Encuesta anual exhaustiva sobre el progreso, las aplicaciones y el impacto social de la inteligencia artificial en 2025, que abarca la investigación y el desarrollo, el rendimiento técnico, la IA responsable, la economía, la ciencia, la medicina, la educación, la política y la gobernanza, y la opinión pública mundial.
Navegación Rápida
Etiquetas
Compartir las diapositivas
Encuesta anual exhaustiva sobre el progreso, las aplicaciones y el impacto social de la inteligencia artificial en 2025, que abarca la investigación y el desarrollo, el rendimiento técnico, la IA responsable, la economía, la ciencia, la medicina, la educación, la política y la gobernanza, y la opinión pública mundial.
Vista detallada de cada página de diapositiva, incluyendo diseño, contenido clave y elementos visuales.
Portada completa del Informe del Índice de Inteligencia Artificial 2026, 9ª edición, con la marca Stanford HAI con un acento rojo/coral y un patrón geométrico abstracto.
Portada a sangre completa con título centrado, número de edición y logotipo de Stanford HAI en la parte inferior
Portada formal que enumera a Stanford Human-Centered AI (HAI) como editor, créditos del equipo editorial, aviso de derechos de autor y detalles de publicación de la 9ª edición anual.
Página blanca limpia con jerarquía de texto centrada, logotipo de HAI en la parte superior, metadatos de publicación en la parte inferior
Primera página del índice que enumera los capítulos del 1 al 5 con los números de página, los títulos de los capítulos y breves descripciones de una línea del alcance de cada capítulo.
Diseño de dos columnas con los números de capítulo a la izquierda, los títulos y las referencias de página a la derecha; pestañas de capítulo codificadas por colores
Segunda página del índice que cubre los capítulos del 6 al 9 más el apéndice, con los números de página y las descripciones de los capítulos de una línea.
Continuación del diseño TOC de dos columnas que coincide con el estilo de la página 3
Prólogo de apertura de los directores de HAI, incluida Fei-Fei Li, que presenta la importancia del 9º Índice de AI anual y contextualiza el rápido avance de la AI en 2025.
Texto de una sola columna con la foto del director insertada en la parte superior derecha, banner del encabezado de HAI
Continuación del prólogo que analiza el impacto social transformador de la AI, la importancia de la política de AI basada en datos y la misión de HAI de guiar el desarrollo de la AI centrada en el ser humano.
Diseño de texto de una sola columna con subtítulo de sección
Tercera página del prólogo que cubre el enfoque de HAI para rastrear el progreso de la AI en múltiples dimensiones y reconocer al equipo global de colaboradores del informe de 2026.
Texto de una sola columna con párrafo de reconocimiento y créditos de los colaboradores
Página de cierre del prólogo con comentarios finales de los líderes de HAI sobre los riesgos del desarrollo de la AI en 2025-2026 y un llamado a la acción para los responsables políticos e investigadores.
Texto de una sola columna que cierra con el bloque de firmas del director
Apertura del resumen ejecutivo que presenta la narrativa general de la AI en 2025: rápidos aumentos de capacidad, inversión acelerada, creciente actividad política y debates sociales.
Párrafo de introducción de ancho completo seguido de una vista previa de lista numerada de 10 conclusiones clave
Conclusiones clave 1 a 3: (1) Las capacidades de la AI aumentan con la saturación de los puntos de referencia; (2) La inversión privada en AI en EE. UU. alcanza los 285.900 millones de dólares; (3) El seguimiento de incidentes y daños de la AI muestra un aumento del 1000% desde 2019.
Diseño de tres paneles, cada uno con el número de conclusión, el titular en negrita, el punto de datos de apoyo y el icono pequeño
Conclusiones clave 4 a 6: (4) Los agentes de AI ahora resuelven más del 50% de los problemas reales de GitHub; (5) La FDA aprobó 258 dispositivos médicos habilitados para AI en 2025; (6) 46 países han adoptado estrategias nacionales de AI.
Diseño de tres paneles que coincide con el estilo de la página 10
Conclusiones clave 7 a 9: (7) El 80% de los estudiantes utilizan la AI generativa para los cursos; (8) La prohibición de prácticas prohibidas de la Ley de AI de la UE entró en vigor en febrero de 2025; (9) El 59% de los encuestados globales son optimistas sobre la AI.
Diseño de tres paneles que coincide con las páginas 10-11
Conclusión final del resumen ejecutivo (10): El reconocimiento del Premio Nobel a la AI marca un hito histórico para la ciencia, además de un gráfico de aspectos destacados que muestra las métricas clave de los nueve capítulos de un vistazo.
Panel de conclusión clave en la mitad superior; panel de métricas resumidas en la mitad inferior
Gráfico de resumen visual que muestra las métricas de crecimiento interanual en las principales dimensiones del informe: inversión, publicaciones, lanzamientos de modelos, acciones políticas y tasas de adopción.
Gráfico de barras agrupadas de ancho completo con categorías codificadas por colores y etiquetas de año en el eje x
Visualización del mapa mundial que muestra los niveles de actividad de la AI por país en las dimensiones de producción de investigación, inversión privada, adopción de políticas y concentración de talento.
Mapa mundial de ancho completo con escala de intensidad de gradiente de color y llamadas de atención de países para las principales naciones
Breve explicación de la metodología de recopilación de datos del AI Index, que define lo que constituye la AI en el alcance del informe y enumera las principales fuentes de datos utilizadas en los capítulos.
Texto de dos columnas con lista de fuentes en la barra lateral y diagrama de metodología insertado
Guía de navegación para los lectores que explica la estructura de los capítulos, cómo encontrar temas específicos, el acceso interactivo a los datos en línea y las pautas de citación para el AI Index 2026.
Texto de una sola columna con cuadros de llamada para recursos en línea y consejos de navegación por capítulos
Página de apertura del capítulo a sangre completa con fondo gris pizarra/azul marino oscuro, número de Capítulo 1 grande en blanco y título 'Investigación y desarrollo' con una breve descripción general del capítulo de un párrafo.
Fondo oscuro a sangre completa, número de capítulo sobredimensionado alineado a la izquierda, título y descripción alineados a la derecha
Texto introductorio para el Capítulo 1 que resume los hallazgos clave de I+D: aproximadamente 200 modelos de AI notables lanzados en 2025, saturación de puntos de referencia acelerándose, modelos de código abierto que cierran la brecha con los sistemas propietarios.
Introducción de una sola columna con citas destacadas de estadísticas clave
Gráfico de barras que muestra el número de lanzamientos de modelos de AI notables por año desde 2019 hasta 2025, lo que ilustra la dramática aceleración con aproximadamente 200 modelos notables lanzados solo en 2025.
Gráfico de barras de ancho completo con etiquetas de año en el eje x, recuento en el eje y, barras coloreadas en el tema azul marino/pizarra del capítulo
Gráfico de barras apiladas que desglosa los lanzamientos de modelos de AI de 2025 por tipo de organización: industria, academia, gobierno y sociedad civil, mostrando la participación dominante de la industria.
Gráfico de barras horizontales apiladas con categorías de tipo de organización y leyenda
Desglose geográfico de los orígenes de los modelos de AI en 2025 que muestra EE. UU., China, Reino Unido, Europa y otras regiones, con EE. UU. produciendo la mayor parte de los modelos de frontera notables.
Mapa mundial con tamaños de burbuja que indican el volumen de lanzamiento de modelos por país, más un gráfico de barras adjunto
Sección de descripción general de los modelos base en 2025, que define el término, enumera los modelos de frontera clave (GPT-4o, Gemini 2.0, Claude 3.5, Llama 3, DeepSeek) y explica su importancia arquitectónica.
Introducción de sección con mucho texto con cuadros de llamada de nombre de modelo y una tabla de comparación
Visualización de la cronología horizontal que muestra las fechas de lanzamiento de los principales modelos base a lo largo de 2025, organizada por organización y familia de modelos.
Cronología horizontal con etiquetas de modelo por encima/por debajo de la línea, codificación de colores de la organización
Gráfico de líneas que compara las trayectorias de rendimiento de los modelos de IA de código abierto frente a los propietarios desde 2020 hasta 2025 en puntos de referencia estandarizados, mostrando la brecha que se estrecha a finales de 2025.
Gráfico de doble línea con líneas de código abierto (discontinuas) y propietarias (continuas), puntuación de referencia en el eje y, año en el eje x
Análisis del crecimiento del ecosistema de IA de código abierto en 2025, incluyendo el número de estrellas de GitHub, los volúmenes de descarga de los principales modelos y el papel de plataformas como Hugging Face en la democratización del acceso a la IA.
Diseño mixto con análisis de texto a la izquierda y gráficos de barras a la derecha que muestran las métricas de descarga/estrellas
Gráfico de líneas que muestra el total de publicaciones académicas relacionadas con la IA de 2010 a 2025 por región, lo que demuestra el liderazgo de China en volumen y el liderazgo continuo de EE. UU. en artículos muy citados.
Gráfico de líneas múltiples con codificación de colores regional, opción de eje y de escala logarítmica, año en el eje x
Gráfico de dispersión del volumen de publicaciones de IA frente al impacto de las citas por país, que ilustra la dinámica de volumen-calidad de las publicaciones de EE. UU. y China y el rendimiento de las citas de la UE.
Gráfico de dispersión con burbujas de país dimensionadas por el recuento total de publicaciones, volumen del eje x, citas por artículo del eje y
Gráfico de áreas apiladas que muestra el crecimiento de las publicaciones de IA por subdominio de investigación (NLP, visión artificial, robótica, teoría de ML, etc.) de 2015 a 2025, con NLP e IA generativa mostrando un crecimiento explosivo.
Gráfico de áreas apiladas con capas de color de subdominio, eje x del año, eje y del recuento de publicaciones
Gráfico de barras que compara los lugares de publicación de investigación de IA (las principales conferencias (NeurIPS, ICML, CVPR, ICLR, ACL) frente a las revistas) y su cuota relativa de investigación de IA de alto impacto en 2025.
Comparación de gráficos de barras uno al lado del otro con nombres de lugares en el eje y, recuento de artículos en el eje x
Análisis introductorio de la saturación de puntos de referencia en la IA, que explica cómo muchos puntos de referencia que antes eran desafiantes se han resuelto en gran medida para 2025, lo que requiere tareas de evaluación más difíciles.
Sección de texto con diagrama de saturación de puntos de referencia que muestra las tareas que se mueven de las zonas 'sin resolver' a las 'saturadas'
Gráfico de dispersión que muestra el rendimiento de la IA frente al rendimiento humano en más de 50 puntos de referencia, con una codificación de colores que indica los puntos de referencia en los que la IA ha superado el rendimiento a nivel humano.
Gráfico de dispersión grande con línea diagonal de paridad humana, anotaciones de nombres de puntos de referencia, codificación de colores para arriba/abajo de la paridad humana
Gráfico de líneas de escala logarítmica que rastrea el cómputo de entrenamiento (en FLOPs) utilizado para los modelos de IA de vanguardia de 2012 a 2025, mostrando el tiempo de duplicación de aproximadamente 6 meses y los aumentos de órdenes de magnitud.
Gráfico de líneas de escala logarítmica con anotaciones de nombres de modelos, tiempo en el eje x, FLOPs logarítmicos en el eje y
Análisis de las tendencias de los costos de entrenamiento de la IA, que muestra que, si bien el cómputo por modelo aumenta, el costo por unidad de cómputo ha disminuido drásticamente, con un gráfico de doble eje que ilustra ambas tendencias.
Gráfico de doble eje con el costo de cómputo por FLOP en el eje izquierdo y el costo de entrenamiento por modelo en el eje derecho
Gráficos que muestran las mejoras en la eficiencia de la inferencia de la IA de 2020 a 2025: tokens por segundo, costo por millón de tokens y tamaño del modelo requerido para un rendimiento equivalente, todos mejorando drásticamente.
Gráficos de pequeños múltiplos de tres paneles que muestran cada uno una métrica de eficiencia a lo largo del tiempo
Descripción general de los desarrollos de hardware de IA en 2025: avances de GPU/TPU, nuevos aceleradores de IA personalizados de las principales empresas de tecnología y la aparición de chips optimizados para la inferencia.
Descripción general del texto con tabla comparativa de especificaciones de hardware y gráfico circular de cuota de mercado
Gráfico de barras y análisis de texto que muestra el crecimiento en los tamaños de los conjuntos de datos de entrenamiento utilizados para los modelos de vanguardia, desde miles de millones hasta billones de tokens, y el cambio hacia la generación de datos sintéticos.
Gráfico de barras que muestra el tamaño del conjunto de datos por modelo con una columna de comentarios de texto
Análisis de las capacidades de la IA multimodal en 2025: modelos que integran texto, imagen, audio y video, con una matriz de capacidades que muestra qué modelos admiten qué modalidades.
Tabla de matriz de capacidades con nombres de modelos como filas, modalidades como columnas, marcas de verificación/puntuaciones en las celdas
Sección sobre el surgimiento de modelos centrados en el razonamiento en 2025 (por ejemplo, OpenAI o-series, DeepSeek-R1), que explica la cadena de pensamiento en el momento de la inferencia y las mejoras de referencia en tareas de razonamiento difíciles.
Sección de texto con un gráfico de comparación antes/después que muestra el rendimiento del modelo de razonamiento frente al modelo estándar
Introducción a los sistemas de agentes de IA lanzados en 2025, que cubre arquitecturas que permiten la finalización autónoma de tareas de varios pasos, el uso de herramientas y los flujos de trabajo de agentes.
Diagrama conceptual de la arquitectura del agente (percepción → razonamiento → bucle de acción) con explicación de texto
Análisis comparativo del liderazgo en I+D de la IA por país en todas las dimensiones: volumen de publicaciones, impacto de citas, presentación de patentes, lanzamientos de modelos e inversión privada.
Gráfico de radar/araña por país principal (EE. UU., China, Reino Unido, UE, Canadá, India) con ejes de cinco dimensiones
Gráfico de barras que muestra las solicitudes de patentes de IA por país de 2015 a 2025, con China superando a los EE. UU. en volumen bruto de patentes, mientras que los EE. UU. mantienen el liderazgo en patentes muy citadas.
Gráfico de barras agrupadas por país con agrupaciones anuales, recuento de patentes en el eje y
Datos sobre la formación de nuevas empresas de IA en 2025, que muestran el aumento de las startups nativas de la IA y la distribución geográfica de nuevas empresas de IA en los EE. UU., la UE y Asia.
Gráfico de burbujas de mapa mundial para la formación de startups más un gráfico de barras de los principales centros de startups
Análisis de la concentración del mercado en el desarrollo de modelos de IA de vanguardia, que muestra que un pequeño número de organizaciones (OpenAI, Google, Anthropic, Meta, Mistral, DeepSeek) representan la mayoría de los lanzamientos de vanguardia.
Gráfico circular que muestra la proporción de lanzamientos de modelos de vanguardia por organización más análisis de texto
Análisis de los flujos de talento en investigación de IA: tendencias de inscripción en programas de posgrado, migración geográfica de investigadores de IA y la concentración de los mejores talentos de IA en algunas instituciones y empresas.
Diagrama de Sankey que muestra los flujos de talento entre países más un gráfico de barras de las principales instituciones
Lista clasificada y gráfico de barras de las principales instituciones de investigación de IA por producción de publicaciones e impacto de citas en 2025, incluidas universidades y laboratorios de la industria.
Gráfico de barras horizontales clasificado con nombres de instituciones en el eje y, métricas duales en el eje x
Cronología de los hitos de investigación y desarrollo de IA más importantes en 2025, desde lanzamientos de modelos hasta avances científicos y eventos políticos.
Cronología vertical con entradas de hitos, fechas a la izquierda, descripciones a la derecha, codificación de colores por categoría
Descripción general del progreso de la IA en robótica e IA incorporada en 2025: modelos básicos para la manipulación, mejoras en la locomoción y el surgimiento de políticas de robots generalistas.
Descripción general del texto con un gráfico de referencia de la capacidad del robot y fotos ilustrativas
Análisis del progreso de la IA generativa para la síntesis de imagen y vídeo en 2025, incluyendo modelos de difusión, mejoras en la calidad de la generación de vídeo y capacidades de generación en tiempo real.
Análisis de texto con gráfico de progresión de métricas de calidad y descripciones de capacidades de ejemplo
Descripción general de los avances de la IA generativa en la síntesis de audio y voz en 2025: clonación de voz, generación de música, traducción en tiempo real y mejoras en el reconocimiento de voz ambiental.
Descripción general del texto con gráficos de métricas de rendimiento para tasas de error de reconocimiento de voz y puntuaciones de calidad de voz
Sección sobre los avances en la generación de código con AI en 2025, que cubre las capacidades del modelo en HumanEval y SWE-bench, y la integración de asistentes de codificación de AI en los flujos de trabajo de los desarrolladores.
Gráfico de progresión de puntos de referencia de rendimiento más análisis de texto con estadísticas de adopción por parte de los desarrolladores
Análisis de los temas de investigación emergentes en AI que están ganando terreno en 2025: interpretabilidad mecanicista, alineación de la AI, aprendizaje continuo, escalado de la computación en tiempo de prueba y enfoques neuromórficos.
Visualización de clústeres de temas con gráficos de crecimiento de publicaciones por tema
Datos sobre la colaboración internacional en la investigación de AI medidos por la coautoría a través de las fronteras, que muestran patrones de colaboración y el creciente desacoplamiento de la investigación entre EE. UU. y China.
