AI 能在几秒钟内写完一封邮件，但收件人可能要花更久才能弄清它到底想说什么。Shopify CEO Tobi Lütke 最近给这种工作起了个名字：“垃圾手榴弹”。
2025 年 4 月， Tobi Lütke 向员工发送了一个题为《使用 AI 如今是一项基本要求》的备忘录，他认为，AI 正在改变商家的经营方式：它不仅能提供建议，还可能直接替商家完成部分工作。
1 最提倡 AI 的 CEO，被 AI 折磨惨了
为了让 Shopify 的产品跟上这种变化，员工也必须走在前面。Lütke 写道，“下意识地使用 AI”已成为 Shopify 对员工的基本要求。他说，自己经常把 AI 当作思考伙伴、研究助手、批评者、导师和结对程序员，也曾用 AI 智能体准备演讲，希望以此鼓励公司上下动手尝试。
Lütke 在备忘录中解释，熟练使用 AI 是一项需要靠反复实践习得的技能。此前，他只是邀请员工探索 AI，现在他认为，停留在“建议尝试”已经不够。他把 AI 称为能力的“倍增器”，称一些员工借助它开始处理过去不会选择接手的任务，甚至能完成过去难以想象的工作量。
在他看来，持续学习和适应变化不是口号，而是加入 Shopify 团队的基本要求。
Lütke 把 AI 的重要程度上升到了什么程度呢？
甚至团队申请增加人手或资源之前，都需要先说明，为什么现有工作无法借助 AI 完成。这份备忘录将 AI 从可供尝试的工具，推到了日常工作和资源决策的前台。也激励了员工“疯狂”地投入 AI ，导致 AI 产生的大量垃圾产品泛滥成灾。
该举措执行了一年后， Lütke 本人表示已经苦不堪言。
一年多后，前几日 Lütke 在播客《The Knowledge Project》中谈起了另一面：有人让 AI 生成邮件或代码，自己没有认真检查，就把成品交给同事。接手的人还得重新读、核对、修改，才能继续工作。Shopify 内部把这样的交付称为“slop grenades”，可以译作“垃圾手榴弹”。
在播客中，主持人问 Lütke ：AI 有没有让公司内部的某些事情变得更糟？ Lütke 的回答是“有”。他随后谈起一种新的工作失误：过去，偷懒可能表现为没有产出；现在，借助 AI，偷懒反而可能表现为产出太多。Shopify 内部给这种未经检查、直接交给同事处理的 AI 内容起了个名字——“垃圾手榴弹”。
这个说法出自一家已经深度使用 AI 的公司。 Lütke 称，在 Shopify，直接手写代码的工程师已经很少，许多人会同时使用多个智能体辅助开发。公��内部的 AI 助手 River 可以参与公开工作群中的讨论，整理需求、研究资料、制作原型，也能根据对话提出代码修改。按照 Lütke 在访谈中的估计，Shopify 约有一半的代码变更请求，如今源自公司共享聊天中的对话。但这一比例只是他的口头估计，并非公司披露的统计数据。
River 的设计还承担着一项组织任务：让员工在公开频道里看到同事如何使用 AI。 Lütke 认为，熟练使用 AI 是员工需要培养的能力，公开的协作过程有助于彼此学习。员工讨论一项功能时，可以随时请 River 总结意见、建立任务单，或先做一个原型。过去需要专人接手的部分工作，现在可能在同一场讨论中就开始推进。
但问题也随之出现。 Lütke 举例说，有人想修改系统，便让 River 生成一份代码变更请求，自己看也没怎么看，就表示可以提交。等到同事审查代码时，才发现其中有不对劲的地方。发起者节省了时间，检查工作却落到了别人身上。“你只是让 AI 替你干活”， Lütke 说。
邮件也是一样。一封本可以简明说明问题的邮件，被 AI 扩写成长篇内容。收件人读完发现信息并没有那么复杂，甚至还得再用大模型把它压缩回来。 Lütke 不满的是这种先扩写、再压缩的往复：既然已经在用 AI，为什么不让它帮助自己把观点讲清楚，反而生成一大段让别人花时间处理的文字？
这也是他在访谈中反复强调“责任”的原因。Lütke 自己也用 AI 协助处理复杂决策：让不同智能体从数据、业务和工程等角度搜集材料、提出意见，再由他作出判断。但他认为，机器无法为结果承担责任。对 Shopify 而言，“垃圾手榴弹”暴露的问题因此不是员工有没有使用 AI，而是谁检查最终交付的内容，谁为交给同事的工作负责。 Lütke 仍在积极推动 AI；他现在警惕的是，AI 让一份未经认真完成的工作，也能轻易呈现出“已经完成”的样子。
对于这位曾经对 AI 趋之若鹜的 Shopify 高管来说，这或许颇具讽刺意味，但他绝非孤例。
2 管理者和员工对 AI“提效”感受不同
《卫报》采访发现，一些企业要求员工更多地使用 AI，甚至在裁员后仍希望剩下的人借助 AI 完成更多工作。但对接收这些工作成果的人来说，生成速度变快，未必意味着工作量减少：看起来已经写好的邮件、文案或代码，仍可能需要核实、修改，甚至从头重做。
