大多数公司用AI的方式，可能从第一步就走偏了。Shopify CEO Tobi Lütke在The Knowledge Project第三期访谈里抛出一个反常识判断：把AI当成"多产出的工具"，是错的。

他的说法是，AI真正的用法，是把它变成"培养判断力的环境"，而人守住AI无法承担的那部分责任。这个定位听起来抽象，但Shopify内部已经跑出了一套具体做法。

工程师同时开10到50个agent

Lütke分享的内部实践里，最直观的一条是：工程师会同时运行10–50个agent，大约50%的PR来自与AI的对话。

这不是把AI当打字机，而是让它在并行的工作流里持续产出候选方案，人再从里面挑、再判断。数量上去了，筛选和拍板的能力反而成了瓶颈。

Slack里还有一个叫River的AI员工。按Lütke的描述，它有人格、有记忆，可以提交代码，甚至会在夜间"做梦"——自我修改技能文件。这个设定更像一个团队成员，而不是一个待办工具。

AI理事会：只做分析，不做判断

遇到重大且模糊的决策，Lütke会用AI幕僚长组建一个多模型交叉的"AI理事会"，让不同模型给出中立分析。

但他划了一条线：AI不负责判断，只负责为判断创造正确的环境。理由是机器无法承担责任。

他打了个比方——交易员面前的彭博终端。终端帮你看清一切，但下单的必须是你。看清和负责，是两件事。

新的失败模式：产出过剩

Lütke提出了一个内部术语：slop grenades。指的是让AI生成自己根本没读过的代码变更，直接丢给同事审查；或者写一封冗长的AI邮件，逼收件人再用AI把它压缩一遍。

他的判断是，懒惰的失败形态变了——不再是产出不足，而是产出过剩。过去的问题是做得太少，现在的问题是丢出去的东西太多、没人真正消化。

十年后最值钱的是品味和判断

Lütke认为，十年后最值钱的技能是品味与判断。直觉则是品味和判断被重复成习惯之后的瞬时调用能力。

他特别指出，最有价值的场合恰恰是那些没有快速反馈的决策。真正的难题不是在对错之间选，而是在多个都不错的选项里，选出长期正确、但当季毫无感觉的那一个。

至于超级智能失控论，他用城市和社会作类比：人类一直生活在超级智能之中，只是它不叫AI。