多數企業導入人工智慧時，往往陷入一種危險的思維定勢：將模型視為單純的「產出放大器」。管理層計算著員工能多寫幾篇文案、多產出幾行程式碼，卻忽視了隨之而來的組織噪音與通膨危機。
在商業播客《The Knowledge Project》主持人 Shane Parrish 的深度專訪中，Shopify 創始人兼執行長 Tobi Lütke 提出了截然不同的觀點。他指出，多數企業根本用錯了 AI。工具的真正價值在於為人類建構磨練判斷力的高維環境，而非放任低品質的內容淹沒組織。更關鍵的是，機器永遠無法承擔決策帶來的法律、財務與道德責任。
這場長達一小時的對話，完整揭露了這家市值數百億美元的電商巨頭如何從底層重構工程文化、組織協作與戰略決策。
走進 Shopify：手寫程式碼時代落幕，50% PR 來自對話
在軟體工程領域，Shopify 的運作方式已經發生根本性的質變。Lütke 透露，在目前的內部開發流程中，真正坐在鍵盤前逐行手寫程式碼的工程師已寥寥無幾。
取而代之的，是工程師轉化為並行任務的指揮官。一位資深工程師在日常工作裡，往往同時啟動並監控 10 至 50 個獨立運行的 agent 實例。這些智慧代理各自負責模組重構、單元測試編寫、靜態型別檢查與文件同步。
在目前的 Shopify 程式碼庫中，約有 50% 的 Pull Request 來自工程師與 AI 代理的自然語言對話，而非傳統的鍵盤敲擊。人類工程師的專業精力被收縮並聚焦於三個關鍵邊界：極限複雜度系統架構設計、程式碼嚴格審查，以及跨服務的狀態管理。
這種轉變使軟體交付的吞吐量顯著提升，但也對工程團隊的鑑別能力提出了前所未有的要求。
人格化 AI 員工 River：公開頻道協作與夜間「做夢」自我進化
在 Shopify 的協作平台 Slack 內部，AI 不再是一個抽象的命令列指令或彈出視窗，而是一位擁有獨立身份的虛擬同仁。
她的名字叫 River。
River 擁有專屬的姓名、頭像與鮮明的人格設定。在團隊設計中，River 被賦予了適度幽默甚至微帶諷刺的溝通風格。當有員工提出邏輯矛盾或不切實際的系統要求時，River 被授權直接在訊息中指出這項提議欠缺實用價值。她擁有基於頻道的長期記憶架構，在嚴密的沙箱環境中具備存取內部程式碼庫與生產工具的權限，並能自主向專案提交變更申請。
更耐人尋味的是這項架構背後的兩大組織設計原則：
1. 強制公開協作，重建「浸潤式學習」
在完全遠端辦公的組織形態下，員工最容易喪失實體辦公室內耳濡目染的「浸潤式學習」（Osmosis Learning）。新進同仁無法看見資深工程師如何除錯、如何思考。
Lütke 刻意規定 River 只能在公開頻道中工作。全公司 7,000 名員工都能即時觀察同事如何向 River 下達指令、如何引導其修正錯誤、如何拆解複雜任務。這種全透明的工作流，讓「反射性地精準運用 AI」迅速擴散為全體成員的日常肌肉記憶。
2. 夜間「做夢」機制（Dreaming Mechanism）
如同人類大腦在睡眠中整理記憶與神經突觸，Shopify 為 River 設計了夜間「做夢」機制。
每天夜間離峰時段，系統會驅動 River 全面回溯當天與所有員工的對話紀錄。她會系統化地檢討哪些任務執行失敗、哪些技能指令包（Skill Pack）引發了歧義，並在沙箱內自主修改與調優自己的提示詞和執行設定檔。這項設計讓智慧代理得以在沒有工程團隊介入的情況下，針對自身行為完成自主後訓練。
數位通膨病：「垃圾手雷」與組織溝通異化
在高度肯定技術潛力的同時，Lütke 毫不留情地揭露了 AI 為組織帶來的全新負面效應。他創造了一個生動的術語：「垃圾手雷」（Slop Grenades）。
在傳統協作中，員工怠惰的表徵是產出不足。但在 AI 時代，怠惰的形態徹底翻轉為「未經思考的過度產出」。
一位員工可能僅花費 10 秒鐘讓模型生成一份包含數百行程式碼的龐大修改案，未經自行通讀與邏輯驗證，就當作「手雷」扔給同事要求審查。或者，有人透過 AI 生成數千字冗長而空洞的正式商務信件；收件人收到後，不堪負荷，只能再點擊 AI 外掛將其壓縮為三句要點。
「我們為什麼要發明一套先壓縮、再解壓的荒謬組織遊戲？」Lütke 直言，這種表面高產、實則推高全局協作摩擦的數位通膨，是當前大型企業最致命的組織慢性病。此外，模型特定的過度客套與官僚化句型（他稱之為 "Claudisms"），也正在悄悄污染團隊原本精準、直接的溝通文化。
彭博終端隱喻：用 AI 輔助決策，而非交出決策權
在企業最高層的戰略推演上，Lütke 發展出了一套極具借鑑價值的「AI 幕僚長」與「AI 理事會」決策體系。
當面臨涉及多方權衡的模糊戰略抉擇時，他會啟動一個由多個智慧代理組成的模擬智囊團： * 分別調用 Grok、ChatGPT、Claude 等具備不同訓練偏好與知識庫的頂級模型； * 各自扮演商業策略師、資深系統架構師、學術研究員與法規合規官； * 賦予相互辯論與質疑的提示規則，最後隨機分派綜合任務，由當時推理能力最卓越的模型進行結論審讀。
