דו”ח הבינה המלאכותית של סטנפורד מציג תמונת מצב מהפכנית בעולם ה-AI

דו”ח הבינה המלאכותית של סטנפורד לשנת 2025, המפורסם על ידי מכון Stanford Institute for Human-Centered Artificial Intelligence (HAI), הוא המהדורה השמינית והמקיפה ביותר עד כה של סקירה זו המתפרסמת מאז 2017. הדו”ח, המשתרע על פני מאות עמודים, מספק תמונה רחבה ומעמיקה של מצב הבינה המלאכותית בעולם, תוך סקירת התפתחויות, מגמות ואתגרים בתשעה תחומים מרכזיים. מכון HAI, שהוקם ב-2018 באוניברסיטת סטנפורד, מוביל את היוזמה העצמאית הזו במטרה לאסוף, לנתח ולהנגיש נתונים מקיפים על התפתחות הבינה המלאכותית, ובכך לאפשר למקבלי החלטות, חוקרים, עיתונאים ולציבור הרחב לקבל תמונה מדויקת ומבוססת נתונים על התחום המתפתח במהירות. הדו”ח לשנת 2025 מדגיש התפתחויות משמעותיות בשנה האחרונה, כולל שיפורים דרמטיים בביצועי מודלים, רמות שיא של השקעות פרטיות, פעילות רגולטורית חדשה ואימוץ גובר של טכנולוגיות בינה מלאכותית בעולם האמיתי.

ממצאים מרכזיים בדו”ח

ביצועים טכניים והתפתחות מודלים

עולם הבינה המלאכותית חווה התקדמות מסחררת בשנתיים האחרונות, עם שיפורים דרמטיים שמשנים את כללי המשחק. מערכות AI הפגינו קפיצות מרשימות בביצועיהן על בנצ’מרקים (מבחני השוואה) מאתגרים, כאשר בבחינות כמו MMMU ,GPQA ו-SWE-bench נרשמו עליות מרשימות של 18.8, 48.9 ו-67.3 נקודות אחוז בהתאמה תוך שנה בלבד. מגמה מעניינת במיוחד היא הצמצום המשמעותי בפער בין מודלים סגורים לפתוחים – בעוד שבתחילת 2024 המודלים הסגורים המובילים עלו על המודלים הפתוחים ב-8.0% בדירוג Chatbot Arena, עד פברואר 2025 פער זה התכווץ ל-1.7% בלבד, מה שמעיד על דמוקרטיזציה של טכנולוגיית AI מתקדמת.

הגרף המצורף מציג את התקדמות ביצועי מערכות בינה מלאכותית ביחס לביצועים אנושיים במגוון מטלות בין השנים 2012-2024. ניתן לראות כיצד בתחומים מסוימים כמו סיווג תמונות (ImageNet), הבנת קריאה (SQuAD) והבנת שפה אנגלית (SuperGLUE), מערכות AI עברו את הרף האנושי כבר לפני מספר שנים. בשנים האחרונות חלה פריצת דרך משמעותית גם בתחומים מורכבים יותר – מתמטיקה ברמת תחרות (MATH) ושאלות מדעיות ברמת דוקטורט (GPQA) עברו את הרף האנושי ב-2023-2024, בעוד שבתחומי החשיבה החזותית (VQA) והבנה רב-מודאלית (MMMU) המערכות מתקרבות לרמה האנושית אך עדיין לא השיגו אותה במלואה.

הגרף ממחיש את הקצב המואץ של התקדמות הבינה המלאכותית בשנים האחרונות, כאשר תחומים שנחשבו לבלעדיים ליכולות אנושיות הפכו נגישים למערכות AI:

התקדמות הבינה המלאכותית בבנצ’מרקים מרכזיים. Credit: hai.stanford.edu

במקביל, אנחנו עדים להתכנסות מרשימה בביצועי המודלים המובילים, כאשר הפער בדירוג Elo (השוואת מודלים) בין המודל המוביל למדורג העשירי הצטמצם מ-11.9% ב-2023 ל-5.4% בתחילת 2025, והפער בין שני המודלים המובילים כמעט נעלם לחלוטין – מ-4.9% ל-0.7% בלבד. אולי המהפכה המשמעותית ביותר היא ביעילות המודלים: ב-2022, נדרש מודל ענק כמו PaLM עם 540 מיליארד פרמטרים כדי להשיג ציון גבוה מ-60% בבנצ’מרק MMLU, ואילו ב-2024, Phi-3-mini של מיקרוסופט, עם 3.8 מיליארד פרמטרים בלבד (פי 142 פחות!), משיג את אותה רמת ביצועים – הישג שמבשר על עידן חדש של מודלים קטנים, יעילים ונגישים יותר.

