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

Источник: https://www.youtube.com/watch?v=3sYBe7yEJ3U
Канал: Stanford Graduate School of Business
Опубликовано: 21.02.2025

---

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
[[JUMP:02:54]]

Йоав Шохам начал свой путь как «звезда» факультета компьютерных наук Стэнфорда, изначально скептически относясь к практическим аспектам бизнеса [03:08]. 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 [04:35]. Шохам, будучи экспертом в теории игр (его курс на Coursera просмотрели более 1 млн человек [04:49]), 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 [05:15].

В 2017 году, совместно с Ори Гошеном и Амноном Шашуа (основателем Mobileye), Шохам запустил AI21 Labs [05:54]. По словам Шохама, основной идеей было объединение глубокого обучения (Deep Learning) с надежным логическим выводом, который доминировал в ИИ до прихода статистики [06:46]. 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» [07:13].

## 📈 Эволюция ИИ в бизнесе: три фазы
[[JUMP:09:38]]

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 [10:07]. 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% [10:33]. 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 [10:45].

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

*   **Экономика моделей:** Запуск LLM (больших языковых моделей) обходится гораздо дороже традиционного ПО [10:59]. Даже OpenAI, по утверждению Шохама, при выручке в $4–5 млрд теряет значительно больше на операционных расходах [16:42].
*   **Надежность:** В бизнесе нельзя использовать систему, которая блестяща в 95% случаев и нелепа в 5% [11:25].

## ⚙️ Технологический прорыв: Jamba и гибридные архитектуры
[[JUMP:12:32]]

Большинство современных моделей (GPT, Claude, Mistral) основаны на архитектуре Transformer [12:45]. 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 [14:02].

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) [14:29].
*   **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 [15:22].
*   **Масштаб:** Большая модель Jamba имеет 392 млрд параметров и помещается на один серверный узел с 8 GPU [15:47].

Шохам утверждает, что такие компании, как Google, уже переходят на Jamba из-за выгоды в юнит-экономике и низкой задержки (latency) [16:12].

## 🤖 От моделей к «ИИ-системам» и агентам
[[JUMP:17:23]]

Шохам критикует попытки заставить LLM делать всё подряд. Например, языковые модели плохо справляются с арифметикой, делая это медленно и неточно [17:39]. По его мнению, будущее за **AI Systems**, которые включают в себя:

*   Языковую модель в качестве «мозга» или оркестратора;
*   Детерминированные инструменты (калькуляторы, API, базы данных) [17:52];
*   Собственный код для проверки результатов.

### Проблема определения «агентов»
Шохам считает термин «AGI» (общий искусственный интеллект) бессмысленным и плохо определенным [23:01]. С «агентами» ситуация похожа: на форуме в Давосе все говорили об агентах, подразумевая разные вещи [23:26]. Шохам выделяет ключевые характеристики настоящего ИИ-агента:

1.  **Использование инструментов:** Не только генерация текста, но и действие.
2.  **Рефлексия:** Способность проверять собственные ошибки [23:52].
3.  **Долгосрочные процессы:** Работа в течение минут, часов или даже месяцев, а не мгновенный ответ на промпт [24:05].
4.  **Проактивность:** Агент сам инициирует действия, а не только реагирует на запрос [24:20].

## 🏢 Советы для бизнеса: стратегия внедрения
[[JUMP: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 [25:52].
*   **Product-Algo Fit:** Важно подбирать алгоритм под задачу. Если цена ошибки низка (например, описание товара в ритейле), можно использовать ИИ более свободно [28:07]. Если цена ошибки велика, нужен «человек в контуре» (human in the loop) [28:35].
*   **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 [27:12].

Шохам предсказывает, что к концу 2025 года понятие «ИИ-система» станет общепринятой категорией продуктов, заменяя простую покупку токенов в API [22:08].

## 🌍 Геополитика и DeepSeek: мифы и реальность
[[JUMP: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 [44:03].
*   **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 [43:36].
*   **Инференс (использование) против обучения:** Основные затраты бизнеса в будущем будут связаны не с обучением моделей, а с их использованием в производстве [44:57].

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) [49:17]. При этом он ожидает жесткого разделения рынков по геополитическим причинам: на Западе будет расти сопротивление внедрению китайских ИИ-технологий [50:45].

## 🔮 Будущее рынка труда
[[JUMP:34:31]]

Шохам относится к лагерю «не-алармистов». Он напоминает, что исторически технологии создавали больше рабочих мест, чем уничтожали [34:58]. 

*   **Кто под ударом:** Профессии, связанные с простой корректурой (copy editing), практически исчезли под натиском ПО [35:25].
*   **Кто в безопасности:** Творческие редакторы журналов и книг никуда не денутся, они просто получат лучшие инструменты [35:39].
*   **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 [37:28].

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» [47:17].