AI slop 不是新問題、Token-maxing 是雜訊：Liz Reid 給 Google 內部的三個提醒

本文整理自 Bloomberg《Odd Lots》Podcast 2026 年 4 月 23 日播出的單集，受訪者為 Google 搜尋副總裁 Liz Reid。本系列共三篇，這是第三篇談 AI slop、Token-maxing 與未來介面的三個誤讀。第一篇談擴張論與廣告辯護，第二篇談使用者從關鍵字轉向自然語言的最大行為轉向。

{{< youtube DP8qe2Qo2-s >}}

{{< apple-podcast "tw/podcast/googles-liz-reid-on-who-will-own-search-in-a-world-of-ai/id1056200096?i=1000763214881" >}}

---

「AI 出現之前，slop 早就有了」：木琴文的 15 年前奇觀

Tracy Alloway 在訪談一開始就拋出一個很多媒體人最關心的疑慮：AI 生成的低品質內容，所謂的「AI slop」，會不會把搜尋結果汙染到無法使用？這個焦慮在過去兩年幾乎變成科技圈的共識：模型成本越低、生成速度越快，垃圾文章就越多，最後使用者打開 Google 看到的只剩下 AI 量產的廢話。Reid 給出的答案出乎意料地冷靜，她直接說：「AI slop 之前，就已經有 slop 了。」

這句話聽起來像在替 AI 開脫，但她的論述其實是反向的：問題從來不是「誰在生成垃圾」，而是「Google 怎麼排除垃圾」。她指出 Google 二十多年的核心能力其實只有一件事，叫做排序。「我們爬的網頁比我們建立索引的網頁多得多，建立索引的網頁裡，又有非常多永遠不會出現在搜尋結果裡。」這幾層篩選機制是 Google 對抗 slop 的真正防線，跟內容是人類寫的還是 AI 寫的無關。生成端的成本變低，過濾端只要持續變強就不會崩潰。

Joe Wiesenthal 接著補了一段非常精采的歷史回憶，徹底打破「AI slop 是新現象」這個迷思。他提到 Jason Calacanis 在 2009 年創辦的新創公司 Mahalo。Mahalo 的商業模式幾乎可以被視為「人類版 AI slop 工廠」：他們付錢給人類寫手量產低品質的「教學文」，主題涵蓋一切可以被搜尋的長尾關鍵字，目的純粹就是堵在 Google 結果頁的前面、騙到流量、變現廣告。

這集訪談最逗趣的時刻就出現在這裡。Joe 跟 Tracy 一起回憶 Mahalo 那篇被流傳成業界笑柄的「How to Play the Xylophone」（如何彈奏木琴）文章。Joe 念出他記得的步驟：「第一步，決定你想不想學彈木琴。第二步，買一個木琴。第三步，學讀樂譜。」Tracy 聽完當場大笑，現場錄音可以聽到她笑到差點接不下去。這個荒謬的真實案例證明了一件事：人類 15 年前就用同樣低成本、同樣量產、同樣靠關鍵字湊數的方式在製造 slop，差別只在於當年是用付錢給人類、現在用 AI 自動生成。

Reid 的論點被這個歷史對照徹底鞏固。她說 Google 對抗低品質內容的努力是「持續性的工程」，因為製造 slop 永遠都會有財務動機，無論技術介質怎麼變。她形容這場戰役從來沒有結束的一天，但這也正是 Google 的優勢所在：他們在這場戰役裡已經投入了 20 多年的肌肉。OpenAI、Anthropic 這類純 AI 公司即使生成端比 Google 強，也還沒有打過任何一場「過濾大規模對抗性垃圾」的戰役。

Token-maxing：當 KPI 變成下水道，雜訊就會被放大

訪談中段轉到了一個讓 Reid 露出近年罕見銳利態度的話題。Joe 引述了商業媒體 The Information 最近的一篇報導，揭露 Meta 內部建立了一個「Token 使用量排行榜」，把每個員工每天用了多少 AI 工具、消耗多少 token 全部排出來、公開比拼。這個做法在矽谷掀起一波討論：有人說這是擁抱 AI 的合理量化；有人說這是把員工逼瘋的反向激勵。Reid 的反應比較像是後者。

