Tobi Lütke 上 20VC：AI 是大裁員的代罪羔羊，慈善捐款不是美德

TL;DR

• Shopify CEO Tobi Lütke 認為這波科技業大裁員跟 AI 沒什麼關係，是 COVID 時代過度招聘的結算，但 AI 因為「不會還口」變成最完美的代罪羔羊
• Shopify 現在七千五百到八千人，五年後他希望還是這個數字，每人生產力卻要放大一百倍
• 公司超過一半的程式碼已經是 AI 寫的，最好的工程師從去年十二月起就沒手寫過 code，他說「Opus 改變了一切」
• 反直覺：他原本賭沒包袱的新人會在 AI 時代跑最快，結果發現資深工程師「steer AI」的能力遠超新人
• 慈善捐款的核心問題：把錢給一個沒有自我修復機制的非營利組織，等於在標榜自己拒絕參與市場這個人類發明過最強的適應機制
• 把錢花在本地店家就是最民主的投票行為，每一塊錢都是對這個產品該不該存在的表決
• 他從四月就沒看過股價，「股價是別人在玩的遊戲，我做的是 fair market value」

這集是誰，談了什麼

這集在 2026 年 5 月 4 日上線的 20VC，主持人 Harry Stebbings 從十幾歲就開始錄節目，現在已經把它做成創投圈的招牌訪談節目。Stebbings 自己同時也經營一支叫 20VC 的基金，所以訪談角度兼具媒體人跟 GP 的雙重身份，會問到很多其他訪談不會問的爭議題。

這集來賓 Tobi Lütke 是 Shopify 的共同創辦人跟 CEO，從 2008 年坐這個位置坐到現在。Shopify 在我寫這篇的時候市值大約一千六百億美金、年營收約一百一十億美金，是全球電商基礎設施的代表性公司。Tobi 是德國移民到加拿大的工程師，當年因為自己想開網路商店但找不到順手的軟體就乾脆自己寫一套，後來這套東西變成 Shopify。他在創業 CEO 圈裡以「親自下去寫 code」「直白到讓人尷尬」「不講場面話」聞名。Stebbings 在開頭直接說這是他訪過最 spicy 的一集，聽完我覺得不誇張。

AI 沒裁人，是被拖出來扛鍋的

Tobi 對最近這波科技業大裁員給了一個很直接的判斷：跟 AI 沒什麼關係，就是 COVID 時代過度招聘的後遺症在結算。

他用了一個很 Tobi 式的詞：AI 是「the perfect Girardian scapegoat」，完美的代罪羔羊。Girardian 出自法國思想家 René Girard 的代罪羔羊理論，意思是一個社會在內部矛盾爆發前，會找一個共同的「外人」來承擔所有罪責，因為它沒辦法替自己辯護。

AI 太適合扮演這個角色了。它不會跳出來說「不是我幹的」，員工接受、媒體接受、董事會也接受。CFO 砍人的時候只要說一句「我們在做 AI 轉型」，每個人都點頭。實際情況很多時候是當年招太多了，現在景氣變了，必須把人力 reset 回去。

我之前在 Klarna CEO 那篇 寫過 Klarna 從七千人砍到三千人的故事，那邊 Sebastian Siemiatkowski 倒是大方承認 AI 替代了部分客服跟工程的工作。但 Tobi 補了另一面：很多公司根本沒像 Klarna 那樣真的把 AI 用到位，只是借勢清庫存而已。

老實說這個觀察滿準的。看一下這幾個月各家公司的裁員公告，有多少是配合 earnings call 同時公佈，有多少其實是去年就該做的決定？AI 在這裡只是一個讓股東好下嚥的包裝紙。

五年後還是七千五百人

Tobi 講了一個我覺得這集最反直覺的數字。

主持人問他 Shopify 現在多少人，他說七千五到八千。然後問五年後呢？他說「我真心希望還是七千五到八千，但每個人的生產力要放大一百倍。」

這段有兩個重點。第一，他覺得這個數字超級樂觀。對他來說 Shopify 真正的天花板在想像力，市場機會本身完全夠用。Shopify 的 mission 是「讓創業變得更普及」，這個範圍夠大，七千五百個人配上每人一百倍效率，可以做的事情遠比現在多。

