The 2025 state of AI Development

La encuesta ordena a los equipos según hasta dónde han llevado la IA, desde hablar con usuarios sobre necesidades hasta una estrategia y una prueba de concepto, una beta y, por último, un despliegue en producción. Alrededor de una cuarta parte de las empresas tenía algo en producción y el resto se repartía por etapas anteriores. El desglose importa porque muestra que el campo no es una sola ola sino un abanico: un equipo que se siente rezagado suele estar, en realidad, en la misma etapa que la mayoría.

El análisis y la extracción de documentos quedó como el caso de uso más común, seguido de la atención al cliente y los asistentes conversacionales, y después el análisis de lenguaje natural. La generación de contenido, los sistemas de recomendación, la generación de código y la automatización de la investigación completaron la lista. El patrón apunta a trabajos que consisten en leer y ordenar texto existente, no solo en producir texto nuevo, y eso es una pista útil sobre dónde está la demanda.

OpenAI mantuvo la mayor cuota de uso, sobre todo con GPT-4o y GPT-4o Mini, con Microsoft Azure, Anthropic y AWS Bedrock muy cerca. Las empresas grandes se apoyaron más en plataformas en la nube, y la cuota de Azure subía con el tamaño de la empresa. Los modelos abiertos alojados por proveedores como Groq, Fireworks AI y Together AI ganaron terreno, algo que el informe lee como señal de que los equipos quieren más de una opción en la mezcla.

La generación aumentada por recuperación dominó las arquitecturas que describieron los equipos, con una mayoría usando una base de datos vectorial. Solo alrededor de un tercio ajustó un modelo. El informe relaciona la baja cifra de ajuste fino con la bajada de costes y la mejora de la calidad de los modelos, ya que un buen modelo base más recuperación suele cubrir el trabajo sin necesidad de un entrenamiento a medida.

La mayoría de los desarrolladores decía que evalúa su IA, pero los métodos se inclinan a lo manual: las pruebas y la revisión superan con creces a las herramientas de evaluación automática. La monitorización se repartió igual, con los paneles propios por delante de las herramientas de terceros. Gestionar las alucinaciones y los problemas de prompt fue el reto principal, lo que encaja con lo finas que siguen siendo las comprobaciones automáticas.

El informe cierra con una mirada hacia delante y predice que 2025 se convierte en un año de herramientas y que los flujos agénticos pasan de los experimentos a las funciones ya lanzadas. También señala la subida de configuraciones con varios modelos y la presión continua sobre los costes como fuerzas que marcarán lo que construyan los equipos.