創辦人即代理協調者

資料來源#

• Beyond Benchmarks 2026: Five Data Sets Grounded in the Real World
• Engines of Growth: Global Startup Trends Report
• State of AI 2026: The Builder's Economy
• The Founder's Playbook: Building an AI-Native Startup

摘要#

The Founder's Playbook: Building an AI-Native Startup 的核心論點是：在 AI-native 新創公司中，創辦人的角色正在改變。過去，創辦人通常把大部分時間花在執行模式上（寫程式、管理人員、處理日常營運）。2026 年的創辦人角色是「少得多地作為個別貢獻者，更多地作為代理協調者」——也就是能讀取檔案、執行命令、執行程式碼、瀏覽網路的專業化 AI 助理。創辦人的注意力從親自完成工作，向上移到提出想法，以及指揮將想法付諸實現的系統。

最具後果的含意是：「能夠打造產品的人」與「擁有值得打造之想法的人」之間的高牆已經消失。 擁有專業領域知識的非技術背景創辦人如今可以打造 production 軟體；具備技術能力但沒有商業背景的創辦人，也能產出 GTM 策略、財務模型和簡報。創辦人候選人的來源因此超越了工程背景。

這個角色在各階段的轉變#

協調的形狀會隨著 AI-Native Startup Lifecycle 演變：

階段	創辦人花時間在	AI 處理
想法	假設設計、客戶訪談、驗證紀律	研究、競爭地圖、唱反調分析、訪談框架稽核、外展自動化
MVP	範圍／架構決策、使用者回饋判斷、轉型／堅持決策	程式碼生成、安全審查、衡量框架、回饋流程
發布	營運系統設計、決定哪些工作要系統化、辨識只有創辦人能做的工作	程式碼庫稽核、技術債排序、營運負荷盤點、PM 作業系統
擴張	產品敘事、董事會關係、企業交易、創辦人對創辦人的對話	企業支援層、GTM 執行、領域知識編碼、護城河敘事

模式是：創辦人做更少的工作，進行更多指導。留下來的工作，是真正需要創辦人判斷力的工作——品味、敘事、關係，以及會在多年中持續複利的決策。

「精實的 10 人獨角獸」主張#

這份 playbook 把極致精實定位為刻意追求的目標，而非拮据的異常值：

「2026 年的早期新創公司截然不同。它們刻意維持極度精實，往往只有創辦人一人，或是一支再加上幾名成員的團隊。透過把技術與組織發展都建立在 AI 基礎設施上，它們可以在擴大團隊之前就達到產品驗證、早期營收，甚至獲利。」

其結構性主張是：過去會卡住各階段的三種職能招聘（負責打造的工程師、負責銷售的業務、負責經營企業的營運人員），如今可以大幅由三種 Claude 介面取代：

• 對話式智慧與研究（「每個領域的隨叫隨到專家」）——取代顧問及部分研究團隊職能
• 代理式程式設計（「永遠可用、從不受阻的工程師」）——取代外包開發商及早期工程招聘
• 工作流程自動化（「按需提供的自動化營運團隊」）——取代營運／行政人力

這並不會消除工程或營運工作；它消除了執行工程或營運工作的人力門檻。創辦人仍然必須知道要打造什麼、設計工作流程，並指揮代理。

精實組織主張的量化（Emergence Capital，2026 年 6 月）#

Emergence Capital 的 Beyond Benchmarks 2026 為這份 playbook 只提出主張的精實程度，以及剩餘人力集中在何處，提供了數字——涵蓋五個合作夥伴資料集（Carta、Pave、Ashby、Standard Metrics、Stackpack）的 5 萬多家營運公司：

• 各輪次的團隊規模正在縮小，而且仍在下降（Carta 中位數，2021 年高峰 → 2025 年）：Seed 10.3 → 6.2、Series A 25.9 → 16.8、Series B 72.3 → 48.2；首次招聘的中位天數 214 → 284。相較任何先前世代，創辦人維持更精實的規模，單獨或以極小團隊運作更久——這正是協調者角色所假設的結構性前提，如今已有 2020–2025 年的系列資料支持。
• AI 公司在結構上採用不同的人力配置。 在確實招聘的情況下，AI 公司把人力集中在工程領域（相較更廣泛的科技市場，比例高 11 個百分點；員工數達 1,000 人以上時，工程職占 53% 對 42%），代價是面向客戶和營運職能——更精實的 Sales（17% 對 19%）、Customer Support（−5 個百分點）、Finance（−3 個百分點）。這就是總體資料中可見的協調者論點：playbook 所說可由代理執行的支援／營運職能，維持結構性精實，而建造者人力才是資金流向之處。

