代理替谁做选择：Tobi Lütke谈Shopify、创业门槛与商业信任

一、嘉宾背景

在Alex Heath主持的《Sources with Alex Heath》中，Tobi Lütke用约84分钟讨论AI代理与Shopify的未来。问题从购物入口延伸到组织管理、交易收费和个人数据，既涉及Shopify的业务选择，也呈现了他判断技术价值的方式。

本集所附嘉宾背景将Lütke介绍为代表Shopify阐述业务与理念的受访者，没有明确列出具体职务。Shopify为商家提供在线商店、社交渠道、线下销售和结账支持。这样的业务位置，使他的关注点不仅在于消费者如何找到商品，也在于商家能否保有品牌表达、获得订单并持续经营。

Lütke自述长期从事帮助创业的软件建设，喜欢计算机，也喜欢设计公司的决策系统。他不断看到商家把原先不存在的产品做成生意，并以此解释自己的正和世界观。这些经验构成了他理解AI的出发点，也界定了其发言的范围：平台观察和个人实践能够说明他的判断如何形成，却不足以代表所有创业者的处境，或据此计算整个社会从AI获得的净收益。

二、本期主要内容

访谈从Shopify与Amazon对购物代理的不同态度切入。Lütke把分歧归于长期的商业哲学：Amazon更像数字百货，Shopify则围绕独立商家、品牌与创业展开。Heath提出，Amazon可能需要保护广告业务；Lütke没有确认这一解释，而是表示自己不熟悉该业务。他提供的是对两种商业模式的理解，并未证实Amazon内部决策的动机。

Lütke说，Shopify刻意不建传统商城，以便专注商家利益。在他的解释中，商城需要协调平台、买家与卖家的利益，容易优先优化更容易观测的买家体验。Shopify选择围绕商家提供服务，网店、社交渠道、线下销售以及代理都可以成为销售入口。他认为，渠道越多，Shopify的价值越大；但代理时代究竟更有利于哪种模式，现在判断仍然过早。

谈到实际使用，他描述的变化主要发生在需要组合商品、深入考虑的项目采购中。代理购物正从很低的基数增长，增长百分比容易显得惊人，却未必能说明规模。家庭健身房是他举出的例子：一次采购可能涉及多种商品和相互关联的选择。他推测，用户或许会先上传房间照片或平面图来规划，但也说明Shopify看不到这一过程。这是他对使用流程的推想，并非平台直接观察到的行为。

周末亲子3D打印则呈现了另一组约束：磁铁、耗材和电子零件要配齐，还要考虑到货时间，必要时寻找本地商店。代理需要协调的是一组采购决定，而不只是搜索某件商品。

话题由此转向创业所需的知识支持。Lütke认为，创业者至少需要理解不同岗位，才能招聘合适的人并判断工作质量。他回忆，在受访Shopify用户中，约80%有人能在24小时内回答创业问题。他把这一结果解释为幸存者偏差：已经开始经营的人，可能本来就拥有支持网络，这些用户并不能代表所有想创业的人。

Lütke称，Shopify上的企业创建表现强劲，创业者也更年轻。他讨论了AI与创作者内容可能发挥的作用，但没有提供数量、增长率或因果验证。对于Shopify的经营目标，他更关心毛利额增长，愿意通过更低的价格扩大创业规模，让创业更容易成为职业Plan A。

他还说，业务创建的高峰出现在用户当地午休时段。这一观察与降低起步门槛的目标相连：Shopify正推动AI代用户注册，并利用庞大的商家群，以及成熟大商家带来的规模，分摊工程师和token成本，改善新商家的起步体验。让创业更容易，既取决于产品如何设计，也取决于这些成本如何被承担。

三、核心观点：推理、例子与边界

Lütke对代理价值的判断，首先建立在任务范围的扩展上。他说，转录中称为Muse的代理接入tailnet后，在部分实例中已经能够访问家庭设备、连接打印机并补购耗材，前提是用户接受相应的访问权限。他把代理的作用分为两个阶段：先改善人们已经在做的事，再帮助人们发现新的活动。与项目采购结合起来看，规划、采购和设备操作一旦连通，就可能改变一个项目是否值得开始的判断。但他也承认，浏览器代理涉及身份模拟，目前可靠性不足。任务范围能否扩大，与执行能否稳定可靠，仍需分别判断。

这种期待与他的增长观一致。Lütke认为，当人们看不到新机会，竞争就更容易变成对现有资源的争夺；新市场和新想法则为合作与新增价值打开空间。他把AI视为这样的增长前沿，并估计它已经创造数万亿美元价值。不过，访谈没有提供这一估计的测算依据，口径、时间范围和计算方法均未交代。他承认AI可能给不同个人带来正面或负面影响，仍预测总体收益将远超损害，并表示自己的P(doom)为零。这是他的个人风险判断，不能视为经过模型验证的概率。

开放模型与竞争也是他保持乐观的条件。Lütke认为，Meta开放Llama树立了其他公司可以效仿的规范。他看重的不只是模型能力提升，也包括其他参与者能否进入、试验和竞争。这解释了开放模型在其判断中的分量，但访谈并未证明开放模型足以化解所有风险，也没有提供不同市场结构的比较结果。

在组织内部，Lütke试图把这种技术判断变成工作习惯。他通过关于反射式使用AI的备忘录，要求员工申请资源时解释此前的AI尝试如何失败，让尝试AI成为默认步骤。他还提到，绩效问卷曾询问同事是否习惯带来AI原型，问题本身就在传递文化期待，答案却不直接决定考核结果；他也不确定当前问卷是否仍保留这一项。文化信号、实际使用和正式考核因此需要区分。他主张按代码质量判断贡献：工作方式可以变化，交付质量仍是评价依据。

