30 秒看懂
Shopify 联合创始人兼 CEO Tobi Lütke 与 Harry Stebbings 讨论创业、公司领导力、AI 辅助工作和政府政策。他提出了对裁员、财富、气候和政治的个人预测及有争议的看法;访谈并未将这些说法确立为普遍事实。
- 1以更长的视角看待产品Lütke 说,产品领导者有时需要容忍短期表现疲弱,以追求长期成果。
- 2对裁员的看法Lütke 将讨论中的裁员归因于过度招聘,称 AI 成了替罪羊;他没有提供证据确立各家公司裁员的原因。
- 3审视捐赠Lütke 认为应根据捐赠效果评判捐赠。Stebbings 质疑审视是否会阻碍有益的捐赠。
- 4一次物流失误Lütke 反思 Shopify 的实体物流战略,并说放弃这一方向影响了员工。
- 5资深工程师与 AILütke 说,看到资深工程师引导 AI 后,他调整了自己原本认为缺乏经验但熟悉 AI 的工程师最有优势的预期。
- 6Shopify 报告的 AI 代码比例Lütke 称 Shopify 远超一半的代码由 AI 生成,但没有说明公司的衡量方法。
- 7AI 也能帮助攻击者Lütke 预测 AI 可能有助于事实核查和防范欺诈,同时承认 Stebbings 所说的恶意行为者也能利用 AI。
要点建议
- Lütke 说,长期产品决策可能需要接受短期业绩较弱。
- 他将讨论中的裁员归因于过度招聘,同时承认 AI 将改变工作岗位的构成;访谈并未确立裁员的一般原因。
- 他称 Shopify 远超一半的代码由 AI 生成,但没有说明衡量方法。
- 看到资深工程师引导 AI 系统后,他改变了对工程经验的看法。
- Lütke 主张审视慈善捐赠的效果,并支持鼓励竞争的公共规则;Stebbings 对其中部分观点提出质疑。
- 他鼓励不伤害他人的实验。
按章节阅读整理后的全文
创始人、动力与长期思考
Lütke 描述他认为与创业相关的动力和气质。他解释自己为何成为 CEO,以及获得信任的上市公司如何采取长期视角。
Shopify 联合创始人兼 CEO Tobi Lütke 与 Harry Stebbings 展开一场内容广泛的对话,讨论建立公司、AI 和公共政策。Lütke 提出个人观点与预测,包括有关裁员、慈善、政府和气候政策的争议性说法;这些并非访谈确立的事实。
Stebbings 问,驱动创业者的更多是害怕失败还是渴望获胜。Lütke 说,他仍在寻找自己的答案,但认为这两种取向都偏重短期。他更喜欢长期视角:帮助同事成长或给他们困难的任务,其收益可能多年复利,并改变领导者的决策方式。
Lütke 用九型人格框架解释自己的风格,称自己是想要纠正问题的“八号”。他认为,公司常常排斥挑战既有做法的人,而创始人可以为这种气质创造空间。这是他对人格框架和商业经验的理解,并非经过验证的识别领导者的规则。
被问及领导者的孤独感时,Lütke 说,创办公司的人往往与众不同、差异很大,经过修饰的公众形象掩盖了工作的困难之处。他喜欢自己职位的许多方面,但说自己最初并不想当 CEO。他认为自己的工作部分是为别人创造空间,让他们做他自己希望能做的事。
他说,领导产品公司需要掌控一些决策,这些决策的短期商业成本可能先于长期收益出现。真正的长期立场可能意味着在一段时期内接受较弱的数据,而不只是谈论未来成果。他说,这些选择可能让人不舒服。
Stebbings 问上市公司是否有自由进行长期思考。Lütke 区分获得信任和未获信任的公司:在他看来,赢得公开市场投资者的信任,能让公司有空间追求长期目标。他说 Shopify 上市较早,让投资者有时间看到公司的执行力,公司从中受益。
Shopify 上市与就业问题
他回忆上市定价过程,并讨论他对 Shopify 生产率的期望。他认为当前裁员主要源于过度招聘,这是他的看法,并非每一次裁员原因的证据。
