Shopify 執行長點名「AI 垃圾手榴彈」！Tobi Lütke 專訪深度解密：偷懶定義徹底反轉、PR 審查地獄與「機器負不了責」的職場真相

「以前一個人偷懶，你看得出來，因為他產出太少；現在剛好倒過來，你看得出來的反而是他產出『太多』。

他叫 AI 放手去做，AI 開出一份修改申請，他看都沒看就說可以。接著這份東西落到同事桌上，由同事逐行審查、找出哪裡不對。他省下來的那幾分鐘，變成了同事幾小時的審查時間。我們內部把這種東西叫做**『AI 垃圾手榴彈（Slop Grenade）』**。

機器負不了責。那是整套 AI 裡頭最容易被略過的一件事——公司不可能由機器領導，因為出事了找不到可以追究的人，機器也不會去坐牢。」
—— 托比·呂特克（Tobi Lütke），Shopify 創辦人兼執行長，於播客《The Knowledge Project》（2026 年 9 月）

在當今全球科技圈，Shopify 絕對稱得上是將生成式 AI 與 AI Agent 應用到極致的先鋒部隊。

不久前，Shopify 才剛剛拋出一記重磅炸彈：他們依靠由少數工程師主導的 AI Coding Agent，僅耗時短短 12 週，就將擁有數億用戶的旗艦級應用 Shop App 從長年深耕的 React Native 徹底翻新為純原生 Swift 與 Kotlin 架構，讓 Android 端冷啟動提速 50%、崩潰率暴降 90%。在矽谷，Shopify 被視為「AI 原生企業」的教科書級典範。

然而，2026 年 9 月，Shopify 創辦人兼執行長 托比·呂特克（Tobi Lütke） 作客知名思想播客《The Knowledge Project》，在接受主持人 謝恩·帕里許（Shane Parrish） 的深度專訪時，卻意外揭開了繁榮背後的暗黑真相。

當主持人拋出一個逆向提問：「AI 到底有沒有讓你們公司內部的任何一件事變糟？」

呂特克沒有外交辭令式的閃爍其詞，而是直截了當地給出了一個震撼業界的全新詞彙——「AI 垃圾手榴彈（Slop Grenade）」。

呂特克指出，在全面導入 AI 之後，職場上「偷懶」的定義已經徹底顛覆；更可怕的是，組織內部最重要的「責任機制（Accountability）」正被無情跳過。

本文將帶您深入這場轟動矽谷的深度訪談，拆解 Shopify 這家世界級科技巨頭在推動內部 50% 系統改動由 AI 操刀的同時，如何直面這場由「垃圾手榴彈」引發的職場認知危機。

快速核心精華（TL;DR）

1. 50% 代碼來自 AI 對話：Shopify 內部系統的 Pull Request（修改申請），已有近半數是由員工在公共聊天室與 AI Agent（代號 River）對話直接生成；傳統手寫代碼的比例急遽縮減，僅剩極限架構、狀態管理與代碼審查仍由人類把關。
2. 偷懶定義的歷史性反轉：工業時代與古典數位時代，「偷懶」的特徵是產出太少、交不出東西；但在 AI 時代，「偷懶」的標誌反而是產出爆量、把未經消化的大量 AI 垃圾丟給他人。
3. 何謂「AI 垃圾手榴彈（Slop Grenade）」：員工用簡單指令讓 AI 生成複雜代碼或長篇文件，自己看都不看、想都不想就直接轉發出去；自己省下 5 分鐘，卻逼同事耗費數小時抓錯、除錯與肉身過濾。
4. 兩大典型災難現場：
   • 代碼審查地獄（The PR Review Trap）：讓 AI 寫完代碼直接開 PR，自己當橡皮圖章，把架構漏洞與幻覺 Bug 當皮球踢給 Code Reviewer。
   • 「解壓縮與再壓縮」的郵件死循環：發信者用 LLM 把 1 句話膨脹成 5 大段空洞公文；收信者頭痛不已，只好把信件再餵進 LLM 壓縮回 1 句話。呂特克痛批：「我們到底是為什麼要發明解壓縮跟再壓縮？」
5. 公開師徒工坊（Lehrwerkstatt）：Shopify 強制禁止與內部 AI 進行私聊（No Private DMs），所有互動必須在公開 Slack 頻道進行，藉由群體智慧觀察與監督，讓 River 的 PR 合併成功率在兩個月內從 36% 狂飆至 77%。
6. 底層真理：機器負不了責，出事也不會去坐牢：公司永遠不可能由機器治理或無條件代勞，因為出問題時算法沒有追索權。當生成邊際成本降為零，「人類的品味、判斷力與當責（Judgment, Taste & Responsibility）」才是唯一稀缺的超額溢價。
7. 收乾原則（Distill, Don't Inflate）：真正頂尖的 AI 使用者，永遠是用 LLM 把資訊**「收乾濃縮」**，而非無限灌水稀釋團隊的生命與專注力。