一名化名为 Ken 的文案撰稿人向《卫报》讲述，他所在的迈阿密网络安全公司裁掉了几名同事，并要求留下的人使用 AI 聊天工具。初稿确实更容易写出来了，但他和同事随后花在重写、纠错上的时间，反而比不用 AI 时更多。
有时，他们还要处理各自使用的聊天工具给出的相互矛盾的内容。Ken 说，文章质量下降了，制作时间变长了，团队士气也受到影响。
类似的返工也出现在对准确性要求更高的场景。密歇根大学一名医学博士与哲学博士联合培养项目的学生在基层医疗诊所调查时发现，医护人员使用 AI 草拟患者邮件后，仍需花时间编辑和纠错，也担心有错误的回复送达患者。对这些工作而言，“写出一封邮件”只是流程的一部分；内容是否准确、能否发给患者，仍要由人判断。
这类内容被研究者称为 workslop，可译作“工作垃圾”：外表完整、措辞流畅，却缺少可靠信息或完成任务所需的判断，最终把工作留给接手的同事。
今年 4 月，BetterUp 与斯坦福大学研究者对美国办公室员工的调查显示，约四成受访者曾在一个月内收到这类内容。
《卫报》援引相关研究称，受访者平均每月花约 3.4 小时处理它；对一家万人规模企业的生产力损失估算为 810 万美元。
管理者与一线员工对“提效”的感受也可能不同。《卫报》援引另一项面向美国白领员工的调查称，40% 的非管理岗位受访者表示，AI 没有替自己节省工作时间；与此同时，92% 的高层管理者认为 AI 提高了自己的效率。两组回答测量的是不同岗位的主观体验，不能简单相减，却提示企业在计算收益时可能漏掉了接收、核查和返工的时间。
软件开发领域也有值得注意的证据。研究机构 METR 曾让资深开源开发者在自己熟悉的项目中完成真实任务，随机决定哪些任务可以使用 AI。
结果，在这项针对 2025 年初工具、特定开发者和任务 的实验中，使用 AI 的任务平均多花了 19% 的时间。研究者明确提醒，这不能推广为“程序员使用 AI 都会变慢”。它说明的是，工具生成了代码之后，理解项目背景、检查结果和完成交付所需的时间，同样要计入效率。
Lütke 抱怨“垃圾手榴弹”时，说中的正是这个容易被忽略的环节：一个人用 AI 更快地交出了材料，另一个人却要替他完成本应在交付前做好的检查。企业若只看生成了多少内容、员工节省了多少起草时间，就很难看清整项工作究竟有没有变快。
3 当“先用 AI”成为要求，谁来衡量后续工作？
Shopify 的经历让企业推行 AI 时一个容易被忽略的问题浮出水面：使用率可以统计，生成量也容易展示，但核查和返工往往分散在其他人的日程里。
Lütke 2025 年的备忘录要解决的是另一种真实问题：员工可能沿用旧流程，没有认真尝试新工具，就提出增加资源的需求。要求团队先探索 AI 的能力，有明确的管理逻辑。然而，员工也会对组织的要求作出反应。当“用了多少 AI”比“交付后还要别人做多少工作”更容易被看见时，一份篇幅更长、产出更快的材料，未必是一份更有用的材料。
真正值得问的因此不是员工该不该使用 AI，而是什么才算完成工作。
一封邮件发出去，任务并没有因为文字已经生成就自动结束；一段代码被提交，也没有因为能运行就自动具备维护价值。如果交付标准停留在“产出了什么”，核查便很容易被推给下一环节。如果标准包括“接手的人能否依据它继续行动”，使用 AI 的人就需要在发送之前完成必要的检查。
对写邮件的人来说，这意味着删掉无助于决策的铺陈，核实链接和事实，把需要同事回答的问题讲明白。对写代码的人来说，则意味着解释改动目的，检查关键路径，并确认接手者能理解其影响。这里没有一套专属于 AI 的神秘规则：谁提交工作，谁先为工作质量负责。
AI 只是让跳过这一步变得更容易，也让问题以更大的量进入团队协作。
Lütke 给“垃圾手榴弹”起了名字，也点出了它伤害效率的方式。接下来，Shopify 和其他要求员工广泛使用 AI 的公司，要面对的是同一道更难的问题：评价一项工作时，能否看见生成之后那些由别人承担的时间。否则，员工的个人效率数字或许会上升，团队却仍在忙着拆弹。
参考链接：
https://futurism.com/artificial-intelligence/shopify-ceo-ai-workplace-staff-horrified-backfire
https://finance.yahoo.com/technology/ai/articles/shopify-ceo-made-staff-prove-105644220.html
https://www.shopify.com/news/unserious-exploration
https://www.youtube.com/watch?v=G9P9D9hptq8&t=3s
https://futurism.com/artificial-intelligence/ai-workslop-gridlock
本文来自微信公众号 “InfoQ”（ID：infoqchina），作者：冬梅，36氪经授权发布。