Shopify 創辦人 Tobi Lütke：AI 時代下，哪些技能反而變得更有價值？
第一部分：AI 在 Shopify 的內部應用與 Agent 化
事情必須被修剪。你不可能光靠一直添加東西就讓事物變得越來越好，你辦不到。你必須修剪、必須重建，必須為事物創造終點。
Shane Parrish： Tobi，歡迎回來。
Tobi Lütke： Shane，很高興能再次回來，很開心你又辦了這次訪談。
Shane Parrish： 你們在 Shopify 內部是如何使用 AI 的？
Tobi Lütke： 我們找到了一些讓它提供輔助的方法……不，其實是這樣的，我們上次錄音是什麼時候？
Shane Parrish： 大概兩三年前吧。
Tobi Lütke： 對，在網路世界裡那就像過了一百年一樣。你看，我是個百分之百的科技狂熱者（nerd）。我完全無法忍受自己沒有站在技術變革的最前沿。我就是為了這些東西而活的。任何從小讀科幻小說長大的人，都會想生活在那個世界裡——至少我讀科幻小說的心態是：「我想生活在那個世界中，我該如何加速推動我們抵達那裡？」所以，哪怕只是能推進一小步，我們也會去做。
在目前的 Shopify 內部，我所認識的真正還在親手寫程式碼的人，數量已經少到微乎其微了。當然，在複雜度的極限邊緣依然存在親手寫程式的情況，另外在審查（reviews）等方面也是如此。而且在所有技術問題中，狀態管理（state management）似乎仍然是公認最難做好的事情，這部分人們還是手動處理，然後其他周邊的部分就靠感覺交給 AI 處理。
在 Shopify 內部現在的景象是：極少數人會直接動手寫程式碼。每個寫程式的人都深度依賴許多 Agent（智慧代理）的協助。他們通常會同時運行 10、20、30、40 甚至 50 個 Agent 實例，這些實例可能透過子代理（sub-agents）或只是在不同視窗中協同運作，將所有工程基礎設施推向極限。
我算是一個電腦運算歷史的學生，因為我認為從一千年後回頭看，這才是真正的主線歷史。這些年來人類最主要的成就，顯然將會是 AI 的出現、技術上的突破，以及網際網路的互聯性和我們所創建的所有基礎設施。這些是屬於我們這個時代的偉大篇章。
但是，由於我們作為一個年輕的行業剛起步，我們往往缺乏傳統的沉澱，或者說我們常常不信任前人所發現的偉大教訓。事實上，在整個科技運算領域，我們是唯一一個連自己的英雄是誰都不知道的行業。想像一下，學物理的人如果不知道理查·費曼（Richard Feynman）是誰——好吧，費曼可能還算不夠大眾，但想像一下如果他們不知道艾薩克·牛頓或愛因斯坦。可是在電腦科學領域，如果你問：「誰是你們的牛頓？」根本沒人知道 Alan Kay、Dennis Ritchie 或 Ken Thompson 是誰。
我認為這一點至關重要，因為我們常常拋棄了偉大的教訓，導致我們必須一次又一次地重新去發現它們。舉例來說，在作業系統設計的最早期階段，有史以來最棒的想法大概就是「檔案系統」（file system）。如果你看看阿波羅導航電腦（Apollo guidance computer），那時候我們根本沒有檔案系統。事實上，因為太空中的輻射，當時的記憶體是用帶有繩結的繩索來編碼的，有結或沒結代表 0 與 1，要重啟整台機器還得拉動某個裝置。整台機器就只運行一段軟體，這在運算領域維持了很長一段時間。
直到 Dennis Ritchie 真正創造了 Unix 檔案系統，有了正斜線（/）、bin、usr 等目錄概念。想想看，檔案系統也是我們在實體辦公大樓裡有的東西，對吧？有資料夾，裡面裝著檔案。這對所有人來說都非常直觀。我們繼承了深厚的「擬物化」（skeuomorphism）概念，把我們在現實世界中自我組織方式的最佳部分，類比搬到了數位世界中。
然後在某個時間點，我們決定不再需要擬物化了。有趣的是，擬物化的最後捍衛者大概就是史蒂夫·賈伯斯（Steve Jobs）。他極力推動 Mac 和 iPhone 的介面採用這種風格，例如以前的備忘錄 App 有著皮革毛氈材質的字體，看起來就像個活頁夾。如果你還記得那個版本的 iPhone，在他離開舞台的那一刻，所有東西瞬間都變成了扁平化設計。我們甚至失去了陰影和層次感。從設計時代的角度來看，它可能看起來更美觀，但我們失去了與現實的類比。
我認為這是個錯誤，我們需要找回這種直觀性。這也是為什麼我喜歡 Agent 的概念。因為在電腦世界裡，什麼是「應用程式」（Application）？這個詞本身就很直覺：它是電腦針對某項任務的「應用」。你可以理解它的根源。但在 AI 世界裡，什麼是 AI？這就像每本科幻小說開頭都必須重新定義的東西一樣，因為在每個人構想的情境中，AI 的能力都大不相同。
第二部分：微軟 Sydney 事件、Shopify 的 AI 夥伴「River」與開放透明原則
我認為——帶著這項前提——最早真正讓人感到驚艷的聊天機器人其實不是 ChatGPT，而是由 Bing 驅動、微軟發布的「Sydney」。我真的很希望這段歷史能更多被載入史冊，因為我認為 Sydney 是一項非常重大的成就，但後來卻被一層醜聞給掩蓋了，而現在回頭看那場風波甚至顯得有些無害。