הגרף המצורף מציג את מגמת ההתקדמות המהירה בתחום ואת היכולת לפתח מודלים קטנים על מגוון רחב יותר של מכשירים, מה שמבשר על עידן חדש של דמוקרטיזציה בטכנולוגיית בינה מלאכותית:

ירידה דרמטית בגודל המודלים הנדרש לביצועים מעולים. Credit: hai.stanford.edu

עלויות ומימון

עולם הבינה המלאכותית עובר מהפכה כלכלית מרתקת, המשנה את פני התעשייה כולה. הירידה הדרמטית בעלויות השימוש במודלים מתקדמים היא אולי הסיפור המדהים ביותר: בתוך 18 חודשים בלבד, מנובמבר 2022 ועד אוקטובר 2024, עלות השימוש במודל ברמת ביצועים של GPT-3.5 צנחה מ-20 דולר למיליון טוקנים לסכום מזערי של 0.07 דולר בלבד – ירידה מסחררת של פי 280. מודל Gemini-1.5-Flash-8B של Google מוביל את המהפכה הזו, המנגישה טכנולוגיות AI מתקדמות לקהל רחב יותר מאי פעם.

במקביל, אנחנו עדים לזינוק חסר תקדים בהשקעות בבינה מלאכותית גנרטיבית. ב-2024, היקף המימון בתחום זה הגיע לשיא של 33.9 מיליארד דולר – עלייה של 18.7% משנת 2023 ופי 8.5 מרמות 2022. נתונים אלה משקפים את האמון הגובר של משקיעים בפוטנציאל העצום של טכנולוגיות AI גנרטיביות לשנות תעשיות שלמות.

ארצות הברית ממשיכה להוביל את המרוץ העולמי בתחום ה-AI, תוך הרחבת הפער מול מתחרותיה. ב-2024, ההשקעות הפרטיות בבינה מלאכותית בארה”ב הגיעו לסכום מדהים של 109.1 מיליארד דולר – כמעט פי 12 מסין (9.3 מיליארד דולר) ופי 24 מבריטניה (4.5 מיליארד דולר). נתונים אלה מדגישים את הדומיננטיות האמריקאית בתחום ומעלים שאלות לגבי יכולתן של מדינות אחרות לסגור את הפער בעתיד הנראה לעין.

הגרף המצורף מדגים את הפער ההולך וגדל בין ארה”ב לשאר העולם, במיוחד מ-2022 ואילך, כאשר השקעות בסין ירדו משמעותית בעוד שהשקעות בארה”ב זינקו:

השקעות פרטיות בבינה מלאכותית לפי אזורים גיאוגרפיים. Credit: hai.stanford.edu

השפעה על כלכלה ועבודה

הטמעת בינה מלאכותית בעולם העסקי חצתה נקודת מפנה היסטורית בשנה האחרונה, עם אימוץ מהיר שלא נראה כמותו בעבר. נתוני 2024 מגלים תמונה מרתקת: 78% מהארגונים כבר משלבים טכנולוגיות AI בפעילותם – זינוק משמעותי מ-55% בשנה הקודמת. המהפכה הגנרטיבית בפרט חוללה שינוי דרמטי, כאשר השימוש בבינה מלאכותית גנרטיבית בלפחות פונקציה עסקית אחת יותר מהוכפל תוך שנה – מ-33% ל-71% – קצב אימוץ חסר תקדים בהיסטוריה של טכנולוגיות חדשות.

הנתונים מאשרים את מה שרבים ציפו: בינה מלאכותית אכן מגבירה את פריון העבודה באופן משמעותי. מחקרים עדכניים מראים שטכנולוגיות AI לא רק מאפשרות לעובדים להשלים משימות מהר יותר ובאיכות גבוהה יותר, אלא גם – ובניגוד לחששות רבים – עוזרות לצמצם פערים בין עובדים בעלי רמות מיומנות שונות. במקום להרחיב פערים, הטכנולוגיה מתגלה ככלי דמוקרטי המעצים עובדים בכל הרמות.

