OECD w raporcie zatytułowanym „Developments in Artificial Intelligence markets: New indicators based on model characteristics, prices and providers" przedstawia trendy panujące na rynku generatywnej sztucznej inteligencji. Oto najważniejsze z nich:
1. Zwiększenie podaży i konkurencji modeli
Coraz więcej firm uczestniczy w wyścigu o najlepsze modele językowe (LLM), tworząc, trenując i optymalizując systemy generatywnej AI. Od listopada 2022 r. (gdy zadebiutował ChatGPT), liczba aktywnych modeli wzrosła ponad stukrotnie, przekraczając 1 tys. w 2025 r. Dominują modele do generowania tekstu, stanowiące 78 proc. całego rynku. Równolegle gwałtownie wzrasta liczba firm-deweloperów zaangażowanych w trening i optymalizację modeli. Według danych z lutego działało ich już 68, podczas gdy na początku 2023 r. była to tylko jedna firma – OpenAI.
Intensyfikacja konkurencji wynika z tego, że każdy technologicznie rozwinięty kraj z dostępem do dużych zbiorów danych i mocy obliczeniowej rozwija własne rozwiązania. Przykłady to polski Bielik.AI, niemiecki Aleph Alpha, francuski Mistral AI, chiński DeepSeek czy amerykańskie OpenAI i Anthropic. Dynamika rynku charakteryzuje się tym samym niezwykle szybkimi zmianami: ciągłym wprowadzaniem innowacji i wysokim wskaźnikiem rotacji produktów. Modele najwyższej jakości są zastępowane średnio co pół roku. Rynek wykazuje cechy klasycznej kreatywnej destrukcji Schumpetera. Słabsze rozwiązania znikają, ustępując miejsca lepszym, co znacznie przyspiesza tempo innowacji.
2. Spadek cen
Efektem nasilającej się konkurencji jest drastyczny spadek cen. Indeks cenowy skorygowany o jakość, obliczany metodą hedoniczną, zmniejszył się o około 80 proc. w porównaniu do początku 2023 r.
Ten proces prowadzi do szybkiej demokratyzacji technologii AI. Zanikająca bariera kosztowa może umożliwiać coraz większej liczbie firm i państw korzystanie z jej potencjału. A im mniej barier, tym szersze upowszechnienie, a im szersze upowszechnienie, tym potencjalnie szybszy wzrost produktywności w gospodarce.
3. Rosnąca wydajność
Mierzona standardowymi testami wydajność modeli sztucznej inteligencji systematycznie rośnie. Wykresy pokazują poprawę najlepszych modeli AI w kluczowych obszarach: wiedzy ogólnej, matematyce, programowaniu i nauce (gdzie 100 proc. oznacza poprawną odpowiedź na wszystkie pytania). Aczkolwiek występuje wyraźne zróżnicowanie kompetencji: AI najlepiej radzi sobie z pisaniem kodu, podczas gdy największe trudności sprawia jej formułowanie spójnych, merytorycznych odpowiedzi na złożone pytania z biologii, fizyki czy chemii. W zakresie tworzenia wiedzy naukowej pozostaje relatywnie słaba.
Należy jednak podkreślić, że te testy nie charakteryzują się wysokim poziomem trudności. Gdy zastosowano bardziej wymagające zadania, wyniki znacznie się pogorszyły. Badanie EpochAI, w którym najbardziej zaawansowane modele rozwiązywały zadania matematyczne o trudności odpowiadającej poziomowi licencjackiemu, magisterskiemu i naukowemu, pokazało wyraźne ograniczenia. Na poziomie licencjackim i magisterskim maksymalny wynik wynosił 19,3 proc. poprawnych odpowiedzi, podczas gdy na naukowym jedynie 6,3 proc.. Modele AI prawdopodobnie przewyższają możliwości przeciętnego człowieka w określonych dziedzinach, ale wciąż znacznie ustępują poziomowi umiejętności profesjonalistów.