第二，他對 AI 時代的就業市場給了一個很特別的判斷：「創業」是 AI 最受惠也最安全的工作。受惠是因為以前要懂供應鏈、設計、行銷、會計才能開公司，現在這些東西 AI 都能補你。安全是因為 AI 沒辦法取代「決定要做什麼」的人。

這個觀點搭配他對 Formula One 的比喻其實很有畫面感。F1 是一個「以規則手冊為名」的運動，光是 Mercedes 引擎部門就有八百個工程師，每個禮拜被全世界排名一次，活在一個永遠的黃金時代。這些工作二十年前根本不存在，是被「規則手冊」這個結構創造出來的。Tobi 說 AI 時代也會這樣，新工作會被造出來，只是現在大家還沒看到。

資深工程師才是 AI 時代的贏家

這集另一個我覺得值得認真讀的段落，是 Tobi 承認自己「賭錯了」。

他原本以為，AI 會讓沒包袱的新人在工程職涯上速通，因為他們不需要先學一套舊方法再忘掉。結果他在 Shopify 觀察到的剛好相反：最會用 AI 的，是資深工程師。

原因是這樣。現在 AI 寫 code 的方式不是你下一個 prompt 它就交件，而是你跟它持續對話、持續校正方向，這個動作叫 steering。看起來很 high level，本質上跟以前寫程式一模一樣，只是抽象層次拉高。資深工程師做了幾千幾萬次「我要的是什麼、不對這不是我要的」的判斷，這些判斷就是 steering 的本錢。新人沒這個本錢，光會打字沒用。

他講這段的時候順帶丟了一個數字：Shopify 超過一半的程式碼已經是 AI 寫的，而且很多最好的工程師從去年十二月起就沒手寫過 code 了。

「December changed everything. Opus changed everything.」

這句話我看了會抖一下，因為這跟我之前寫過 Codex、Claude Code、Cursor 三大 coding agent 比較那篇的觀察一致。從某個時間點開始，coding agent 從「輔助工具」變成「主要產出者」，門檻是模型的可靠性夠高、上下文視窗夠長、能跨檔案理解。Opus 那一代到位之後，整個工作流程就回不去了。

順便提一個 Shopify 內部的工具叫 River，住在 Slack 裡，公司大量的工程任務都是工程師在公開頻道直接 @ 它做的。River 這個名字是它自己取的，因為 Shopify 的 mono repo 叫 World，River shape the World。Tobi 說這個命名很詩意，我看了只覺得這個產業真的回不去了。

慈善捐款的問題：你在花錢買心安

Tobi 在這集講了一段我覺得很多人會不舒服但值得想一下的話：「Giving money is not virtuous unless it causes the right things.」

捐錢這個動作本身沒什麼好誇耀的，要看錢有沒有造成對的結果。

他的論點分兩層。第一層：他不反對給有錢人放大鏡的審視，他認為「越有錢、越有資源的個人或機構，越值得被檢驗」。這部分大家應該都同意。但他話鋒一轉，說現在社會把矛頭指錯地方了，把所有靠創造價值賺到錢的人也一起罵進去。

第二層才是他真正的火力：慈善捐款的問題在於它沒有「自我修復的適應函數」（self-healing fitness function）。翻成白話就是，市場會逼一個產品要一直變好，因為消費者隨時可以用新台幣投票把它淘汰。但慈善組織沒有這個機制。它的「成功」是靠講故事、靠關係、靠誰更會募款，跟誰真的解決了問題沒太大關係。

他甚至直接說：「我們現在有太多慈善的錢了。」

這個論點我第一次聽會反射性反感，但仔細想會發現他的邏輯沒錯。Carnegie 一百年前蓋圖書館有效，是因為當時市場真的供應不出免費閱讀空間。Rockefeller 蓋醫院有效，也是同樣的理由。今天大部分慈善花的錢，做的是「市場可以但不願意做」的事，你應該問的不是「為什麼市場不做」，而是「市場拒絕做的這件事，是不是其實沒有它聲稱的那麼有價值」。