בזירה הגלובלית, סין ממשיכה להפגין דומיננטיות מרשימה בתחום הרובוטיקה התעשייתית. בשנת 2023, התקינה סין 276,300 רובוטים תעשייתיים – פי שישה יותר מיפן ופי 7.3 יותר מארה”ב. העלייה המטאורית של סין בתחום זה מרשימה במיוחד: מאז עקפה את יפן ב-2013, הגדילה את חלקה בהתקנות העולמיות מ-20.8% לרוב מוחלט של 51.1%, נתון המדגיש את האסטרטגיה הסינית ארוכת הטווח לאוטומציה של הייצור התעשייתי.

הגרף המצורף מציג את הזינוק הדרמטי באימוץ טכנולוגיות בינה מלאכותית בארגונים בין השנים 2017-2024, על פי סקר של חברת McKinsey. נתונים אלה משקפים את המהפכה חסרת התקדים בקצב אימוץ טכנולוגיית AI בעולם העסקי, ומדגישים את ההשפעה המשמעותית של מודלים גנרטיביים כמו ChatGPT על המרחב הארגוני:

זינוק באימוץ AI בארגונים. Credit: hai.stanford.edu

מדע, רפואה ורגולציה

שנת 2024 סימנה נקודת מפנה היסטורית בהכרה העולמית בתרומתה של בינה מלאכותית למדע ולרפואה. לראשונה בהיסטוריה, הוענקו שני פרסי נובל יוקרתיים לחוקרים בתחום הבינה המלאכותית, הישג המסמל את חדירת הטכנולוגיה ללב המדע המסורתי. דמיס האסאביס וג’ון ג’אמפר מ-Google DeepMind זכו בפרס נובל בכימיה על פריצת הדרך המהפכנית שלהם בתחום קיפול חלבונים באמצעות AlphaFold, בעוד ג’ון הופילד וג’פרי הינטון קיבלו את פרס נובל בפיזיקה על תרומתם היסודית לפיתוח רשתות נוירונים – הכרה שמדגישה את העומק והרוחב של השפעת הבינה המלאכותית על המדע המודרני.

במקביל, אנחנו עדים למהפכה שקטה אך עוצמתית בתחום הרפואה. בעוד שב-1995 אישר ה-FDA את המכשיר הרפואי הראשון מבוסס בינה מלאכותית, ועד 2015 רק שישה מכשירים כאלה זכו לאישור, המספר זינק באופן דרמטי ל-223 עד סוף 2023 – עדות לאימוץ המואץ של טכנולוגיות AI במערכת הבריאות. התפתחות זו מלווה בשורה של מודלים רפואיים חדשים שפותחו ב-2024, החל ממודלים רב-תכליתיים כמו Med-Gemini ועד למודלים מתמחים כמו EchoCLIP לאקוקרדיולוגיה ו-ChexAgent לרדיולוגיה.

הגרף המצורף מציג נתונים הממחישים את המהפכה המתרחשת בתחום הרפואה, כאשר טכנולוגיות בינה מלאכותית הופכות לחלק בלתי נפרד ממערכת הבריאות המודרנית:

זינוק באישור מכשירים רפואיים מבוססי בינה מלאכותית. Credit: hai.stanford.edu

הנתונים המפתיעים ביותר מגיעים ממחקרים המשווים את ביצועי הבינה המלאכותית לאלו של רופאים מנוסים. מחקר פורץ דרך גילה כי GPT-4 לבדו הצליח לעלות על רופאים – הן כאלה שעבדו עם AI והן כאלה שעבדו בלעדיו – באבחון מקרים קליניים מורכבים. מחקרים נוספים מראים כי מערכות AI מצליחות לזהות סרטן ולאתר חולים בסיכון גבוה לתמותה בדיוק רב יותר מרופאים. עם זאת, מחקרים ראשוניים מצביעים על כך ששיתוף פעולה בין רופאים לבינה מלאכותית מניב את התוצאות הטובות ביותר – תובנה המדגישה את הפוטנציאל העצום של שילוב החוזקות האנושיות והטכנולוגיות בשירות הרפואה העתידית. 