這項限制與來源一致：資料由創投發布、由資料夥伴提供；Carta 的人力世代涵蓋整個市場，因此這些中位數描述的是整體母體，而不是對刻意精實的協調者創辦人尾端群體所做的乾淨測量。另請注意反向訊號——平均 AI 公司反而積極擴充人力（見 AI Investment Story, Not Efficiency Story），因此目前其每位員工營收低於非 AI 同業；超精實的協調型組織位於尾端，而非平均值。

精實團隊主張的自我回報（AWS，2026 年 6 月）。 AWS 的 Engines of Growth 以調查本身的語氣重申協調者前提——AI-native 公司「以大約一半的人力擴大產出」，而且「過去需要數十名工程師、數年資金與遍布全球的基礎設施才能完成的工作，如今小型團隊在數週內就能組裝完成」。其具體案例是 Mindflow（法國）：一支 40 人團隊打造 AI 驅動的 IT／安全／雲端自動化，服務約 100 家大型企業（LVMH、Hermès、Thales、Bouygues、Uniqlo），並為它們節省超過 316,000 小時——小型團隊在大型企業客戶組合中指揮代理驅動的槓桿，正是公司規模上的協調形狀。這是供應商自行回報的行銷內容（應視為示例，而非測量），並承襲相同的尾端與平均值限制：調查中的 AI-native 群體是經過篩選的前沿子集，不是 AI Investment Story, Not Efficiency Story 所衡量的積極擴編平均值。

更扁平、更精實的組織（ICONIQ，2026 年第二季調查）。 ICONIQ 的 State of AI 2026（約 305 家打造 AI 的軟體公司，empirical）衡量的是更精實營運的意圖：33% 計畫採用比原本預期更小的團隊，歸因於 AI 的效率提升（另有 45% 計畫改變職務組合但不淨減少人力，N=302）。協調型組織的扁平化也在結構上顯現——在 1 億美元以上規模，72% 的 AI 營收占比達 50% 以上的公司只採用 1–4 層管理，相較同業為 56%；高成長公司正在擴大第一線管理者的管理幅度（研發經理擁有 7 名以上直屬的比例由 21%→30%）。最鮮明的協調者案例是一則網路軼聞：一家早期公司執行 unlimited tokens，但要求管理者以交付責任達到 3–5 倍生產力（頂尖工程師每天的推理成本最高達 8,000 美元），並且「將 PM 與設計師合併為單人產品負責制」——由少數人組成的公司協調代理槓桿，而不是增加人頭。這是意圖調查加上軼聞，不是人力普查；完整的重組分析見 AI-Native Organization。

協調與工具框架之間的張力#

這與 AI Employee Framing（Kropp 等人，HBR，2026 年 5 月，n=1,261）存在顯著張力：這份 playbook 大量採用擬人化框架——「隨叫隨到的專家」、「永遠可用的工程師」、「自動化營運團隊」、「施工隊」。Kropp 等人的實驗研究顯示，把 AI 代理框架為員工（相對於工具）會明顯：

• 降低對 AI 產出負責的個人責任（−9 個百分點）
• 增加不必要的升級（+44%）
• 降低錯誤攔截率（−18%）
• 不會改善採用率

這份 playbook 沒有處理這項證據。協調框架被定位為一種賦能方式（讓創辦人不再受限於缺乏人力），但在結構上接近 HBR 實驗所反對的那些框架。

**有紀律的綜合判斷：**作為工作流程設計的協調（多個專業化代理、明確的交接、創辦人指導），在結構上不同於把代理視為共同工作的心智模型。前者保留責任歸屬；後者可能不會。關於如何在協調負荷下保留責任，請見 Human-AI Accountability Redesign。

誰如今也能成為創辦人#

這份 playbook 指出一項不那麼顯而易見的影響：

「當創辦人群體擴展到工程背景以外的人，你會看到由擁有截然不同生活經驗的人打造的新創公司，解決傳統科技創辦人管道從未優先處理（甚至可能從未注意到）的真實問題。」

其隱含預測是：2026–2030 年的 AI-native 新創浪潮，將解決與 2010–2020 年 SaaS 浪潮不同的問題，因為創辦人來自不同的專業背景。playbook 資源章節中的具體例子：

• Anything——經營完整招聘平台的非技術背景創辦人
• Kindora——打造慈善捐助者配對服務的非營利組織主管
• Wordsmith——從律師轉任 CTO，打造法律科技產品
• GC AI——由領域專家創辦，服務企業內部法律團隊的實際工作方式

其模式是：創辦人在某個垂直領域擁有深厚的專業脈絡，打造自己一直希望存在的工具。這直接連結到 Printing Press Software Democratization——當程式設計能力普及後，領域知識就成為差異化因素。

