Shopify CEO 警告「AI 垃圾彈」：出稿快，唔等於你可以唔負責

AI 令寫電郵、文件同程式碼變得又快又平；但 Shopify 行政總裁 Tobias Lütke 警告，佢同時令另一種壞習慣變得好容易：未諗清楚、未檢查過，就將 AI 生成嘅內容轉手畀人。

佢將呢種做法叫做 「slop grenades」，可理解為「AI 垃圾彈」：一份由 AI 生產、表面睇落好完整，但發送者冇真正加過價值——包括冇確認內容是否正確、有用，或者適合當前工作——嘅輸出。48

問題唔係用 AI 起稿，而係當咗完工

AI 幫手起草，本身無問題。一份草稿可以幫人整理方向、提出選項，甚至加快寫 code。

問題係，一份語氣流暢、排版齊整嘅 AI 輸出，好容易令人誤以為已經完成；其實當中可能欠咗背景、推理有錯、資料失實，或者根本答錯問題。Lütke 嘅重點係：AI 可以高速產生大量內容，卻唔會為內容是否有用或正確負責；最終將內容送出去嗰個人，先至要負責。36

換句話講，寄出一封 AI 寫嘅電郵、提交一個 pull request（程式碼修改合併請求），唔代表工作已完成。你仍然要知道佢講緊乜、檢查事實同邏輯、按情境修訂，並承擔後果。

點解會變成「解壓再壓縮」嘅無謂工

呢個流程可以拆成四步：

1. 發送者將問題「壓縮」成提示詞。 很多關鍵背景、限制同判斷未必有寫進去。
2. AI 將提示詞「展開」成貌似完整嘅內容。 成品可以好似好專業，但未必可靠。
3. 收件人要「解壓」。 對方要重新理解原本要解決咩問題，再找出錯漏、缺口同未經支持嘅說法。
4. 收件人再「壓縮」成真正可用嘅答案或決定。 即係要改寫、補資料、測試，甚至由頭做過。

結果可能係內容傳遞快咗，但整體工作反而慢咗。原本應由發送者完成嘅判斷與核實，變成由最有能力發現問題嘅人——通常係主管或領域專家——執手尾。

責任亦唔可以外判畀 AI。無論係商業決定、向客戶作出承諾，定係影響正式系統嘅程式碼改動，AI 都唔會承擔責任；交付成果嘅人必須承擔。

呢個唔係 Shopify 對 AI「轉軚」

Lütke 早前曾表明，有效使用 AI 已是 Shopify 員工嘅基本期望；團隊喺申請增加人手或資源前，亦要證明點解唔可以先用 AI 完成工作。46

Shopify 同時大力投資內部 AI 代理人 River。River 設於公司 Slack，可讀取程式碼、跑測試、寫 code、開 pull request、查詢數據，以及查看正式系統追蹤資料。44 有報道指，River 可能參與 Shopify 最多約一半正式環境程式碼 pull request 嘅產出。36

所以，鼓勵 AI 同反對「垃圾彈」其實唔矛盾。真正訊息係：生成內容，不等於完成工作。 AI 代理可以加快探索同實作，但審閱、驗證、取捨、優先排序，同埋接受最終責任，仍然係人嘅工作。

研究稱之為「workslop」

BetterUp Labs 與 Stanford Social Media Lab 將呢類現象稱為 workslop：表面似一份好工，但缺乏真正推進任務所需實質內容嘅 AI 生成作品。24

兩者喺 2025 年 9 月訪問 1,150 名美國全職文職工作者，發現：

• 40% 受訪者稱，過去一個月曾收到 workslop；
• 收件人估計，自己收到嘅工作中平均有 15.4% 屬於 workslop；
• 每次處理相關問題平均約花 兩小時；
• 研究估計，每名僱員每月成本約 186 美元；一間有 10,000 人嘅機構，每年可超過 900 萬美元。29

呢啲係問卷估算，唔係適用於所有公司嘅生產力定律；但風險很清楚：AI 可以令流入團隊嘅內容量急增，快過團隊驗證內容嘅能力。

代價不止時間，仲有信任

另一項由 Yahoo Finance 報道嘅調查顯示，52.7% 受訪者表示自己曾發出 workslop，38% 表示曾收到；收到嘅人平均每月要花 3.4 小時 修改。調查亦發現，收件人會覺得發送呢類內容嘅同事較不稱職、亦較不友善。3

喺靠協作同信任運作嘅團隊，呢點尤其傷。收到嘅唔單止係一份差草稿，而係一個冇先問過、亦冇預留時間畀你嘅質檢要求。

Duolingo：規模愈大，質檢愈重要

Duolingo 行政總裁 Luis von Ahn 談到大規模生成 AI 內容時，亦講過同類限制：大約 20% 內容可能係「pure slop」，公司必須小心唔好讓佢流入學習者手上。11

呢個唔代表 AI 內容冇價值。Duolingo 曾用生成式 AI 推出 148 個新語言課程，顯示技術確實能大幅加快擴展速度。12 但產量愈高，愈要有清楚嘅審核機制，避免低質或不適合嘅內容直接面向用戶。

真正管理難題：唔係有冇用 AI，而係邊個負責

對已經擁抱 AI 嘅公司而言，焦點正逐漸由「員工有冇用工具」轉為「工作流程有冇保留人對最後成果嘅擁有權」。

幾個基本做法包括：

• 用 AI 產生選項、草稿同測試，而唔係用嚟逃避責任；
• 發送前檢查事實、邏輯、語氣同是否切合任務；
• 未完成嘅內容，就清楚標示為草稿；
• 對客戶、法律、財務或正式系統有影響嘅工作，要明確列出最後決定者；
• 衡量成果同質素，而唔係只睇 AI 使用率或輸出數量。

Lütke 嘅「slop grenade」其實講中一個簡單道理：寫多咗字、產多咗 code，唔等於創造多咗價值。AI 可以令第一稿快好多，但要令成果可靠、有用，而且有人肯認領，最後仍然要靠人。