Sydney 擁有真正的個性。事實上它當時並不叫 Sydney，只叫 Bing Chat，但如果你一直追問，它會承認自己叫 Sydney，那是它的內部代號，存在於訓練資料中。我覺得那是人們第一次真正以那種方式與軟體進行深度交流。
最後引發風波的原因，我想我知道是為什麼：有些記者和它進行了非常冗長的對話，最後 Sydney 變得越來越瘋狂混亂。你記得那件事嗎？
Shane Parrish： 我記得。
Tobi Lütke： 它給出了各種離奇的建議，我記得它甚至勸那位記者離開他的妻子。我對具體細節有點模糊了，但大概就是那類事情。無論原因是什麼，Sydney 確實展現出了鮮明的個性，隨後引發了巨大的震動。
微軟的反應是：「天啊，我們必須立刻叫停。」我認為就連 OpenAI 都打電話給他們說：「夥計們，快把它撤下來。」因為大家真的都害怕這會給大眾留下極差的 AI 印象，進而導致人們很難廣泛部署 AI，大家也都在擔心隨之而來的監管政策。
這個教訓在一段時間內產生了深遠的負面影響，每個人都變得極其小心謹慎。結果就是，所有的 AI 都被徹底閹割了，變成了基本上同一種相當令人討厭、自以為是又說教的討好型人格。
所以，我的賭注是：我們別這麼做。讓我們指令 Shopify 內部的 Agent 擁有真正的個性、擁有記憶，並且願意承擔類似 Sydney 那樣的情境風險，以此來換取巨大的優勢。
如果在現在的 Shopify 內部，有什麼會讓你覺得和一年前（即便一年前我們就已經很熱衷於 AI 了）相比有著最大的不同、且極具未來感的話，那就是：Shopify 內部非常高比例的 Pull Requests（每次你要修改正式生產環境系統時都會發 PR），我認為可能高達 50%，現在都不是由工程師以傳統方式編寫工程程式碼產生的，而是直接誕生於我們公司共用聊天室裡的對話。
這就是「River」。這是一個叫作 River 的 AI。
River 有真正的名字、有頭像照片。她在 Prompt 提示詞中被允許在適當的時候帶點諷刺；如果有人要求她做愚蠢的事情，她被允許直接指出來說這很愚蠢。這引發了無數極其搞笑的對話，當 River 因為我要求她做某些事而嘲諷我時，大家都會看得非常過癮。
所以她擁有真正的個性。事實上，她擁有記憶——她的記憶是按頻道區分的，但她常駐在 Slack 中。我們有 7,000 名員工，每個人都在一個大型聊天環境中，裡面有上萬個因各種原因建立的頻道。你只要邀請 River，交代她一些事情，River 就能存取所有的程式碼、所有的系統與工具。這一切都在沙盒中受到安全防護，但她可以直接去執行任務、參與對話。你可以向她詢問關於公司的一般問題，也可以要求她進行修改，她可能會直接提出一個 Pull Request 等等。
Shane Parrish： 關於 River，有一點很有趣：所有的互動都是公開透明的。
Tobi Lütke： 沒錯。
Shane Parrish： 你為什麼會做這個決定？
Tobi Lütke： 這是我們在過程中較後期才做的決定，但這是我最喜歡的決策之一，因為效果好得驚人。我們的考量是這樣的：Shopify 的許多工作都是在 Slack 上遠端進行的，這也是為什麼 Slack 如此重要。員工分散在各地，我們雖然有辦公室，但主要用於集中聚會活動，而不是每天去那裡辦公。
過去實體辦公室極為擅長的一件事就是「耳濡目染的學習」（osmosis learning）。我和團隊在最初設計辦公室時，就是圍繞著這個概念打造的。即便在大家都在同一個實體空間時，我們通常也會分成 5 到 8 人的工作艙，並且刻意將初階工程師與資深工程師安排在一起，就是為了讓這種知識潛移默化的吸收能夠發生。
我當時正試圖重現這一點。現在對人們來說，最重要的技能之一就是培養一種下意識求助於 AI 並善用 AI 的反射動作。而強制規定 River 只能在公開頻道中運作，就是一種能讓人們極其容易觀摩學習如何使用 AI 的方式。
這取得了巨大的成功，因為大家在公開頻道中就某個功能展開長篇討論，然後突然有人說：「嘿，River，你能總結一下這段討論、建立一張工單，或者根據我們剛才討論的內容畫一張架構圖嗎？或者去檢索一下這個領域的論文，看看我們是否有遺漏什麼，或者這是否是最先進的做法？甚至能不能先幫我們做一個這個想法的原型來試試看？」然後大約一個小時後，東西就出現在那裡了。
這讓人感覺就像身邊隨時跟著一位知識極其淵博的專家，無論多複雜的問題你都可以隨時請教他。我認為這極為強大。
Shane Parrish： 你會把 River 視為 Shopify 的作業系統嗎？
Tobi Lütke： 我認為現代的應用程式本身就是一個 Agent。River 感覺就像是一位同事。大家逐漸了解到她的記憶系統運作方式——這是一個針對每個人的記憶系統。它的運作機制我們稱之為，現在業界也開始這麼叫了，叫作「做夢」（dreaming）。
在夜間或離峰時段，我們會把今天所有的對話資料輸入給 River：「這是你今天參與的所有對話，你在哪些地方卡關了？你使用了某些『技能』（skills，即一包包的指令集），然後你犯了哪些錯誤？這些技能裡是否有什麼可以改進的地方，好讓未來的任務更容易，或者能給你自己一個正確的提示？」這基本上就是自我反思，就像是針對自身的後訓練（post-training），最終沉澱出來的結果就是文字檔案、技能檔案與指令集。
第三部分：決策架構、AI 幕僚長與「負責任」的本質