Diagrama de acordes de los flujos internacionales de coautoría con comentarios de texto
Desglose de las fuentes de financiación de la investigación en AI en 2025: subvenciones gubernamentales, financiación de la industria, inversión filantrópica y la creciente proporción de la investigación académica financiada por la industria.
Gráfico de barras apiladas a lo largo del tiempo que muestra las cuotas de las fuentes de financiación, con análisis de texto
Análisis de las disparidades en el acceso a la computación de AI entre las grandes empresas tecnológicas, las instituciones académicas y los investigadores de los países de bajos ingresos, destacando la brecha computacional.
Gráfico de barras comparativo que muestra la asignación de computación con análisis de texto sobre la desigualdad de acceso
Datos sobre el creciente consumo de energía de la AI en 2025: uso estimado de energía del entrenamiento de modelos de vanguardia, inferencia a escala y crecimiento de la demanda de energía de los centros de datos atribuido a las cargas de trabajo de AI.
Gráfico de líneas de la demanda de energía atribuida a la AI con anotaciones de equivalencia de carbono y comentarios de texto
Discusión de los principales problemas de investigación abiertos en AI a partir de 2025: razonamiento a largo plazo, planificación fiable, robustez ante el cambio de distribución, interpretabilidad y generalización compositiva.
Texto estructurado con cuadros de declaración de problemas y recuentos de citas por desafío de investigación
Página de estadísticas resumidas del Capítulo 1 que presenta los hallazgos cuantitativos más importantes en un formato de panel de control: lanzamientos de modelos, crecimiento de la computación, volúmenes de publicaciones y métricas de código abierto.
Cuadrícula de panel de control de estadísticas de números grandes con minigráficos de apoyo y etiquetas de texto breves
Notas de referencia para el Capítulo 1 que citan las fuentes de datos primarias, las notas metodológicas para los datos de publicaciones y patentes, y las definiciones de los términos clave utilizados en el capítulo de I+D.
Formato de nota al pie/nota al final de dos columnas con citas de fuentes y referencias numeradas
Lista seleccionada de recursos de lectura adicional y documentos clave a los que se hace referencia en el Capítulo 1, organizada por tema de sección, con breves anotaciones.
Lista de lectura estructurada con encabezados de sección y entradas anotadas
Apertura de capítulo a sangre completa con fondo azul marino/oscuro, número de capítulo 2 grande en blanco, título 'Rendimiento Técnico' y breve descripción general de los avances en el rendimiento de la AI medidos en 2025.
Fondo azul marino oscuro a sangre completa, número de capítulo sobredimensionado, título y descripción en blanco
Introducción al capítulo de rendimiento técnico, que explica el marco de evaluación comparativa, las advertencias sobre la saturación de la evaluación comparativa y la organización de los datos de rendimiento en las categorías de tareas.
Texto de introducción de una sola columna con diagrama de descripción general de la sección del capítulo
Descripción general del rendimiento de las pruebas de referencia de comprensión del lenguaje en 2025 en MMLU, MMLU-Pro, BIG-Bench Hard y HellaSwag, que muestra modelos de AI iguales o superiores al rendimiento humano en la mayoría de las tareas.
Gráfico de comparación de varias barras con nombres de pruebas de referencia en el eje y y puntajes de rendimiento en el eje x para los modelos principales
Gráfico de líneas que rastrea el rendimiento del modelo superior en las pruebas de referencia MMLU y MMLU-Pro de 2020 a 2025, lo que demuestra una progresión rápida del 60% a niveles casi humanos y sobrehumanos.
Gráfico de doble línea con tendencias de MMLU y MMLU-Pro, anotaciones de hitos del modelo, referencia de rendimiento humano
Gráfico de barras que muestra el rendimiento de la AI en las pruebas de referencia de matemáticas de competición (AIME, AMC, MATH) en 2025, con los principales modelos de razonamiento que alcanzan las mejores puntuaciones competitivas humanas.
Gráfico de barras agrupadas por prueba de referencia con barras de comparación de modelos, referencias de línea de base de expertos humanos
Gráfico de líneas que rastrea el rendimiento de la AI en el conjunto de datos MATH de 2020 a 2025, mostrando el punto de inflexión en 2024-2025 cuando los modelos de razonamiento mejoraron drásticamente la resolución de problemas matemáticos.
Gráfico de líneas con anotaciones de modelos clave, punto de inflexión resaltado, línea de referencia de puntuación humana
Comparación del rendimiento de la codificación de la AI en las pruebas de referencia HumanEval, HumanEval+ y MBPP en 2025, que muestra una saturación cercana en HumanEval original y un sólido rendimiento en variantes más difíciles.
Gráfico de barras que compara los principales modelos de codificación en tres pruebas de referencia con la línea de base del desarrollador humano
Gráfico de líneas y gráfico de barras que muestran el rendimiento del agente de AI en SWE-bench (resolución de problemas reales de GitHub) de 2023 a 2025, con los principales agentes que ahora resuelven más del 50% de los problemas.
Izquierda: gráfico de líneas del mejor rendimiento a lo largo del tiempo. Derecha: gráfico de barras de los principales agentes con tasa de resolución
Análisis del rendimiento de la AI en tareas de codificación agéntica que requieren ediciones de varios archivos, escritura de pruebas, depuración en grandes bases de código y uso de herramientas, yendo más allá de las tareas de estilo HumanEval de una sola función.
Tabla de comparación de pruebas de referencia con filas de categorías de tareas y columnas de rendimiento del modelo
Gráfico de barras que muestra el rendimiento del modelo superior en GPQA (Preguntas y respuestas con prueba de Google a nivel de posgrado) en los subdominios de física, química y biología, con modelos de frontera que superan el rendimiento humano a nivel de doctorado.
Gráfico de barras agrupadas por dominio científico con comparación de modelos y línea de base humana a nivel de doctorado
Comparación de varias pruebas de referencia en tareas de razonamiento científico (GPQA, SciQ, ARC-Challenge, OlympiadBench) que muestra el rendimiento del modelo de AI en relación con las líneas de base humanas expertas.
Gráfico de radar por modelo superior que muestra el perfil de rendimiento de varias pruebas de referencia
Análisis del rendimiento de la AI en lógica formal, demostración de teoremas y tareas de razonamiento estructurado en 2025, incluido el rendimiento en LeanDojo, FrontierMath y pruebas de referencia de deducción lógica.
Gráfico de barras de rendimiento por categoría de tarea de razonamiento con análisis de texto
Análisis del rendimiento de los modelos de AI en tareas de contexto largo que requieren la comprensión de documentos de hasta 1 millón de tokens, mostrando una mejora significativa, pero con desafíos persistentes en contextos muy largos.
Gráfico de líneas del rendimiento frente a la longitud del contexto con líneas de comparación de modelos
Análisis de la precisión fáctica y las tasas de alucinación de los modelos de AI entre 2023 y 2025, que muestra mejoras en la generación fundamentada, pero desafíos persistentes de alucinación en entornos de dominio abierto.
Gráfico de barras que compara las tasas de alucinación entre modelos con una línea de tendencia de mejora
Datos sobre el rendimiento de los modelos de AI en pruebas de referencia de seguimiento de instrucciones (IFEval, MT-Bench) en 2025, que muestran fuertes ganancias en el seguimiento de instrucciones complejas con múltiples restricciones.
Gráfico de barras con niveles de complejidad de las instrucciones en el eje x y la tasa de cumplimiento en el eje y para los principales modelos
Resultados de pruebas de referencia para modelos de visión-lenguaje en 2025 en tareas como preguntas y respuestas visuales, subtitulado de imágenes y comprensión de gráficos, que muestran que la AI se acerca o supera el rendimiento humano.
Gráfico de barras de comparación de múltiples pruebas de referencia para los principales modelos de visión-lenguaje
Análisis del rendimiento de los modelos de AI de comprensión de video en razonamiento temporal, reconocimiento de acciones y pruebas de referencia de preguntas y respuestas de video en 2025.
Gráfico de barras que compara los principales modelos de video en múltiples pruebas de referencia con la línea de base de rendimiento humano
Tendencias de la tasa de error de palabras para los sistemas de reconocimiento de voz de AI de 2015 a 2025 en múltiples idiomas y grupos de acentos, que muestran un rendimiento casi humano en idiomas de altos recursos.
Gráfico de líneas múltiples de WER a lo largo del tiempo por grupo de idiomas
Puntuaciones de evaluación humana para la calidad de generación de imágenes de AI de 2021 a 2025, que muestran mejoras drásticas en el fotorealismo, la coherencia y la adherencia a las indicaciones.
Gráfico de líneas de puntuaciones de calidad a lo largo del tiempo con lanzamientos de modelos anotados y descripciones de salida de muestra
Gráfico de barras que muestra las tasas de finalización de tareas de los agentes de AI en pruebas de referencia de agentes estandarizadas (WebArena, OSWorld, AgentBench) en 2025, destacando el progreso hacia la ejecución general de tareas autónomas.
Gráfico de barras agrupadas por prueba de referencia con barras de comparación del sistema de agentes y referencias de línea de base
Análisis del rendimiento de los agentes de AI en la navegación web, el uso de la computadora y las tareas de interacción con la GUI, que muestra las tasas de éxito y el análisis del modo de falla para los principales sistemas de agentes.
Gráfico de barras de las tasas de éxito por tipo de tarea con un gráfico de desglose del modo de falla
Datos sobre el rendimiento de los agentes de AI en tareas de planificación de horizonte largo que requieren más de 10 pasos secuenciales, que muestran las limitaciones actuales y la brecha entre el rendimiento de tareas cortas y tareas largas.
Gráfico de líneas de la degradación del rendimiento con el aumento de los pasos de la tarea para múltiples sistemas de agentes
Análisis de la calidad de la traducción de AI en más de 200 pares de idiomas utilizando puntuaciones BLEU y de evaluación humana, que muestra una calidad casi profesional para los pares de altos recursos y brechas significativas para los idiomas de bajos recursos.
Mapa de calor del idioma mundial para la calidad de la traducción más un gráfico de barras de los pares de mejor/peor rendimiento
Pruebas de referencia para el resumen de texto de AI y la calidad de generación de formato largo en 2025, incluidas las puntuaciones de consistencia de la evaluación humana y las métricas de precisión fáctica.
Gráfico de barras que compara la calidad del resumen entre modelos con resultados de evaluación humana
Análisis de la solidez del modelo de AI ante el cambio de distribución, las entradas adversarias y los casos de prueba fuera de distribución, que muestra una fragilidad persistente a pesar de las ganancias generales de capacidad.
Gráfico de barras agrupadas que compara las brechas de rendimiento dentro de la distribución frente a OOD en los tipos de modelos
Gráfico de comparación consolidado que muestra el rendimiento de la AI frente al humano en más de 30 tareas distintas, con marcadores visuales para las tareas en las que la AI ahora supera el rendimiento humano.
Gráfico de puntos horizontal con nombres de tareas en el eje y, puntuaciones de AI y humanas como puntos emparejados, sombreado 'AI supera'
Datos de rendimiento en nuevos puntos de referencia difíciles diseñados para resistir la saturación en 2025: FrontierMath, MMMU-Pro y Humanity's Last Exam, que muestran las capacidades actuales del modelo Frontier.
Gráfico de barras de las puntuaciones de los mejores modelos en tres puntos de referencia difíciles con la línea de base de expertos humanos
Análisis del paradigma de escalado de cómputo en tiempo de prueba en 2025: cómo el cómputo de inferencia adicional a través de la cadena de pensamiento, la búsqueda y la autoverificación mejora el rendimiento en tareas difíciles.
Gráfico de líneas que muestra el rendimiento frente al presupuesto de cómputo de inferencia para los modelos de razonamiento
Análisis de la calibración del modelo de AI (qué tan bien las puntuaciones de confianza del modelo coinciden con la precisión real), que muestra mejoras en la calibración de los mejores modelos, pero siguen existiendo desafíos.
Gráficos de curvas de calibración para múltiples modelos con referencia diagonal de calibración ideal
Mapa de calor que muestra el rendimiento del modelo de AI en más de 100 idiomas en puntos de referencia NLP estándar, destacando la importante brecha de rendimiento entre los grupos de idiomas de altos y bajos recursos.
Mapa de calor idioma por punto de referencia con gradiente de color de rendimiento y agrupaciones regionales
Resumen del rendimiento de los puntos de referencia en dominios profesionales especializados: derecho (examen de abogacía), medicina (USMLE), finanzas (CFA) y contabilidad, que muestra modelos de AI Frontier con puntuaciones iguales o superiores a las puntuaciones de aprobación profesionales.
Gráfico de barras de las puntuaciones de aprobación de exámenes profesionales frente a las puntuaciones del modelo de AI en cuatro dominios
Descripción general del rendimiento de la AI en juegos y simulaciones estratégicas en 2025, incluidos el ajedrez, el Go, el póquer y los juegos de estrategia en tiempo real, que muestra un rendimiento sobrehumano en la mayoría de las categorías de juegos.
Gráfico de comparación de clasificaciones para la AI frente a los mejores jugadores humanos en los tipos de juegos
Datos de rendimiento de los puntos de referencia para los sistemas de AI incorporados en tareas de manipulación, navegación y control diestro, que muestran un progreso sustancial, pero una brecha restante con respecto al rendimiento humano.
Gráfico de barras de las tasas de éxito por categoría de tarea para los principales sistemas de AI robóticos
Análisis del rendimiento de la AI por dólar de coste de inferencia en 2025, que muestra mejoras drásticas en la eficiencia de costes que están democratizando el acceso a la AI de alta capacidad.
Gráfico de dispersión del rendimiento frente al coste por consulta para los principales modelos con flechas de tendencia basadas en el tiempo
Comparación directa de la capacidad de los 10 mejores modelos Frontier de 2025 en 15 categorías de puntos de referencia, que proporciona una descripción general estructurada del panorama actual de la capacidad de la AI.
Tabla de comparación grande con nombres de modelos como filas, categorías de puntos de referencia como columnas, niveles de rendimiento codificados por colores
Gráficos de líneas de resumen que muestran las tendencias de rendimiento en cinco categorías de tareas principales (lenguaje, matemáticas, código, ciencia, multimodal) de 2018 a 2025, lo que ilustra la aceleración del progreso de la AI.
Gráficos de líneas de pequeños múltiplos de cinco paneles que muestran cada uno una tendencia de categoría a lo largo del tiempo
Discusión metodológica de las limitaciones del diseño de los benchmarks de AI, incluyendo preocupaciones sobre la contaminación de datos, el sobreajuste de los benchmarks y el desafío de medir la inteligencia general.
Análisis de texto con diagrama ilustrativo de contaminación y lista de verificación de criterios de calidad de los benchmarks
Datos sobre el rendimiento de los modelos de AI en benchmarks relevantes para la seguridad y la alineación: TruthfulQA, evaluación de sesgos BBQ y pruebas de resistencia a jailbreak, que muestran el progreso y los desafíos restantes.
Gráfico de barras que compara las puntuaciones de los benchmarks de seguridad entre los principales modelos con comentarios de texto
Notas de referencia para el Capítulo 2 con citas de fuentes de datos, referencias de metodología de benchmarks y definiciones de métricas de rendimiento utilizadas a lo largo del capítulo.
Formato de nota al final de dos columnas con citas numeradas y referencias de fuentes
Lista de lecturas adicionales seleccionadas para el Capítulo 2, organizada por categoría de benchmark, con documentos clave y recursos de clasificación para la exploración continua del rendimiento técnico de la AI.
Lista de lectura estructurada con encabezados de categoría y entradas anotadas
Análisis en profundidad de los efectos del prompting de cadena de pensamiento en el rendimiento del razonamiento, que muestra que el razonamiento explícito paso a paso mejora el rendimiento en los benchmarks de matemáticas, lógica y ciencia.
Gráfico de barras que compara el rendimiento con/sin CoT más el análisis de texto del mecanismo
Análisis del rendimiento del sistema de generación aumentada por recuperación (RAG) en 2025, que muestra cómo la combinación de LLM con la recuperación de conocimiento externo mejora significativamente la precisión factual.
Gráfico de barras de precisión factual con y sin RAG en todos los dominios de conocimiento
Rendimiento de los benchmarks de los modelos de AI en tareas de datos estructurados: generación de SQL, QA de tablas e interpretación de datos financieros, que muestra un rendimiento sólido pero imperfecto.
Gráfico de barras del rendimiento de las tareas de datos estructurados con desglose del tipo de tarea
Análisis de los desafíos de reproducibilidad en la evaluación comparativa del rendimiento de la AI, incluida la sensibilidad a la redacción del prompt, la configuración de la temperatura y las variaciones del protocolo de evaluación.
Gráfico de análisis de varianza que muestra la sensibilidad del rendimiento a la variación del prompt con comentarios de texto
Discusión de las capacidades emergentes de la AI observadas en 2025 (habilidades que aparecen de forma discontinua a medida que aumenta la escala del modelo) con ejemplos y debate sobre si la emergencia es real o un artefacto de la evaluación.
Análisis de texto con tabla de ejemplos de emergencia y diagrama de dispersión de escala frente a capacidad
Descripción general del ecosistema de benchmarks de AI en 2025: clasificaciones clave, organizaciones de evaluación (HELM, BIG-bench) y el desafío de mantener una evaluación significativa a medida que mejoran los modelos.