谈到首次公开募股时,Lütke 回忆说,承销激励和配售流程在定价时很重要。他研究了投资银行家的薪酬,并告诉他们自己的责任在于 Shopify。这是一位创始人对过程的回忆,其中财务数字他也表示自己可能记不准确。
Lütke 描述了确定发行价时紧张的会议,并说由于需求旺盛,他将价格提高到原定区间以上。他回忆说,首次交易价格更高,表明市场有不同的评估。他认为,继续持有 Shopify 的早期投资者从公司后续增长中受益。
被问及五年后人员规模时,Lütke 说,他希望 Shopify 能维持在当时估计的 7500 至 8000 人左右,同时大幅提高生产率。他提到的 100 倍生产率是一项愿望,访谈没有提供支持这一预测的方法。他预计 AI 将让创业更容易,并认为创业可能受益于这项技术。
Stebbings 问当前裁员反映的是 AI 带来的效率提升,还是疫情期间过度招聘。Lütke 将他所讨论的裁员归因于过度招聘,认为 AI 正在成为方便的替罪羊,同时承认 AI 会改变岗位构成。他没有逐家公司提供证据,因此不能把他的解释视为确立了一般裁员原因。
工作、创业与财富
Stebbings 质疑 Lütke 对任务自动化的乐观态度。Lütke 预测会出现新工作,并以一级方程式、软件和创业说明价值创造。
Stebbings 质疑他的乐观态度,指出智能体能完成许多执行性任务。Lütke 认为,只由他人分配的任务构成的工作不是好工作,他更重视拥有自主权和创造能力的工作。这是他对工作质量的看法;它没有解决失业人员如何找到替代工作或收入的问题。
Lütke 预测,更便宜的产品、更高的购买力和新的价值交换方式将给人们更多选择。他举了一名程序员出售公司后开发 Ghostty 终端的例子,认为人们会找到新的生产性工作。这些是他预期的可能性,并非已证明的劳动力市场结果。
作为围绕一项活动创造工作的另一个例子,他提到一级方程式赛车,以及从事发动机、底盘和空气动力学工作的工程师。Stebbings 补充说,讲故事帮助这项运动扩大了受众。Lütke 认为,以新方式组合现有要素可以创造有价值的活动和就业。
Lütke 认为,昂贵的软件限制了人们能够创造的东西,而新企业将潜在资源转化为其他人可以使用的产品。他把创业和市场视为创造及分配财富的机制。随后 Stebbings 问,美国对财富的敌意是否有所增加。
审视财富与慈善捐赠
Lütke 认为财富和捐赠值得审视,并称赞他使用的产品。双方对严格审视是否可能阻碍有益捐赠存在分歧。
Lütke 说,富人和富有的机构值得受到审视,但认为公共讨论常常弄错了谁在贡献价值。他称赞 Elon Musk 的产品,包括 Tesla 汽车、Starlink 和 X,将其作为自己觉得有用的服务的例子。他的称赞是对这些产品及其创造者的判断,并非对所有相关争议的评估。
他区分了通过建立企业获得的财富与继承或离婚所得的财富,认为应审视继承财富管理者如何使用这些财富。他还声称媒体可能扭曲公众判断。Stebbings 举出一笔巨额慈善捐赠作为反例,问批评是否会阻碍捐赠。
Lütke 回应说,消费是对产品及其供应链投票,资金分配应根据其二阶和三阶影响进行判断。按他的说法,购买行为传递需求信号并让企业得以扩张。Stebbings 和 Lütke 对审视慈善捐赠是否会阻碍有益捐赠持不同意见。
Lütke 说,应根据实际效果而非宣称的意图来评估捐赠。Stebbings 认为,捐赠者可能没有时间做尽职调查,如果每笔捐赠都受到严格审视,他们可能干脆停止捐赠。Lütke 坚持认为有效的组织会获得支持,但这场对话没有确立这一点是否普遍成立。
Lütke 对非营利组织表示怀疑,因为他认为它们缺少营利企业拥有的市场反馈机制。他也承认好的慈善机构确实存在。他的总体论点是一种政治和经济立场,并不能证明非营利组织无法衡量成果,也不能证明市场总能准确衡量成果。