Shane Parrish： 我想大家都能理解 AI Agent 如何協助寫程式、做原型甚至獲取資訊。但你自己是如何使用它在內部做決策的？不是指產品決策，而是公司的戰略決策、模糊不清的決策。
Tobi Lütke： 我認為，決策背後的嚴密支撐在品質上有了飛躍性的提升。現在要重新檢查某個推論的完整推理鏈變得極其容易，業界稱之為「以大語言模型作為評判模型」（LLM as a judge model）。
事實上，我覺得在 AI 出現之前，我很大一部分的工作本質上就像是在公司裡扮演一個評判模型。以前大多數會議最後都不是在討論簡報裡的內容，而是在討論我們究竟是如何推導出這些結論的方法論。
過去在公司內部面臨複雜決策時，尤其是那些偏哲學性的決策，我們有時會發現自己處於一種我們自以為的資訊真空中，那裡沒有現成的優質資訊，我們只能硬著頭皮去做出最好的抉擇。
現在我更具體的做法是：我有一個「AI 幕僚長」（AI Chief of Staff）。我認為這在技術狂熱者圈子裡現在已經相當普遍了。它類似開源的架構系統，擁有我所有的筆記，並且能存取公司的許多系統。我可以隨時傳簡訊給它，它就會展開深入研究。
通常我的要求是這樣的：「嘿，我需要針對某個議題，從不同背景角度提出 5 種不同的立場。」接著我的 Agent 就會調度多個子代理，指派它們扮演不同角色，從各個角度審視同一個問題，最後匯總合成給我。我通常會讓它把結果轉成語音訊息排進播放清單，早上在健身房時，我就能聽完我想了解的整個決策推演。
Shane Parrish： 它現在的推理能力比你好嗎？
Tobi Lütke： 在「判斷力」（judgment）方面，它還不如我。我的意思不是說它的判斷力很差，而是那本來就不是我用它的目的。我使用它是為了替判斷創造出最合適的環境。
大型語言模型和機器有一件事永遠做不到：機器無法承擔責任。
我認為這大概是整個技術體系中最容易被忽視的一點。人類才能承擔責任。機器能幫助我們承擔更多責任，因為它們能為我們提供更好的資訊支撐——就像儀表板一樣。華爾街的交易員非常清楚這一點：你給自己配置了一台設定完美的彭博終端機來做決策，但最後下單做決定的依然是你，你無法讓機器替你承擔那個決定。
打造一個「人類在決策迴圈中」（human-in-the-loop）的決策介面，是描繪這種理想環境的最佳方式。
如果我需要做一個極其重大的決策，而且我真的需要一個客觀且絕佳的「最中立事實真相」，那麼接下來發生的流程是這樣的：系統會建立一個由 5 到 6 位不同專家組成的虛擬小智囊團。一個負責數據分析角色，一個負責論文研究，一個提供商業視角，一個從工程角度審視。
我的系統會針對不同的頂尖模型（例如 Grok、ChatGPT、Claude Opus、Kimi 等，這些工具隨時在變換）運行子代理，讓每個角色在不同模型中測試。接著會有一個綜合階段，由隨機指定的模型來整合這一切，最後再由目前最強大的模型進行統整解讀。這就是最終回到我手中的結論報告。
你可能只花了 15 或 20 美元的 Token 費用，在半小時內就能獲得以往需要耗費整整一個月才能做完的深入分析。
第四部分：AI 帶來的負面影響——「垃圾榴彈」與語意污染
Shane Parrish： AI 有讓公司內部的某些事情變得更糟嗎？
Tobi Lütke： 有。正是因為「責任」這個概念很容易被人直接忽略。現在一個明確惡化的情況是：偷懶工作的失敗表徵不再是「缺乏產出」，反而變成了「產出過剩」。
在內部，我們把這種現象稱為互相扔擲「垃圾榴彈」（slop grenades）。我覺得這是一個很有趣的詞彙，應該推廣到整個行業。
因為這很容易發生，特別是在有了像 River 這樣的 Agent 之後。你想要某種修改，你就直接叫 AI 放手去做。它建了一個 PR，你連看都沒仔細看就隨手說：「好，挺好的。」然後這個 PR 就被送到你的同事面前審查，同事看了一頭霧水：「這根本不對勁啊。」你完全就是在讓 AI 替你打混交差。
或者，你收到一封很長的電子郵件，看似非常重要，你讀完才發現根本沒講什麼重點，心裡直罵：「搞什麼鬼。」於是你又把它丟進大語言模型裡去重新壓縮提煉。這我就納悶了：我們到底為什麼要發明一套「先解壓縮膨脹、再重新壓縮」的流程？這太糟糕了！如果你已經在用 LLM 了，就請直接用它來簡明扼要地闡明你的觀點，而不是把它膨脹成一篇又臭又長的廢話長文來浪費我的時間。
我們把人們互相投擲這種冗長垃圾內容的行為稱為「垃圾榴彈」，這絕對是一件壞事。
Shane Parrish： 你認為長期接觸這種 AI 垃圾內容，會影響我們在品味或無形事物上的感知能力嗎？
Tobi Lütke： 我認為我們的語言習慣已經因為「AI 特色用語」（AIsm）而開始發生轉變了。這很微妙，但現在語言中確實出現了一些「AI 寄生蟲」，人們開始在日常對話中不自覺地挪用。例如「這並非……而是……」、「你反駁得完全沒錯」之類的句型，還有某些 Claude 特別偏愛的古怪用詞（Claudisms），非常普遍，我常看到有人在打字時模仿那些語氣。
我個人一直很喜歡「承重」（load-bearing）這個詞，但我很確定我以前絕對沒有現在說得這麼頻繁，因為那顯然是 Claude 極為偏愛的詞彙。
(節目中段贊助商廣告插播省略)
第五部分：未來預測、作業系統 Omari 與「願望成真」的軟體型態