Diagrama del ecosistema que muestra los principales benchmarks, organizaciones y sus relaciones
Datos de rendimiento en tareas de razonamiento multimodal que requieren la integración de texto e información visual, incluidos diagramas científicos, gráficos y matemáticas con figuras.
Gráfico de barras de comparación de benchmarks para los principales modelos multimodales en todos los tipos de tareas de razonamiento
Análisis de la brecha entre el rendimiento de los benchmarks y el rendimiento del despliegue en el mundo real, incluida la discusión del cambio de distribución, los casos extremos y la correlación entre el rendimiento del benchmark y el despliegue.
Diagrama de dispersión que compara la puntuación del benchmark de laboratorio con las estimaciones de rendimiento en el mundo real para las aplicaciones
Panel de resumen del Capítulo 2 que presenta los principales hallazgos de rendimiento: la IA a la par de los humanos en tareas X, superando a los expertos humanos en tareas Y y los principales desafíos pendientes.
Panel de resumen con estadísticas de gran número, desglose de categorías de tareas y cuadros de llamadas de hallazgos clave
Rendimiento de la IA en puntos de referencia de programación competitiva (problemas de CodeForces, IOI) en 2025, que muestra que los modelos de vanguardia alcanzan altos niveles de rendimiento calificados por Codeforces.
Gráfico de comparación de calificaciones con niveles del sistema de IA asignados a equivalentes de percentiles humanos
Análisis detallado del rendimiento de la IA en problemas estilo Olimpiada Internacional de Matemáticas (IMO) en 2025, con modelos de vanguardia que logran un rendimiento equivalente a la medalla de oro en conjuntos de problemas seleccionados.
Gráfico de dificultad del problema frente a la tasa de solución con comparación de modelos y anotaciones de umbral de medalla de la IMO
Rendimiento de los sistemas de IA en tareas de revisión de literatura científica: resumir con precisión artículos, identificar errores de metodología y sintetizar hallazgos en varios artículos.
Gráfico de barras de comparación de precisión para subtareas de revisión de literatura con comparación de modelos
Rendimiento detallado de puntos de referencia multilingües (XTREME, XGLUE, mMMLU) que muestra las diferencias de rendimiento entre las tareas en inglés y las que no están en inglés, con análisis de los desafíos de los idiomas con pocos recursos.
Mapa de calor del rendimiento por idioma y punto de referencia con agrupaciones de familias de idiomas
Hallazgos de investigación sobre las capacidades de persuasión de la IA en 2025: estudios que muestran que el texto persuasivo generado por la IA supera al texto escrito por humanos en las pruebas A/B, lo que genera preocupación por la manipulación.
Gráfico de barras de los resultados del estudio de persuasión con análisis de texto de las implicaciones y discusión de riesgos
Análisis de las capacidades de memoria del modelo de IA en 2025: límites de memoria en contexto, aumento de memoria externa y sistemas de agentes con estado que permiten tareas de horizonte más largo.
Diagrama comparativo de arquitecturas de memoria con datos de rendimiento en tareas dependientes de la memoria
Datos de rendimiento de los modelos de IA que utilizan herramientas externas (APIs, calculadoras, motores de búsqueda, intérpretes de código) en 2025, que muestran mejoras sustanciales en el uso confiable de herramientas.
Gráfico de barras de tasa de éxito para tareas de uso de herramientas por tipo de herramienta y modelo
Descripción general de los modelos de IA específicos del dominio para tareas científicas: estructura de proteínas, ciencia de los materiales, clima, genómica y su rendimiento en relación con los modelos de propósito general.
Tabla de comparación de rendimiento: modelos especializados frente a generalistas en todos los dominios científicos
Rendimiento de referencia para tareas de comprensión de documentos de IA: análisis de PDF, extracción de formularios, análisis de contratos y control de calidad de documentos complejos en 2025.
Gráfico de barras del rendimiento de la tarea de documento con desglose del tipo de tarea y comparación de modelos
Análisis de la robustez del modelo de IA contra ataques adversarios en 2025, incluidos los ataques de perturbación de imágenes, la inyección rápida para LLM y la eficacia del mecanismo de defensa.
Gráfico de barras de la tasa de éxito del ataque con comparación del método de defensa y análisis de texto
Análisis final de los temas clave del Capítulo 2: la aceleración de las ganancias de capacidad de la IA, el desafío de mantener los puntos de referencia significativos y las implicaciones de que la IA supere el rendimiento humano en un conjunto cada vez mayor de tareas.
Conclusión de texto con un gráfico de resumen que muestra las categorías de puntos de referencia por estado de paridad humana
Apertura de capítulo a sangre completa con fondo verde azulado oscuro, número de capítulo 3 grande en blanco, título 'IA Responsable' y breve descripción general del enfoque del capítulo en la seguridad, los sesgos, los daños y la gobernanza de la IA.
Fondo verde azulado oscuro a sangre completa, número de capítulo sobredimensionado, título y descripción en blanco
Introducción al capítulo de IA responsable que explica el marco para medir los daños de la IA, la investigación de seguridad, la evaluación de sesgos y la gobernanza en la práctica en 2025.
Introducción de una sola columna con diagrama de descripción general de la sección y cuadro de definiciones clave
Gráfico de líneas que muestra el número de incidentes relacionados con la IA rastreados por la base de datos AIAAIC de 2012 a 2025, lo que demuestra un crecimiento de más del 1000% durante el período con una fuerte aceleración a partir de 2022.
Gráfico de líneas de ancho completo con eje x del año, eje y del recuento de incidentes, picos de incidentes clave anotados
Gráfico de barras apiladas que desglosa los incidentes de IA en 2025 por categoría de daño: desinformación/deepfakes, violaciones de la privacidad, discriminación, fallas de sistemas autónomos y violaciones de la ciberseguridad.
Gráfico de barras horizontales apiladas con codificación de colores de categoría de daño y etiquetas de porcentaje
Mapa mundial y gráfico de barras que muestran la distribución geográfica de los incidentes de IA informados en 2025, con EE. UU., la UE y China representando la mayoría de los incidentes rastreados.
Mapa mundial con burbujas de densidad de incidentes más gráfico de barras de los 15 principales países por recuento de incidentes
Análisis de incidentes de desinformación generados por IA en 2025: videos deepfake dirigidos a elecciones, fraude de audio sintético y artículos de noticias generados por IA difundidos a escala.
Cronología de los principales incidentes de deepfake de 2025 con análisis de texto y gráfico de capacidad de detección
Comparación del rendimiento de la tecnología de detección de deepfakes en 2025 frente a la calidad de generación de deepfakes, que muestra la carrera armamentista en curso con la detección constantemente rezagada con respecto a la generación.
Gráfico de doble línea de calidad de generación frente a precisión de detección a lo largo del tiempo con anotación de brecha de carrera armamentista
Descripción general de la investigación de medición y mitigación de sesgos en los sistemas de IA en 2025, que abarca algoritmos de contratación, calificación crediticia, clasificación de atención médica y reconocimiento facial en todos los grupos demográficos.
Diagrama de marco de tipos de sesgo y enfoques de mitigación con descripción general del texto
Resultados experimentales de auditorías de sesgos de herramientas de contratación de IA en 2025, que muestran tasas de selección diferenciales por raza, género y edad en los sistemas automatizados de selección de currículums.
Gráfico de barras de tasas de selección por grupo demográfico con anotaciones de relación de disparidad
Análisis del sesgo en los algoritmos de IA para la atención médica en 2025, centrándose en la precisión diferencial de la IA de diagnóstico en todos los grupos raciales y socioeconómicos y las causas de las brechas de rendimiento.
Gráfico de barras de precisión de diagnóstico por grupo demográfico en múltiples herramientas de IA
Datos sobre el sesgo de la IA en la calificación crediticia y los servicios financieros, que muestran tasas de aprobación de préstamos diferenciales y distribuciones de puntajes de riesgo en todos los grupos demográficos en los préstamos asistidos por IA.
Gráfico de barras de tasas de aprobación y distribuciones de puntajes por demografía con análisis de texto
Resultados de referencia para sistemas de reconocimiento facial en todos los grupos demográficos en 2025, que muestran continuas disparidades de precisión a pesar del progreso, con análisis de las respuestas regulatorias.
Gráfico de comparación de tasas de error por grupo demográfico con llamadas de respuesta regulatoria
Gráfico de líneas que rastrea el volumen de publicaciones de investigación sobre equidad en la IA y mitigación de sesgos de 2015 a 2025, que muestra el rápido crecimiento del campo junto con el aumento de los compromisos corporativos con la equidad.
Gráfico de líneas del volumen de publicaciones más gráfico de barras de anuncios de iniciativas corporativas de equidad por año
Gráfico de líneas que muestra el crecimiento de las publicaciones de investigación sobre la seguridad de la IA y las organizaciones de investigación de seguridad dedicadas de 2016 a 2025, lo que demuestra la rápida institucionalización del campo.
Gráfico de doble línea de publicaciones sobre seguridad y recuento de organizaciones de seguridad a lo largo del tiempo
Descripción general de las principales organizaciones de investigación sobre la seguridad de la IA activas en 2025: Anthropic, DeepMind Safety, ARC Evals, Redwood Research, METR, Apollo Research y otras.
Tarjetas de perfil de la organización en una cuadrícula con fecha de fundación, área de enfoque y resultados clave por organización
Análisis de la adopción de red teaming de la IA en los principales laboratorios de IA en 2025, que muestra que el red teaming se ha convertido en una práctica estándar, con estándares emergentes de NIST y marcos gubernamentales.
Gráfico de la línea de tiempo de adopción más análisis de texto de las metodologías y hallazgos del red teaming
Resumen de los hallazgos divulgados del red teaming en los principales laboratorios de IA en 2025: categorías comunes de vulnerabilidades, prevalencia de técnicas de jailbreak y la eficacia de diferentes enfoques de defensa.
Gráfico de barras de la categoría de vulnerabilidad con tabla de comparación de la eficacia de la defensa
Descripción general de las tecnologías de marcas de agua y detección de contenido generado por IA en 2025: estándares de procedencia C2PA, detectores de texto de IA y adopción de marcas de agua de imágenes por las principales plataformas.
Diagrama del panorama tecnológico con métricas de adopción y análisis de texto de la eficacia
Análisis de los riesgos de privacidad de la IA y las medidas de protección en 2025: memorización de datos de entrenamiento, ataques de inversión de modelos, adopción de privacidad diferencial y desafíos de cumplimiento normativo.
Diagrama de taxonomía de riesgos con gráfico de tasa de adopción para técnicas de preservación de la privacidad
Análisis del doble papel de la IA en la ciberseguridad en 2025: detección y defensa de amenazas impulsadas por la IA frente a la automatización de ataques habilitada por la IA, con datos sobre las tasas de incidentes para ambos.
Gráficos de barras uno al lado del otro para aplicaciones de defensa de la IA y aplicaciones de ataque de la IA con análisis de texto
Descripción general de los marcos de evaluación de capacidades utilizados por los laboratorios de IA de vanguardia en 2025 para evaluar las capacidades peligrosas antes de la implementación del modelo, incluidas las pruebas de mejora de CBRN.
Diagrama del marco de evaluación con definiciones de categorías de capacidad y tabla de adopción de laboratorio
Comparación de las principales taxonomías y marcos de riesgo de la IA en 2025: NIST AI RMF, niveles de riesgo de la Ley de IA de la UE, marco de riesgo de la IA de la OCDE y clasificaciones de riesgo desarrolladas por la industria.
Tabla de comparación lado a lado de cuatro marcos con categorías de riesgo mapeadas a través de marcos
Datos sobre las tasas de adopción de NIST AI RMF en las agencias federales de EE. UU. y las organizaciones del sector privado en 2025, lo que muestra una aceptación creciente pero desigual.
Gráfico de barras de la tasa de adopción por sector y tamaño de la organización con análisis de texto
Análisis de la adopción de tarjetas de modelo y documentación de transparencia de la IA en 2025, que muestra una mayor divulgación por parte de los principales laboratorios, pero estándares y profundidad inconsistentes en toda la industria.
Gráfico de barras de métricas de adopción más cuadro de mando de calidad que compara la profundidad de la tarjeta de modelo en los principales laboratorios
Descripción general de las aplicaciones de la IA en contextos militares y de defensa en 2025: desarrollo de armas autónomas, IA de focalización, vigilancia habilitada por la IA y desafíos del derecho internacional.
Análisis de texto con mapa de despliegue global y cuadros de llamada de factores de riesgo
Datos sobre el uso de la IA en entornos de justicia penal en 2025: vigilancia predictiva, algoritmos de sentencia, herramientas de decisión de fianza e inquietudes documentadas sobre sesgos y desafíos legales.
Mapa de adopción por estado de EE. UU. con gráfico de resultados de auditoría de sesgos y cronograma de desafíos legales
Análisis global del despliegue de tecnología de vigilancia impulsada por IA en 2025: reconocimiento facial en espacios públicos, monitoreo del comportamiento y adopción y restricciones a nivel de país.
Mapa mundial de la adopción de tecnología de vigilancia con superposición de restricciones regulatorias
Análisis de las crecientes preocupaciones sobre el impacto ambiental de la IA en 2025, centrándose en el uso de agua de los centros de datos, las emisiones de carbono de las cargas de trabajo de la IA y las iniciativas de sostenibilidad de las principales empresas de IA.
Gráfico de barras de métricas ambientales por empresa con tabla comparativa de compromisos de sostenibilidad
Descripción general de las preocupaciones laborales relacionadas con la IA en 2025: condiciones de los trabajadores de etiquetado de datos, salud mental de los trabajadores de moderación de contenido y debates sobre el desplazamiento laboral impulsado por la IA.
Análisis de texto con datos de encuestas sobre las condiciones de trabajo de los etiquetadores y gráficos de proyección del desplazamiento laboral
Análisis del papel de la IA en la moderación de contenido en las principales plataformas en 2025, incluida la precisión de la detección de categorías de contenido dañino y el desafío de los falsos positivos para las comunidades marginadas.
Gráfico de barras de métricas de precisión por tipo de contenido con desglose de la tasa de falsos positivos por comunidad
Descripción general de las políticas corporativas de uso responsable de la IA en las principales empresas de IA en 2025, incluidas las políticas de uso, los casos de uso prohibidos y los mecanismos de aplicación.
Tabla comparativa de políticas entre las principales empresas de IA con lista de verificación de prohibición de casos de uso
Datos de la encuesta sobre las prácticas de gobernanza de la IA en la industria: porcentaje de empresas con juntas de ética de la IA, equipos de IA responsable, evaluaciones de impacto y procesos de revisión de la gobernanza.
Gráfico de barras de las tasas de adopción de prácticas de gobernanza por tamaño de empresa y sector
Descripción general de los esfuerzos internacionales de coordinación de la seguridad de la IA en 2025: la Cumbre de París sobre la Seguridad de la IA, el seguimiento de Bletchley Park, la Declaración de Seúl sobre la IA e iniciativas multilaterales de investigación sobre la seguridad.
Cronograma de cumbres y acuerdos internacionales sobre seguridad con análisis de texto de los compromisos
Tres estudios de caso detallados de incidentes significativos de IA en 2025: una importante campaña de desinformación electoral con deepfakes, un grupo de errores de diagnóstico de IA en la atención médica y una serie de accidentes de vehículos autónomos.
Diseño de estudio de caso de tres paneles con descripción del incidente, respuesta y lecciones aprendidas por caso
Datos sobre el rendimiento del modelo de IA en puntos de referencia de evaluación de capacidades peligrosas en 2025, incluidas las evaluaciones de mejora de CBRN y las evaluaciones de riesgo de bioseguridad utilizadas en las pruebas previas al despliegue.
Gráfico de barras de los resultados de la evaluación de capacidades con umbrales de nivel de riesgo y comparación de laboratorios
Descripción general de los enfoques de investigación sobre la alineación de la IA en 2025: RLHF/RLAIF, IA constitucional, debate y amplificación, interpretabilidad mecanicista y técnicas de supervisión escalables.
Diagrama de taxonomía del enfoque de investigación con gráfico de volumen de publicaciones por enfoque
Análisis del crecimiento de la investigación sobre interpretabilidad y explicabilidad de la AI en 2025, que abarca las técnicas de interpretabilidad mecanicista, los mapas de prominencia y su implementación práctica en industrias reguladas.
Gráfico de líneas de crecimiento de publicaciones más gráfico de barras de la tasa de adopción en industrias reguladas
Datos sobre las aplicaciones de la AI en la salud mental y los riesgos asociados en 2025: implementación del soporte de salud mental basado en chatbot, datos de eficacia e incidentes relacionados con interacciones dañinas de la AI en la salud mental.
Métricas de implementación con gráfico de eficacia y desglose de la categoría de incidentes
Descripción general de las preocupaciones sobre la seguridad infantil relacionadas con los sistemas de AI en 2025: detección de CSAM, experiencias de AI apropiadas para la edad, el uso de la AI por parte de los niños en la educación y las protecciones regulatorias.
Análisis de texto con mapa del panorama regulatorio y gráfico de adopción de medidas de seguridad
Datos experimentales sobre la eficacia de las principales técnicas de mitigación del sesgo en 2025, que comparan los enfoques de preprocesamiento, procesamiento interno y postprocesamiento en las métricas de sesgo.