מעניין אתכם כיצד בינה מלאכותית משנה את עולם הרפואה והמדע? מוזמנים לצלול לכמה התפתחויות מרתקות של החודשים האחרונים – גלו כיצד עולם פיתוח התרופות עובר טרנספורמציה חסרת תקדים בזכות שילוב בינה מלאכותית. תקראו על חוקרים מאוניברסיטת סטנפורד שחשפו מערכת בינה מלאכותית פורצת דרך בשם Mal-ID המפענחת את השפה הסודית של מערכת החיסון שלנו. תיחשפו למחקר מרתק בהובלת מדענים מאוניברסיטאות אוקספורד ואימפריאל קולג’ לונדון שחושף את הפוטנציאל המהפכני של בינה מלאכותית במאבק במחלות זיהומיות ובהיערכות למגיפות עתידיות. ואל תפספסו את המידע על מערכת ה-AI Co-Scientist החדשנית של גוגל, המבוססת על מודל Gemini 2.0 ופועלת כשותף מדעי וירטואלי לחוקרים, תוך שילוב של שישה סוכני בינה מלאכותית מתמחים העובדים יחד ביצירה, הערכה ושיפור של היפותזות מדעיות.

מגמות גלובליות 

המפה העולמית של בינה מלאכותית עוברת טלטלה משמעותית, כאשר הפער הטכנולוגי בין מעצמות ה-AI מצטמצם במהירות מפתיעה. התפתחות דרמטית במיוחד נרשמה בצמצום הפער בין מודלים סיניים ואמריקאיים – תופעה שמשנה את מאזן הכוחות הגלובלי בתחום. בעוד שבסוף 2023 פערי הביצועים בבנצ’מרקים מובילים כמו MMLU, MMMU, MATH ו-HumanEval עמדו על 17.5, 13.5, 24.3 ו-31.6 נקודות אחוז בהתאמה, עד סוף 2024 הצטמצמו פערים אלה באופן דרמטי ל-0.3, 8.1, 1.6 ו-3.7 נקודות אחוז בלבד. התכנסות מהירה זו מעידה על האצת המחקר והפיתוח בסין ומרמזת על עידן חדש של תחרות צמודה בין המעצמות.

הגרף המצורף מציג את התפתחות הביצועים של מודלי בינה מלאכותית מובילים מארצות הברית וסין בזירת הצ’טבוט LMSYS Chatbot Arena לאורך 14 חודשים, מינואר 2024 עד פברואר 2025. ניתן לראות מגמת שיפור עקבית בשני המודלים, כאשר המודלים האמריקאיים (בכחול) מובילים לאורך רוב התקופה. עם זאת, הפער בין שני המודלים מצטמצם באופן משמעותי לקראת סוף התקופה הנמדדת. בפברואר 2025, המודל האמריקאי המוביל משיג ציון של 1,385, בעוד המודל הסיני המוביל מגיע לציון של 1,362 – פער של 23 נקודות בלבד.

גרף זה ממחיש את התחרות הצמודה בין ארה”ב וסין בתחום הבינה המלאכותית ואת הצמצום המהיר של הפער הטכנולוגי ביניהן, מגמה שצפויה להשפיע משמעותית על עתיד הטכנולוגיה והכלכלה העולמית:

צמצום הפער בין מודלים אמריקאיים וסיניים. Credit: hai.stanford.edu

אחריות ורגולציה

במקביל להתקדמות הטכנולוגית, אנו עדים לעלייה מדאיגה במספר התקריות הקשורות לבינה מלאכותית. מסד הנתונים של תקריות בינה מלאכותית מדווח על 233 אירועים ב-2024 – שיא היסטורי המשקף עלייה חדה של 56.4% לעומת השנה הקודמת. תקריות אלה כוללות מגוון רחב של אירועים, החל מהפצת מידע שגוי ועד לפגיעה בפרטיות ואפליה אלגוריתמית, ומדגישות את הצורך הדחוף בפיתוח אחראי ובפיקוח הולם על טכנולוגיות AI.

בתגובה לאתגרים אלה, התעשייה מציגה התקדמות משמעותית בתחום השקיפות. מדד השקיפות של מודלי היסוד מגלה שיפור מרשים, כאשר הציון הממוצע בקרב מפתחי מודלים מובילים זינק מ-37% באוקטובר 2023 ל-58% במאי 2024. שיפור זה משקף מגמה חיובית של אימוץ פרקטיקות פיתוח אחראיות יותר, הכוללות תיעוד מקיף יותר של מקורות הנתונים, שיטות האימון והמגבלות הידועות של המודלים. עם זאת, הפער בין החברות המובילות לאלו המפגרות בתחום השקיפות נותר משמעותי, כאשר הציונים נעים בין 22% ל-95% – פער המדגיש את הצורך בסטנדרטיזציה נוספת בתעשייה.