她直接拆穿這個邏輯的脆弱：「所有的代理指標如果被當成終極目標，最後都會壞掉。」她解釋的場景非常具體：如果你把 token 消耗量當成績效指標，員工就會去想辦法「燒 token」。最容易發生的是「設計一些什麼也沒做的背景任務、把模型推論掛在那裡空轉」這種純粹為了刷指標的行為。最後排行榜上看起來大家都很努力用 AI，但實際的工作產出、工作品質沒有任何提升，組織的真實 AI 採用率反而被這個排行榜給扭曲。

不過 Reid 也沒有完全否定這類排行榜的價值。她的態度是相當成熟的：「這是一個有雜訊的訊號，但它確實是一個訊號。所以你應該去看它、把它當作『哪裡值得進一步調查』的線索。但你不應該把它當成最終的判決。」她舉了一個比較合理的使用方式：如果你的團隊裡有一個人完全沒有用 AI 工具、token 消耗量明顯偏低，這值得你去找他聊一聊，看看是不是有需要訓練、是不是有他卡關的地方。但你不應該根據這個數字直接給出績效評鑑。

這個觀點對任何在做 AI 內部採用的公司都很重要。她實際上在說：領導力的價值是「在代理指標上加上判斷」。如果一個 KPI 簡單到 LLM 都能算，那它就不該是領導者的最終決策依據。Reid 用了一個含蓄但精準的話術：「這需要領導力，需要判斷力。」這句話在她整集訪談裡反覆出現，也許是她對矽谷當下這股「用排行榜管理一切」的浪潮最直接的反論。

她順帶補了一個細節：實驗本身是有價值的。「我們希望大家有機會去實驗這些工具，因為你必須先用過、知道它能做什麼，才能想出更好的工作方式。」但實驗的價值不是用 token 數量來衡量的，是用「你最後改變了多少工作方式」來衡量。這兩者之間的差距，就是領導力該補的位置。

未來介面：別期待單一聊天框，反而期待形式因子的繼續分化

訪談接近尾聲時，Joe 跟 Tracy 拋出一個所有 AI 觀察者都在問的問題：未來 5 到 10 年，使用者還會打開 Google.com 這個網頁、輸入一個查詢嗎？還是所有事情都會變成跟 AI 對話、跟個人代理對話？Reid 的答案是相當保留的：「不要說 5 年，現在連 1 年的預測都很難。」但她接下來給出的觀察其實比一個直接的預測更有重量。

她的核心論點是：歷史上每一次形式因子（form factor）的演進，都不是「新介面殺掉舊介面」，而是「新介面加進來，跟舊介面共存」。她舉的對照很清楚：筆電沒有殺掉桌機，手機沒有殺掉筆電，智慧手錶沒有殺掉手機，AR 眼鏡也不會殺掉手錶。每一次新介面進場，整個生態多了一個選項，但舊選項依然有它的角色。她預期 AI 介面也會走同樣的路：未來會有更多介面共存，但不會有一個「萬能聊天框」殺掉所有其他形式。

她拿 Google 自己的產品線當佐證。「YouTube 跟 Google 搜尋都是搜尋產品，可是它們從來沒有合併成一個。為什麼？因為它們各自服務不同的需求、不同的使用情境。」她接著舉 Chrome 跟 Google App 的並存：在手機上同一個使用者會在 Chrome 跟 Google App 之間切換，看似冗餘，但其實兩者各有各的最佳使用場景。「太早把不同產品合併在一起的風險是，你最後變成『每件事都做得還可以、沒有一件事做得特別好』。」

Reid 在這段對話裡甚至允許自己短暫地科幻一下。她半玩笑地說：「也許 5 年後會有第三個產品，把 Google.com 跟 Gemini 都取代掉。也許那時候你跟你的個人代理講話，個人代理代你跟所有產品溝通，你不直接跟任何產品互動。」這句話聽起來像是在預示某種「個人代理時代」的到來，但她緊接著又收回那個過度樂觀的姿態：「我不知道，誰也不知道。」

