Йоав Шохам: «94% экспериментов с ИИ в бизнесе не доходят до внедрения»

В рамках серии семинаров «Value Chain Innovation» в Стэнфордской высшей школе бизнеса профессор Хаим Мендельсон обсудил с Йоавом Шохамом, сооснователем AI21 Labs и заслуженным профессором Стэнфорда, реальное положение дел в сфере корпоративного ИИ. Шохам, предсказавший появление ИИ-агентов еще в 1993 году, утверждает, что индустрия переходит от стадии хайпа к массовому внедрению, где ключевую роль будут играть не просто модели, а комплексные ИИ-системы.

🎓 От теории игр к серийному предпринимательству 2:54

Йоав Шохам начал свой путь как «звезда» факультета компьютерных наук Стэнфорда, изначально скептически относясь к практическим аспектам бизнеса . Однако атмосфера Кремниевой долины и желание увидеть свои идеи «в движении» привели его к созданию нескольких успешных компаний.

Первым значимым проектом стала компания Trading Dynamics, специализировавшаяся на B2B-трейдинге и аукционах . Шохам, будучи экспертом в теории игр (его курс на Coursera просмотрели более 1 млн человек ), применил свои знания к энергетическим аукционам в Калифорнии и аукционам частот. Он обнаружил, что программное обеспечение в этой сфере было крайне отсталым и закрытым, что позволило создать более гибкую и дешевую систему .

В 2017 году, совместно с Ори Гошеном и Амноном Шашуа (основателем Mobileye), Шохам запустил AI21 Labs . По словам Шохама, основной идеей было объединение глубокого обучения (Deep Learning) с надежным логическим выводом, который доминировал в ИИ до прихода статистики . Примечательно, что компания была основана в тот же год, когда вышла знаменитая статья о трансформерах («Attention is All You Need»), что Шохам называет «удачным совпадением» .

📈 Эволюция ИИ в бизнесе: три фазы 9:38

Шохам выделяет три четких этапа развития ИИ в корпоративном секторе:

1. До GPT-3 (примерно до 2020 года): Бизнес почти не интересовался ИИ, фокусируясь на переходе в облако . Эксперименты были единичными.
2. Эра хайпа (текущий момент): Каждый CEO заявляет об «AI-first» подходе. Однако Шохам указывает на катастрофический разрыв: согласно исследованию AWS, падение от стадии экспериментов до реального внедрения составляет 94% . Только 6% проектов доходят до производства.
3. Массовое внедрение (ближайшее будущее): По мнению Шохама, мы стоим на пороге перехода, когда ИИ станет частью стандартного ПО .

Основные барьеры для перехода к третьей фазе, по словам Шохама:

• Экономика моделей: Запуск LLM (больших языковых моделей) обходится гораздо дороже традиционного ПО . Даже OpenAI, по утверждению Шохама, при выручке в $4–5 млрд теряет значительно больше на операционных расходах .
• Надежность: В бизнесе нельзя использовать систему, которая блестяща в 95% случаев и нелепа в 5% .

⚙️ Технологический прорыв: Jamba и гибридные архитектуры 12:32

Большинство современных моделей (GPT, Claude, Mistral) основаны на архитектуре Transformer . Главный ее недостаток — квадратичная сложность: при увеличении контекста (количества токенов) нагрузка на память и вычислительные мощности растет в геометрической прогрессии. Для контекста в 1 миллион токенов это становится критической проблемой .

AI21 Labs представила семейство моделей Jamba, использующее гибридную архитектуру:

• Mamba + Transformer: Инженеры объединили механизм внимания (attention) из трансформеров с моделями пространства состояний (State Space Models, SSM) .
• Эффективность: Сложность Jamba почти линейная. Малая модель (52 млрд параметров, из которых 12 млрд активны благодаря Mixture of Experts) помещается на одну видеокарту мощностью 80 ГБ .
• Масштаб: Большая модель Jamba имеет 392 млрд параметров и помещается на один серверный узел с 8 GPU .