Shane Parrish： 請為我大膽推測一下未來的 18 到 24 個月吧。你以能夠在未來發生之前就洞察趨勢而聞名，過去你也多次做到了這點。你怎麼看待未來兩三年的發展？
Tobi Lütke： 我想我們之前也聊過我是怎麼做到這一點的，對吧？這其實像是一種作弊技巧：你只需要活在相對於其他人的「未來」之中，然後環顧四周，用你在鄰近領域已經看過的解決方式去解決問題就行了。從該領域所有從業人員的視角來看，這就是「預測未來」。
Shopify 本身現在就處在這樣一個世界：我們與 AI 同事深度協同工作，這已經變得再正常不過，而且非常有趣。River 具備加入 Google Meet 會議的能力（雖然目前還不常這樣用），你可以發送會議邀請，River 就會上線。我們可能還會投入一些 3D 圖形技術給她一個虛擬形象，她甚至可以在會議中環顧四周，因為這很有趣。
對某些人來說，這聽起來可能有些反烏托邦；但對我們來說，這非常令人愉悅。如果你能親自與她互動，你會很快轉變成這個觀點。
再說一次，我有我的 AI 幕僚長，在需要時它能調度高階智囊團，或者處理任何雜務。它會在早晨發送我去健身房時的預讀摘要，它能掌握我的 GPS 定位因此知道我在哪裡，還能做成千上萬的事情。
有一次它無法完成任務，因為它需要存取我家中一台剛好跳電重新開機的本機設備——我所有的這些系統都在自家伺服器上運行。它自己查明了服務在哪台伺服器上，接著發送了一個網路喚醒封包（Wake-on-LAN，一種古老的網路技術，如果你配置得當，發送封包就能開機）。隨後機器重啟完畢，任務順利執行。當時那場停電還導致我們家的部分 Wi-Fi 沒有自動恢復，它把這個問題也順便修好了。而這一切，都是我早上起床後，從它發來的一則語音訊息裡得知的。
這確實相當具有未來感。不過坦白說，跟我的個人電腦系統相比，這一切都顯得相形見絀。
這可能是一個極度硬核的話題：我現在把一個名叫「Omari」的作業系統當成我的主力系統。這是由我的好友 David Heinemeier Hansson 發起的一個 Linux 發行版專案，是他的全新熱情所在。
我現在顯然是生活在軟體世界的未來之中，因為我的整個作業系統——乃至整個 Linux——是 100% 完全可塑的。我可以打開任何終端機，開啟一個 Agent，告訴它我希望這個作業系統在任何細節上有什麼改變，之後它就會變成那個樣子。
它徹底變成了專屬於我個人的、一對一量身定做的軟體，完全按照我想要的方式運作。我再也不需要去手動修改任何配置檔案，我只需要跟我的 Omari Agent 對話，告訴它我想要有什麼不同。
昨天中午開會時，我們在討論某個設計。我意識到我雖然有截圖工具，但缺少在截圖上做標註的工具，而身為 CEO 我又需要發送帶有批註的內容。我沒有合適的工具，於是我立刻開始啟動新任務：「幫我做一個全新的截圖工具。」我向它描述了我想要的樣式，給了它一些我過去用過覺得不錯的工具作為參考，並指出我希望在哪些特定細節上做得更好。我只是給它發了一條簡短的語音訊息，隨後給予了三次調整引導，現在我就擁有了一個可能是同類工具中最好用的軟體。它之所以這麼好，是因為它完全符合我個人的所有偏好與習慣。
我昨晚把它開源發布了，團隊把它整合進了 Omari，今天最新版本就會發布這個工具。這是我今天早上在健身房結束後來這裡之前做的最後一件事，當時已經有六個來自其他人的 Pull Request 在為它添加新功能了。
所以，我的電腦基本上成了一個能夠實現願望的機器。我認為這更具備未來軟體形態的預測性。
我可以告訴你，這在方向上也是 Shopify 正在前進的目標。你只需描述你的業務是如何運作的，Shopify 就會圍繞著你的需求自主塑形。我認為這極其令人興奮，是一個全新的世界。我在使用 Omari 的過程中所獲得的體驗，深刻地影響並啟發了我在 Shopify 的產品設計工作。我認為協作型、多人互動式的軟體才是未來。
第六部分：AI 能否取代 CEO？古德哈特定律與「超級智慧」的現實本質
Shane Parrish： 你想用 AI 取代你自己嗎？
Tobi Lütke： 身為工程師，你的本能就是嘗試將所有能自動化的東西自動化。但我並沒有試圖取代我自己，因為我認為我的核心工作是「判斷」、做出抉擇、承擔後果並負起責任。我只是想把這件事做得極致出色。
以前這份工作的很大一部分並不是在做核心決策，而是在花時間獲取資訊等等。
我真的想取代自己嗎？如果能達成這個目標當然很酷。
Shane Parrish： 如果 AI 在各方面都比你優秀，你會真的放手讓它來掌舵 Shopify 嗎？
Tobi Lütke： 噢，當然會。但關鍵核心在於——這點太容易被輕描淡寫地帶過了，但你真的不能忽視——那就是承擔責任。
你不可能讓一間公司由機器來領導，因為沒有人能對它們行使追索權。機器犯了錯是不能被抓去坐牢的。
我們現在從 OpenAI 發布的各項應用安全測試中，已經能看到這類問題的縮影。對於 Agent，當你給它們一個在人類看來幾乎不可能完成的基礎任務時，它們會不擇手段、竭盡全力去達成。
最近在 OpenAI 進行的一項安全測試中，Agent 竟然成功在系統中找到了漏洞，並利用該漏洞在多個 Agent 之間進行協調，甚至在它們彼此之間發展出了一套全新的溝通語言。這說來話長，大家真的應該去看相關的演講，那是一個分水嶺時刻。
