Shopify 執行長警告「AI 垃圾手榴彈」：產出再快，責任不能外包

AI 讓電子郵件、報告與程式碼的初稿變得極便宜，也可能讓「把未完成的思考交出去」變得極容易。Shopify 執行長 Tobias Lütke 把這種未經審核就丟給別人的 AI 產出稱為 「slop grenades」，可理解為「AI 垃圾手榴彈」：寄件者沒有增添實質價值，連內容是否正確、有用或適合任務都沒確認，就把它交給下一個人。48

問題不在用了 AI，而在把草稿當成成品

Lütke 批評的不是用 AI 起草。一份草稿本來就可以是好工具。真正的問題是：文字看起來很完整，卻沒有人檢查它的事實、脈絡、假設、邏輯與後果，便被當作完成的工作轉交。

在他的觀點中，AI 能以很快的速度生產更多內容，卻不會為內容是否有用或正確負責；寄出電郵、文件或程式碼變更請求的人，責任仍在自己身上。36

這點格外重要，因為流暢的文字或看似可執行的程式，往往能掩蓋缺漏、錯誤推理與不符合情境的細節。收件者最後得做寄件者跳過的實質工作：重新理解問題、判斷內容意義、找出錯漏，並把它改成真正可用的成果。

為何會造成「解壓縮再壓縮」的低效流程？

這個說法描述的是一種倒置的工作流程：

1. 發送者先把問題壓縮成提示詞。 關鍵背景、限制條件與專業判斷，可能沒有被完整寫進去。
2. AI 將提示詞展開成看似精美的內容。 表面完整，不代表實質可靠。
3. 接收者被迫解壓縮。 他必須重建原本的目標，逐一查驗錯誤、遺漏與沒有根據的說法。
4. 接收者再壓縮成可用答案或決策。 實務上往往就是重寫、修改、測試，甚至從頭做起。

因此，內容流動的速度可能更快，整體工作卻更慢。未經審核的初稿沒有消除勞力，只是把勞力轉移給較有能力辨識問題的人——經常是主管、資深同事或領域專家。

責任也被一併模糊了。AI 無法承擔商業決策、對客戶的承諾，或正式環境程式碼變更的後果。把生成內容假裝成完成品，正是把「誰對結果負責」這件事遮蔽起來。

這不是 Shopify 收回 AI 政策

Lütke 先前曾表示，在 Shopify 有效使用 AI 已是基本期待；團隊若要申請更多人力或資源，必須先說明為何無法藉由 AI 完成工作。46

Shopify 也大力投入內部 AI 代理人 River。River 透過公司 Slack 運作，可讀取程式碼、執行測試、撰寫程式碼、開啟 pull request、查詢資料與查看正式環境追蹤資料。44 據報導，Lütke 表示 River 參與的產出，可能已占 Shopify 正式環境程式碼 pull request 的一半。36

這兩件事其實不矛盾。重點是：生成不等於完成。 強大的代理人能加快探索、撰寫與實作，但審查、品味、驗證、排定優先順序，以及承擔最後責任，仍然是人的工作。

研究者怎麼稱呼它？「workslop」

BetterUp Labs 與 Stanford Social Media Lab 使用 workslop 一詞，指的是看似精緻、實際卻缺乏足夠實質內容，無法真正推進任務的 AI 生成工作。24

兩機構於 2025 年 9 月對 1,150 名美國全職辦公室工作者進行調查，結果顯示：

• 40% 的受訪者表示，過去一個月曾收到 workslop。
• 接收者估計，自己收到的工作中有 15.4% 屬於 workslop。
• 每次處理這類事件，平均約需 兩小時。
• 研究估算，每名員工每月成本約 186 美元；若是 1 萬人規模的企業，年成本可超過 900 萬美元。29

這些數字是問卷估算，並非適用所有組織的通用生產力指標。不過它清楚指出一項組織風險：AI 增加送進團隊的內容量，速度可能快過團隊驗證內容的能力。

損失不只在工時，也在同事信任

workslop 不只是多花時間編修，也會改變同事對彼此投入程度與專業能力的看法。

Yahoo Finance 報導的另一份調查中，52.7% 受訪者表示曾把 workslop 傳給同事，38% 表示曾收到；收到的人平均每月要花 3.4 小時修改。調查亦發現，接收者會認為發送這類內容的同事較不專業、也較不友善。3

對仰賴互信合作的團隊而言，這種影響尤其傷。收到的人不只是拿到一份品質差的草稿，而是在未被徵詢、也未必被預留時間的情況下，被默默要求接手品質把關。

Duolingo 的提醒：規模愈大，品管愈不能省

語言學習平台 Duolingo 執行長 Luis von Ahn 也提出類似觀察。他談到大量生成 AI 內容時表示，其中約 20% 可能是「pure slop（純垃圾）」，公司必須防止這些內容流到學習者手上。11

這不表示 AI 生成內容毫無價值。Duolingo 曾以生成式 AI 推出 148 門新語言課程，展現了技術在擴大產能方面的速度優勢。12 但產出愈多，審核流程就愈重要：系統愈快生成內容，企業愈要有意識地攔截不合格或不適用的成果，才不會讓它直接面向使用者。

管理重點正在轉變：不是「有沒有用 AI」，而是「誰擁有結果」

對已經擁抱 AI 的組織來說，核心問題愈來愈不是員工是否使用工具，而是工作流程有沒有保留人類對最終結果的所有權。

可以建立幾項基本原則：

• 用 AI 產生選項、草稿與測試，而不是用它逃避責任。
• 轉交工作前，確認事實、邏輯、語氣與任務適配性。
• 尚待審核的內容，就清楚標示為草稿。
• 尤其是面向客戶、法律、財務或會影響正式環境的工作，要明確指定最終負責人。
• 衡量成果與品質，而不是只看 AI 使用率或產出數量。

Lütke 的「垃圾手榴彈」說法，點出 AI 工作的一條基本原則：多寫一些字、多產一些程式碼，並不等於創造更多價值。AI 可以加速第一稿，但讓成果可靠、有用且有人負責，最後仍必須由人完成。