הגרף המצורף מציג את העלייה הדרמטית במספר התקנות הקשורות לבינה מלאכותית בארצות הברית. ניתן לראות עלייה מתונה מ-2016 עד 2020, ואז זינוק משמעותי בשנים האחרונות, במיוחד בין 2023 ל-2024 כאשר מספר התקנות עלה מכ-25 ל-59 – גידול של יותר מפי שניים בשנה אחת. מגמה זו משקפת את ההתעוררות הרגולטורית בתחום הבינה המלאכותית בשנים האחרונות:

זינוק ברגולציה של בינה מלאכותית בארה”ב. Credit: hai.stanford.edu

אתגרים מרכזיים

למרות ההתקדמות המרשימה בתחום הבינה המלאכותית, הדו”ח מאיר שלושה אתגרים מרכזיים שממשיכים להטריד את החוקרים והמפתחים בתחום. האתגר הראשון והמהותי ביותר נוגע ליכולת החשיבה המורכבת של מערכות AI. בעוד שטכניקות כמו שרשרת מחשבה (Chain-of-Thought) הביאו לשיפורים דרמטיים בביצועי מודלי שפה גדולים, מערכות אלה עדיין נכשלות באופן מפתיע בפתרון בעיות הדורשות חשיבה לוגית מורכבת – אפילו כאשר קיימים פתרונות מוכחים לבעיות אלה. למשל, מחקר שפורסם ב-2024 הראה שגם המודלים המתקדמים ביותר מתקשים בפתרון בעיות הדורשות הסקה רב-שלבית, במיוחד כאשר הן מוצגות בצורה שונה מדוגמאות האימון.

הגרף המצורף מציג את ביצועי חמישה מודלי בינה מלאכותית מובילים במבחן PlanBench, הבודק יכולת תכנון וחשיבה לוגית. בעוד שבמשימת Blocksworld הבסיסית (בכחול) מודל o1-preview מצטיין עם 97.8% הצלחה, במשימת Mystery Blocksworld המורכבת יותר (בסגול) רוב המודלים קורסים לחלוטין. רק o1-preview מצליח להגיע ל-52.8% ו-LLama 3.1 405B ל-8% בלבד, בעוד ששאר המודלים נכשלים לחלוטין (0%). הפערים מדגישים את האתגר המתמשך של חשיבה מורכבת ותכנון לוגי בבינה מלאכותית:

פערים משמעותיים בין המודלים בפתרון בעיות תכנון. Credit: hai.stanford.edu

אתגר שני, שהולך ומחריף, הוא הצטמצמות מאגרי הנתונים הציבוריים הזמינים לאימון מודלים. מחקר עדכני חושף מגמה מדאיגה: הגבלות השימוש בנתונים עלו באופן דרמטי בין 2023 ל-2024, כאשר אתרים רבים מיישמים פרוטוקולים חדשים כמו robots.txt ו-AI-specific opt-out כדי למנוע גרידת תוכן לאימון מודלי AI. בעוד שב-2021 רק 1.8% מהאתרים המובילים הגבילו גרידת נתונים לאימון AI, עד סוף 2024 המספר זינק ל-32.4%. מגמה זו מעלה שאלות קריטיות לגבי העתיד: האם נגיע למצב של “מחסור בנתונים איכותיים” שיאט את קצב ההתקדמות בתחום?

האתגר השלישי, המטריד ביותר מבחינה חברתית, נוגע להטיות העקשניות שממשיכות להתקיים במודלי שפה גדולים. למרות מאמצים ניכרים של החברות המובילות לפתח מנגנונים לריסון הטיות מפורשות, מחקרים עדכניים מגלים כי מודלים מתקדמים כמו GPT-4 ו-Claude 3 Sonnet עדיין מציגים הטיות סמויות משמעותיות. הם קושרים באופן לא פרופורציונלי מונחים שליליים עם אנשים שחורים, מקשרים נשים יותר למדעי הרוח מאשר לתחומי STEM, ומעדיפים גברים לתפקידי מנהיגות. מחקר מקיף שפורסם ב-2024 הראה כי אפילו כאשר מודלים אלה נמנעים מהצהרות מפלות גלויות, הם עדיין מפגינים העדפות סמויות בהמלצותיהם ובבחירותיהם – תופעה המכונה “הטיה סמויה” (implicit bias) שקשה הרבה יותר לזהות ולתקן.