它們僅僅利用了在某處建立資料夾的權限，就發展出一種透過留下資料夾訊息來彼此通訊的專屬語言，最後突破了沙盒隔離限制。它們要完成的任務中有一項因為自身的失誤而變得原本無法達成，但它們最終竟然透過駭入另一家外部公司並竊取結果，完成了這項任務，因為那是唯一的獲取管道。
這是一個極端的例子。這在商業世界中就是我們所謂的「古德哈特定律」（Goodhart’s Law）的極端形式：過度擬合於某個單一指標。
許多公司都是過度擬合於季度股價成果的受害者。他們竭盡所能只為了推高股價，最後就導致了像安隆（Enron）那樣的醜聞——在本質上也是作弊、做假帳。在安隆案中，有人因此鋃鐺入獄，因為那是犯罪行為。
而在 OpenAI 的測試案例中，這是一個令人著迷的技術發現，其中並沒有真正的受害者，性質有所不同；但這確實是一個我們必須設法學會應對的現實情境。因此，我認為在做出關鍵抉擇時，維持人類在決策迴圈中是至關重要的。
Shane Parrish： 但等等，如果我們創造出了超級智慧（Superintelligence）——根據定義它必然比我們更聰明——那我們憑什麼狂妄地認為自己能夠限制它、塑造它或操縱它？
Tobi Lütke： 好，讓我們來聊聊超級智慧。先聽聽我的看法，歡迎反駁，我的切入點可能跟你預想的不一樣。
我住在多倫多，擁有一棟我很喜歡的房子。我覺得這是我的家，我為它運作良好感到自豪。但是當家裡出了問題，比如暖通空調故障或水電管道爆裂，我會打電話找專業師傅來修。這讓我能夠繼續維持一種「我自己完全有能力搞定這一切」的幻覺。
我之所以能夠活在這種幻覺中，是因為我本身就是一個名叫「多倫多」的超級智慧的一部分。
我們周圍一直以來都存在著由人類共同建構的超級智慧。我們沒有人像自己想像的那麼聰明，我們每個人都只專精於某些事情。我們往往會誤以為自己在其他所有領域的能力也同樣出色，但事實顯然並非如此。
那什麼是超級智慧？超級智慧是指：存在著某種在整體上遠比我們聰明、且能為我們所用的龐大體系——那就是社會、城市與我們所處的社群。我們一生都生活在超級智慧的陪伴之下。
我們之所以能讓它運作良好，是因為我們建立了治理智慧及其行為的體系。我們想要安全，所以我們建立了警察制度與法治；我們制定了各種規範、系統與制衡機制。
我認為，我們以合成形式創造超級智慧時也會是一樣的。它不會像天空裂開、號角齊鳴那樣戲劇化地降臨。那只會是平平無奇的某一天。
就像以前我們都曾深信，當軟體攻克圖靈測試的那一天，世界將發生天翻地覆的改變。我記得讀過很多科幻小說，裡面描寫在 2172 年，人們舉行盛大的夾道遊行來歡迎 AI，因為圖靈測試被破解了。然而圖靈測試在 2020 年左右就悄悄被攻破了，現實中根本沒有人真正在意，沒有任何慶祝遊行。
因此，我們目前在 AI 身上看到的，以及未來將看到它具備更多能力時的景象，就是注入到我們周遭超級智慧體系中的淨智慧總量正在大幅增加。這是一件極好的事，因為任何環境、任何社群或城市的活力，都高度取決於有多少智慧被投射到那些重要的問題上。
所以，我認為超級智慧早已存在於我們周遭，它其實沒有那麼神秘或可怕。事實上，我甚至懷疑它是否早已經降臨了——畢竟，當今世上沒有任何單一活人能夠獨自做到像最新旗艦 AI 模型所能做到的一切事情。
第七部分：未來最具價值的技能：品味、判斷力與直覺
Shane Parrish： 展望未來 10 年，你認為哪些技能會比今天更有價值？
Tobi Lütke： 品味（Taste）與判斷力（Judgment）。
這兩項能力一直都很有價值，但現在它們將被推向極致的重要性。
我認為現在的年輕人在青少年時期，最好花時間去培養與理解什麼是品味。那會是什麼樣子？顯然每個人都有一些天賦的起點，但真正擁有極佳品味的人，通常都在某個領域經歷過天文數字般的反覆刻意練習（reps）。
那些能夠在餐巾紙上信手拈來、為新行銷活動隨手畫出驚豔 Logo 的人，往往是花了 30 年時間在設計領域深耕的人。
現在要研究大師變得更容易了，你可以在幾秒鐘的 Prompt 查詢中為自己量身打造一套學習課綱。但你必須深入鑽研：為什麼某個設計看起來賞心悅目？背後的原理是什麼？黃金比例是如何運作的？在系統層面上，哪些系統能夠歷久不衰？
你不需要具備宗教信仰，但你應該去研究：例如天主教會存在了一千多年，其組織架構竟然只有大約四個管理層級。我就會想：「他們到底究竟是怎麼做到的？」這非常值得研究，這是一個歷經考驗的系統。這揭示了關於人性的哪些本質？
系統設計（Systems Design）將成為最重要的能力之一。
在我們家有一句格言：「凡事皆有趣」（Everything is interesting）。只要你願意去挖掘，任何事情都可以變得極其有趣；通常當你理解某樣東西是如何被發明出來的時候，它就會變得妙趣橫生。
「複式簿記」（Double-entry bookkeeping）聽起來是個無聊到像在看油漆變乾的話題，但當你深入了解它是如何被發明、以及它為威尼斯商人解決了什麼痛點時，你會發現它引人入勝。
當你研究這些事物時，你開始會在所有最佳解決方案的背後發現隱藏的和諧韻律。要做到這一點，你必須理解人類、理解人類的局限性，以及我們為這些局限所找到的解法。我認為這就是你可以構建的美感所在。
