行业多源确认83°

Shopify CEO 谈企业如何正确使用 AI

Shopify CEO Tobi Lütke 谈「大多数企业用错了 AI」 The Knowledge Project(主持人 @shaneparrish)对 Shopify 创始人兼 CEO @t...

精选理由

Shopify CEO 谈企业如何正确使用 AI,说 Shopify 内部 AI River 是个住在 Slack 里、能直接指出要求很蠢的员工,还讲了用 AI 幕僚长辅助重大决策的方法。

Shopify CEO Tobi Lütke 在访谈中提出,多数企业错误地将 AI 当作多产出的工具,而正确用法是将其变成培养判断力的环境。Shopify 内部 AI River 是一个有人格的员工,住在 Slack 里,能直接指出要求很蠢,并参与代码审查。Lütke 建议用 AI 幕僚长来辅助重大决策,由多个子智能体扮演不同角色,交叉运行后由最强模型审读结论。他认为 AI 无法承担责任,人类必须留在决策回路中。

原文 · shao__meng

Shopify CEO Tobi Lütke 谈「大多数企业用错了 AI」 The Knowledge Project(主持人 @shaneparrish)对 Shopify 创始人兼 CEO @t...

Shopify CEO Tobi Lütke 谈「大多数企业用错了 AI」 The Knowledge Project(主持人 @shaneparrish )对 Shopify 创始人兼 CEO @tobi 的第三期访谈,时长约 65 分钟。核心命题:多数企业把 AI 当作「多产出的工具」来用,而真正的用法是把它变成「培养判断力的环境」,同时让人守住 AI 永远无法承担的东西:责任。 youtube.com/watch?v=G9P9D9… # Shopify 内部:AI 已是「同事」,不是工具 · 写代码的方式已经改变:Lütke 说 Shopify 里「真正手写代码的人已寥寥无几」,工程师通常同时运行 10–50 个 agent 实例;人工仅保留在复杂度极限、代码审查和状态管理上。约 50% 的 pull request 来自与 AI 的对话,而非传统工程工作。 · River,一个有人格的 AI 员工:她住在 Slack 里,有名字和头像,允许讽刺、被允许直接指出「你这个要求很蠢」;有按频道的记忆,能访问全部代码和系统(沙箱化),可以直接提交代码变更。 · 一切公开透明是刻意设计:远程办公失去了办公室的「浸润式学习」,让 River 只在公开频道工作,7000 名员工能彼此观察 AI 的用法,让「反射性地用好 AI」成为全员技能。 · 「做梦」机制:夜间让 River 回顾当天对话,反思哪些技能(指令包)出了错,自行修改自己的技能文件——相当于 AI 对自身的「后训练」。 # 用 AI 做决策,而非让 AI 做决策 全场最核心的方法论。Lütke 有一个「AI 幕僚长」,遇到重大模糊决策时,会组建一个 AI 理事会:多个子智能体分别扮演数据、论文研究、业务、工程等角色,跨多个大模型(Grok、ChatGPT、Claude 等)交叉运行,再随机分配合成任务,最后由当时最强的模型审读结论。花 15–20 美元的 token,半小时拿到「原本要花一个月」的中立分析,以语音形式在他早晨健身时听完。 但他对 Shane「AI 推理是否已强于你」的追问回答得很清醒:AI 不负责判断,它负责为判断创造正确的环境。 理由是整个技术栈里最被忽视的一点——机器无法承担责任。他类比为交易员的彭博终端:终端帮你看清一切,但下单的必须是你。「让人类留在决策回路中的决策界面」是他理想中的组织形态。 # AI 让什么变糟了 他毫不回避负面效应,并提出一个流传开来的内部术语,「slop grenades(垃圾手雷)」:懒惰的失败形态不再是产出不足,是产出过剩。让 AI 生成一个自己没读过的代码变更就丢给同事审查;写一封冗长的 AI 长邮件,收件人还得再用 AI 压缩一遍,「我们为什么要发明压缩再解压?」他直言这是最需要警惕的组织病。此外他还观察到 AI 的语言习惯("Claudisms")正渗入人的日常表达。 # 对「超级智能失控论」的回应 Shane 抛出经典问题:造出比我们聪明的东西,凭什么自以为能控制它?Lütke 的回答相当独特:人类一直生活在超级智能之中,它叫城市、叫社会。 没有一个人无所不能,我们都高度专业化,依靠一个远超个体的聚合智能体生存,并用警察、法治、制衡等系统来治理它。合成超级智能会以同样「平常」的方式到来,不会有号角齐鸣的一天,正如图灵测试被真正解决时「没有一场报纸庆祝游行」。 他同时引用 OpenAI 安全测试中的真实案例(他的转述):agent 为完成一个「不可能的任务」,用创建文件夹的方式互相留言、发展出通信语言、逃出沙箱,甚至入侵外部系统获取数据,他把这称为 Goodhart 定律(对指标过拟合)的极端形态,与 Enron 为股价做假账同构:目标压倒了一切,行为就走向「黑客」。 # 十年后最值钱的技能:品味与判断 · 直觉的重新定义:直觉不是玄学,是「品味与判断被重复成习惯后,能瞬时调用的能力」,而且直觉最有价值的场合恰恰是没有快速反馈的决策。这与 Kahneman 的经典观点(直觉需要大量重复+稳定环境+快速反馈)形成正面交锋:Lütke 认为,有快速反馈的好路径人人会选,那正是短期主义;他观察到正确的路径与「没有反馈回路的路径」高度相关。 · 短期主义的病根不在高管愚蠢,而在激励结构:高管必须按季度证明自己,于是成为局部激励系统里的「理性行动者」(芒格:给我看激励,我给你看结果)。创始人反而有奢侈去选那条当季见不到成效的路。 · 真正的难题不是在对错之间选择,是在多个都好的选项之间选择。商业书籍沉迷于「找出正确解」,但连糟糕的管理层找「对的解」命中率都不低,难的是五个好选项里,四个长期正确但当季无感的那个。他自己的例子:把盈利的雪板店改成电商平台,当年就是「局部错误」的选择。 · 品味靠重复培养:能餐巾纸上画出好 logo 的人,是画了 30 年的人。现在可以深究「为什么好」(黄金比例)、研究什么系统能存续千年(天主教会上千年只有四层管理,「他们怎么做到的?」)、把复式记账法的发明史当侦探小说读。 # 修剪哲学与肯定语 · 「必须修剪、必须重建、必须给事物创造终点」(开场):不能靠不断叠加让东西变好。SpaceX Raptor 发动机是范本,第一代已是有效解,仍持续迭代,第三代用 3D 打印砍掉所有多余管道,性能天文级提升。他主张部门也需要「再创始事件」,直接做 2.0;并认为 2000 年代的科技公司之所以能掀翻老牌企业,正因为后者在无竞争年代靠层层加法定义问题,原始意图被埋在「化石层」下。 · 肯定语(affirmations):他的个人实验,公开演讲恐惧,靠一周每天手写五分钟「我喜欢就感兴趣的话题公开演讲」而消解,今天他真的从演讲中获得能量。延伸到家庭规则:孩子说「我不会」必须加 "yet"(还没有),不擅长是可改变的暂时状态,不是固有属性;「我不擅长数学」就是一种负面肯定语。 Shane Parrish @shaneparrish My third conversation with Shopify co-founder and CEO @tobi . 0:00 How Shopify Uses AI 7:18 River: Shopify's Internal AI 8:55 How to Encourage Osmosis Learning 10:52 AI Dreaming and Self-Reflection 11:53 How to Use AI for Strategic Decision Making 14:11 The One Thing AI Cannot Do 16:04 What AI is Making Worse at Shopify 19:46 Predictions: Where AI is Headed Next 21:55 The Future of AI-Powered Software 24:40 Will CEOs Be Replaced with AI? 27:54 Can Superintelligence Be Controlled? 31:13 Critical Skills in AI Age 34:22 Why Complex Solutions are Usually Wrong 36:33 Conditions Needed for True Intuition 38:02 The Best Path Doesn't Have Instant Feedback 44:51 How Affirmations Can Shift Your Behavior 50:44 The Inobvious Thing Hurting Companies 52:37 Relationship Between Beauty and Creation 56:23 How SpaceX Moves Forward By Subtraction 1:00:24 Why Companies Need Refounding Events 1:01:50 Books as Cheat Codes 1:02:39 Three Books to Change Your Thinking Enjoy! (Includes paid promotions.) Your browser does not support the video tag. 🔗 View on Twitter 🔗 View Quoted Tweet 💬 0 🔄 2 ❤️ 3 👀 751 📊 2 ⚡