她對「聊天介面萬能」這個假設的反論特別精彩。她舉一個任何用過 LLM 的人都有共鳴的例子：「假設我給你一個有 10 個項目的清單，我希望你幫我把第 10 項的標題拿掉，因為太長了。在聊天介面裡你要怎麼指示？你要打『請刪除清單第 10 項那個過長的標題』，模型還可能聽錯。但在傳統的圖形介面裡，這只是一個直接點擊跟刪除的動作。」

這個對比點出了聊天介面的根本侷限：對於需要「精確操作、空間定位、直接視覺回饋」的任務，聊天反而是個爛介面。Reid 認為未來的設計是「對的任務用對的介面」，不是「全部都丟給聊天」。她講了一句相當有畫面的話：「未來的資訊存取會更個人化、更動態、更環境感知，但絕對不會是一個尺寸適合所有人的單一介面。」

三個提醒拼起來：對 AI 樂觀派的清醒提示

把 Liz Reid 在這集訪談對「AI slop」、「Token-maxing」、「未來介面」的三個觀點拼起來看，會發現一個有趣的共同點。她對 AI 的態度其實非常擁抱，畢竟她是 Google 搜尋副總裁、整集都在替 AI Overview 辯護。但她對「AI 帶來的變化要怎麼解讀」這件事，反而比一般的 AI 樂觀派更冷靜、更有歷史感。這三個提醒其實是同一個底層思路的三個面向。

第一個提醒是「歷史上的 slop 早就存在」。AI slop 不是新現象，是舊現象換了介質。當你把這個視角拿來看其他 AI 焦慮，比方「AI 會讓社群媒體變得更糟」、「AI 會讓詐騙更氾濫」、「AI 會讓深偽影片崩壞信任」，你會發現大部分擔憂的本質都是「過去就存在的問題現在變得更便宜更快」。問題的核心在於對抗那個問題的機制夠不夠強，不在於介質本身。Google 有 20 多年的排序肌肉，所以對 AI slop 相對淡定；其他公司、其他平台、其他生態系不見得有同樣的肌肉，這才是真正該擔心的事。

第二個提醒是「代理指標被當作目標就會壞掉」。Token-maxing 的故事是個經典的 Goodhart's law 案例：當一個衡量指標被拿來當作目標，它就不再是好的衡量指標。這個觀察適用於 AI 時代很多被狂熱推崇的指標：使用者跟 AI 對話的次數、AI 工具的滲透率、模型 API 的呼叫量、prompt 的長度。這些都是潛在的代理指標，都需要領導力在上面加上判斷。Reid 的話是：「需要判斷力。」這句話在自動化年代特別值錢。

第三個提醒是「介面不會收斂」。這個觀察直接打臉「AGI 來了之後一個聊天框搞定一切」這個浪漫的敘事。Reid 用了形式因子歷史、聊天介面侷限、Google 自家多產品線並存三個證據，把這個假設拆得相當徹底。實務上的意義是：投入到「單一萬能介面」的賭注可能很危險，因為使用者會繼續分化、會繼續為不同任務挑不同工具、會繼續對「直接視覺操作」這類非聊天介面有需求。

這三個提醒整體拼出 Reid 看 AI 的姿態：不否認重大變化，也不被當下的浪潮帶著走。她在訪談最後給出一個輕描淡寫但意味深長的結語，回應 Tracy 對 AI slop 的擔憂：「我相信 AI 也會生產出比過去人類版本好得多的東西。整個生態的平均品質會上升，這是好事。我們的工作是確保『平均品質上升』這件事真的兌現，而不是被那些製造廉價內容的人吃掉。」

訪談結束前，Joe 給 Tracy 跟自己做了一個小結。他說，整集訪談他覺得 Reid 最有力的論點不是「使用者會留在 Google」，而是「AI 把整個查詢量打開了一個新層次」這件事。Tracy 也接著補：「在這之前我都沒想過搜尋的總量是會擴張的。」這個收尾呼應了本系列第一篇談到的擴張論。當所有人擔心 AI 會吃掉舊生意時，少數人問的是「AI 會不會打開新生意」。Liz Reid 給的這三個提醒，正是這個少數派視角下的延伸：不要被表面的恐慌帶著走，不要把代理指標當作目標，不要押注一個介面通吃所有任務。在 AI 變化最快的這個時刻，這種冷靜也許比熱情更稀缺。