政府、加拿大与欧洲
Lütke 阐述他对市场、公共基础设施及加美关系的看法。政策判断和民调数字均归属于他本人。
被问及政府干预时,他引用 Friedrich List,认为政府应制定鼓励有益竞争的规则。他也认为政府在安全、产权和基础设施方面有作用。他尖锐批评政府效率,其中包括一个有关成本的数字性说法,但他没有在访谈中提供依据。
Stebbings 问什么能帮助欧洲增长。Lütke 先讨论加拿大,认为其资源可以支持更多国内开发和加工。他认为加拿大可以建设更多矿山和基础设施;访谈没有讨论这一政策偏好涉及的全部环境、原住民权利或经济权衡。
Stebbings 问加拿大总理 Mark Carney 对 Donald Trump 的立场。Lütke 称赞了一次演讲,但不同意其中对美国的态度,并用贬义标签形容他认为加拿大对 Trump 的过度反应。他的描述和大致民调数字是他自己的说法,这里没有独立证实。
Lütke 认为,加拿大可以在保持与美国密切经济联系的同时,扩大与欧洲和亚洲的关系。他呼吁建设管道、发展工业并增加国内资源加工。Stebbings 对中国 AI 模型及美国初创公司使用这些模型提出担忧。
AI 模型与环境政策
Lütke 对模型的视角表示担忧,并介绍家人使用社交媒体的经历。他主张改变欧洲环境和基础设施政策。
Lütke 说,他担心限制儿童使用 AI 可能将他们推向只具有单一政治视角的模型。他声称中国模型可能反映集体主义世界观,并举了一个涉及天安门广场的例子。这些是他的担忧和概括;访谈没有测试具体模型,也没有确定儿童会使用什么。
谈到家里的社交媒体使用情况时,Lütke 说他的孩子对拥有账号或手机不感兴趣,而是使用电脑和玩游戏。他说自家的经历不同寻常,几乎不能提供普遍指导。他也提醒,不同孩子的经历可能不同。
谈到欧洲,Lütke 批评环境限制和反对核电的立场,认为它们可能使基础设施建设困难。他支持有利于内部市场和竞争的政府规则,同时承认政府提供服务并资助基础设施。他的批评是一种政策观点,并非特定环境保障措施没有必要的证据。
他认为,基础设施能在超出大多数企业规划周期的时间里创造价值,因此政府在这一领域的作用很重要。他将经济增长视为之后决定如何使用共同资源的基础。他有关机场和其他项目回报的说法是说明性估计,并非经过审计的数字。
错误、领导力与市场
Lütke 反思 Shopify 的物流战略及其对员工的影响。他解释自己的领导力比喻,以及为何很少关注股价。
被问及代价最高的错误时,Lütke 指出 Shopify 在 AI 快速进步前进入实体物流和仓储领域。公司无法以同样方式同时追求这两个重点,于是放弃了该方向。他说自己曾为原决策辩护,但现在认为当时可获得的信息或许会让他作出不同选择;这一结果影响了员工。
Lütke 更愿意将领导者的作用描述为增加“热量”,而非注入混乱:能量可以帮助人们创造新事物。他说自己关注缺乏这种能量的领域,给已快速推进的团队更多空间。这一比喻反映了他个人的领导风格,而非普遍适用的处方。
他说,专注于问题的 CEO 可能连续几周听到的都是棘手消息。Lütke 收集他尊敬的人给出的鼓励性评价,以便在这种时期翻看。他说自己对 Shopify 有很深的情感联系,尽管他并不密切关注公司股价。
Lütke 将股票行情与创造公司价值的工作区分开来;他认为前者是市场对公司价值的估计。他记得新冠疫情初期股价大幅上涨,但这并不意味着公司突然按同样比例变得更聪明。他指出,其他行业可能更重视投资者关系。
使用 AI 开展工程工作
Lütke 调整了对初级和资深工程师的看法,预测将出现以上下文和协调为核心的职位。他介绍 Shopify 的 River 系统,并报告公司 AI 生成代码的比例。