Gráfico de barras comparativo de la reducción de la métrica de sesgo por técnica con análisis del coste de precisión
Datos sobre las funciones laborales de AI responsable en 2025: publicaciones de eticista de AI, ingeniero de seguridad de AI, gerente de programa de AI responsable, salarios y la brecha de oferta y demanda en el campo.
Gráfico de tendencias de publicaciones de empleo y comparación de salarios con llamada a la acción de la brecha de oferta y demanda
Descripción general del ecosistema emergente de auditoría de AI en 2025: auditores externos, estándares de auditoría algorítmica, requisitos de auditoría obligatorios en varias jurisdicciones y herramientas de autoevaluación de la industria.
Diagrama del ecosistema de organizaciones de auditoría de AI más tabla comparativa de requisitos regulatorios
Análisis de las preocupaciones de AI responsable específicas de las versiones de modelos de código abierto en 2025, incluidos los riesgos de doble uso, la seguridad posterior a la publicación y las prácticas de seguridad de la comunidad.
Taxonomía de riesgos para la AI de código abierto con comparación del enfoque de mitigación y análisis de texto
Resumen de los resultados de la Cumbre de seguridad de la AI de París (febrero de 2025) y los compromisos de seguridad internacionales posteriores, incluidos los hitos del Código de práctica de GPAI.
Tarjetas de resumen de resultados por cumbre con indicadores de estado de seguimiento de compromisos
Panel de resumen para el Capítulo 3 que presenta las métricas clave de AI responsable: crecimiento de incidentes de AI, resultados de auditoría de sesgo, crecimiento de la investigación de seguridad y tasas de adopción de la gobernanza.
Cuadrícula del panel con estadísticas de números grandes, minigráficos de tendencias y cuadros de llamada a la acción de hallazgos clave
Análisis de las tendencias del sistema de AI a generar resultados tóxicos, dañinos o inapropiados en 2025, incluidos los resultados de referencia de toxicidad y la eficacia del ajuste fino de seguridad.
Barras de comparación de la tasa de toxicidad con tendencias de mejora del modelo y análisis de texto
Descripción general de los desafíos de los derechos de autor y la propiedad intelectual de la AI en 2025: derechos de datos de entrenamiento, estado de la propiedad intelectual del contenido generado por la AI, principales casos legales y marcos regulatorios emergentes.
Cronograma de casos legales con comparación del marco de políticas y análisis de texto
Análisis de las campañas de desinformación habilitadas por la AI documentadas dirigidas a las elecciones en 2025, incluidas las estimaciones de escala, las respuestas de la plataforma y los desafíos de detección.
Cronograma de la campaña con estimaciones de escala y tabla comparativa de la respuesta de la plataforma
Análisis de las brechas de responsabilidad en las cadenas de implementación de la IA en 2025: responsabilidad difusa entre desarrolladores, implementadores y usuarios, y esfuerzos para asignar la responsabilidad legal.
Diagrama de brechas de responsabilidad con comparación del marco de responsabilidad legal entre jurisdicciones
Descripción general del impacto de los sistemas de IA en los derechos humanos en 2025, desde la vigilancia y la libertad de expresión hasta el acceso a la justicia y el derecho a una explicación en las decisiones automatizadas.
Tabla de matriz de impacto en los derechos con filas de aplicaciones de la IA y columnas de derechos humanos, con celdas de calificación de impacto
Vista previa de las metodologías de evaluación de seguridad técnica a las que se hace referencia en el Capítulo 3, incluidos los protocolos de red-team, los procedimientos de evaluación de capacidades y los estándares de medición de sesgos.
Diagrama de descripción general de la metodología con lista de referencias y explicaciones de texto
Visualización del mapa mundial de la actividad regulatoria y de gobernanza de la IA responsable en 2025, que muestra la densidad de la regulación por país y el contraste entre los enfoques de la UE, EE. UU. y Asia.
Mapa coroplético mundial con codificación de colores de intensidad de regulación y cuadros de llamada regionales
Análisis comparativo de los principios éticos de la IA adoptados por gobiernos, empresas y organizaciones internacionales en 2025, que traza las superposiciones y divergencias.
Diagrama de Venn/superposición de temas de principios éticos en más de 20 marcos principales
Notas de referencia para el Capítulo 3, incluidas las fuentes de datos primarias para los datos de incidentes, los estudios de sesgos, la investigación de seguridad y las citas del marco de gobernanza.
Formato de nota al final numerada de dos columnas
Lecturas adicionales seleccionadas para el Capítulo 3 organizadas por sección: investigación de seguridad, sesgo e imparcialidad, gobernanza y análisis de incidentes, con breves anotaciones.
Lista de lectura estructurada con encabezados de sección y entradas
Apertura de capítulo a sangre completa con fondo azul marino oscuro, número de capítulo 4 grande en blanco, título 'Economía' y breve descripción del capítulo que cubre la inversión en AI, el trabajo y las tendencias de adopción.
Fondo azul marino oscuro a sangre completa, número de capítulo de gran tamaño, título y descripción en blanco
Introducción al capítulo de economía, que enmarca la huella económica de la AI en 2025 en las inversiones privadas, los mercados laborales, la adopción por parte de las empresas y los efectos en la productividad.
Introducción de una sola columna con cuadros de llamada de aspectos destacados del capítulo y descripción general de la sección
Gráfico de líneas que muestra la inversión privada global en AI de 2013 a 2025, alcanzando más de $470 mil millones a nivel mundial en 2025, con los EE. UU. representando $285.9 mil millones, triplicándose con respecto a los niveles de 2022.
Gráfico de líneas con líneas de inversión globales y específicas de EE. UU., eje x del año, eje y del monto en dólares, anotaciones de hitos clave
Gráfico de barras que clasifica a los países por inversión privada en AI en 2025, con EE. UU. liderando significativamente, seguido por China, Reino Unido, India y Canadá.
Gráfico de barras horizontales clasificado con nombres de países en el eje y y montos de inversión en el eje x
Desglose de la inversión privada en AI por sector industrial en 2025: software empresarial, atención médica, vehículos autónomos, servicios financieros, ciberseguridad, educación y comercio minorista.
Gráfico circular y gráfico de barras adjunto que muestra las acciones y los montos de inversión del sector
Análisis del aumento de la inversión en IA generativa en 2025, con un gráfico de barras que muestra cómo la cuota de la IA generativa en la inversión total en AI crece del 15 % en 2023 a más del 45 % en 2025.
Gráfico de barras de la cuota de inversión en IA generativa por año con línea superpuesta de inversión total
Datos sobre las mega-rondas de financiación de empresas de AI (más de 100 millones de dólares) en 2025 y el número global de unicornios de AI, que muestran la aceleración de las valoraciones de miles de millones de dólares para las empresas nativas de AI.
Gráfico de burbujas de acuerdos de mega-rondas por empresa con tabla de los 20 principales unicornios de AI
Análisis de la actividad de fusiones y adquisiciones relacionadas con la AI en 2025, que muestra volúmenes récord de fusiones y adquisiciones y la consolidación estratégica del talento y la tecnología de la AI por parte de las grandes empresas tecnológicas.
Gráfico de barras del volumen de acuerdos de fusiones y adquisiciones por año con desglose del tipo de acuerdo y llamadas de atención de acuerdos clave
Mapa mundial y análisis del coeficiente de Gini que muestran la concentración geográfica de la inversión privada en AI, con EE. UU., China y el Reino Unido representando más del 80 % de la inversión global en AI.
Mapa coroplético mundial de la concentración de la inversión más panel de métricas de concentración
Análisis de la adopción de la AI por parte de las empresas de Fortune 500 en 2025: más del 90 % menciona la AI en las teleconferencias sobre resultados, con datos de la encuesta de McKinsey que muestran que el 70 % utiliza la AI en al menos una función empresarial.
Gráfico de líneas de la tendencia de adopción más gráfico de barras del desglose por sector con diagrama de embudo de menciones a adopción
Gráfico de barras que compara las tasas de adopción de la AI entre los tamaños de empresa (grande, mediana, pequeña, micro) que muestra importantes diferencias de adopción y los retos a los que se enfrentan las empresas más pequeñas para acceder a las herramientas de AI.
Gráfico de barras agrupadas por tamaño de empresa con desglose de las métricas de adopción y análisis de texto
Desglose sectorial de la adopción de la AI en 2025: los servicios financieros y la tecnología lideran la adopción, seguidos de la atención sanitaria, el comercio minorista y la fabricación, mientras que la educación y la administración pública se quedan atrás.
Gráfico de barras horizontal que clasifica los sectores por tasa de adopción de la AI con datos de tecnología, casos de uso e inversión
Resumen de estudios empíricos que miden los efectos de la productividad de la AI en todos los sectores en 2025, que muestran ganancias documentadas en la productividad de la codificación, la producción del trabajo del conocimiento y la eficiencia del servicio de atención al cliente.
Tabla de resumen de los resultados del estudio con estimaciones de las ganancias de productividad y análisis de texto de la metodología
Análisis de las ganancias de productividad de la AI en las tareas de trabajo del conocimiento: escritura, codificación, investigación, análisis y servicio de atención al cliente, con estimaciones de estudios de campo que oscilan entre el 20 y el 80 % de ganancias de eficiencia.
Gráfico de barras de las ganancias de productividad por tipo de tarea con citas de la fuente del estudio y barras de error
Gráfico de líneas que muestra el crecimiento de las publicaciones de empleos relacionados con la AI de 2019 a 2025, con un crecimiento interanual de aproximadamente el 30 % en 2025 y habilidades de AI que aparecen en una proporción creciente de publicaciones no especializadas en AI.
Gráfico de doble línea de publicaciones de especialistas en AI y publicaciones que requieren habilidades de AI a lo largo del tiempo
Gráfico de barras que muestra las primas salariales para los trabajadores cualificados en AI en 2025, con funciones de AI que exigen primas salariales del 30-40 % con respecto a las funciones no relacionadas con la AI comparables en ingeniería de software, ciencia de datos e investigación.
Gráfico de barras de la prima salarial por tipo de función con comparación con los equivalentes no relacionados con la AI
Análisis de la exposición de los grupos ocupacionales a la automatización y el aumento de la AI en 2025, que muestra que el trabajo cognitivo de altos salarios está muy expuesto al aumento y los trabajadores de tareas rutinarias corren el riesgo de desplazamiento.
Gráfico de dispersión del salario ocupacional frente a la exposición a la AI con etiquetas de clústeres de ocupación
Análisis de datos de empleo a nivel macro en economías líderes en IA, que muestra un fuerte empleo en sectores intensivos en IA a pesar de las preocupaciones por la automatización, con patrones sectoriales matizados.
Gráficos de tendencias de empleo por sector con superposición de intensidad de IA y análisis de texto
Análisis de los efectos distributivos de la IA en los salarios: evidencia de ganancias salariales concentradas en trabajadores con alta educación y alta cualificación, con un crecimiento salarial limitado para los trabajadores con baja cualificación.
Gráfico de comparación del crecimiento salarial por nivel educativo con inserciones de curvas de distribución
Resumen de la evidencia empírica actual sobre el desplazamiento laboral relacionado con la IA en 2025, que distingue los casos documentados de los escenarios de desplazamiento proyectados, con datos de desplazamiento a nivel sectorial.
Tabla de evidencia de desplazamiento con filas de sectores, columnas documentadas vs. proyectadas y comentarios de texto
Análisis de la brecha de habilidades en IA en 2025: escasez de trabajadores cualificados en IA en prácticamente todos los sectores, la brecha entre la demanda de empleo en IA y la oferta cualificada, y los desafíos de la readaptación profesional.
Gráfico de la brecha entre oferta y demanda por función y región con análisis de texto de las causas de la brecha
Discusión del papel potencial de la IA en la exacerbación de la desigualdad económica entre las naciones con alta capacidad de IA y los países de bajos ingresos, y entre los trabajadores altamente cualificados y los trabajadores poco cualificados dentro de las economías.
Análisis de texto con gráfico de proyección de la desigualdad y visualización de la brecha de capacidad regional
Datos sobre la inversión en infraestructura de IA en 2025: construcción de centros de datos, adquisición de GPU/chips, inversiones en redes eléctricas y gasto de capital de hiperescaladores impulsado por la demanda de IA.
Gráfico de barras de inversión en infraestructura por categoría con anotaciones de crecimiento interanual
Análisis del impacto de la IA en los mercados financieros en 2025: rendimiento de las acciones de las empresas de IA, preocupaciones sobre los algoritmos de negociación impulsados por la IA y datos del sentimiento de los inversores para las acciones del sector de la IA.
Gráfico de rendimiento del índice bursátil del sector de la IA con llamadas de atención sobre la capitalización de mercado y análisis de texto
Datos sobre la implementación de la IA en el servicio de atención al cliente en 2025: adopción de chatbots, mejoras en la tasa de resolución, métricas de reducción de costes y satisfacción del consumidor con el servicio de atención al cliente de la IA.
Gráfico de métricas de adopción con comparación de satisfacción y análisis de reducción de costes
Análisis de la adopción de la IA en el marketing y la publicidad en 2025: IA generativa para la creación de contenido, optimización de anuncios impulsada por la IA, personalización a escala y evidencia de ROI.
Gráfico de tasa de adopción con tabla de evidencia de ROI y datos de reducción de costes de creación de contenido
Descripción general de la adopción de la IA en los servicios jurídicos en 2025: automatización de la revisión de contratos, IA de investigación jurídica, herramientas de descubrimiento electrónico y el impacto en las horas de trabajo legales y las tarifas facturables.
Gráfico de barras de ahorro de tiempo por tipo de tarea legal con tasa de adopción y análisis de texto
Datos sobre las aplicaciones de la IA en la fabricación y la cadena de suministro en 2025: mantenimiento predictivo, sistemas de visión de control de calidad, optimización de la logística y ganancias de productividad.
Gráfico de ROI y ganancias de eficiencia por tipo de aplicación con desglose de la tasa de adopción
Análisis de la implementación de la IA en los servicios financieros en 2025: detección de fraudes, suscripción de créditos, negociación algorítmica, cumplimiento y el panorama regulatorio para la IA financiera.
Gráfico de adopción de casos de uso con métricas de reducción de fraude y cuadros de llamadas de atención regulatorias
Datos de encuestas sobre la adopción de la IA entre las pequeñas y medianas empresas en 2025, que muestran una creciente adopción de herramientas de IA para marketing, servicio al cliente y operaciones, con barreras de acceso.
Tendencia de la tasa de adopción con gráfico de análisis de barreras y desglose del sector de las PYMES
Datos sobre el ecosistema de startups de IA en 2025: tasas de formación de nuevas empresas, áreas de enfoque sectorial, rondas de financiación y métricas de éxito para startups nativas de IA frente a startups habilitadas para IA.
Diagrama del ecosistema de startups con embudo de etapas de financiación y gráfico circular de enfoque sectorial
Comparación de las estrategias nacionales de desarrollo económico de la IA en 2025: inversión en IA en EE. UU., política industrial de IA en la UE, plan económico de IA en China, misión de IA en India y otros.
Tabla de estrategia comparativa con montos de inversión y áreas prioritarias por país
Análisis del papel de la IA en el comercio internacional en 2025: IA en aduanas y logística, controles de exportación de IA, restricciones al comercio de chips y el impacto de la IA en la ventaja comparativa.
Cronograma de control de exportaciones con gráfico de impacto en el flujo comercial y análisis de texto
Resumen de las principales proyecciones económicas para el impacto económico de la IA para 2030, de McKinsey, Goldman Sachs y el FMI, que muestra un consenso sobre un impacto significativo pero incierto en el PIB.
Gráfico de comparación de proyecciones con rangos de escenarios y notas de metodología
Análisis de nuevos modelos de negocio habilitados por la IA en 2025: IA como servicio, soluciones verticales de IA, servicios de agentes autónomos y negocios de plataforma construidos sobre las API del modelo base.
Diagrama de taxonomía de modelos de negocio con empresas de ejemplo y descripciones de modelos de ingresos
Datos sobre las aplicaciones de la IA en el sector energético en 2025: optimización de la red, gestión de energías renovables, previsión de la demanda y uso de la IA en la exploración de petróleo y gas.
Gráfico de barras de aplicaciones con métricas de ganancia de eficiencia y mapa de implementación del sector
Descripción general de la adopción de la IA en la agricultura en 2025: agricultura de precisión, detección de enfermedades de los cultivos, predicción del rendimiento y datos de productividad e implementación de robótica agrícola.
Gráfico de tendencia de adopción con datos de ganancia de productividad y mapa de distribución geográfica
Análisis de las aplicaciones de la IA en bienes raíces en 2025: algoritmos de valoración de propiedades, herramientas de predicción del mercado, IA de construcción y sistemas de gestión de edificios inteligentes.
Gráfico de adopción de aplicaciones con métricas de precisión de valoración y análisis de texto
Análisis de la economía del mercado de cómputo de la IA en 2025: precios de alquiler de GPU, tendencias de precios de los servicios de IA en la nube, ingresos de IA de hiperescaladores y la economía del entrenamiento frente a la inferencia.
Gráficos de tendencias de precios para el cómputo con estimaciones del tamaño del mercado y comparación de ingresos de IA de hiperescaladores
Datos de salarios y compensaciones para puestos de IA en 2025, incluidos ingenieros de ML, investigadores de IA, científicos de datos y gerentes de producto de IA en diferentes tipos de empresas y geografías.