谈到商业模式，技术价值必须接受财务约束。Heath估计Shopify抽成约3%，Lütke指出，其中大部分流向信用卡公司。对于代理希望抽取2%的设想，他认为应该以基点讨论。这番回应没有确立统一的市场费率，却点出了收费空间的限制：用户获得的价值很大，并不意味着交易链条中就有相应比例的利润可供分配。

Lütke认为，用户付费、按量收费和交易收入都可能成立。他还提出一种反向金钱测试：用户需要获得多少补偿，才愿意永久放弃一款产品？这个问题可以帮助理解产品价值，却不能直接换算成可兑现的收入。他承认，延后变现需要融资和流动性。Heath追问算力成本时，他也承认，自己购买tokens的资源条件特殊。成本会下降是他的预测，不能替代眼下的现金流。

广告把收费问题进一步推向代理的受托关系。Lütke建议公司回到所解决的问题本身，把广告和月费看作可以改变的历史方案；商家与潜在受众之间，仍然需要发现引擎。但代表用户的代理如果因为收取报酬而选择推荐商品，就可能损害信任。他说Shopify正在参与讨论更可接受的机制，尚未给出完整方案。

他同时担心，AI会让商业进一步向大品牌集中，重现百货体系中大公司占据优越货架的局面。他用“一千名真正粉丝”表达细分产品克服用户冷漠的理念，而非为所有生意设定统一的成功门槛。他高度评价Meta和Google广告对小商家的帮助，也把广告投入视为收入、增长和需求的经验信号，但节目没有提供量化验证。代理商业因而面临两项相互牵连的要求：让商品继续有机会被发现，并让用户相信推荐依据。如何兼顾两者，访谈仍未给出完整答案。

Shopify自身也面临持续重建的问题。Lütke每年年初都会构想一个从零开始的理想Shopify，再推动现有产品向它靠拢。他承认，既有客户和复杂软件会拖慢演进，因此强调克服沉没成本。规模能够分摊成本，也会增加改变的阻力。在他的设想中，回应代理带来的变化，需要不断缩小现有产品与理想版本之间的距离。

四、学习与应用

商家试验代理购物，可以从一个完整项目入手：明确商品组合、预算和交付期限，要求代理说明每件商品的用途、可替代选项，以及无法按时到货时的处理办法。验证时分别记录规划是否可用、商品是否兼容、结账是否完成，以及最终交付能否满足项目需要。家庭健身房与3D打印案例为这种拆解提供了思路，但访谈没有可靠性或转化率数据，预期收益仍需通过实际记录检验。涉及家庭设备时，还要单独确定访问范围和购买授权。部分实例已经能够完成的操作，不等于适合直接无人值守运行。

缺少创业人脉的人，可以用AI准备跨岗位问题：先梳理一项工作需要哪些能力，再生成招聘或验收时需要追问的内容，最后请有相应经验的人核验不确定之处。这沿用了Lütke所强调的知识支持机制，但不能把AI回答等同于可靠指导。他关于约80%的受访商家拥有快速咨询渠道的回忆，也提醒研究者避免只调查现有用户。判断创业门槛是否下降，需要继续观察原先缺乏支持的人能否完成具体任务，以及他们仍会在哪些环节停下。

组织采用AI，可以借鉴资源申请中的实验记录：说明尝试了什么、在哪一步失败，以及继续投入能够解决什么问题，同时按最终质量评价交付。“使用过AI”不宜单独成为绩效标签，历史问卷也不能当作现行规则。Lütke每年重新构想Shopify的做法，则可以用于产品讨论：先写出今天从零开始会设计怎样的体验，再列出它与现状的差距，逐项判断哪些差距来自必要的客户兼容，哪些只是沿袭旧习惯。这样的讨论有助于看清选择，并不要求一次性推翻整个系统。

代理创业者需要分别验证用户价值与收费能力。反向金钱测试可以帮助识别用户最舍不得失去的功能，真实付费意愿则需要另外检验。成本计算还应包括支付链条费用、单次任务的token消耗和失败重试成本。直接收费、按量计费与交易收入各有成立条件，不能预先假定自己能够获得订单金额的固定比例。若依靠融资延后变现，就需要明确现有资金能够支持多长的实验期，而不能把未来成本下降直接写进当前预算。

推荐产品还需检验报酬是否影响排序，并观察新商家是否获得合理的被考虑机会。披露收费关系是机制设计的一部分，但披露本身不足以解决全部信任冲突。Lütke对代理受托关系和品牌集中的担忧，要求产品同时审视推荐依据与商家的进入机会。

个人代理的价值，则更多体现为数据之间的贯通。Lütke自述把酒窖改成家庭服务器空间，配备Dell GB300并训练模型；由于部分工作内容不能外发，他让个人Claw在本地运行。他还拥有约15年电脑活动的文字与日志档案，为代理提供了丰富上下文。据他描述，Claw能够做研究、写简报，并汇集Fitbit、日历和位置数据。他认为，失去这一产品会是重大倒退。

普通使用者可以先选择一个范围明确、确有用途的数据组合，验证答案能否追溯到原始记录，再考虑扩大范围。访谈没有提供硬件成本、保护措施或性能评测，因此不能据此推导人人都需要家庭机房，也不能把本地运行等同于天然安全。Lütke把心率与会议关联起来查询压力，但没有说明如何处理混杂因素。这类查询只能提供进一步调查的线索：未排除运动、咖啡因等因素，就不能认定某位会议参与者造成压力，更不应直接据此评价他人。

来源

• 原始节目：Tobi Lütke on the AI agent revolution and future of Shopify