Шохам утверждает, что такие компании, как Google, уже переходят на Jamba из-за выгоды в юнит-экономике и низкой задержки (latency) .

🤖 От моделей к «ИИ-системам» и агентам 17:23

Шохам критикует попытки заставить LLM делать всё подряд. Например, языковые модели плохо справляются с арифметикой, делая это медленно и неточно . По его мнению, будущее за AI Systems, которые включают в себя:

• Языковую модель в качестве «мозга» или оркестратора;
• Детерминированные инструменты (калькуляторы, API, базы данных) ;
• Собственный код для проверки результатов.

Проблема определения «агентов»

Шохам считает термин «AGI» (общий искусственный интеллект) бессмысленным и плохо определенным . С «агентами» ситуация похожа: на форуме в Давосе все говорили об агентах, подразумевая разные вещи . Шохам выделяет ключевые характеристики настоящего ИИ-агента:

1. Использование инструментов: Не только генерация текста, но и действие.
2. Рефлексия: Способность проверять собственные ошибки .
3. Долгосрочные процессы: Работа в течение минут, часов или даже месяцев, а не мгновенный ответ на промпт .
4. Проактивность: Агент сам инициирует действия, а не только реагирует на запрос .

🏢 Советы для бизнеса: стратегия внедрения 24:47

Для руководителей компаний Шохам предлагает прагматичный подход к внедрению ИИ:

• Экспериментируйте, но не рискуйте всем: Не стоит «ставить ферму» (bet the farm) на незрелую технологию .
• Product-Algo Fit: Важно подбирать алгоритм под задачу. Если цена ошибки низка (например, описание товара в ритейле), можно использовать ИИ более свободно . Если цена ошибки велика, нужен «человек в контуре» (human in the loop) .
• Кейс крупного ритейлера: AI21 Labs помогла компании автоматизировать описания для миллионов товаров. Благодаря кастомизированной системе компания постепенно отказывается от ручной проверки каждого текста, так как риск ошибки приемлем по сравнению со скоростью .

Шохам предсказывает, что к концу 2025 года понятие «ИИ-система» станет общепринятой категорией продуктов, заменяя простую покупку токенов в API .

🌍 Геополитика и DeepSeek: мифы и реальность 41:46

Обсуждая феномен китайской модели DeepSeek R1, Шохам призывает к осторожности в оценках:

• Реальная стоимость: Заявления о том, что обучение стоило всего $6 млн, Шохам называет маловероятными. По его оценке, реальные затраты на 1–2 порядка выше .
• Open Source: Шохам отмечает, что «открытый исходный код» в случае с DeepSeek — это маркетинговое преувеличение. Они опубликовали веса моделей, но не код обучения и не данные .
• Инференс (использование) против обучения: Основные затраты бизнеса в будущем будут связаны не с обучением моделей, а с их использованием в производстве .

Шохам видит мир будущего многополярным. Несмотря на доминирование США, сильные игроки появляются в Китае, Европе (особенно во Франции), Израиле и странах Персидского залива (ОАЭ, Саудовская Аравия) . При этом он ожидает жесткого разделения рынков по геополитическим причинам: на Западе будет расти сопротивление внедрению китайских ИИ-технологий .

🔮 Будущее рынка труда 34:31

Шохам относится к лагерю «не-алармистов». Он напоминает, что исторически технологии создавали больше рабочих мест, чем уничтожали .

• Кто под ударом: Профессии, связанные с простой корректурой (copy editing), практически исчезли под натиском ПО .
• Кто в безопасности: Творческие редакторы журналов и книг никуда не денутся, они просто получат лучшие инструменты .
• Журналистика: Профессия журналиста станет еще важнее, так как их роль — не просто сообщать факты, а убеждать людей слушать правду в мире, где информационный слой находится под атакой .

В завершение Шохам дал совет CIO и руководителям компаний на 2025 год: «Поставьте цель — к концу года иметь хотя бы одно реальное массовое внедрение (mass deployment). Хватит просто экспериментировать, пора делать ИИ частью бизнеса» .