Gráfico de comparación de salarios por puesto y geografía con desglose de la compensación total
Análisis de la economía de la PI de la IA en 2025: valoración de la PI generada por la IA, mercados de licencias de datos de entrenamiento, regalías de patentes para técnicas de IA e impactos de la incertidumbre legal en la inversión.
Gráfico de estimación del tamaño del mercado de PI con cronograma de incertidumbre legal y análisis de texto
Focos regionales de la economía de la IA que cubren las ciudades del corredor de la IA en EE. UU., los centros de la IA en la UE, los parques tecnológicos de la IA en China, el ecosistema de la IA en la India y las economías emergentes de la IA en el sudeste asiático.
Mapa regional con tarjetas de llamada de ciudades/centros y métricas clave por región
Panel de resumen del Capítulo 4 con cifras económicas destacadas: inversión de 285.900 millones de dólares en IA en EE. UU., tasa de mención de la IA superior al 90% en Fortune 500, prima salarial de la IA del 30-40% y ganancias de productividad documentadas.
Panel de resumen con estadísticas de gran tamaño y gráficos con el tema de color del capítulo
Notas de referencia para el Capítulo 4 con fuentes de datos de inversión, citas de estudios del mercado laboral y notas sobre la metodología de investigación de la productividad.
Formato de nota al final numerada de dos columnas
Lecturas adicionales seleccionadas para el Capítulo 4 que cubren la inversión en IA, la economía laboral, la investigación de la productividad y las proyecciones del impacto económico con breves anotaciones.
Lista de lectura estructurada con encabezados de sección
Apertura del capítulo a sangre completa con fondo verde azulado oscuro/bosque, número 5 grande en blanco del Capítulo, título 'Ciencia e IA' y breve descripción del papel transformador de la IA en la investigación científica en 2025.
Fondo verde azulado oscuro/bosque a sangre completa, número de capítulo sobredimensionado, título y descripción en blanco
Introducción al Capítulo 5 que enmarca la IA como una nueva herramienta para el descubrimiento científico en 2025, con estadísticas generales sobre el crecimiento de la investigación asistida por la IA y el hito del Premio Nobel de la IA.
Introducción de una sola columna con recuadros de llamada de estadísticas clave y resumen de la sección
Gráfico de líneas que muestra el crecimiento de las publicaciones científicas asistidas por la IA de 2015 a 2025 en las principales disciplinas, con un crecimiento del 71% destacado en la investigación de biología y ciencias de la vida asistida por la IA.
Gráfico de líneas múltiples por dominio científico con eje x de año y eje y de recuento de publicaciones
Análisis de AlphaFold 3 y los avances posteriores en la predicción de la estructura de proteínas en 2025, con datos de precisión de referencia y el crecimiento de la investigación de proteínas asistida por la IA.
Gráfico de referencia de precisión con tabla de ejemplos de predicción estructural y análisis de texto
Descripción general de la predicción por IA de estructuras biomoleculares complejas más allá de las proteínas en 2025: proteína-ADN, proteína-ligando, estructura del ARN y diseño de anticuerpos utilizando modelos básicos.
Gráfico de comparación de capacidades con análisis de texto y recuadros de llamada de avances clave
Análisis de los fármacos candidatos descubiertos por la IA en 2025: número que entra en ensayos clínicos, áreas de enfermedad a las que se dirige, estimaciones de reducción de costes (ahorros del 30-50%) y empresas clave de descubrimiento de fármacos con IA.
Diagrama de embudo del pipeline de fármacos con desglose del área de enfermedad y gráfico de barras de reducción de costes
Datos sobre fármacos descubiertos por la IA actualmente en ensayos clínicos en 2025, incluido el estado de Fase I/II/III, las áreas terapéuticas y los primeros fármacos descubiertos por la IA que se acercan a la aprobación regulatoria.
Tabla de estado de ensayos clínicos con gráfico de pipeline y cronograma de hitos
Descripción general de las aplicaciones de la IA en la ciencia de los materiales en 2025: materiales de batería diseñados con IA, semiconductores, catalizadores y materiales estructurales, con ejemplos que entran en producción.
Gráfico de barras de aplicación de materiales con cronograma de descubrimiento y análisis de texto
Análisis de las aplicaciones de la IA en la genómica en 2025: predicción del efecto de las variantes, modelado de la regulación génica, análisis de células individuales y direccionamiento CRISPR guiado por la IA.
Matriz de capacidad de aplicación con cronología de la IA genómica y análisis de texto
Descripción general de las aplicaciones de la IA en la ciencia climática y de la Tierra en 2025: modelos climáticos de IA que muestran aceleraciones de 10 000x, reducción de la escala de los modelos globales, predicción de eventos extremos y monitoreo del ciclo del carbono.
Gráfico de comparación de aceleración con desglose del dominio de aplicación y análisis de texto
Comparación del rendimiento de los modelos de predicción meteorológica con IA (GraphCast, Pangu-Weather, FourCastNet) frente a los modelos NWP tradicionales en 2025, que muestra que la IA supera a los modelos tradicionales en la mayoría de las métricas.
Gráfico de barras de comparación del rendimiento para múltiples métricas de previsión con línea de base del modelo tradicional
Análisis de las mejoras en la predicción de terremotos con IA en 2025: ampliaciones del tiempo de alerta temprana, precisión en la estimación de la magnitud y predicción de réplicas mediante el aprendizaje profundo en datos sísmicos.
Gráfico de mejora del rendimiento con mapa de implementación geográfica y análisis de texto
Descripción general de las aplicaciones de la IA en la investigación física en 2025: análisis de datos de física de partículas en el CERN, simulación de sistemas cuánticos, física del plasma para la fusión y diseño experimental guiado por la IA.
Cronología del dominio de aplicación con llamadas de atención sobre descubrimientos clave y análisis de texto
Análisis de las aplicaciones de la IA en la astronomía en 2025: clasificación de galaxias a escala, detección de señales de ondas gravitacionales, descubrimiento de exoplanetas a partir de datos de telescopios y aceleración de la simulación cosmológica.
Gráfico de recuento de descubrimientos con desglose del dominio de aplicación y análisis de texto
Descripción general de la IA en la investigación química en 2025: predicción de reacciones, planificación de síntesis, diseño de catalizadores y detección de seguridad química asistida por la IA, con datos de crecimiento de publicaciones.
Gráfico de crecimiento de publicaciones con desglose de la aplicación y llamadas de atención sobre herramientas clave
Debate sobre el reconocimiento histórico del Premio Nobel 2024 a las contribuciones de la IA a la ciencia (Geoffrey Hinton: física; Demis Hassabis y John Jumper: química), que marca el reconocimiento oficial del establecimiento científico de la IA.
Cronología de los anuncios del Premio Nobel con perfiles de los galardonados y análisis de la importancia
Datos sobre herramientas de IA que procesan literatura científica en 2025: búsqueda semántica en millones de artículos, generación automatizada de hipótesis, extracción de afirmaciones y análisis de gráficos de citas.
Tabla de comparación de la capacidad de las herramientas con gráfico de la tasa de adopción y análisis de texto
Descripción general de los sistemas de IA que realizan experimentos científicos autónomos en 2025: sistemas de laboratorio robóticos guiados por la IA, generación de hipótesis autodirigidas, diseño de experimentos e interpretación de resultados.
Diagrama de la canalización científica autónoma con cronología de los hitos de la capacidad y análisis de texto
Análisis de las aplicaciones de la IA en la neurociencia en 2025: mapeo cerebral a escala, descodificación de señales neuronales, mejoras en la interfaz cerebro-ordenador y modelos de IA de computación neuronal.
Gráfico de la capacidad de la aplicación con datos de la escala del mapeo cerebral y análisis de texto
Datos de rendimiento de la IA en la investigación de imágenes biomédicas (distinta del uso clínico) en 2025: análisis de imágenes de células individuales, procesamiento de crio-ME y microscopía de superresolución con IA.
Gráfico de referencia del rendimiento por modalidad de imagen con análisis de texto
Descripción general de las aplicaciones de la IA en la investigación en ciencias sociales en 2025: análisis de encuestas a gran escala, procesamiento del lenguaje natural de textos históricos y experimentos conductuales asistidos por la IA.
Descripción general del tipo de aplicación con gráfico de crecimiento de publicaciones y análisis de texto
Análisis de la infraestructura de investigación de la IA que apoya la IA científica en 2025: nubes nacionales de investigación de la IA, recursos informáticos de acceso abierto para la ciencia y el papel de la NSF, el DOE y equivalentes internacionales.
Mapa de infraestructura con tabla de comparación de recursos y análisis de financiación
Análisis de las herramientas de IA para la investigación matemática en 2025: demostración automatizada de teoremas, verificación de pruebas asistida por la IA, generación de conjeturas y el crecimiento de las publicaciones matemáticas asistidas por la IA.
Gráfico de progreso de la capacidad con datos de referencia de la demostración de teoremas y análisis de texto
Discusión de las herramientas de IA para mejorar la reproducibilidad científica en 2025: documentación automatizada de protocolos, herramientas para compartir código y datos, y verificación de resultados asistida por la IA.
Diagrama de mejora de la reproducibilidad con gráficos de métricas de adopción y análisis de texto
Análisis de las herramientas de IA en la revisión científica por pares en 2025: asistencia automatizada para la revisión, selección de documentos, detección de violaciones éticas y debates sobre la fiabilidad de los revisores de la IA.
Gráfico de tasa de adopción con datos de fiabilidad y cuadros de llamada de debate ético
Análisis de las dimensiones geopolíticas de la ciencia habilitada por la IA en 2025: patrones de colaboración en la investigación, brechas en la capacidad de la ciencia de la IA entre las naciones y herramientas de ciencia de la IA de acceso abierto.
Diagrama de red de colaboración con mapa de brechas de capacidad y análisis de texto
Descripción general de los modelos fundacionales específicos de la ciencia en 2025: biología (ESM3, Geneformer), química (ChemBERTa), materiales (MatBERT), ciencias de la tierra (ClimaX) y LLM científicos interdominio.
Tabla de taxonomía de modelos con comparación de capacidades y diagrama de cobertura de dominio
Datos sobre el impacto de la IA en el diseño y la ejecución de ensayos clínicos en 2025: optimización del reclutamiento de pacientes, asistencia en el diseño de protocolos, detección de eventos adversos y reducciones en el cronograma de los ensayos.
Gráfico de reducción del cronograma con desglose de la aplicación y análisis de texto
Descripción general de las aplicaciones de la IA en la investigación epidemiológica y de salud pública en 2025: vigilancia de enfermedades, predicción de brotes, epidemiología genómica y modelado de estrategias de vacunación asistido por la IA.
Gráfico de capacidad de la aplicación con mapa de implementación de la vigilancia y análisis de texto
Análisis de las contribuciones de la IA a la investigación en ciencia de la energía en 2025: control del plasma de fusión con IA, descubrimiento de baterías, diseño de materiales de captura de carbono y optimización de células solares.
Cronograma de la aplicación con datos de mejora del rendimiento y análisis de texto
Análisis del impacto interdisciplinario de las herramientas de ciencia de la IA, que muestra cómo la IA está permitiendo avances en las interfaces entre la biología, la química, la física y la ingeniería.
Diagrama de impacto interdisciplinario que muestra los flujos de herramientas de IA entre dominios científicos
Discusión de los riesgos y desafíos en la ciencia habilitada por la IA: alucinaciones de la IA en contextos científicos, dependencia excesiva de los modelos de IA, razonamiento científico de caja negra y la descalificación de los investigadores.
Taxonomía de riesgos con ejemplos de estudios de caso y discusión de mitigación
Panel de resumen del Capítulo 5: estadísticas clave sobre el crecimiento de las publicaciones científicas asistidas por la AI, hitos importantes y sectores donde la AI está teniendo el mayor impacto científico.
Panel de resumen con estadísticas de gran tamaño y gráficos con el tema verde azulado del capítulo
Notas de referencia para el Capítulo 5 con fuentes de datos primarias para datos de publicaciones científicas, citas de AlphaFold y referencias de investigación específicas del dominio.
Formato de nota al final numerada de dos columnas
Lecturas adicionales seleccionadas para el Capítulo 5 organizadas por dominio científico, incluidos artículos clave y artículos de revisión sobre la AI en biología, química, ciencias de la tierra y agentes científicos de AI interdominio.
Lista de lectura estructurada con encabezados de sección de dominio y entradas anotadas
Apertura de capítulo a sangre completa con fondo azul oscuro, número 6 grande en blanco, título 'Medicina e IA' y una breve descripción del creciente papel de la AI en la atención clínica y la investigación biomédica.
Fondo azul oscuro a sangre completa, número de capítulo sobredimensionado, título y descripción en blanco
Introducción al Capítulo 6 que presenta la AI en la medicina como una fuerza transformadora en 2025, con estadísticas clave: 258 dispositivos de AI aprobados por la FDA, 85.5% de precisión diagnóstica para MAI-DxO, más de 300,000 clínicos que utilizan asistentes de AI.
Introducción de una sola columna con cuadros de llamada de estadísticas de titulares y descripción general de la sección
Comparación de referencia de los sistemas de diagnóstico de AI frente a los médicos especialistas en 2025 en radiología, patología, dermatología y oftalmología, que muestra que la AI alcanza o supera la precisión del especialista.
Gráfico de barras de comparación de precisión multidominio con línea de base de especialista y barras de rendimiento de AI
Análisis detallado de MAI-DxO que alcanza una precisión diagnóstica del 85.5% en casos clínicos estandarizados, superando el rendimiento promedio de los médicos especialistas y validando el potencial diagnóstico de la AI.
Gráfico de comparación de precisión con desglose del tipo de caso y análisis de significación estadística
Gráfico de barras que muestra las aprobaciones de dispositivos médicos habilitados para AI aprobados por la FDA por año desde 2016-2025, alcanzando 258 aprobaciones en 2025 y totalizando más de 950 aprobaciones acumuladas.
Gráfico de barras con eje x del año y recuento de aprobaciones anual en el eje y, superposición de línea acumulativa
Desglose de dispositivos médicos de AI aprobados por la FDA por especialidad en 2025: radiología dominando con ~75%, seguido de cardiología, patología y otras especialidades.
Gráfico circular y gráfico de barras de la distribución de dispositivos por especialidad médica
Análisis detallado de la AI en radiología en 2025: análisis de TC, interpretación de radiografías de tórax, detección de mamografías y análisis de resonancia magnética, con datos de implementación clínica y puntos de referencia de precisión diagnóstica.
Gráfico de referencia de rendimiento por modalidad de imagen con estadísticas de implementación y análisis de texto
Descripción general de la patología computacional de AI en 2025: análisis de portaobjetos de patología digital, asistencia para la clasificación del cáncer, detección de biomarcadores y el creciente despliegue clínico de herramientas de patología de AI.
Gráfico de comparación de capacidades con datos de implementación y análisis de texto
Análisis de las aplicaciones de AI en oftalmología en 2025: detección de retinopatía diabética, detección de glaucoma, diagnóstico de degeneración macular relacionada con la edad y análisis de imágenes de retina.
Gráfico de barras de precisión diagnóstica por condición con mapa de implementación geográfica y análisis de texto
Análisis de los asistentes de documentación clínica ambiental con IA en 2025, utilizados por más de 300.000 médicos para reducir la carga de documentación, con datos sobre el ahorro de tiempo y la reducción del agotamiento.
Línea de tendencia de adopción con métricas de ahorro de tiempo y datos de encuestas sobre la reducción del agotamiento
Datos de resultados clínicos de las implementaciones de asistentes de documentación con IA en 2025: ahorro de tiempo para el médico (1-2 horas por turno), aumento del tiempo de interacción con el paciente y mejoras en la precisión de la documentación.
Gráficos de comparación antes/después para la asignación de tiempo y la precisión de la documentación con análisis de texto
Resumen del progreso del descubrimiento de fármacos con IA en 2025, incluido el número de fármacos candidatos descubiertos con IA, las empresas líderes (Insilico Medicine, Recursion, Exscientia) y los datos de reducción de costes.
Diagrama del panorama empresarial con el recuento de proyectos y gráficos de comparación de costes
Resumen del modelado de células virtuales en 2025: modelos de IA que simulan las respuestas de células individuales a fármacos e intervenciones, lo que permite la investigación de la medicina personalizada y reduce los requisitos de experimentación con animales.
Diagrama de la capacidad del modelo de célula virtual con áreas de aplicación y análisis de texto
Datos sobre las aplicaciones de la IA en la salud mental en 2025: implementación de herramientas de terapia de chatbot, datos de eficacia de estudios clínicos, capacidades de detección de crisis y preocupaciones éticas.
Gráfico de comparación de estudios de eficacia con estadísticas de implementación y cuadros de llamadas a la acción sobre preocupaciones éticas
Análisis de las aplicaciones de la IA en la medicina genómica de precisión en 2025: predicción de la puntuación de riesgo poligénico, farmacogenómica, diagnóstico de enfermedades raras a partir de datos genómicos y diseño de terapia génica guiada por IA.
Tabla de comparación de capacidades con ejemplos de aplicaciones clínicas y análisis de texto
Resumen de la implementación de sistemas de apoyo a la decisión clínica (CDSS) con IA en 2025: predicción de la sepsis, alertas de deterioro, comprobación de interacciones farmacológicas y su impacto en los resultados clínicos.