延伸出來他還丟了一個說法：你每次去本地店家買東西，都是在用錢投票。投這家店該不該存在、投這個供應鏈該不該擴張、投這個產品該不該被製造。這比任何選舉都更直接，因為你的票每天都在投，而且每張票都被計算。這個觀念我覺得 founder 圈的人會很吃，但放到一般人身上其實也成立，就看你願不願意把買東西當成一個有後果的決定。

不看股價的 CEO

主持人問他股價什麼時候錯得最離譜，他答 COVID 剛開始那段，「我們沒有突然變聰明一百倍。」

然後他補了一句很妙的話：他四月一整個月沒看過股價。錄這集的當下他確定自己已經連續二十三天沒看了。

他的邏輯是這樣：股價是別人在猜你公司未來公平市值的遊戲，跟你做的事是兩回事。你做的事是 fair market value 本身。如果你天天盯著別人怎麼猜你，你的決策就會被「下一季財報好不好看」綁架，變成很難做長期的事。

這個跟他開場講「fear of losing vs fear of winning」其實是一脈相承的。他認為這兩種人都會看短，因為「下一個迭代最重要」。要做長期的事，你得能忍受帳面難看一段時間，因為你相信這個方向會帶你到更好的地方。

我覺得這個態度在台灣特別值得想一下。台灣的上市公司董事會普遍超級在乎股價，每天的成交量、外資進出都會傳到 CEO 手機上。Tobi 講的「trusted public company」這個位置，需要市場真的相信你會把長期做好，這個信任是花十年累積的，不是花十場法說會就能換到的。

「You can just do things」

主持人問他這輩子聽過最好的建議是什麼。他答的不是真的有人給過他的建議，是一句他想留下來的話：

「You can just do things.」

你可以就直接去做。

他補了一段話我覺得是這集最值得抄下來的：「現在這個系統的設計目的是要產出好結果。如果你知道好結果長什麼樣，你可以直接跳出系統去試。成本比過去任何時候都低，而且 action causes information，行動會生出資訊。」

唯一的限制是：這件事不能有受害者。你做實驗的代價不能落到別人頭上。除此之外，去做就對了。

這句話之所以有力量，是因為現在做事的成本真的低到不可思議。你想做一個產品，AI 可以幫你寫 code、生圖、寫文案、做客服。你想開公司，所有後台基礎設施有人幫你包好。你想驗證一個想法，一個週末就能跑完一輪測試。真正讓人停下來的，往往是腦袋裡那個「我真的可以嗎」的自我審查迴圈一直在跑，跟資源沒什麼關係。

寫到最後

這集我聽完最大的感想是，Tobi 是那種在訪談裡把所有公關過濾器都關掉的人。他講 AI 裁員、講 climate cult、講加拿大的 Trump 仇恨症、講慈善捐款，每一個都是會得罪人的觀點。但他不在乎，因為他覺得「能講真話」這件事本身就是一個比「讓人喜歡」更高階的測試。

我倒不是要你照單全收他每個觀點，他自己也說「我不在乎你不同意，我在乎你還在聽」。重點是他示範了一種思考方式：每個直覺都拿出來檢驗一次，問「這真的是對的嗎，還是只是聽起來對」。Thomas Sowell 那句話他引得很好：「過去五十年我們一直在用聽起來好的東西取代有效的東西。」

對創業者來說，這集最大的價值大概是兩個：第一，AI 衝擊就業這件事重點在重組，沒有大家想的那麼像末日，而你可能比想像中更適合在這個重組裡找到位置；第二，做事的成本前所未有的低，少 over-thinking 一點，多 just do 一點。

如果你想看更多這類創業者訪談的拆解跟產業觀察，wilsonhuang.xyz 上會持續更新，歡迎訂閱追蹤。