从 Shopify CEO 的 AI 幕僚团谈起：企业重大决策如何走向结构化推演
结合 Shopify CEO Tobi Lütke 关于 AI 幕僚团的实战思考，探讨企业重大战略决策如何从零散对话走向结构化推演，解析 PrismCouncil 的多视角制衡与决策闭环实践。
导读：
2026 年 9 月，Shopify 创始人兼 CEO Tobi Lütke 在商业思想播客 The Knowledge Project（节目官方页面见 Farnam Street）中，分享了他如何借助个人「AI 幕僚长（AI Chief of Staff）」以及多模型协作的「AI 虚拟委员会（AI Council）」来辅助自己思考公司级复杂议题。这一实战案例在科技圈与企业管理领域引发了不少讨论。不过，对于绝大多数企业管理者而言，很难也不必像 Tobi 那样在个人私有环境下手工编排一套复杂的多智能体脚本。
他所面对的思考挑战与推演需求，也正是 PrismCouncil 在企业环境中所要解决的核心问题：提供一套开箱即用、具备多视角对抗推演能力，同时在权限、合规与流程上能平滑衔接至立项执行的企业级决策支撑工具。
一、Shopify CEO 的实战尝试：从单人提问到“多智能体博弈”
在访谈中，Tobi Lütke 详细拆解了他在面对高不确定性、缺乏现成经验的复杂决策时，如何借助 AI 重塑自己的思考流程：
面对重大课题时，他不再仅仅向单一的大模型输入 Prompt 索要答案，而是由后台的 AI 幕僚长自动调起一个由 5~6 个专业角色组成的虚拟智囊团（AI Council）：
- 多角色分工：分别设定数据分析、研究、工程、商业战略等 5~6 个角色；
- 多模型协同：每个角色分别交给不同的模型，尽量避开单一模型的偏差；
- 归纳与简报：最后由另一个模型把各方结论汇总成一段音频简报，他第二天早上听；
- 效率与投入：这一过程通常只需消耗约 15~20 美元的 Token、在 30 分钟左右完成（他说这件事自己做要花一个月），为决策者呈现多维度的对照信息；
- 定位与边界：他的 AI 智囊团只负责提供信息、协助推演，从不替人做出决定。
这个案例之所以受到业内重视，是因为它展现了生成式 AI 在企业中一种更有深度的应用方式：不仅限于文案生成或代码编写等下游执行环节，而是作为高管层推演复杂业务方案时的思维对照面。
二、Tobi 提出的决策原则：机器负责推理，人类承担责任
在这场对谈中，Tobi 结合长期企业管理经验，提出了三点值得深思的原则：
1. 机器无法承担责任
Tobi 给出了非常明确的边界：他认为机器无法承担责任，出了错，被解雇、被起诉、坐牢的只能是人。机器可以穷尽变量、辅助推演，但商业后果、法律责任与组织归属，最终必须由人类承担。
用我们的话说，AI 在管理层的作用不是代劳决策，而是构建一个高效、全面的人机协同决策空间（Decision Surface）——如同金融交易员面对的行情与分析终端，它把关键数据与情景推演呈现在眼前，但最终的取舍、裁决与担责，始终属于人类。
2. 警惕“无序产出”带来的注意力内耗（Slop Grenades）
Tobi 提醒，AI 工具普及后，组织中容易出现一种不良倾向：员工让 AI 产出方案或内容，自己未经检查便直接转给同事去审阅和收拾；这种缺乏负责态度的半成品在团队内部互相传递，耗费了大量注意力。
他把这种做法形容为彼此抛掷「烂泥手榴弹」——“We call those 'slop grenades' that people toss at each other.” 在严肃决策中，企业真正需要的不是漫无边际的长篇大论，而是高度聚焦、论据可查的结构化信息。
3. 最具长期价值的战略，往往处于“即时反馈的真空区”
如果一项决策能在当季财报或短期数据上迅速见效，团队往往会天然倾向于选择它。但关乎企业长期护城河的动作（例如重构核心系统底座、深度调整业务重心），往往在很长一段时间内没有任何立竿见影的正向反馈。
在这类缺乏即时反馈的场景下，管理者更需要借助严密的多视角推演，交叉校验不同维度（技术、财务、风控、合规）的潜在风险，从而在不确定性中找到更有支撑的行动依据。
三、从个人探索到企业标准化落地的挑战
Tobi 的实践极具启发性，但在企业常规环境中，如果仅靠业务高管或 IT 团队自行摸索，往往会遇到几个现实痛点：
- 工程与提示词编排门槛：如何让各个视角的智能体真正保持专业深度，避免在对话中演变为泛泛而谈的“礼貌附和”？
- 缺乏业务流程闭环：在普通的即时通讯或对话框内推演得再充分，讨论一旦结束，结论往往只是一堆零散的文字记录，无法平滑转化为具有明确预算、工作分组与任务骨架的落地执行输入。