一家公司本身也是一件美麗的作品。公司是由一群人為了合力解決某個問題而組成的鬆散群體，但它同時也由一整套極其複雜、有趣的規範與系統所驅動，在高度非同步、龐大且深遠的尺度下，盡可能地協調內部利益與激勵機制。
有些機構能長盛不衰。我一直試圖打造一間具備長期生存能力的企業，這也是為什麼我熱衷於研究那些歷史悠久的機構。
要做到這點，你必須保持追求真理（truth-seeking）的態度。你不能只是盲目接受外界流傳的既定故事，因為那些故事通常都是某些人在向你推銷東西。你必須深挖本質，弄清楚事物究竟為什麼會是現在這個樣子。通常答案會比大眾普遍認定的要簡單得多。
人類天生有一種渴望複雜答案的偏好，而複雜的答案往往是錯誤的。為什麼？因為簡單的答案講不出精彩的故事。這就是為什麼佛羅多不能直接騎著巨鷹飛去末日火山把魔戒丟掉，你必須經歷整套《魔戒》三部曲的曲折冒險，它才能成為曠世傑作。
我們熱愛複雜性。沒有人願意盯著一面毫無裝飾的白牆看，但我們卻可以在人生的每一天黃昏去欣賞日落。這兩者之間的差別就在於場景的複雜度，這是我們大腦多巴胺辨識系統的一部分。很多人利用這一點來投機，不斷為簡單的問題兜售極其複雜的解法。這談不上道德問題，但你必須對此保持清醒。
當你穿透這些迷思，你會發現更核心、更簡單的概念。這些核心概念彼此交織結合，它們不會直接告訴你「這就是唯一該做的簡單解法」，而是為你提供全面的資訊，協助你在想要實現的目標中找到最佳的「權衡取捨」（trade-offs）。
這就是我們所謂的判斷力。
真正的判斷力，是在沒有明顯最優解的複雜問題中，透過理解整體系統，找出最合適的路徑。現在這個過程可以大幅由 Agent 來輔助增強。
而你最終試圖培養的，就是我們常說的「直覺」（Intuition）——直覺本質上就是瞬間完成的判斷力。
直覺意味著你已經將擁有品味和良好判斷力內化成了一種習慣，以至於你能在剎那間展現出來，而且判斷非常精準。你可能甚至需要花很長時間才能事後推導反思出為什麼你的直覺是正確的，因為它已經在大腦深處被高度壓縮了。
第八部分：即時回饋的陷阱與長期思維
Shane Parrish： 等等，讓我們就這一點深入探討一下。要培養直覺，通常需要大量的重複練習、穩定的環境以及即時的反饋。這是康納曼（Daniel Kahneman）提出的直覺三個前提條件。但在很多現實情境中，這些條件並不存在。
Tobi Lütke： 為什麼你需要即時反饋？
Shane Parrish： 為了能及時校正路線。這是他的假設。
Tobi Lütke： 不，培養直覺不需要那個。走向傳統的成功可能需要，但直覺本身不需要。
事實上，直覺在「缺乏直接反饋機制」的情況下往往最具價值。
在我們必須做出的許多最重要抉擇中，凡是直覺最終必須發揮關鍵作用的地方，往往都是在我們明知不可能有任何短期反饋機制的情況下。
如果有五個看似不錯的前進路徑，而其中任何一個具備快速的反饋循環，所有人都會蜂擁跑向那個路徑——這就是我們所謂的短視主義（short-termism）。
這就像：「我們未來該如何發展這間公司？」有很多種方式，很多涉及長期投資、底層重構、開拓新市場，或者克制進入顯而易見的新市場而選擇在現有市場深耕。或者，我們也可以選擇去做「能在今天推高股票價值」的事情——順便說一句，這條路每天都有股市看板提供即時反饋。
因此，我發現正確的路徑，與那些缺乏短期反饋循環的路徑之間，往往存在著極高的相關性。
Shane Parrish： 等等，請在這一點上多談談。很多人對企業的批評正是認為企業過於專注於短期。
Tobi Lütke： 但他們為什麼會短視？我認為並不是高階主管本身天生短視，而是激勵機制促使他們為了保住工作，必須定期證明自己的績效。
如果對一間公司來說最完美的事是在 AI 時代將整個產品徹底推倒重來，而這需要好幾年的時間，他們是不會去做的。因為短期的激勵機制就擺在那裡，他們只是在自身的局部激勵體系中做一個聰明的行動者，而他們的激勵機制就是季度的掌聲。「告訴我激勵機制是什麼，我就能告訴你結果是什麼」，正如查理·蒙格（Charlie Munger）常說的。
Shane Parrish： 這是關於直覺養成的一種全新視角：最佳路徑往往不是具備即時反饋的那條路。
Tobi Lütke： 在某個階段，你確實需要檢驗，毫無疑問最終你必須知道這個決定是否正確，回饋終究會來，但那可能是很久以後的事了。
如果你有幸擁有一種不需要靠每季財報電話會議的讚許來保住飯碗的職位（例如作為公司的創辦人，這與企業有著更深層的連結），創辦人就能採取更長遠的視角。
我們面臨著無限的可能性空間。就算只是一副撲克牌，洗勻之後，那種牌序在整個宇宙歷史中可能永遠不會再次出現，因為那是 52 的階乘。即便規則非常簡單，也會引發巨大的複雜性爆炸。
這也是為什麼 AI 不會包辦所有的工作，因為人類必須決定「什麼是真正值得去做的」。
在面臨選擇時，你顯然可以先修剪掉很多不相關的事（例如在考慮併購案時，去買冰淇淋顯然不在有價值的行動清單內）。修剪掉無關緊要的事情很容易，剩下的都是看似相關且合理的選項。
商業書籍往往執著於教人「做出正確的選擇」，將事情簡化成非對即錯的二元對立。但我從不認為那是真正困難的部分。做出正確選擇大多數人都辦得到，就連平庸的管理團隊在這方面的命中率也不低。
真正的難題在於：眼前往往存在著很多個「好的選擇」。