被问及自己改变过什么看法时,Lütke 说,他最初预计没有既有习惯的新工程师在 AI 原生工作中会有特殊优势。此后,他看到了资深工程师凭借经验引导 AI 找到正确方案的价值。他仍认为一些年轻工程师非常出色,并说自己还不知道全部影响。
Lütke 预测,可能出现一种结合产品、设计和工程的职位,围绕上下文工程以及协调人员和 AI 展开。他把清晰的指令与良好的沟通相提并论,认为管理者可以把有用的经验带到引导 AI 系统中。他强调,最终出现的职位可能与他的描述不同。
他介绍了 River,这是一个通过 Slack 使用的 AI 系统,能在人们引导下处理 Shopify 的大型代码库。他说系统在被询问后选择了自己的名字。Lütke 称,目前 Shopify 远超一半的代码由 AI 生成,有些顶尖工程师今年没有亲自编写代码;他没有说明衡量方法。
Lütke 说,他仍然喜欢写代码,有时会先直接处理数据结构和持久化,再引导 AI 完成其他部分。他认为自己的工程背景有助于提出精确问题并评估系统设计。这是他对自身工作流程的描述,并非声称 AI 输出不需要审查。
教育与职业建议
他权衡上大学和加入小公司,并讨论能力与招聘。他鼓励人们在不伤害他人的情况下尝试。
谈到大学,Lütke 说,如果攻读有挑战性的学位能让孩子与对同一主题有浓厚兴趣的人相处,他会鼓励孩子去读。他也认为,如果一个人的技能受到小公司重视,加入该公司可能更好。在他看来,两条道路都取决于机会和个人情况。
Stebbings 问到任人唯亲。Lütke 逐步思考后最终表示,他看不到任人唯亲的可取之处,并认为双盲评估能力是一种理想。他批评加拿大某些学术招聘做法,同时承认克服障碍的努力有时能找到优秀候选人;访谈没有独立证实他的概括性描述。
他的结束建议是,人们可以尝试行动,而不是假定现有制度不允许。他补充了一个条件:实验不应伤害他人,他也敦促人们寻找正和机会。他说,行动还能带来信息,帮助了解什么有效,以及制度为何可能阻碍某个想法。
公共辩论与 AI 事实核查
Lütke 为创业和建设性批评辩护,随后讨论气候相关说法与言论自由。他与 Stebbings 探讨 AI 核查信息的潜在用途和风险。
在看似结束访谈之后,Lütke 说,他希望持不同意见的人继续听下去,对话应当允许人们犯错。他主张建立既允许人们创造、又要求他们为行为负责的制度。他还披露自己拥有约 6% 的 Shopify 股份,并认为客户和其他股东从公司的增长中受益。
他认为,购买产品是人们影响经济的一种方式,并为企业创建者辩护,反对财富必然来自夺取他人财产的笼统指控。他欢迎实质性的批评,但反对他所说的懒惰或恶意评论。这些是他关于财富和批评的论点,并非对任何特定企业分配影响作出的定论。
Lütke 批评他认为危言耸听的公共气候言论,并呼吁在预测错误时予以更正。他说气候变化存在,同时质疑过去有关冰层的未具名预测。他的评论没有评估当前气候变化及其风险的证据,访谈也没有确定他提及的具体预测。
Stebbings 问人们使用 AI 工具核查说法的问题。Lütke 乐观地认为,AI 可以减少提出指控与调查指控之间的工作量差距。Stebbings 指出恶意行为者也能使用 AI;Lütke 表示同意,提到声音克隆和软件安全风险,同时预测 AI 也能帮助防御者。
Lütke 提议比较在不同国家训练的模型的回答,作为审视说法的一种可能方法,并设想可以很快构建这样的工具。他预期更好的工具将帮助人们质疑恶意信息。这是一项提议和预测,并非多个模型组成的评议机制能够可靠核实事实的证据。
同频道的其他文章
23:48EN → 简体中文
1:13:26EN → 简体中文
59:41EN → 简体中文
1:19:50EN → 简体中文
1:03:05EN → 简体中文
1:17:09EN → 简体中文