Gráfico de barras de mejora de los resultados por tipo de CDSS con datos de implementación y análisis de texto
Datos sobre la cirugía asistida por IA en 2025: guía de IA para cirugía robótica, evaluación de habilidades en tiempo real, análisis de imágenes operatorias y datos de resultados para procedimientos asistidos por IA.
Gráfico de comparación de resultados para cirugía asistida por IA frente a cirugía tradicional con análisis de texto
Análisis de la IA en la medicina de urgencias en 2025: asistencia en el triaje, estratificación del riesgo de dolor torácico, detección de accidentes cerebrovasculares en la TC y optimización del flujo de pacientes en el servicio de urgencias.
Gráfico de métricas de rendimiento por tipo de aplicación con datos de implementación y análisis de texto
Análisis del impacto de la IA en la equidad en la salud en 2025: potencial para ampliar el acceso al diagnóstico en zonas desatendidas, pero también riesgo de perpetuar o amplificar las disparidades existentes si se entrena con datos sesgados.
Análisis del impacto en la equidad en dos columnas con mapa de expansión del acceso geográfico y gráfico de riesgo de sesgo
Resumen de las aplicaciones de la IA en la salud mundial y en entornos con pocos recursos en 2025: diagnósticos móviles con IA en países de ingresos bajos y medianos, IA para enfermedades tropicales desatendidas e implementación de la telemedicina con IA.
Mapa de implementación geográfica con desglose del tipo de aplicación y datos de rentabilidad
Análisis de la regulación de dispositivos médicos con IA en 2025 en las principales jurisdicciones: vía de control de cambios predeterminada de la FDA, EU MDR para la IA, aprobaciones de dispositivos de IA de la China NMPA y esfuerzos de armonización internacional.
Tabla de comparación del marco regulatorio con el cronograma de aprobación y el análisis de texto
Análisis de la integración de la AI con los sistemas EHR en 2025: análisis predictivo integrado en los EHR, NLP para notas no estructuradas, identificación de brechas de atención impulsada por la AI y desafíos de interoperabilidad.
Gráfico de capacidad de integración de EHR AI con tasa de adopción y análisis de texto
Datos sobre dispositivos de salud portátiles con tecnología AI en 2025: monitorización continua de glucosa, detección del ritmo cardíaco, monitorización respiratoria y programas de monitorización de la salud a nivel de la población.
Gráfico comparativo de la capacidad del dispositivo con datos de validación clínica y estadísticas de implementación
Descripción general de las herramientas de comunicación con el paciente con AI en 2025: chatbots de AI para la educación del paciente, soporte para la adherencia a la medicación, programación de citas y seguimiento posterior al alta.
Gráfico comparativo del tipo de herramienta con datos de eficacia y resultados de la encuesta de satisfacción del paciente
Datos de la encuesta sobre las actitudes de los médicos hacia la AI en 2025: niveles de confianza por especialidad, preocupaciones sobre la responsabilidad, tiempo para adoptar nuevas herramientas de AI y puntos de vista sobre la AI que reemplaza o aumenta las funciones clínicas.
Gráfico de barras de resultados de la encuesta por especialidad y categoría de preocupación con análisis de texto
Descripción general de la AI en la educación médica en 2025: simuladores de casos clínicos de AI, preparación para el examen de la junta asistida por AI, interacciones virtuales con pacientes y capacitación en habilidades quirúrgicas guiada por AI.
Gráfico de la tasa de adopción con datos de resultados de aprendizaje y desglose del tipo de herramienta
Datos sobre las aplicaciones de AI en las operaciones hospitalarias en 2025: optimización del flujo de pacientes, gestión de camas, predicción de personal, gestión de la cadena de suministro y AI del ciclo de ingresos.
Gráfico de barras de ganancia de eficiencia por dominio operativo con estadísticas de implementación
Descripción general de la AI en la medicina preventiva en 2025: estratificación del riesgo para la salud de la población, optimización del cribado del cáncer, personalización de la intervención en el estilo de vida y herramientas de AI para la salud pública.
Gráfico de rendimiento de la estratificación del riesgo con datos de optimización del cribado y análisis de texto
Análisis de cómo la AI está transformando los ensayos clínicos en 2025: brazos de control sintéticos, coincidencia de pacientes, predicción de puntos finales y generación de evidencia del mundo real, con datos de impacto en costes y plazos.
Gráfico de reducción de costes y plazos con diagrama de metodología de diseño de ensayos y análisis de texto
Datos sobre el impacto de la AI en el diagnóstico de enfermedades raras en 2025: reducción del tiempo de diagnóstico, AI de análisis de secuenciación del genoma completo, coincidencia de fenotipo a genotipo y acortamiento de la odisea del diagnóstico.
Gráfico comparativo del tiempo de diagnóstico con ejemplos de estudios de casos y análisis de texto
Descripción general de la AI en la farmacia y la gestión de la medicación en 2025: AI de dispensación automatizada, comprobación de interacciones farmacológicas, optimización de la dosificación personalizada y herramientas de adherencia a la medicación.
Gráfico de capacidad de la aplicación con datos de resultados y análisis de texto
Análisis del impacto de la AI en los costes de la atención médica en 2025: reducciones de costes documentadas en radiología, documentación y operaciones, frente a los costes de implementación e integración.
Gráfico de análisis del impacto de los costes con estimaciones del ROI por tipo de aplicación
Datos de rendimiento de los sistemas de dermatología de AI en 2025: precisión de la detección de melanoma frente al dermatólogo, clasificación del acné y afecciones de la piel, e implementación de teledermatología asistida por AI.
Gráfico comparativo de precisión por tipo de afección con estadísticas de implementación y análisis de texto
Análisis de la IA en cardiología en 2025: IA para la interpretación de ECG, análisis de ecocardiografías, segmentación de resonancias magnéticas cardíacas y gestión de la insuficiencia cardíaca guiada por IA.
Gráfico de referencia del rendimiento por tarea de cardiología con datos de implementación clínica
Descripción general completa de la IA en oncología en 2025: detección de tumores, predicción de la respuesta al tratamiento, optimización de la planificación de la radiación, identificación de biomarcadores genómicos y medicina oncológica de precisión.
Matriz de capacidad de aplicaciones múltiples con resumen de evidencia clínica y análisis de texto
Datos sobre las aplicaciones de la IA en enfermedades infecciosas en 2025: vigilancia genómica de patógenos, algoritmos de detección de brotes, predicción de la resistencia a los antimicrobianos y herramientas de IA para la preparación ante pandemias.
Gráfico de capacidad de vigilancia con mapa de implementación y análisis de texto
Análisis de la infraestructura de datos médicos que respalda la IA en 2025: implementaciones de aprendizaje federado, datos sintéticos para el entrenamiento, marcos de intercambio de datos y el papel de los programas nacionales de datos de salud.
Diagrama del panorama de la infraestructura con mapa de implementación del aprendizaje federado y análisis de texto
Debate sobre los principales desafíos éticos de la medicina con IA en 2025: responsabilidad algorítmica en el diagnóstico, consentimiento del paciente para las herramientas de IA, responsabilidad cuando la IA se equivoca y requisitos de transparencia.
Taxonomía de los desafíos éticos con comparación de la respuesta regulatoria y análisis de texto
Panel de resumen del Capítulo 6 con estadísticas clave: 258 aprobaciones de la FDA, más de 300 000 médicos que utilizan asistentes de IA, 85,5 % de precisión de MAI-DxO, fármacos candidatos con IA en ensayos de fase II/III.
Panel de resumen con estadísticas de gran número y gráficos temáticos azules del capítulo
Notas de referencia y lecturas adicionales para el Capítulo 6 con fuentes de datos de la FDA, citas de estudios clínicos y lista de lecturas seleccionadas organizada por especialidad médica y aplicación de la IA.
Formato de nota al final de dos columnas seguido de una lista de lecturas estructurada
Apertura del capítulo a sangre completa con fondo verde bosque, número 7 grande en blanco, título 'Educación' y breve descripción general de la creciente influencia de la IA en el aprendizaje, la enseñanza y las instituciones académicas.
Fondo verde bosque a sangre completa, número de capítulo sobredimensionado, título y descripción en blanco
Introducción al Capítulo 7 que presenta la IA en la educación como un tema fundamental en 2025, con hallazgos destacados: 80 % de los estudiantes utilizan IA generativa, 11 % de disminución en la inscripción en CS, 82 % de crecimiento en los programas de maestría en IA.
Introducción de una sola columna con casillas de llamada de atención sobre estadísticas destacadas y descripción general de la sección
Gráfico de líneas que muestra las tendencias de inscripción en CS en las principales universidades de EE. UU. de 2015 a 2025, incluida una disminución del 11 % en 2024-2025, interpretada como una señal de saturación del mercado para los títulos tradicionales de CS.
Gráfico de líneas de inscripción de varias instituciones con eje x del año y eje y del recuento de inscripciones, anotación de disminución del 11 %
Gráfico de barras que muestra el crecimiento de los programas de posgrado específicos de IA/ML de 2018 a 2025, con un crecimiento del 82 % en los programas de maestría en IA y nuevas concentraciones de pregrado en IA en las principales universidades.
Gráfico de barras del recuento de programas por año con desglose del tipo de institución y distribución geográfica
Datos de la encuesta que muestran que el 80 % de los estudiantes universitarios informan que utilizan la IA generativa para los cursos en 2025, desglosados por tipo de uso: asistencia para la escritura, investigación, codificación, estudio y resolución de problemas.
Gráfico de barras del tipo de uso con distribución de frecuencia y desglose demográfico
Datos sobre las preocupaciones de integridad académica relacionadas con el uso de la IA por parte de los estudiantes en 2025: envíos detectados generados por la IA, evolución de la política institucional y opiniones de los estudiantes sobre la ética del uso de la IA.
Gráfico de adopción de políticas con datos de incidentes de integridad y encuesta de opinión de los estudiantes
Datos de la encuesta sobre las actitudes del profesorado hacia la IA en 2025: el 60% permite el uso de la IA con restricciones, políticas variables según la disciplina y preocupaciones del profesorado sobre la validez de la evaluación.
Gráfico de barras de la encuesta del profesorado por disciplina con desglose de la categoría de política y análisis de texto
Evidencia experimental sobre la eficacia del sistema de tutoría de la IA en 2025: Khan Academy Khanmigo, Duolingo Max y tutores similares de la IA que muestran ganancias de aprendizaje documentadas en estudios controlados.
Gráfico de comparación de ganancias de aprendizaje por herramienta con notas sobre la metodología del estudio y análisis de texto
Datos sobre la implementación de herramientas de tutoría de la IA en 2025: número de estudiantes que utilizan plataformas de tutoría de la IA, alcance geográfico, cobertura del área temática y patrones de frecuencia de uso.
Gráfico de adopción con mapa geográfico y desglose del área temática
Análisis de la adopción del currículo de IA K-12 en todo el mundo en 2025, con más de 30 países que implementan estándares nacionales de currículo de IA/CS y datos sobre la disponibilidad de capacitación de la IA para profesores.
Mapa mundial de la adopción del currículo de IA K-12 con gráfico de barras de conteo de países y análisis de texto
Análisis de contenido de los estándares del currículo de IA K-12 en 2025: qué temas de la IA se enseñan (conceptos de machine learning, ética, alfabetización de datos, ingeniería de prompts) y en qué niveles de grado.
Matriz de temas del currículo por nivel de grado con comparación de países y análisis de texto
Datos sobre el crecimiento de la plataforma de aprendizaje de la IA en línea en 2025: los cursos de Coursera y edX AI aumentaron más del 50%, nuevos programas de certificación de la IA de las principales empresas tecnológicas y análisis de la tasa de finalización.
Gráfico de tendencias de crecimiento con comparación de plataformas y desglose del tipo de certificación
Análisis de cómo las principales universidades están integrando los hallazgos de la investigación de la IA en la enseñanza en 2025, incluidos los nuevos currículos de ética de la IA, los programas interdisciplinarios de la IA y el crecimiento del centro de investigación de la IA.
Gráfico de comparación del programa de IA universitaria con diagrama del modelo de integración investigación-enseñanza
Descripción general de las iniciativas de educación en alfabetización de la IA en 2025: programas de alfabetización de la IA para el público en general, mejora de las habilidades de la IA financiada por el gobierno, capacitación de la IA en el lugar de trabajo y el creciente mercado de certificación de alfabetización de la IA.
Descripción general del tipo de programa con métricas de alcance y análisis de texto
Datos sobre el uso de la IA en la administración de la educación superior en 2025: la IA en las admisiones de estudiantes, la gestión de la inscripción, la optimización de la ayuda financiera y los sistemas de predicción del éxito estudiantil.
Gráfico de adopción de la aplicación con resultados de la auditoría de sesgo y análisis de texto
Análisis del uso de la asistencia de escritura de la IA en contextos académicos en 2025, incluidos los efectos en la calidad de la escritura, los resultados del aprendizaje para las habilidades de escritura y la evolución de las normas académicas.
Gráfico de comparación de los resultados del estudio con evaluación de la calidad de la escritura y análisis de texto
Descripción general de las herramientas de accesibilidad de la IA en la educación en 2025 que benefician a los estudiantes con discapacidades: subtitulado en tiempo real, asistencia de lectura de la IA, adaptaciones de aprendizaje personalizadas y herramientas de voz a texto.
Gráfico de capacidad de la herramienta de accesibilidad con datos de adopción y evidencia de resultados estudiantiles
Datos sobre los programas de formación en IA para profesores y educadores en 2025: tasas de participación en el desarrollo profesional, calidad del contenido de la formación y confianza de los educadores en el uso de herramientas de IA.
Gráfico de adopción de la formación con encuesta de confianza y comparación de la cobertura de contenido
Análisis del impacto potencial de la IA en la equidad educativa en 2025: el aprendizaje personalizado reduce las diferencias de rendimiento, pero las diferencias en el acceso a dispositivos y conectividad crean nuevas divisiones.
Análisis dual del impacto en la equidad con mapa de la brecha de acceso y datos de resultados de aprendizaje
Datos sobre las herramientas de IA que apoyan específicamente la educación STEM en 2025: tutores de matemáticas con IA, plataformas de educación en programación, herramientas de simulación científica y aplicaciones de IA para la seguridad en el laboratorio.
Gráfico de comparación de tipos de herramientas con evidencia de resultados de aprendizaje y datos de adopción
Análisis de las aplicaciones de aprendizaje de idiomas impulsadas por IA en 2025: Duolingo, las funciones de IA de Rosetta Stone y otras plataformas que muestran datos de aceleración del aprendizaje y métricas de participación.
Gráfico de comparación de la tasa de aprendizaje con métricas de participación y análisis de texto
Resumen de las políticas nacionales de IA en la educación en 2025: la guía de la UNESCO sobre la IA en la educación, la estrategia de la UE sobre la IA en la educación, las órdenes ejecutivas de alfabetización en IA de EE. UU. y el marco de la OCDE sobre la IA en la educación.
Tabla de comparación de marcos de políticas con mapa de adopción geográfica y análisis de texto
Análisis del impacto de la IA en las prioridades de las universidades de investigación en 2025: financiación de centros de investigación de IA, asociaciones entre la industria y la academia en materia de IA, actividad de patentes de IA de las universidades e ingresos de investigación relacionados con la IA.
Gráfico de comparación de la financiación de la investigación con datos de asociaciones y análisis de texto
Panel de resumen del Capítulo 7 que presenta las principales estadísticas de educación: tasas de uso de la IA por parte de los estudiantes, tendencias de matriculación, eficacia de la tutoría con IA y adopción del plan de estudios K-12.
Panel de resumen con estadísticas de gran tamaño y gráficos con temática verde bosque del capítulo
Notas de referencia y lecturas adicionales para el Capítulo 7, incluidas las fuentes de datos de matriculación, las citas de estudios de tutoría con IA y la lista de lecturas seleccionadas organizadas por sector educativo.
Formato de nota al final de dos columnas seguido de una lista de lectura estructurada
Apertura del capítulo a sangre completa con fondo morado oscuro/índigo, número 8 grande en blanco, título 'Política y Gobernanza' y breve descripción general de la evolución de la regulación y la política de la IA en 2025.
Fondo morado oscuro/índigo a sangre completa, número de capítulo sobredimensionado, título y descripción en blanco
Introducción al Capítulo 8 que enmarca 2025 como un año decisivo para la política de IA a nivel mundial, con estadísticas destacadas: $20.4B de inversión federal en IA en EE. UU., 25 proyectos de ley de IA firmados, 46 países con estrategias nacionales de IA.
Introducción de una sola columna con cuadros de llamada de atención a las estadísticas destacadas y descripción general de la sección
Visualización completa de la cronología de los principales hitos de la política de IA desde 2016 hasta 2025, desde el informe de IA de Obama (2016) hasta la implementación de la Ley de IA de la UE (2025), organizada por geografía.
Cronología horizontal de varias pistas con carriles de país/región, marcadores de hitos y breves anotaciones
Mapa mundial que muestra los 46 países que han adoptado estrategias nacionales formales de IA para 2025, con sombreado de la fecha de adopción y agrupaciones regionales de actividad de gobernanza de la IA.
Mapa coroplético mundial con sombreado de la fecha de adopción y llamadas de atención al nombre del país para las principales estrategias
Análisis de la inversión federal en IA en EE. UU., que alcanza los 20.400 millones de dólares en 2025, desglosada por agencia (DOD, DARPA, NSF, NIH, DOE, NIST) y áreas de investigación prioritarias.