- 企业权限与合规审计要求：企业战略通常涉及高敏感信息，多位管理层之间的议题需要有严格的私密隔离；同时，决策推演的过程、专家建议的演变，需要有据可查、可供追溯。
因此，企业需要的并非又一个单纯的聊天窗口，而是一套兼具多视角专业度、严格权限管控、且能衔接至后续执行的战略决策层组件。
这正是 ReadyForAI 推出 PrismCouncil 的核心定位。
四、PrismCouncil：企业级战略决策层的产品化实践
作为 ReadyForAI 数字劳动力基础设施中的战略决策层组件，PrismCouncil 开箱即用，后台配合 NodalOS，在 AULO 议事面板里使用。它将多视角智能体议事机制转化为标准化的企业产品能力：
1. 8 大预置专业顾问 + 常驻 CDO：视角完备，避免盲区
无需管理者从零编写角色提示词，PrismCouncil 开箱即内置了覆盖企业关键职能的顾问角色：
- 8 类常设专业顾问：涵盖战略、技术、财务、风险、合规、营销、运营、组织与人才；
- 常驻数据分析官（CDO）：不是 8 个观点顾问之一，是数据角色，为议事提供数据基线、区间估算和图表；
- 内建对抗张力：在系统设计中预设了业务视角之间的合理制衡（如营销 vs 风险、技术 vs 财务），对抗组合随参会阵容变化。由议事官调度各方充分阐述不同诉求，避免片面视角；
- 多模型配置支持：管理员可为不同顾问配置不同模型，每条立场都记录实际调用的模型；
- 单体议事与子议题：议事官根据议题分量，在单体议事（一位顾问深度推演）和团体多视角研讨之间切换；支持最多两级子议题。
2. 拒绝冗长无序：直接收敛为 Decision Package（决策包）
在 PrismCouncil 中，多轮讨论不会发散为无休止的文字流，而是严格聚焦于收敛与输出：
- 逐节成文的议事报告：立场矩阵、分歧与裁决逐节成文，未收敛项如实标注；各顾问立场按轮次留痕、可逐条查证；
- 结构化 Decision Package：决策包给出项目名与预算（预算为高管给出的数，系统不擅自估算），附议事官起草的执行计划初稿（工作分组与任务骨架）。
3. 坚持“人类终裁”：从决策辅助到立项流转
PrismCouncil 在产品底层贯彻了清晰的边界准则：
- 绝不替代人类行使最终战略与业务决策权：系统始终保持辅助推演定位，必须经由人类负责人明确审批方可推进；
- 决策过程可追溯：顾问历史立场在本服务留痕；人类审批事件在对接 OwlAudit 后可进入审计链；
- 衔接立项执行：开启 PathPilot 对接后，可在 PathPilot 建立 Program（项目群），执行计划初稿随包存档。
4. 严格的会话私密隔离
在 AULO 议事面板中，每位高管仅能看到由自己发起的议题。即便是系统管理员，在权限设计上也遵循私密隔离原则，确保高敏感度的战略预研、组织调整等议题在充分隔离的安全环境中开展。
五、在 AULO 界面中，一场议事推演如何展开？
在 AULO 的统一工作台上，战略议事的流程清晰而直观：
- 新建业务议题：填写标题、分类、描述；
- 选择推演深度与参会顾问：
- 7 个内置议题模板各自预配建议阵容与默认深度，发起人可手动调整。建题时选项为「全部顾问 / 手动选择」；
- 推演深度支持三种模式（深度设置在多顾问团体议事时生效）：
- 简要（Brief）：各顾问只陈述各自立场，不展开互相质询；
- 标准（Standard）：在首轮陈述立场后，增加一轮针对性的对抗质询；
- 深入（In-depth）：展开多轮对抗质询，推动共识逐步收敛，并完整保留少数派不同意见。
- 右侧伴随式议事抽屉：右侧抽屉里的议事官随时响应补充信息、协调顾问展开分析；
- 结构化议事拓扑：主议题与子议题在导图里呈现；议题状态涵盖待讨论、讨论中、已决策、已立项、搁置、已关闭、否决 7 种状态，脉络分明；
- 审阅与流转立项：议事官起草决策包 → 高管审阅各顾问按轮次留下的立场与论据 → 审批 → 议题进入「待立项」状态 → 确认后点击「转立项」，完成向执行面的平稳过渡。
六、结语
在生成式 AI 快速渗透的当下，企业对 AI 的运用正在从“单点提效”逐步迈向“系统性辅助思考”。
Tobi Lütke 的实践印证了一种清晰的趋势：利用多智能体的协同推演，能够帮助管理者在复杂环境下更全面地看清选项与风险。
而 ReadyForAI 的目标，正是将这种严密的推演范式，打磨成安全、可靠、易于融入企业现有协作体系的标准基础设施。如果您正在评估团队或企业的智能体治理成熟度与决策痛点，可以参考治理痛点诊断。
让重大决策不再局限于零散问答，让每一项严谨的推演都能转化为清晰的行动规划。