官方專訪精華影音（Official Video）

以下為 Shane Parrish 官方釋出的《The Knowledge Project》完整專訪，讀者可直接播放搭配閱讀：

一、Shopify 的 AI 激進現場：當 50% 代碼不再由人類親手敲出

要理解呂特克口中的「垃圾手榴彈」，必須先看清 Shopify 內部究竟把 AI 推向了何種驚人的深度。

呂特克透露，在 Shopify 內部，名為 River 的 AI Agent 已經不是躲在背景裡的輔助工具，而是一位長駐在 Slack 公共頻道裡的正式「虛擬同事」。River 擁有深入內部系統、查詢代碼庫、執行測試、乃至自主發起 Pull Request（PR，代碼合併申請）的完整權限。

當前 Shopify 內部的研發態勢呈現出極度震撼的數據：

• 近 50% 的生產系統修改申請（PR），不再源於工程師在本機 IDE 裡逐行敲打，而是工程師在 Slack 聊天室裡與 River 協同對話、反覆迭代後「長」出來的。
• 還在堅持自己從零手寫常規代碼的人類工程師，在 Shopify 內部**「已經少到快沒了」**。
• 人類工程師的職責邊界發生了前所未有的戰略退縮與聚焦，目前僅保留在三大領域：
  1. 極限複雜度（Extreme Complexity）：涉及底層高併發架構、極限效能調校與跨系統整合；
  2. 狀態管理（State Management）：全域資料流的生命週期與邊界條件控制；
  3. 代碼審查（Code Review）：把控最後一道品質防線與架構一致性。

在這種極致自動化的背後，Shopify 甚至建立了一套獨特的文化機制——德式師徒工坊（Lehrwerkstatt）。

為什麼 River 被明令禁止「私聊」？

呂特克早年在德國接受軟體學徒訓練，深受德國傳統「Lehrwerkstatt（師徒教學工場）」文化的啟發。在工坊裡，學徒不是關在小房間裡讀書，而是坐在資深大師身旁，透過觀察大師的每一次敲擊、每一次糾錯，完成潛移默化的「滲透學習（Osmosis Learning）」。

因此，Shopify 對 River 設下了一道硬性鐵律：River 嚴禁進行一對一私人私訊（Direct Message）！

如果你試圖私訊 River，它會直接拒絕你，並要求你移步到公開頻道。呂特克解釋，一旦人與 AI 的對話隱藏在私聊裡，團隊就會喪失集體學習的機會。而當所有對話都在數千名同事看得見的公用頻道裡上演，每個人都能觀摩彼此的 Prompt 技巧、除錯思路與架構設計。

這項制度的效果極其驚人：在完全沒有微調底層大模型的情況下，僅僅靠著員工之間互相觀摩 Prompt 與工作流，River 產出的代碼合併成功率（Merge Rate）在短短兩個月內從 36% 狂飆至 77%！

然而，正是在這樣高度透明、算力充沛、代理無所不在的環境中，一個全新的組織毒瘤開始悄然滋生。

二、什麼是「AI 垃圾手榴彈（Slop Grenade）」？

當主持人帕里許問道：「AI 有沒有讓內部任何一件事變糟？」

呂特克毫不猶豫地指出：有，而且問題出在「責任（Accountability）」這一環最容易被跳過。

過去幾百年來，人類組織衡量一個人是否盡責、是否偷懶，邏輯非常直觀：

• 傳統時代的偷懶：產出過低、進度落後、開會交不出方案、代碼寫得少。主管一眼就能看穿誰在混日子。
• AI 時代的偷懶：剛好徹底反轉——看得出來的，反而是產出「太多」！

Shopify 內部將這種行為形象地命名為 Slop Grenade（AI 垃圾手榴彈）。

呂特克直言，這種詞彙在 Shopify 內部傳開後，大家覺得又傳神又好笑，但背後折射出的卻是極度嚴肅的組織消耗：「這應該被推廣到整個科技界，因為每家公司現在都在承受這種傷害。」

三、解剖兩種最具毀滅性的「垃圾手榴彈」現場

在日常工作中，AI 垃圾手榴彈主要以兩種極具偽裝性的形態在各大企業瘋狂引爆。

形態一：代碼審查地獄（The Rubber-Stamped PR）

最典型的場景發生在工程團隊的代碼協同中。

過去，一位工程師要修改某項業務邏輯，必須研讀上下文、理清資料邊界、手寫代碼、自行測試，最後小心翼翼地提交 PR。這個過程需要數小時，他自己就是第一道嚴苛的過濾網。