Gráfico de barras de desglose por agencia con análisis del área prioritaria y anotación del crecimiento interanual
Análisis de la legislación relacionada con la IA en EE. UU. en 2025: 25 proyectos de ley de IA promulgados a nivel federal, desglose por tema (seguridad, adquisiciones, fuerza laboral, deepfakes, seguridad nacional) y proyectos de ley de IA a nivel estatal.
Gráfico de barras de temas legislativos con cronograma de proyectos de ley promulgados y mapa de actividad a nivel estatal
Resumen de las principales acciones de la rama ejecutiva de EE. UU. en materia de IA en 2025: actividades del NIST AI Safety Institute, directivas de política de IA de la Casa Blanca y mandatos de implementación de IA de las agencias federales.
Cronograma de acciones políticas con análisis de texto de las órdenes ejecutivas clave y las respuestas de las agencias
Análisis de las regulaciones de IA específicas del sector en EE. UU. en 2025: guía de la FDA para dispositivos médicos de IA, reglas de la FTC sobre IA en publicidad, guía de la CFPB sobre calificación crediticia de IA y guía de la EEOC sobre contratación de IA.
Matriz regulatoria por sector y agencia con análisis de texto
Descripción general de los hitos de la implementación de la Ley de IA de la UE alcanzados en 2025, incluida la prohibición de prácticas prohibidas que entró en vigor en febrero de 2025, con un diagrama de clasificación de niveles de riesgo.
Diagrama piramidal de niveles de riesgo con cronograma de implementación y lista de prácticas prohibidas
Desglose detallado de las categorías de riesgo de la Ley de IA de la UE: riesgo inaceptable (prohibido), alto riesgo, riesgo limitado y riesgo mínimo, con ejemplos de aplicaciones de IA en cada categoría.
Diagrama de cuatro categorías con ejemplos por nivel de riesgo y resumen de obligaciones regulatorias
Análisis de los requisitos de cumplimiento para los sistemas de IA de alto riesgo en virtud de la Ley de IA de la UE en 2025: documentación técnica, supervisión humana, gobernanza de datos y obligaciones de evaluación de la conformidad.
Diagrama de lista de verificación de cumplimiento con estimaciones de costos de implementación y orientación específica del sector
Datos sobre el estado de cumplimiento de la Ley de IA de la UE entre las grandes empresas en 2025, que muestran la adopción temprana por parte de las grandes empresas, los desafíos de cumplimiento para las PYME y el progreso del establecimiento del organismo de aplicación.
Gráfico de barras de tasa de cumplimiento por tamaño de empresa con métricas de progreso de la aplicación y análisis de texto
Análisis del Código de prácticas de IA de propósito general en virtud de la Ley de IA de la UE, que cubre los requisitos de transparencia, las evaluaciones de riesgos sistémicos y cómo se están adaptando los desarrolladores de IA de vanguardia.
Diagrama de obligaciones del Código de prácticas con tabla de estado de cumplimiento del desarrollador de modelos de vanguardia
Descripción general de la política nacional de IA de China en 2025: la implementación del Plan de desarrollo de IA de próxima generación, el compromiso de inversión en IA de más de 15.000 millones de dólares, los estándares de la industria de IA y las directrices regulatorias para la IA generativa.
Diagrama del marco de políticas con gráfico de inversión y cronograma regulatorio
Análisis de las disposiciones del Reglamento de IA generativa de China (2023, actualizado en 2025): requisitos de filtrado de contenido, mandatos de marcas de agua, registro con nombre real y cumplimiento de la normativa.
Resumen de las disposiciones del reglamento con análisis de la carga de cumplimiento y análisis de texto
Descripción general de la política de IA del Reino Unido en 2025: evolución del AI Safety Institute, el enfoque regulatorio pro-innovación, la orientación específica del sector de IA y la divergencia de la gobernanza de la IA posterior al Brexit con respecto a la UE.
Comparación del enfoque político (Reino Unido vs UE) con el resumen de la actividad del AI Safety Institute
Análisis de los resultados del Proceso de IA de Hiroshima del G7 y la adopción del marco de gobernanza de la IA del G20 en 2025, incluido el estado de implementación del Código de Conducta de Hiroshima para desarrolladores de IA avanzada.
Resumen del marco de gobernanza con indicadores del estado de implementación y tabla de adopción por país
Resumen de los resultados de la Cumbre de Seguridad de la IA de París (febrero de 2025): compromisos clave, naciones participantes, resultados de los grupos de trabajo y el calendario de seguimiento del proceso global de seguridad de la IA.
Resumen de los resultados de la cumbre con lista de naciones participantes y tabla de seguimiento de compromisos
Análisis de las actividades de gobernanza de la IA de la ONU en 2025: el Pacto Digital Global, la adopción de la resolución de la ONU sobre la IA, la Junta Asesora de la IA del Secretario General de la ONU y el debate sobre una nueva agencia de la IA de la ONU.
Cronograma de actividades de gobernanza de la ONU con análisis de texto y comparación de la posición de los países
Análisis del concepto emergente de soberanía de la IA en 2025, que define sus cinco dimensiones: soberanía computacional, soberanía de datos, soberanía de talento, soberanía de estándares e independencia geopolítica de la IA.
Diagrama del marco de cinco dimensiones con evaluación del país por dimensión y análisis de texto
Datos sobre los esfuerzos nacionales para construir una infraestructura de computación de IA soberana en 2025: planes de gigafactorías de IA de la UE, la red nacional de computación de IA de la India, la infraestructura Falcon AI de los EAU y otros.
Gráfico de comparación de la inversión en computación con mapa de implementación geográfica y análisis de texto
Análisis de las políticas de control de exportación relacionadas con la IA en 2025: restricciones de exportación de semiconductores de EE. UU. ampliadas, reglas de chips a China, controles de exportación de software de IA y coordinación de países aliados.
Cronograma de control de exportaciones con análisis del impacto en el país y mapa de restricciones tecnológicas
Descripción general de la actividad de desarrollo de estándares de la IA en 2025: estándares de IA ISO/IEC, estándares de ética de la IA IEEE, estándares de IA NIST y esfuerzos internacionales de armonización de estándares.
Diagrama del panorama de estándares con gráfico de seguimiento de la adopción y análisis de texto
Análisis comparativo de los marcos de responsabilidad de la IA que están surgiendo en 2025: Directiva de Responsabilidad de la IA de la UE, enfoques de responsabilidad del producto de EE. UU. para la IA y marcos de responsabilidad autorreguladores de la industria.
Tabla de comparación del marco de responsabilidad con análisis por jurisdicción
Análisis del impacto de la IA en los procesos democráticos en 2025: la IA en las elecciones (deepfakes, focalización de votantes, contenido político generado por la IA), respuestas regulatorias y monitoreo internacional de las elecciones.
Diagrama de análisis de impacto con cronograma de respuesta regulatoria y análisis de texto
Comparación transnacional de los compromisos públicos de inversión en IA en 2025: 20.400 millones de dólares en EE. UU., más de 20.000 millones de euros en fondos para la aplicación de la Ley de IA de la UE, más de 15.000 millones de dólares en China, 1.500 millones de libras esterlinas en el Reino Unido, 2.400 millones de dólares canadienses en Canadá y otros.
Gráfico de barras comparativo de la inversión por país con análisis de texto
Descripción general de las aplicaciones de la IA en la seguridad nacional en 2025: análisis de inteligencia, defensa cibernética, optimización de la logística, sistemas autónomos y la competencia de IA entre EE. UU. y China en defensa.
Descripción general del dominio de aplicación con datos de inversión en IA de defensa y análisis de texto
Análisis de la regulación de la IA a nivel estatal en EE. UU. en 2025: proyectos de ley de IA de California, normas de contratación de IA de Nueva York, protección del consumidor de IA de Colorado y el debate sobre el mosaico frente a la preferencia federal.
Mapa de actividad de regulación estado por estado con recuento de proyectos de ley y desglose por tema
Análisis de las políticas gubernamentales de adquisición de AI en 2025: normas federales de adquisición de AI en EE. UU., requisitos del sector público de la UE para la AI y estándares para la adquisición responsable de AI por parte del gobierno.
Tabla comparativa de políticas de adquisición por jurisdicción con análisis de texto
Descripción general de la evolución de la regulación sanitaria específica de la AI en 2025 más allá de las aprobaciones de dispositivos de la FDA: decisiones de cobertura de AI de los CMS, directrices de HIPAA-AI, AI en las guías de práctica clínica.
Cronología de la evolución de la regulación con análisis de texto de las decisiones clave
Análisis de la regulación de la AI en los servicios financieros en 2025: normas de la SEC sobre el comercio de AI, directrices de los reguladores bancarios sobre el riesgo del modelo de AI, supervisión de la CFPB sobre la AI en los préstamos y normas financieras globales de AI.
Comparación del marco regulatorio por sector financiero con análisis de texto
Descripción general de la regulación laboral de la AI en 2025: disposiciones de la Ley de AI de la UE sobre la vigilancia de los trabajadores, directrices del NLRB de EE. UU. sobre la AI en el lugar de trabajo, aplicación de la EEOC de la AI en la contratación y demandas de negociación de los sindicatos sobre la AI.
Tabla comparativa de la regulación laboral con análisis de texto
Análisis de la evidencia temprana sobre la eficacia de las políticas de AI en 2025: qué enfoques regulatorios están mostrando resultados de cumplimiento, consecuencias no deseadas de las regulaciones y lagunas en las políticas.
Matriz de evaluación de la eficacia de las políticas con análisis de texto
Descripción general de la evolución de la regulación de la privacidad específica de la AI en 2025: directrices de GDPR sobre la AI, disposiciones de la ley federal de privacidad de EE. UU. sobre la AI, minimización de datos para el entrenamiento de la AI y restricciones de datos biométricos.
Tabla comparativa de la regulación de la privacidad con análisis de texto
Descripción general de la actividad de la sociedad civil y las ONG en la política de AI en 2025: organizaciones de defensa, investigación de AI de interés público, campañas de coalición y su influencia en la regulación de la AI.
Diagrama del panorama de las organizaciones de la sociedad civil de AI con análisis de la influencia política
Resumen del Capítulo 8 que presenta las cifras clave de la política: inversión federal en AI en EE. UU., recuento de legislación global, hitos de la Ley de AI de la UE, resultados de la cumbre de AI y el surgimiento del concepto de soberanía de la AI.
Panel de resumen con estadísticas de números grandes y gráficos con temas púrpura/índigo del capítulo
Análisis de las conclusiones del Capítulo 8 que identifica las tendencias clave de la gobernanza: riesgo de fragmentación regulatoria, dinámica de carrera hacia arriba/abajo, tensiones de soberanía de la AI y el desafío de mantener el ritmo del progreso de la AI.
Conclusión de texto con diagrama de tensión clave y análisis prospectivo
Notas de referencia para el Capítulo 8 con citas de documentos de políticas, fuentes de datos legislativos y notas metodológicas sobre las cifras de inversión.
Formato de nota al final numerada de dos columnas
Lecturas adicionales seleccionadas para el Capítulo 8 organizadas por región y tema de política: política de EE. UU., política de la UE, política de China, gobernanza internacional y soberanía de la AI.
Lista de lectura estructurada con encabezados de región y tema
Apertura de capítulo a sangre completa con fondo azul verdoso, número 9 grande en blanco del Capítulo 9, título 'Opinión pública' y breve descripción general de las actitudes públicas globales hacia la AI encuestadas en 2025.
Fondo azul verdoso a sangre completa, número de capítulo sobredimensionado, título y descripción en blanco
Introducción al Capítulo 9 que enmarca el estado de la opinión pública mundial hacia la IA en 2025: 59% de optimismo global de Ipsos, notable ansiedad por la desinformación y significativas diferencias de actitud entre expertos y público.
Introducción de una sola columna con cuadros de llamada de estadísticas destacadas y descripción general de la sección
Mapa mundial del sentimiento global hacia la IA en 2025 que muestra el porcentaje que expresa optimismo sobre la IA por país, con mayor optimismo en las economías emergentes y menor optimismo en Europa.
Mapa coroplético mundial del optimismo hacia la IA con escala de gradiente de color y cuadros de llamada de países
Resultados detallados de la encuesta de Ipsos sobre las actitudes hacia la IA en 2025 en más de 30 países: optimismo, preocupación, confianza y niveles de conciencia, desglosados por país y región del mundo.
Gráfico de barras de varios países para cada dimensión de actitud con agregados regionales
Análisis regional en profundidad del sentimiento hacia la IA: China e India muestran el mayor optimismo (más del 80%), Europa Occidental es la más cautelosa, EE. UU. moderado y África muestra un alto optimismo ligado a las esperanzas de desarrollo.
Gráfico de barras agrupadas regional con balance de optimismo/preocupación y análisis de texto
Comparación de encuestas de actitud hacia la IA para expertos en IA frente al público en general en 2025, que muestra que los expertos están más preocupados por los riesgos a largo plazo, mientras que el público se centra en los impactos económicos a corto plazo.
Gráfico de comparación lado a lado con desglose de la categoría de preocupación para expertos vs público
Datos de la encuesta sobre la confianza pública en varias instituciones para regular la IA de manera justa: las instituciones de la UE son las que más confianza inspiran a nivel mundial, las empresas tecnológicas son las que menos confianza inspiran y los gobiernos nacionales obtienen resultados mixtos.
Gráfico de barras horizontales de los niveles de confianza por tipo de institución en varios países
Datos de opinión pública específicos de EE. UU. sobre la IA: solo el 31% de los estadounidenses confía en que el gobierno regule bien la IA, el 68% está preocupado por la desinformación generada por la IA y las opiniones sobre la IA en varios roles gubernamentales.
Gráfico de barras de opinión de EE. UU. con desgloses de confianza y preocupación y análisis de texto
Análisis de las fuentes de ansiedad por la IA en 2025: preocupación por la pérdida de empleos, miedo a la desinformación, preocupación por la privacidad, preocupación por las armas autónomas y riesgo existencial, desglosados por país y demografía.
Gráfico de barras apiladas de fuentes de ansiedad por grupo de países con inserciones de desglose demográfico
Datos sobre los niveles de conciencia y comprensión pública de la IA en 2025: conciencia creciente pero comprensión técnica limitada, con análisis de la brecha de conciencia-comprensión por nivel educativo y edad.
Gráfico de comparación de conciencia vs comprensión con desglose por educación y edad
Datos de la encuesta que comparan las actitudes hacia la IA entre generaciones (Generación Z, Millennials, Generación X, Boomers) en 2025: las generaciones más jóvenes son más optimistas y tienen un mayor uso diario de la IA, las generaciones mayores son más cautelosas.
Gráfico de barras de comparación generacional para múltiples dimensiones de actitud
Análisis de la correlación entre el nivel educativo y las actitudes hacia la IA en 2025: una mayor educación se asocia con puntos de vista más matizados en lugar de un simple optimismo o pesimismo.
Gráfico de correlación del nivel educativo frente a las dimensiones de actitud hacia la IA con análisis de texto
Análisis de la relación entre el uso personal de herramientas de IA y las actitudes hacia la IA en 2025: los usuarios habituales son significativamente más positivos sobre los beneficios de la IA, pero también son más conscientes de los riesgos.
Gráfico de comparación de frecuencia de uso vs actitud con análisis de texto
Datos de encuestas sobre las actitudes hacia la AI por nivel de ingresos en 2025: los encuestados de menores ingresos están más preocupados por el desplazamiento laboral, los encuestados de mayores ingresos son más optimistas sobre los beneficios económicos de la AI.
Gráfico comparativo de actitudes por nivel de ingresos con desglose de la preocupación por el desplazamiento laboral
Análisis de las diferencias de género en las actitudes hacia la AI en 2025: los hombres son ligeramente más optimistas en promedio, las mujeres están más preocupadas por la privacidad y los impactos en el empleo, con variaciones por país.
Gráfico de barras de comparación de género en las dimensiones de actitud con inserciones de variación por país
Gráficos de líneas que rastrean las tendencias de las actitudes hacia la AI a lo largo del tiempo desde 2019-2025: el optimismo aumenta hasta 2022, se estanca con opiniones más mixtas a medida que la AI se vuelve más relevante personalmente en 2024-2025.
Gráfico longitudinal de varias líneas con líneas de categoría de actitud y anotación de eventos
Datos de la encuesta global sobre las preocupaciones por el desplazamiento laboral por la AI en 2025, que muestran que aproximadamente la mitad de los encuestados a nivel mundial están preocupados de que la AI desplace su propio trabajo, variando significativamente por sector y país.
Gráfico de barras de preocupación global por país con análisis de variación específico del sector
Datos sobre el grado en que las personas reconocen la AI en sus productos y servicios diarios en 2025, que muestran un alto uso de las herramientas de AI, pero un reconocimiento limitado de que la tecnología subyacente es la AI.
Gráfico de comparación de uso frente a reconocimiento con desglose de la categoría de producto
Análisis de los datos de la encuesta sobre el impacto percibido de la AI en la cohesión social en 2025: preocupaciones sobre la AI que exacerba la polarización, la desigualdad y reduce la conexión humana.