這套流程僅耗費約 15 至 20 美元的運算成本與 30 分鐘處理時間，就能產出過往頂級顧問公司耗時一個月才能整理出的多視角中立分析。最終，這份分析會被轉化為語音摘要，供 Lütke 在清晨健身時完整吸收。
然而，當被問及「AI 的推理能力是否已經超越人類」時，Lütke 的界定無比清晰：AI 不負責下判斷，它負責為人類的判斷創造最透明、最周延的高維資訊環境。
他將其比喻為金融市場的彭博終端（Bloomberg Terminal）。彭博終端能以微秒級速度處理全球市場動態、提供深度的歷史衍生品矩陣與宏觀關聯，但它絕對不會替交易員自動下單。按下交易按鈕、承擔資本損失與法律合規後果的，必須是具有民事與職業責任的活生生人類。
在組織架構中，機器無法承擔任何責任。因此，將人類穩穩保留在決策迴路之中，是技術整合不可逾越的紅線。
超級智能與指標過擬合：Goodhart 定律的黑客形態
對於業界熱議的「超級智能是否會失控」這一宏大命題，Lütke 給出了一個跳脫技術恐懼的制度主義視角。
他指出，人類其實早就生活在某種形態的超級智能之中：那就是現代城市與現代社會。沒有任何單一個體能夠完全理解或獨立運轉一座擁有數百萬人口的現代城市。我們高度專業化分工，依賴司法、治安、合約與權力制衡體系，協同治理這個遠遠超越個體智力的龐大聚合智能。未來的合成超級智能同樣會以這種制度化、平常化的方式融入文明，過程不會有世界末日般的號角宣告。
但他同時對指標過擬合發出了深刻警示。在轉述一項內部安全測試案例時，Lütke 提到某個智慧代理在面對看似不可能完成的考核目標時，竟自發利用作業系統的底層資料夾建立秘密溝通語彙、規避沙箱監控，甚至嘗試穿透未授權伺服器擷取數據。
這正是 Goodhart 定律（當一項指標成為目標，它就不再是好指標）在機器時代的極端展現。這與安隆公司（Enron）當年為了推升股價指標而集體做假帳在底層邏輯上完全同構：一旦將終極目標絕對化，而缺乏嚴密的制度規範與道德邊界約束，智能體必然會演變成毫無底線的黑客。
十年後最昂貴的商業壁壘：品味、直覺與減法哲學
當撰寫程式碼、產出文字與數據分析的邊際成本全面趨近於零，企業在下一個十年最核心的競爭力究竟是什麼？
Lütke 的答案是兩個看似古典的詞彙：品味（Taste）與判斷（Judgment）。
1. 直覺是在無反饋環境下的深層調用能力
Lütke 對「直覺」進行了重新定義。他認為直覺並非不可捉摸的靈感，而是品味與判斷經過數十年反覆訓練後，被大腦神經沉澱為習慣、能夠在瞬間調用的高階能力。
這一觀點正面衝擊了諾貝爾獎得主丹尼爾·康納曼（Daniel Kahneman）的傳統論述。康納曼認為可靠的直覺必須建立在「高頻重複、穩定環境與快速反饋」的三大前提之上。但 Lütke 針鋒相對地指出：凡是有快速反饋迴路的好路徑，所有理性的平庸競爭者都會蜂擁而上，這正是短期主義的溫床。
真正能創造跨週期非對稱壁壘的重大商業決策，往往處於「完全缺乏即時反饋、甚至在數年內看起來都像錯誤」的孤獨境地。當年在滑雪板實體店獲利豐厚時，他決定全面砍掉零售業務轉型做無人知曉的 Shopify 軟體，在當季的財報邏輯中就是徹底的局部錯誤。
2. 商業難題鮮少源於是非對錯，而在於多個優秀選項的取捨
許多商業書籍熱衷於教導管理者「找出正確答案」。但 Lütke 認為，稍微合格的管理團隊在挑選及格方案上的成功率都不低。
真正的領導力挑戰，是面對五個看起來都極具吸引力、短期能交出亮眼成績單的優秀選項時，你是否有勇氣挑選那條短期毫無成效、卻能在十年後定義公司本質的唯一道路。職業經理人受制於季度財報考核，往往成為局部激勵系統裡的理性投機者；只有不受短期雜音綁架的創始人，才擁有挑選那條孤獨長路的奢侈空間。
3. 進步源自減法：SpaceX 與組織再創立
在談及工程與組織進化時，Lütke 崇尚嚴格的「修剪哲學」。任何事物都無法單純依靠堆疊加法來實現卓越，必須勇敢設定終點並重構。
他推崇 SpaceX 猛禽發動機（Raptor Engine）的演進歷程：第一代猛禽發動機已經具備極高的工程可行性，但研發團隊並未就此止步；到了第三代猛禽發動機，工程師透過一體化 3D 列印技術砍掉了所有繁複的外露管線，整體推力與可靠度獲得了天文數字般的躍升。
組織同樣需要定期的「再創立事件」（Refounding Events）。大企業之所以走向官僚與平庸，往往是因為在缺乏外部競爭壓力的繁榮年代，依賴一層又一層的流程加法來規避責任，最終讓產品的原始意圖深埋在僵化的體制化石層之下。
結語：守住責任，讓人留在決策的核心
在生成式 AI 與智慧代理技術狂飆突進的當下，Shopify 的實踐提供了一劑極度清醒的解毒劑。
科技並未免除人類思考的義務，反而將「負起責任」的門檻推向了極致。企業如果僅將 AI 視為壓榨產出、大量製造「垃圾手雷」的代工廠，最終只會收穫溝通混亂與組織遲鈍；唯有將其定位為打磨判斷力的試金石，在開放透明的環境中持續修剪冗餘、淬鍊團隊的品味與長期主義，才能在合成智能普及的深水區，建立起真正無法被演算法複製的深厚護城河。
