokens (nivel GPT-3.5 en MMLU)

Dato 5/12: el coste de consultar un modelo “nivel GPT-3.5” cae de $20 por millón de tokens (nov 2022) a $0,07 (oct 2024): más de 280× más barato.

Este dato parece “solo económico”, pero en realidad es de comportamiento: cuando algo se vuelve barato, la gente lo usa sin pensar. Resultado: más volumen, más dependencia… y más gasto sorpresa si no lo gobiernas.

La fórmula que te evita sustos

Coste mensual ≈ (peticiones/día × tokens/petición × precio por 1M tokens ÷ 1.000.000) × 30.
A partir de ahí, tu estrategia es ingeniería: recortar contexto, cachear, enrutar a modelos más baratos y medir por caso de uso (no por “sensación”).

Gráfico 4 — Modelos pequeños: el “default” ya no tiene por qué ser el más grande

Gráfico 4/7 · Tamaño mínimo para superar 60% en MMLU

Dato 6/12: pasar el umbral del 60% en MMLU requiere un modelo 142× más pequeño en 2024 (de 540B a 3,8B parámetros).

Esto cambia una decisión clave: no tienes por qué pagar “modelo gigante” para todo. Muchas tareas (clasificación, extracción, asistencia interna) funcionan mejor con modelos pequeños o medianos, y eso impacta en latencia, coste, privacidad y control. Si te interesa esta tendencia, aquí encaja muy bien el auge de los small language models.

Gráfico 5 — Productividad: cuando la IA deja de “hablar bonito” y empieza a hacer

Gráfico 5/7 · Rendimiento en tareas reales

SWE-bench (programación): salto en 1 año

Agentes (RE-Bench): ventaja por tiempo

Dato 7/12: en SWE-bench, la IA pasa de resolver 4,4% (2023) a 71,7% (2024).

Dato 8/12: en RE-Bench, en tareas de 2 horas la IA rinde 4× frente a expertos; con 32 horas, los humanos ganan 2 a 1.

Si lo aterrizas: la IA ya es muy buena en tareas acotadas (especialmente cuando el tiempo importa), y todavía flojea cuando la tarea requiere criterio largo, validación y corrección sostenida. Esa diferencia te dice exactamente dónde automatizar hoy y dónde mantener al humano con la última palabra.

Qué cambia en tu estrategia

1) Automatiza por “tiempo” y “verificabilidad”. Si el resultado se puede comprobar (tests, reglas, fuentes), el ROI suele aparecer antes.

2) Pasa de copilotos a agentes con límites. No necesitas “un agente autónomo que haga todo”; necesitas flujos que hagan lo repetitivo y te pidan confirmación cuando haya riesgo.

Gráfico 6 — Regulación: se mueve a los estados… y a tus contratos

Documentos y firma: metáfora de regulación y compliance

Gráfico 6/7 · Leyes y regulación (EE. UU.)

Dato 9/12: leyes estatales sobre IA aprobadas: de 49 (2023) a 131 (2024). En 2016 era 1.

Dato 10/12: regulaciones federales relacionadas con IA introducidas: 59 en 2024 (vs 25 en 2023).

¿Qué significa esto para ti? Que la regulación no es “un PDF para legal”: se convierte en requisitos de compra, cláusulas de proveedor, políticas internas y auditorías.

Si operas en Europa (o vendes a Europa), conviene conectar esto con el marco que ya viene: EU AI Act para pymes y autónomos. La estrategia inteligente es no “esperar a que te obliguen”, sino diseñar con trazabilidad desde el inicio.

Gráfico 7 — Riesgo y confianza: más transparencia… y más incidentes

Gráfico 7/7 · Gobernanza (ecosistema)

Transparencia (Foundation Model Transparency Index)

Incidentes de IA (índice)

Dato 11/12: la transparencia media sube de 37% (oct 2023) a 58% (may 2024).

Dato 12/12: el registro de incidentes de IA sube a 233 en 2024, +56,4% vs 2023.

Esta combinación es muy real: mejoran las prácticas (más transparencia), pero crecen los incidentes porque la adopción se dispara, aparecen nuevos usos y mucha gente despliega sin red.

Si construyes con IA, tu ventaja competitiva incluye esto: menos incidentes, mejores controles, y un sistema que no convierte “velocidad” en “riesgo reputacional”. Un buen punto de partida es entender patrones clásicos de fallo: alucinaciones, privacidad y errores típicos.

Tu plan de 30 días (para que estos datos se conviertan en ventaja)

Semana 1

Mapa de casos: 10 tareas, 3 métricas, 1 criterio de calidad. Elimina “casos bonitos” y quédate con “casos medibles”.

Semana 2–3

Arquitectura de coste: enruta por complejidad (pequeño/mediano/grande), reduce tokens, cachea, y define presupuestos por proceso.

Semana 4

Gobernanza ligera: registro de prompts críticos, evaluación, revisión humana donde duela, y checklist legal mínimo viable.

Si haces esto, los 12 datos dejan de ser “curiosidad” y se convierten en una ventaja práctica: mejor ROI, menos costes sorpresa y menos riesgo. Y eso, en 2025, es lo que separa a quien “usa IA” de quien gana con IA.