但在 AI 時代，流程演變成了這樣：

1. 工程師丟給 AI 一句簡短的要求：「幫我重構這個模組並加上某某功能，放手去做（Go nuts）。」
2. AI 幾秒內洋洋灑灑吐出 500 行代碼，發起了一份完整的 Pull Request。
3. 該名工程師甚至連 Diff（變更對比）都沒看，直接打勾批准，指派給隊友：「請幫我 Code Review。」
4. 這份「手榴彈」隨即在審查者的桌上引爆。

同事打開這份 PR，映入眼簾的是看似規範漂亮、註解齊全的代碼。但當審查者逐行細究時，才痛苦地發現：這裡有一個致命的併發競爭條件（Race Condition）、那裡調用了一個已被棄用的內部 API，底層的狀態變更更存在邏輯漏洞。

審查者必須花費整整兩個小時，神經緊繃地肉身 Debug，抓出 AI 產生的幻覺。最後審查者憤怒地在 PR 留言：

「這看起來根本不對。你根本連看都沒看，只是讓 AI 替你做事，然後叫我幫你承擔代碼品質的責任！」

這就是最典型的成本外部化。提交者省下了 15 分鐘的寫代碼與思考時間，卻搶劫了同事 2 個小時的深度專注力。今天他的「產出指標」看似驚人，向主管展示了自己完成了好幾個 PR，但事實上，他是在把自己的工作外包給同事來檢查。

形態二：「解壓縮與再壓縮」的郵件死循環（The Decompression Loop）

第二種手榴彈則無差別地轟炸在所有知識工作者的通訊軟體與電子信箱中。

你可能向某個部門詢問一個明確的問題：「下週二系統升級，行銷團隊的排程是否需要配合暫停？」

在沒有 AI 的時代，對方思考後會回覆你兩句話：「需要，請在週二上午 10 點前暫停，預計下午 2 點恢復。」乾脆、精確、毫無雜訊。

但在 AI 普及的今天，很多人養成了「AI 依賴症」：

1. 他把你的問題丟進 ChatGPT 或 Claude，下達指令：「請以專業且客氣的語氣，寫一封關於系統升級配合事項的回信。」
2. LLM 瞬間生成了一篇長達五段、充滿寒暄、冠冕堂皇贅詞、格式嚴謹的長篇大論。
3. 發信者連讀都沒讀，直接複製貼上發出。
4. 當這封信躺進你的信箱，你被迫花費 3 分鐘讀完這篇巨著，卻發現核心結論被淹沒在廢話海洋中。
5. 被逼無奈之下，你只好把這封信再丟進你的 LLM 裡，下指令：「請幫我把這封廢話郵件總結成一句話重點。」

面對這種荒謬的職場日常，呂特克在專訪中發出了靈魂拷問：

「我們到底為什麼要發明『解壓縮』跟『再壓縮』？」
(Why on earth did we invent decompression and recompression?)

這是一場集體的認知悲劇：發信人把一個簡單的念頭「解壓縮」成肥大的文字氣球，丟出去污染別人的信箱；收信人為了生存，再花算力把它「壓縮」回原本的念頭。在這場死循環裡，除了浪費資料中心的電力與人類寶貴的專注力之外，沒有創造出任何實質價值。

四、貫穿全場的底層真理：「機器負不了責，出事也不會去坐牢」

為什麼「AI 垃圾手榴彈」會成為破壞團隊信任的致命武器？

呂特克在訪談中給出了一個超越技術層面的深刻哲學定調：機器負不了責（Machines cannot take responsibility）。

呂特克指出，在當前這波狂熱的 AI 軍備競賽中，無論大模型的推論能力有多強、Agent 的自主性有多高，整個產業界最容易忽視的一件事就是——責任歸屬是無法被算法取代的。

「公司不可能由機器領導，因為出事了找不到可以追究的人，機器也不會去坐牢。」
(No one has recourse, they can't go to jail for doing something wrong.)

這句話如同一盆冷水，澆醒了許多對「全自動化無人公司」抱持幻想的管理者：

1. 法律與契約的物理錨點在於人類：如果一條自動生成的代碼引發了嚴重的支付故障，導致數百萬商家的資金受損，法庭無法傳喚一個 LLM 權重檔案，監管機構無法吊銷演算法的執照，監獄也關押不了一段 Python 腳本。最終承擔責任、面臨求償、甚至背負刑事責任的，永遠是坐在終端前審核簽字的人類實體。
2. 信任的基石是「以身入局（Skin in the game）」：在一個團隊中，同事願意相信你的 PR、願意依據你的郵件做出業務決策，是因為大家預設你已經用你個人的職業信譽為這份成果做了背書。當你拋出一枚「垃圾手榴彈」，你實際上是在做一場不對稱的道德套利：「產出的功勞歸我，出錯的風險由你們肉身去扛。」

