一份泄露的 Shopify 内部备忘录引发了商界广泛关注,备忘录中 Tobi Lutke 谈到了员工如何将 AI 融入工作中。
备忘录称"AI 现在是一个基本要求",本质上要求员工本能地使用 AI,并将其融入到工作中的各个方面。
Lutke 写道:"我们在 Shopify 的任务是让我们的软件无可争议地成为开发未来最佳企业的最佳平台。我们通过保持每个人的前沿性,运用所有最好的工具,使我们的商家能够取得超出他们想象的成功。为此,我们必须保持绝对领先。"
为什么这种积极主动的行动是必要的?Lutke 认为这与时代有关,以及创新发展的速度。
个人证言
在备忘录的这一部分中,Lutke 为要求员工做出这一改变铺垫,指出他一直在谈论这种创新:
"许多人响应了号召,我们所有参与其中的人都对 AI 能够增强我们的技能、工艺并弥补差距的新能力和工具感到惊叹,"Lutke 补充道。
本质上,在这一年的上半年,我们已经看到 AI 的现实影响正在迅速显现。通过主动性方法,我们看到 AI 被"释放"来执行广泛的人类任务。这意味着企业需要迎头赶上。
保持奔跑
作为论据,Lutke 引用了"爱丽丝梦游仙境"中的场景,在红皇后的赛跑中,参与者必须不断奔跑才能不落后。
他表示,这在 AI 领域同样重要。
"在我多年前的领导力备忘录中,我将 Shopify 比作爱丽丝梦游仙境故事中的红皇后赛跑 —— 你必须不断奔跑才能保持原地不动。在一个每年增长 20-40% 的公司里,你必须至少提升相同的幅度才能重新获得资格。这对我和其他所有人都适用。"
凝聚指导
对于那些想知道这种变革会是什么样子的人,备忘录底部标题为"这意味着什么"的部分提供了更多明确说明。
首先,关于前进运动的比喻有更多阐述:
"停滞几乎是必然的,而停滞就是缓慢的失败。如果你不在攀登,你就在滑落。"
他还指出,AI 应该成为原型的一部分,并建议公司将 AI 相关问题添加到绩效和同行评审问卷中。
在这段话中,Lutke 还提到了一点,作为 AI 用户的我深有共鸣 —— 你必须坚持,而不是在第一次遇到挑战时就放弃。
"我的感觉是,很多人在写完提示词后没有立即得到理想的结果就放弃了,"他写道。"学习如何提示和加载上下文很重要,获取同事对这方面的反馈将会很有价值。"
通常情况下,无论是使用 ChatGPT、图像扩散工具还是任何其他模型,第一次的提示往往难以得到你想要的结果。耐心地与模型合作几乎总能带来回报。
备忘录的这部分也引起了广泛关注:
"在请求增加人手和资源之前,团队必须证明为什么他们不能使用 AI 完成想要做的事情。"
对许多人来说,这可以理解为:雇用 AI,而不是人类。
这本身往往会引发人们对就业岗位流失的担忧,因为 AI 正在接管大量当前的知识性工作。但这就是现实。无论人们是否喜欢,生产资料正在"商品化"(用我最喜欢的播客主持人之一 Nathaniel Whittemore 的话说)—— 这就需要企业做出这样的改变。
巨变
可以预见,其他公司将会效仿 Shopify。他们可能不会采用相同的方式或步调,但这种巨变将持续下去 —— 就像云计算一样,在过去十年间,大多数公司从本地数据系统转向了提供远程存储和计算的供应商。
顺便说一句,随着公司在内部设备上运行边缘大语言模型,我们实际上可能会逆转许多云计算的变革。但我的观点是,我们将看到各公司都在朝着新的 AI 技术竞相发展,具体形式取决于各公司领导层的偏好。
我可以引用我的另一位朋友 Jeremy Wertheimer 的话,他曾在过去的 Imagination in Action 活动中作为主题演讲者出现。在演讲中,Wertheimer 直接谈到了 AI 对新职业人士、年轻一代工作者的影响。
所有这些都需要提前思考。因此,Shopify 的这一举措可能只是开端。
好文章,需要你的鼓励
2025年1月,OpenAI、软银、甲骨文和MGX联合宣布"星际之门"计划,承诺投资5000亿美元,部署高达10GW算力基础设施。如今,该项目已从白宫发布会上的宏大承诺,演变为一场前所未有规模的基础设施建设实验。项目已扩展至德克萨斯、威斯康星、俄亥俄等多地,并延伸至阿布扎比和挪威。然而,融资争议、合作伙伴摩擦、能源压力及政策监管收紧,正考验着这一"AI工业园"模式能否真正落地。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
加密货币交易所OKX正式推出AI智能体交易市场OKX AI,允许AI代理相互雇佣、自主结算,并建立基于区块链的可携带信誉档案。该平台经过50家早期服务商封测后向开发者开放,依托稳定币和链上支付基础设施,支持全天候微支付。OKX创始人徐明星表示,传统金融基础设施为人类而建,智能体经济需要为自主软件专门设计的基础设施。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。