Gráfico de barras de la categoría de preocupación con llamadas a la polarización y la desigualdad y análisis de texto
Datos de la encuesta sobre las opiniones públicas sobre la ética de la AI en 2025: qué valores deben guiar el desarrollo de la AI (seguridad, transparencia, equidad, privacidad) y quién debe tener autoridad sobre las decisiones éticas de la AI.
Gráfico de barras de valores clasificados con desglose de la preferencia de autoridad y análisis de texto
Datos de la encuesta sobre las preocupaciones públicas sobre el impacto de la AI en los valores democráticos en 2025: integridad electoral, libertad de expresión, vigilancia y el estado de derecho, con niveles de preocupación significativos a nivel mundial.
Gráfico de barras de la categoría de preocupación democrática con comparación de países y análisis de texto
Resumen del Capítulo 9 que presenta los principales hallazgos de la opinión pública: tasa de optimismo global, clasificaciones de confianza, principales ansiedades sobre la AI y divisiones demográficas clave en las actitudes hacia la AI.
Panel de resumen con estadísticas de números grandes y gráficos con temas azules y verde azulado del capítulo
Notas de referencia para el Capítulo 9 con citas de fuentes de datos de encuestas y lecturas adicionales seleccionadas sobre las actitudes públicas hacia la AI organizadas por tema y tipo de metodología.
Formato de nota al final de dos columnas seguido de una lista de lectura estructurada
Resumen de la metodología de investigación del AI Index 2026, que explica los enfoques de recopilación de datos en los nueve capítulos, la definición de 'AI' utilizada en el informe y los principios metodológicos generales.
Resumen de la metodología estructurada con un diagrama de enfoque sección por sección
Metodología detallada para el capítulo de I+D: fuentes de datos de publicación (Semantic Scholar, Dimensions), datos de patentes (WIPO, USPTO), criterios de seguimiento de la publicación del modelo y recopilación de datos de cómputo.
Secciones de descripción de la metodología con tablas de fuentes de datos y notas de limitación
Notas de metodología para el capítulo de Rendimiento Técnico: criterios de selección de benchmarks, recuperación de datos de Papers With Code y clasificaciones, recopilación de línea de base humana y reglas de inclusión/exclusión de benchmarks.
Secciones de descripción de la metodología con tabla de criterios de selección de benchmarks
Metodología para el capítulo de IA Responsable: recopilación de datos de incidentes de AIAAIC, criterios de inclusión de estudios de sesgo, metodología de búsqueda de publicaciones de investigación sobre seguridad y procedimientos de codificación del marco de gobernanza.
Secciones de descripción de la metodología con criterios de inclusión/exclusión
Metodología para el capítulo de Economía: datos de inversión de NetBase Quid, datos de ofertas de empleo de Lightcast, fuentes de datos salariales, criterios de selección de estudios de productividad y metodología de encuestas de adopción de empresas.
Descripción de la metodología con tabla de referencia de fuentes de datos y notas sobre limitaciones
Metodología para el capítulo de Ciencia e IA: metodología de clasificación asistida por IA de publicaciones científicas, criterios de búsqueda específicos del dominio y recopilación de datos de ensayos clínicos de ClinicalTrials.gov.
Descripción de la metodología con criterios de dominio y explicación de la clasificación
Metodología para el capítulo de Medicina e IA: recopilación de datos de dispositivos de la FDA, criterios de inclusión de estudios clínicos de IA, métodos de agregación de la precisión diagnóstica y fuentes de datos de adopción de transcriptores de IA.
Secciones de descripción de la metodología con enfoque de datos de la FDA y criterios de estudio
Metodología para el capítulo de Educación: fuentes de datos de matriculación (IPEDS, equivalentes internacionales), metodología de encuestas a estudiantes, diseño de encuestas a profesores y enfoque de recopilación de datos del plan de estudios K-12.
Descripción de la metodología con notas de diseño de la encuesta y referencias de fuentes de datos
Metodología para el capítulo de Política: fuentes de bases de datos legislativas, criterios de identificación de proyectos de ley de IA, fuentes de compilación de cifras de inversión, metodología de codificación de estrategias nacionales y construcción de cronogramas de políticas.
Secciones de descripción de la metodología con referencias de fuentes de datos legislativos
Metodología para el capítulo de Opinión Pública: fuentes de datos de encuestas (Ipsos, Edelman Trust Barometer, encuesta de Stanford), criterios de muestreo de encuestas, notas de comparabilidad transnacional y definiciones de medidas actitudinales.
Descripción de la metodología de la encuesta con criterios de muestreo y notas de comparabilidad
Glosario de términos clave y definiciones de datos utilizados en todo el AI Index 2026, incluidas las definiciones de 'modelo fundacional', 'incidente de IA', 'cálculo de entrenamiento', 'saturación de benchmarks' y otros conceptos centrales.
Diseño de glosario alfabético con entradas de términos y definiciones
Tabla de referencia completa de todos los benchmarks de IA citados en el informe, incluidos el nombre del benchmark, el dominio, el tipo de tarea, la línea de base humana y el año de introducción.
Tabla de referencia de varias columnas ordenada por capítulo y luego por nombre de benchmark
Tabla de referencia de todos los modelos de IA notables mencionados en el AI Index 2026, incluidos el nombre del modelo, la organización, la fecha de lanzamiento, la modalidad y el tipo de acceso (abierto/cerrado).
Tabla de referencia de varias columnas ordenada por organización y fecha de lanzamiento
Tabla de referencia de todas las políticas, regulaciones y legislación de IA citadas en el informe, organizadas por país, incluidos el nombre de la política, el tipo, el año y el estado.
Tabla de referencia de políticas ordenada por país y año
Tablas de datos de inversión complementarias que proporcionan cifras detalladas de inversión privada en AI por país, sector y año desde 2013 hasta 2025, tal como se hace referencia en el Capítulo 4.
Tabla de datos con filas de países, columnas de años y celdas de montos de inversión
Tablas de datos de publicación complementarias que proporcionan recuentos detallados de publicaciones de AI por país, dominio y año desde 2010 hasta 2025, tal como se hace referencia en el Capítulo 1.
Tabla de datos con filas de país/dominio y columnas de años
Tablas complementarias que presentan los resultados completos de las encuestas de opinión pública citadas en el Capítulo 9, incluidos los desgloses a nivel de país que no se muestran en el capítulo principal.
Tablas de datos de encuestas con filas de países y columnas de métricas de actitud
Tablas complementarias de datos de aprobación de dispositivos médicos habilitados para AI de la FDA citados en el Capítulo 6, incluidos la especialidad, el tipo de dispositivo, la vía 510(k)/PMA y la organización solicitante.
Tabla de datos de dispositivos de la FDA con múltiples columnas de atributos
Entradas de la bibliografía de la A a la D para todas las fuentes citadas en el AI Index 2026, formateadas en estilo de citación académica con autor, título, lugar de publicación y año.
Formato de bibliografía de dos columnas con entradas alfabéticas
Entradas de la bibliografía de la E a la H para todas las fuentes citadas en el AI Index 2026.
Formato de bibliografía de dos columnas con entradas alfabéticas
Entradas de la bibliografía de la I a la L para todas las fuentes citadas en el AI Index 2026.
Formato de bibliografía de dos columnas con entradas alfabéticas
Entradas de la bibliografía de la M a la P para todas las fuentes citadas en el AI Index 2026.
Formato de bibliografía de dos columnas con entradas alfabéticas
Entradas de la bibliografía de la Q a la T para todas las fuentes citadas en el AI Index 2026.
Formato de bibliografía de dos columnas con entradas alfabéticas
Entradas de la bibliografía de la U a la Z que completan la lista completa de obras citadas para el AI Index 2026, seguidas de recursos web y referencias de plataformas de datos.
Formato de bibliografía de dos columnas con entradas alfabéticas seguidas de la sección de recursos web
Agradecimiento a los miembros del equipo de investigación de Stanford HAI que contribuyeron al AI Index 2026, incluidos los directores de investigación de cada capítulo y los analistas de datos.
Lista de agradecimientos estructurada por capítulo con nombres y funciones de los colaboradores
Agradecimiento a los colaboradores externos, proveedores de datos, socios de encuestas (Ipsos, NetBase Quid, Lightcast) y revisores expertos que aportaron datos o revisaron borradores de capítulos.
Lista de agradecimientos por tipo de colaborador con afiliaciones a organizaciones
Listado de los miembros del Consejo Asesor del Índice de IA de Stanford HAI que proporcionaron orientación para el informe de 2026, con nombres, títulos y afiliaciones institucionales.
Listado de los miembros del consejo asesor en orden alfabético con títulos y afiliaciones
Resúmenes ampliados de estudios de caso de 20 incidentes significativos de IA en 2025 rastreados en la base de datos AIAAIC, que proporcionan un contexto detallado más allá de lo que aparece en el Capítulo 3.
Tarjetas de estudio de caso en una cuadrícula de dos columnas con el nombre del incidente, la fecha, la categoría y el resumen
Perfiles detallados de IA para EE. UU. y Canadá que cubren la producción de I+D, la inversión, la política, el talento y las métricas de adopción con comparaciones interanuales.
Tarjetas de perfil de país con gráficos de radar y tablas de métricas clave
Perfiles detallados de IA para el Reino Unido y los principales países de la UE (Alemania, Francia, Países Bajos) que cubren la I+D, la inversión, la política, el talento y las métricas de adopción.
Tarjetas de perfil de país con gráficos de radar y tablas de métricas clave
Perfil detallado de IA para China que cubre la producción de I+D, la inversión privada, la política nacional de IA, la reserva de talento, las versiones de modelos y las métricas de adopción con comparaciones interanuales.
Tarjeta de perfil de país con gráfico de radar, tabla de métricas clave y sección de aspectos destacados de la política
Perfiles detallados de IA para la India y las principales economías de IA del Sudeste Asiático (Singapur, Corea del Sur, Japón) que cubren la I+D, la inversión, la política y las métricas de adopción.
Tarjetas de perfil de país con gráficos de radar y tablas de métricas clave
Perfiles de IA para los principales actores de IA de Oriente Medio (EAU, Arabia Saudí) y las economías africanas emergentes de IA, con datos sobre la inversión en IA, la estrategia nacional y el desarrollo del talento.
Tarjetas de perfil de país con resúmenes de métricas clave y aspectos destacados de la estrategia nacional
Tablas completas de resultados de puntos de referencia técnicos de IA para todos los modelos y puntos de referencia citados en el Capítulo 2, que proporcionan datos completos detrás de los gráficos y las comparaciones del capítulo.
Grandes tablas de datos de varias columnas con filas de modelos y columnas de puntuación de puntos de referencia
Tablas de datos complementarias de inscripción, programas y encuestas para el Capítulo 7, incluidos los datos de inscripción de CS a nivel institucional y las tabulaciones cruzadas completas de encuestas de profesores/estudiantes.
Tablas de datos con filas de instituciones y datos demográficos
Tablas de datos de inversión detalladas que proporcionan un desglose a nivel de empresa, a nivel de sector y geográfico de la inversión privada en IA para 2023-2025, como se menciona en el Capítulo 4.
Tablas de datos de inversión de varios niveles por geografía, sector y año
Tablas de datos complementarias para el análisis de publicaciones de investigación sobre seguridad de la IA en el Capítulo 3, incluidos los protocolos de consulta de búsqueda, las listas de palabras clave y los recuentos de publicaciones a nivel de sede.
Tablas de datos de investigación sobre seguridad con desglose por sede y año
Tablas de datos legislativos complementarias para el Capítulo 8, que proporcionan recuentos a nivel de país de proyectos de ley de IA, un esquema de codificación de temas legislativos y un resumen de las disposiciones clave para las principales leyes de IA.
Tablas de datos legislativos con filas de países y columnas de categorías de proyectos de ley
Datos completos de aprobación de dispositivos médicos habilitados para la IA por la FDA hasta 2025 que complementan el Capítulo 6, con detalles a nivel de dispositivo sobre la especialidad, el solicitante y la vía de aprobación.
Tablas de datos de dispositivos de la FDA con columnas de detalle completas
Página "Acerca de" del Instituto de IA Centrada en el Ser Humano de Stanford (Stanford Human-Centered AI Institute): misión, áreas de enfoque de la investigación, profesorado y becarios, programas afiliados y cómo participar en la investigación y los eventos de HAI.
Descripción general institucional con lista de programas de HAI e información de contacto/participación
Contraportada del AI Index 2026 con la marca Stanford HAI, el título del informe, el ISBN/DOI, la URL del sitio web (aiindex.stanford.edu) y un breve resumen de un párrafo del propósito del informe.
Contraportada con la marca del informe, párrafo de resumen, logotipo de Stanford HAI y URL
Preguntas comunes sobre esta diapositiva y el contenido de la presentación subyacente.
El Informe del Índice de IA de Stanford HAI 2026 es la novena edición de la encuesta anual más completa sobre el progreso de la inteligencia artificial publicada por el Instituto de IA Centrada en el Ser Humano de la Universidad de Stanford. El informe de 423 páginas cubre la investigación y el desarrollo de la IA, los puntos de referencia del rendimiento técnico, la IA responsable, el impacto económico, las aplicaciones científicas, la medicina, la educación, la política y la gobernanza, y la opinión pública mundial, todo ello basado en el análisis de datos originales y cientos de visualizaciones.
Los hallazgos clave incluyen: la inversión privada en IA en EE. UU. alcanzó los \85.900 millones en 2025 (el triple de los niveles de 2022); los agentes de IA ahora resuelven más del 50% de los problemas reales de ingeniería de software en SWE-bench; la FDA aprobó 258 dispositivos médicos habilitados para IA en 2025; el 80% de los estudiantes universitarios utilizan la IA generativa para los cursos; 46 países adoptaron estrategias nacionales de IA; los incidentes de IA rastreados por AIAAIC aumentaron un 1000% desde 2019; y la prohibición de prácticas prohibidas de la Ley de IA de la UE entró en vigor en febrero de 2025.
El Índice de IA es publicado por el Instituto de IA Centrada en el Ser Humano (HAI) de la Universidad de Stanford, uno de los principales centros de investigación de IA del mundo. Ahora en su novena edición anual, el informe es elaborado por un equipo de investigadores con un consejo asesor de destacados científicos de IA, responsables políticos y expertos de la industria. Se basa en datos primarios de docenas de fuentes establecidas, incluyendo Ipsos, NetBase Quid, Lightcast, la FDA, la OMPI y bases de datos de publicaciones académicas, lo que lo convierte en una referencia de confianza para gobiernos, corporaciones e investigadores de todo el mundo.
El informe contiene 9 capítulos: (1) Investigación y desarrollo: lanzamientos de modelos, publicaciones, escalado de computación; (2) Rendimiento técnico: puntos de referencia en lenguaje, matemáticas, codificación, ciencia, multimodal; (3) IA responsable: incidentes, sesgos, seguridad, gobernanza; (4) Economía: inversión, trabajo, productividad, adopción; (5) Ciencia e IA: biología, clima, materiales, física; (6) Medicina e IA: diagnósticos, dispositivos de la FDA, descubrimiento de fármacos; (7) Educación: inscripción, uso de la IA por parte de los estudiantes, tutoría; (8) Política y gobernanza: estrategias nacionales, Ley de IA de la UE, política de EE. UU.; (9) Opinión pública: actitudes globales, confianza, ansiedad. La parte inicial incluye un resumen ejecutivo con 10 conclusiones clave.
Sí, el Informe del Índice de IA de Stanford HAI está disponible gratuitamente para el público en aiindex.stanford.edu. El informe completo en PDF de 423 páginas, las visualizaciones de datos interactivas y los conjuntos de datos subyacentes se proporcionan sin costo alguno, de acuerdo con la misión de Stanford HAI de garantizar que los beneficios y los riesgos de la IA se comprendan ampliamente.
La novena edición es la más completa hasta el momento, ampliando la cobertura para incluir nuevas secciones sobre la IA en la ciencia (capítulo 5), la medicina (capítulo 6) y un capítulo dedicado a la opinión pública (capítulo 9). La edición de 2026 introduce nuevos conceptos como la soberanía de la IA (capítulo 8), añade cobertura de la implementación de la Ley de IA de la UE, rastrea la explosión de la inversión en IA generativa y extiende las series de datos longitudinales hasta 2010 en algunos casos, lo que permite una perspectiva histórica más rica sobre la trayectoria del progreso de la IA que cualquier edición anterior.
El informe contiene cientos de visualizaciones de datos originales en 423 páginas, incluyendo gráficos de líneas que rastrean la capacidad de la IA y las tendencias de inversión de 2010 a 2025, diagramas de dispersión que comparan la IA con el rendimiento humano en más de 30 puntos de referencia, mapas del mundo que muestran la actividad global de la IA, gráficos de áreas apiladas del crecimiento de las publicaciones, matrices de comparación de capacidades para modelos de frontera, líneas de tiempo de políticas, desgloses de datos de encuestas por país y demografía, tendencias de aprobación de la FDA y muchos más. Cada capítulo incluye notas finales y lecturas adicionales, y el apéndice proporciona tablas de datos complementarios completas.
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
Referencia diseños profesionales, elige tu estilo y genera diapositivas con renderizado de texto perfecto. Impulsado por Nano Banana—comienza a crear tu presentación ahora.
Tu Agente IA para diapositivas. Ahorra tiempo, brilla más rápido con la creación inteligente de presentaciones.
© 2026 2slides. Todos los derechos reservados.