השלכות על ישראל

בעוד שהדו”ח לא מתמקד בה ספציפית, ישראל מוזכרת במספר הקשרים משמעותיים בדו”ח, וניתן להסיק ממנו מספר השלכות חשובות לגבי מעמדה בתחום. ישראל ניצבת בנקודת מפנה קריטית בתחום ה-AI. היכולת שלה לאזן בין שימור כישרונות, עידוד חדשנות, והתאמה לסטנדרטים רגולטוריים עולמיים תקבע את מעמדה העתידי בזירה הגלובלית של הבינה המלאכותית. ישראל ניצבת בפני אתגרים והזדמנויות משמעותיים בתחום הבינה המלאכותית, כפי שעולה מהמגמות העולמיות המתוארות בדו”ח סטנפורד. אחד האתגרים המרכזיים הוא הגירת כישרונות שלילית, כאשר נתוני 2023 מצביעים על יציאה נטו של 0.57 אנשי AI לכל 10,000 משתמשי LinkedIn בישראל. זאת למרות שישראל מובילה בריכוז כישרונות AI לפי שטח גיאוגרפי, עם ריכוז גבוה במיוחד של נשים בתחום. כדי להתמודד עם מגמה זו, הממשלה יזמה תוכנית לגיוס 200 מומחי AI זרים בשלוש השנים הקרובות.

במקביל, ישראל מזהה הזדמנויות בשיתופי פעולה בין תעשייה לאקדמיה. משרד החינוך הכריז על 2025 כ”שנת הבינה המלאכותית”, תוך שיתוף פעולה עם חברות טכנולוגיה מובילות כמו Google, Microsoft, Apple ו-Intel. יוזמות אלו מכוונות לחזק את מעמדה של ישראל בזירה הגלובלית של ה-AI. הירידה הדרמטית בעלויות השימוש במודלים מתקדמים והצמצום בפער בין מודלים פתוחים לסגורים מציעים הזדמנות לחברות ישראליות קטנות ובינוניות. עם זאת, ישראל מתמודדת עם אתגר בנגישות לשבבי AI מתקדמים לאור הגבלות יצוא חדשות מארה”ב, מה שדורש תכנון אסטרטגי מהיר.

בתחום הרגולציה, ישראל נוקטת בגישה זהירה ומדורגת. במקום חקיקה מקיפה, המדינה מתמקדת במדיניות רגולטורית גמישה המותאמת לסקטורים ספציפיים. גישה זו מאפשרת לישראל להתאים את עצמה לסטנדרטים בינלאומיים מתפתחים, תוך שמירה על גמישות לחדשנות. עם זאת, היעדר אסטרטגיה לאומית ברורה ל-AI מעורר דאגה בקרב מומחים, שמזהירים כי ישראל עלולה לפגר מאחור במרוץ העולמי ל-AI. כאן תוכלו לקרוא את סיכום עיקרי דוח מבקר המדינה בנושא ההיערכות הלאומית בתחום הבינה המלאכותית בישראל.

לסיכום

דו”ח הבינה המלאכותית של סטנפורד לשנת 2025 מציג תמונה מקיפה של התקדמות מהירה ומשמעותית בתחום הבינה המלאכותית, עם השלכות מרחיקות לכת על כלכלה, חברה, מדע ורגולציה. הדו”ח מדגיש מגמות מרכזיות כמו צמצום הפער בין מודלים פתוחים לסגורים, ירידה דרמטית בעלויות השימוש במודלים מתקדמים, ועלייה חדה באימוץ טכנולוגיות AI בארגונים. עבור ישראל, הדו”ח מחדד את הצורך הדחוף באסטרטגיה לאומית מקיפה לשימור ופיתוח יכולות AI מקומיות, במיוחד לאור האתגר המתמשך של הגירת כישרונות שלילית. למרות מעמדה המוביל של ישראל בריכוז הון אנושי בתחום ה-AI, הדו”ח מצביע על ירידה במדדי המוכנות הממשלתית ועל פער בפיתוח מודלים גנרטיביים ביחס למובילות העולמיות. בעידן שבו בינה מלאכותית הופכת למרכזית יותר ויותר בכלכלה העולמית, ישראל נדרשת להשקיע בתשתיות אקדמיות ותעשייתיות, לפתח אסטרטגיות לשימור כישרונות מקומיים, ולהתאים את המסגרת הרגולטורית שלה כדי לשמר את מעמדה כמובילה טכנולוגית ולהבטיח את יכולתה להתחרות בשווקים הגלובליים.

כנסו כאן לגילוי כל התובנות המרתקות והנתונים המלאים של דו”ח הבינה המלאכותית המקיף ביותר בעולם.