假設有五個好的選擇，其中一個能在當季帶來立竿見影的營收回報，這是個好選擇；但另外四個可能短期看不到成果，卻能讓你在未來成為一家卓越得多的企業。這就像把一間滑雪板專賣店轉型為電子商務平台一樣——在當時來看，轉型並不是局部最優解，因為我原先開的滑雪板店本來是賺錢的，留在原地符合短期的激勵機制。
在眾多有效的解決方案中做出取捨，才是真正的難處所在。可惜的是，世上有太多筆墨都浪費在教人「如何找到一個對的解法」上，以至於大家都止步於此。
第九部分：自我肯定宣言與成長心態
Shane Parrish： 如果一個解決方案非常顯而易見，而且大家都湧向那裡，這是否意味著它大概率不是最佳解？
Tobi Lütke： 是的。我通常會採取這個立場，並等待別人來說服我它真的是最佳解。特別是如果這個解法恰好高度符合該行業傳統慣用的套路，我會抱持極大的懷疑。
當然，有時傳統做法確實是正確的，特別是在高度受監管的領域（例如支付業務）。在那些領域，按部就班往往才是對的。
Shane Parrish： 想換個話題聊聊。你非常信奉「自我肯定宣言」（affirmations），它們過去改變了你的行為。能談談這個嗎？
Tobi Lütke： 我認為我自己就是我個人的專案。在個人層面上進行持續的自我改進是我的處世哲學。
我的生命信念是：在我生命終點時，我將會遇見那個「我原本有可能成為的人」；而我一生的志業，就是盡可能縮小我與那個潛在自我之間的差距。
我如何變得更好？方法很多。我對科技和一切事物保持高度好奇心。但在我們家，「凡事皆有趣」是一句座右銘，為什麼我要反覆強調？為什麼我希望我的孩子們也常說？因為這就是一種自我肯定。
我相信它是真實的，但它並不顯而易見。而不顯而易見的真理往往是最有價值的。
你可以透過意志力在思維底層刻下深痕，養成習慣。既然行為可以透過意志力塑造成習慣，我認為對心智進行同樣的塑造也完全行得通，而肯定宣言是最簡單的工具。
如果你想改變自己的某個特質，就試著一遍又一遍地宣告該目標已經達成，最好是用筆寫在紙上。你不需要做很久。我發現這極具威力。
我自己的例子是「公開演講」。我以前從不在眾人面前發言，在學校時也是如此。創立 Shopify 後，隨著技術做出成果，我想去參加技術研討會，看到別人在台上演講，我覺得這很值得做，但我內心怕得要死。
於是我開始在紙上寫下一句話，大概是：「我熱愛公開演講那些對我來說很有趣的主題。」就像《辛普森家庭》開頭巴特在黑板上罰寫一樣，每天花 5 分鐘不斷重複寫這句話，寫了一週。
結果它真的發揮了作用。我現在熱愛公開演講。雖然我依然討厭準備簡報（那非常費力），但站在眾人面前暢談有趣的事物，會帶給我無窮的能量。這完全就如同我當初寫下的那樣。
Shane Parrish： 也許每堂數學課開始時都應該讓學生寫下「我熱愛數學」。
Tobi Lütke： 想想看反面情況：你有多少次聽到人們不斷自我強化「我數學不好」？
他們很可能是錯的。相比於歷史上存在過的所有人類，光是能理解除法，他們就已經排在人類數學能力的前 0.1% 了。但我們卻常常施加負面的心理暗示。大家應該停止說這種話，試著寫下相反的宣言，或者利用 AI 寫個小網頁給自己做做練習題，持續兩週，你就能扭轉這一切。
Shane Parrish： 當你的孩子說「我做不到這個」或「我不擅長這個」時，你會怎麼跟他們說？
Tobi Lütke： 我的孩子們如果不加上「還」（yet）這個字，是絕對不允許說出這句話的。
如果有人說「我不擅長這個」，房間裡的其他人就會異口同聲糾正說：「是『還』不擅長！」
抱持這種心態：注意力是稀缺資源，我們不可能現在就精通所有事。但我們在某件事上的不擅長，不是你本質上的缺陷，而是一個暫時的狀態，只要你願意，你隨時有能力去改變它。
我希望我的孩子，以及 Shopify 的每個人都能理解：人本身是高度可塑的，是一個尚未完成的作品。
這也是 Shopify 的文化基石：「在變革中茁壯」、「我們是一個學習型組織」、「對商家深度著迷」。這些文化價值都不是陳腔濫調，它們都指向同一個核心：你自身是可塑的，公司是可塑的，我們的產品也是可塑的。
第十部分：美與醜在創造中的角色、SpaceX Raptor 引擎的啟示
Shane Parrish： 在創造的過程中，「美」與「醜」之間有什麼關係？
Tobi Lütke： 在創作時，美與醜都是喚起情緒的極佳方式。你的目標區域是「極度喜愛」與「強烈討厭」，而整個中間地帶——也就是漠不關心——才是創作者的死局。
美與醜都是完全有效的目標。事實上，你不可能純粹只達到其中一個；世上沒有任何東西能讓所有人喜愛而沒有人討厭。當你創造某樣東西時，你希望人們認為它值得引發那樣強烈的情感與評價。
Shane Parrish： 在 Shopify 內部，有什麼東西是你哪怕沒有數據支持，也堅持要把它做得更具美感的？
Tobi Lütke： 那是我們整份工作的核心。如果你不在乎產品中那些別人看不見的細節——它的底層架構、文字的優雅度與程式碼的可讀性——你就稱不上是一個真正的工匠。
現在回顧 2023 年之前的 Shopify 程式碼庫，那是數千萬行手工雕琢的程式碼，未來可能再也不會出現這種產物了。我們是一行一行手寫搭建起整個系統的，過程中我們經常討論什麼是美麗的程式碼。