當代碼與文字的生成邊際成本暴跌為零，純粹的「內容供給」已經不再具備稀缺價值，甚至因為充斥著幻覺與雜訊，過量的供給直接變成了負價值的組織污染。

在這種新常態下，什麼才是職場上最無可替代的核心資產？

呂特克的答案非常清晰：品味、批判性判斷力，以及勇於為結果當責的勇氣（Taste, Judgment, and Accountability）。

五、如何終結垃圾手榴彈？AI 原生時代的四大工作法則

Shopify 作為 AI 應用的先鋒，他們反思這場危機並非為了因噎廢食退回手寫時代，而是為了替所有知識工作者立下全新時代的「交戰守則」。

根據呂特克的談話與 Shopify 的管理實踐，在 AI 原生時代，優秀的專業人士與團隊應恪守以下四大法則：

1. 收乾原則：用 AI 濃縮本質，嚴禁灌水（Distill, Don't Inflate）

呂特克在訪談中給出的指導原則極為精闢：「如果你已經在用 LLM，請用它把重點收乾，不要把它灌成一封長信去浪費收件人的時間。」

• 負面範式：用 AI 把一句話膨脹成一篇論文。
• 正確範式：用 AI 把複雜的背景、龐雜的日誌、冗長的分歧討論，提煉成三條清晰的決策選項與風險分析。
• 黃金衡量標準：你的產出是否減少了對方的認知負擔？ 如果沒有，這就是一枚手榴彈。

2. 邊界責任制：出問題你願意坐牢嗎？（Own Your Blast Radius）

在送出任何由 AI 輔助生成的 PR、報告或郵件前，對自己進行嚴格的靈魂拷問：

• 「這份 PR 裡的每一行代碼，我都親自讀過並理解其副作用嗎？」
• 「如果這段代碼引發線上事故，我能清晰解釋當初為什麼這樣做，而不是推託說『這是 AI 寫的』嗎？」
• 如果你自己都沒有花時間讀完，你有什麼資格要求別人花時間幫你讀？ 凡是未經自我審視的代碼與文字，嚴禁點擊送出。

3. 公開師徒工坊（Embrace the Lehrwerkstatt）

打破個體與 AI 的「私密密室」。

• 鼓勵在公開頻道調度 AI Agent，讓團隊看見你如何引導 AI、如何糾正其錯誤。
• 在公開透明的環境下，隨意拋擲低質 Prompt 與濫用 AI 的行為會受到群體規範的自然制約，而精妙的提示詞架構與工作流則會像病毒一樣在團隊內部傳播，提升整體的 AI 商數（AI Quotient）。

4. 績效考核轉型：從「產出數量」轉向「判斷品味」

管理層必須深刻意識到：在 AI 時代，衡量代碼行數（Lines of Code）、提交 PR 數量、或是發送信件篇幅的傳統考核標準已經徹底失效。

• 衡量「過濾能力」：一名優秀工程師的價值，不再於他讓 AI 吐出了多少代碼，而在於他砍掉了多少不必要的代碼、在於他為團隊擋下了多少潛在的架構地雷。
• 獎勵高信噪比：表彰那些言簡意賅、直擊核心、交付結果堅如磐石的員工，重罰那些四處亂丟「垃圾手榴彈」、消耗團隊精力擦屁股的偽勤奮者。

結語：當生產力工具變成武器，誰在製造「職場垃圾通膨」？

Tobi Lütke 在《The Knowledge Project》裡的這番反思，宛如一道劃破 AI 狂歡迷霧的閃電。

AI 的確在以不可思議的速度重構軟體工程與知識工作的底層邏輯——Shopify 用 12 週重構億級 App 是真，50% 系統改動由 AI 操刀也是真。然而，技術的飛躍從未免除人類的道德責任。

當每個人手中都握著一挺能在一秒鐘內掃射出數萬字文本與代碼的「微型加特林機槍」，我們最需要的不再是扣動扳機的力氣，而是扣住不發的克制、辨別目標的品味，以及對射擊後果的全然承擔。

歷史上每一次生產力革命，都會淘汰一批舊技能，但這一次，AI 逼迫人類交出的不是體力，也不是機械記憶，而是把人類逼回了最核心的堡壘：你願不願意為你的產出賭上你的名字？

在讀完這篇文章的今天，不妨環顧一下你的收件匣、Slack 頻道或程式碼庫：

你最近在職場上收過最誇張的一枚「AI 垃圾手榴彈」，長什麼樣子？
更重要的是——今天，你是否也在不經意間，差點將一枚引信拉開的手榴彈，丟到了同事的桌上？

相關參考來源與延伸閱讀

• Shane Parrish 播客專訪：《The Knowledge Project》Ep. 210 — Tobi Lütke: AI Agents, Better Decisions, and the Future of Work
• Shopify 官方工程技術部落格：《Native is now the future of mobile at Shopify》&《Migrating Shop app from React Native to native》（2026）