大多数公司还在纠结要不要让员工用 AI，Shopify 已经把 AI 同事请进了组织架构。它有名字、有头像、有记忆，甚至被允许适度讽刺人。

更反常识的是，这家公司里极少有人直接写代码，工程师普遍同时调度十到五十个Agent 协同工作。而最难的环节不是写提示词，是状态管理。

Shopify 创始人兼 CEO Tobi L ü tke 在 The Knowledge Project 播客里，把这套做法讲得很细。他谈的不是效率工具，而是一个判断环境怎么搭。

从 Sydney 事件到 "River"

计算机行业有个习惯：不认自己的英雄，也容易丢掉已经积累的经验。Tobi 提到拟物化设计的经验流失，也提到微软 Sydney 事件——那次事故之后，行业对 AI 人格的处理普遍走向阉割式谨慎。

Shopify 没走这条路。他们内部有一个 AI 同事叫River：有名字、有头像、保留记忆，允许带一点讽刺感。Tobi 的逻辑是，AI 应该有被引导的个性与记忆，而不是被削成一个没有棱角的应答器。

关键决策在于工作场所。River 被强制只在 Slack 公开频道里工作，不能私聊。这一招的效果是，团队成员能自然看到别人怎么用 AI ——总结讨论、查论文、画架构图、做原型，全在明面上发生。

潜移默化式的学习就这样形成了。结果是，公司内约五成 PR 来自公开群聊。River 还能按频道保留记忆，夜间 " 做梦 " 做自我反省。

AI 幕僚长：半小时，15 到 20 美元

决策层面，Tobi 用的是一个 AI 幕僚长。它调度扮演不同角色的子 Agent ——数据、论文、商业、工程各一路，再在多个模型上各跑一遍，最后汇总成一份材料。

他提到 Grok、ChatGPT、Kimi 等模型都会被用上。成本约15 至 20 美元，半小时可得。

这套东西的定位很明确：不是替人做选择，而是扩大信息与推理的范围，为判断搭建合适的环境。Tobi 的原话是，机器没法承担责任。所以责任必须由人承担，AI 只负责把判断所需的信息环境铺好。

失败的样子变了

AI 带来的负面也在显现。过去的失败表现是产出不足，现在变成了产出过剩。

大家随手让 AI 生成 PR 或长篇邮件，再丢给模型压缩，形成 " 解压缩再重新压缩 " 的浪费。Tobi 把它叫做垃圾内容手榴弹。AI 腔调，比如 " 不是这个，而是那个 " 这类句式，也在改变语言和审美。

这恰恰说明，判断与取舍比生成能力更稀缺。当执行和生成变便宜，问题就变成了什么值得做、什么值得保留。

品味和判断力会被推到极致

Tobi 认为，品味与判断力这两项技能一直有价值，现在会被推到极致。品味来自对大师和系统的长期研究，他举的例子是存在千年却只有约四层管理架构的天主教会。

直觉则是把品味与判断压缩成习惯，能在没有即时反馈时瞬间调用。而这恰恰是短视主义最容易牺牲的部分。

他还提到一个容易被忽略的难点：真正的难题不是找出一个可行方案，而是在所有可行方案中选出最合适的那一个。好选择太多，才是麻烦。

修剪，而不是叠加

组织与产品也一样。Tobi 以 SpaceX 猛禽发动机为例：第一代已是当时性能最高的火箭引擎，但后续版本靠删除旧管道、改用 3D 打印持续改进。

失败本身不是问题，因为它会释放出稀有的、有产品眼光的人才。真正的问题是组织缺乏到期淘汰机制，让最初意图被层层附加结构掩埋。

他的说法是：你必须修剪，你必须迈出步子，你必须重建。至于成功，他给的定义是培养技能，并改善他人的生活。