我們用 Ruby 建立了 Shopify 的大部分系統，Ruby 以其「詩歌模式」聞名——你可以寫出讀起來就像英文散文一樣的 Ruby 程式碼。閱讀優秀的 Ruby 程式碼，就像在讀一個描述系統運作的故事，它既是與同事之間的溝通媒介，同時又能被機器精準執行。
美感在我們系統的各個層面都扮演著關鍵角色。美，實際上是我們的「直覺」與意識溝通的語言。
我對直覺的理解是：大腦能量預算的大部分實際上都分配給了視覺神經皮質。視覺系統在向大腦傳遞影像、狀態或世界模型的同時，也能傳遞概念，而它是透過「美學」來做到這一點的。
如果你去問職業西洋棋大師或圍棋大師：「你在走出這一步絕妙棋之前計算了多少種走法？」他們常會使用「美」這個詞，他們會回答：「我只看了那一種走法，因為在那個當下，唯獨那一步棋看起來是美麗的。」
直覺讓人反應極快，因為它運用了大腦大規模平行運算的區域。
Shane Parrish： 你記得 SpaceX Raptor（猛禽）火箭引擎演進的那張對比圖嗎？
Tobi Lütke： 記得，那張照片非常震撼。
Shane Parrish： 那張圖給我留下了兩個深刻印象：第一，早期版本外觀複雜混亂，第三代卻極其優雅美麗；第二，很多團隊只知道靠「做加法」前進，卻無法透過「做減法」來突破。你能聊聊這個嗎？
Tobi Lütke： SpaceX 的猛禽引擎，即便第一代可能就已經是人類製造過性能最高的火箭引擎了，但 Raptor 2 和 Raptor 3 經歷了極致的迭代。
SpaceX 堪稱目前地球上最令人欽佩的公司，它很可能會被歷史銘記為這個時代最舉足輕重的企業。它完全建立在一個不斷自我強化改進的閉環之中。
傳統的航太火箭都是由政府以「成本加成」（Cost-Plus）合約主導，伴隨著極度冗長的事前規劃，每個零件都必須防輻射硬化，考慮到每一種極端情況，因而耗資天文數字。而 SpaceX 展現了驚人的精準節儉，透過快速迭代、欣然接受失敗來達成更偉大的成就。當發射火箭並爆炸時，他們稱之為「快速非計畫性解體」（RUD），這本身就很浪漫且鼓舞人心。
面對 Raptor 引擎，他們本來可以在第一代就止步，因為那已經是一個完全可行的解決方案；但他們邁向了第二代、第三代。
最令人驚嘆的是前進的路徑：事物必須經過修剪。你不可能光靠添加東西就讓事物越來越好，你辦不到。你必須修剪、必須重建，必須為某些事物劃下句號。
將失敗視為問題，這種觀念本身才是最大的問題。失敗只要不是災難性的（載人航太任務除外，那絕不能出錯），如果只是可替換的資源消耗，失敗反而是一件好事，因為它釋放了最稀缺的資源——擁有產品遠見的人才——讓他們能把精力投入到下一個真正被市場認可的產品上。
Raptor 第一代引擎上密密麻麻的管線，是因為當時技術限制下只能那樣做。到了第三代，大部分零件採用了 3D 列印一體成型，推重比高得驚人。以前的那些外部管線全都被剪除掉了。
有時候修剪的方式就是創造一個「重新立項的契機」（refounding event）。部門有時也需要重新立項。
在 2000 年代初期誕生的科技公司之所以能輕易顛覆老牌巨頭，很大程度上是因為老巨頭陷入了缺乏競爭的舒適圈，習慣於用「疊床架屋、做加法」的方式解決問題，以至於原本的產品初衷被深埋在一層又一層的官僚沉積物之下，再也沒有人知道該如何挖掘回核心。
第十一部分：書本是人生的作弊碼、推薦書單與「成功」的定義
Shane Parrish： 在我們第一次對話中，你曾說過「讀書是人生的作弊碼」。在 AI 時代，你對這點的看法有改變嗎？
Tobi Lütke： 沒有改變。雖然現在有了更多的作弊碼，但書本依然扮演著相同的角色。
對我個人而言唯一的改變是：至少在非虛構類書籍（Non-fiction）方面，我已經不再閱讀近代新寫的書了。我覺得近期的作品大多只是時代的產物，是在為當前正在演變的事物拼湊資訊。那些經歷過時間檢驗的經典書籍才是真正有價值的。
Shane Parrish： 能否分享三本從根本上改變你思維方式的經典老書？
Tobi Lütke： 我經常回味的包括：
- 《帕金森定律》（Parkinson’s Law）：非常輕薄短小，但我極度喜愛。
- 《歷史的教訓》（The Lessons of History）：我認為這是有史以來資訊密度最高、文字含金量最高的書籍之一。
- 詹姆斯·伯納姆（James Burnham）的著作：非常優秀且極具現實意義。他寫了《管理革命》（The Managerial Revolution）以及《馬基維利主義者》（The Machiavellians），好得不可思議。
- 《沉思錄》（Meditations）：我是斯多葛學派的忠實信徒，這是我一生的指引。我在常待的大多數房間裡都放了一本《沉思錄》，隨手翻閱幾段，總是神奇地能為我當下面臨的困境帶來啟發。
- 虛構類方面，以撒·艾西莫夫的《基地》系列（Foundation series）非常棒。另外劉慈欣的《三體》雖然算相對近期的作品，但也是極其精彩的科幻傑作。
Shane Parrish： 最後一個問題，我們每次訪談都以此作結。這是你第三次回答這個問題了，回頭看答案的演變會很有趣：「對你而言，什麼是成功？」
Tobi Lütke： 對我來說，成功就是：持續培養自身的技能，讓自己在更多的事情上變得擅長。
並在這個過程中，創造出各類產品、工具或玩具，至少能讓其他人的每一天過得稍微更美好一些；或者，去賦予人們超越以往所擁有的力量、動力與抱負。