仍由人類負責的部分#

這份 playbook 明確保留一類只能由創辦人完成的工作：

• 產品敘事決策
• 董事會關係
• 企業交易
• 創辦人對創辦人的對話
• 「會成為你護城河的判斷決策」

Launch 與 Scale 章節將營運系統的目的描述為「為只有創辦人能做的決策釋放你的注意力」——而不是「把創辦人從公司中移除」。協調者角色的存在，是為了放大創辦人的判斷力，而非取代它。

相關連結#

• AI-Native Startup Lifecycle——這個角色所經歷的生命週期
• Engineer PM Convergence——公司內部的類比（Cat Wu 談 Anthropic 的角色合併）；創辦人即協調者，是公司僅由一人組成時的同一種轉變
• Printing Press Software Democratization——宏觀類比；程式設計變得普及，因此領域知識成為差異化因素
• AI Employee Framing——關於協調框架風險的反向證據
• Human-AI Accountability Redesign——在協調負荷下保留責任的處方
• Seven Powers Applied to AI——這個角色仍能建立哪些護城河（網路效應、規模、稀缺資源依然存在；轉換成本與流程力量正在消退）
• Harness Shrinkage as Models Improve——隨著 harness 縮小，協調能力本身也會改變
• Claude Code / Cowork / Anthropic——協調所運行的介面
• Problem-Solution Fit Discipline——防止協調速度超越創辦人判斷力的紀律
• AI Brain Fry——監督成本會隨協調中的代理數量增加而上升；對同時執行許多平行工作階段的單人創辦人而言是一項風險
• Compounding Data Moat——這個角色的長期防禦目標：把創辦人的領域知識編碼進協調所運行的基礎層
• Founder-Led Sales Discipline——明確的反方觀點：John Glasgow 主張，在達到 PMF 前，創辦人不應把銷售外包給 AE 或代理；兩者可藉由範圍調和——協調機械性工作，而不是協調創辦人的核心客戶訊號迴圈
• The AI-Native Safe-Choice Inversion——讓精實 AI-native 新創更容易銷售的需求面順風：買方如今想要 AI-native 產品，讓協調型創辦人獲得掩護
• Parallel Agent Orchestration——這個角色的量化形式：OpenAI 的 Codex 資料顯示，28.6% 的 OpenAI 員工管理 5 個以上的並行代理——具備採用數字與前沿預覽上限的協調工作流程
• AI Investment Story, Not Efficiency Story——Emergence 資料的反向訊號：平均 AI 公司積極擴編（以工程為重），且每位員工營收低於非 AI 同業，因此超精實的協調型組織位於尾端，而非平均值
• Firm AI-Spend Intensity and Headcount Growth——第二個反向訊號，並帶有明確的母體限制：積極採用 AI 的成熟美國公司，人力會成長約 10%（廣泛涵蓋各職能），而不是縮減——因此「AI 促成更精實的團隊」只適用於從第一天就以精實方式打造的 AI-native 新創，而非普遍定律；既有企業是在擴張上加裝 AI，而非進行替代
• AI-Native Organization——Tan 將論點推廣到創辦人之外：在 YC，「現在每個人都是代理管理者」，包括媒體、活動和財務人員——協調者角色擴散到每個職位，編碼為技能檔案，而不再只是創辦人的技能

推導#

• Orchestration vs Employee Framing: Reconciling the Founder's Playbook with HBR's Accountability Evidence——完整調和此角色的協調框架與 HBR 責任證據；解決本文「開放問題」段落指出的張力

開放問題#

• playbook 主張非技術背景創辦人如今可以打造 production 軟體，但未處理架構判斷的遞迴問題（Agentic Technical Debt）：非技術背景創辦人可能沒有足夠詞彙來撰寫有效的 CLAUDE.md。這要如何擴展？
• 「精實的 10 人獨角獸」只是主張；playbook 沒有提供 AI-native 新創在 PMF 或 Series A 時的實際人力中位數，與先前世代相比的量化資料。（部分已回答： Emergence Capital，2026 年 6 月 提供 Carta 的輪次中位數，以及 2020–2025 年系列資料——Series A 為 16.8（低於 2021 年高峰的 25.9）、Seed 為 6.2（由 10.3 下降）、Series B 為 48.2——補上 playbook 缺少的前世代比較，另有 AI 與全科技市場在人力配置上的差異（工程比重高、支援精實）。仍待解答的是：這些是輪次中位數，不是 PMF 時的人力；而且 Carta 群體涵蓋整個市場，並未在 Seed／A 階段拆分 AI 與非 AI 公司。）
• 協調者角色如何改變創辦人的決策負荷？親自處理的任務變少，但平行代理監督增加；淨認知負荷尚不明確，而且可能更高（見 AI Brain Fry）。
• Anthropic 同時發布這份 playbook 的擬人化框架，以及理解 HBR 的責任研究（自動模式、對齊），卻沒有直接處理框架文獻。Orchestration vs Employee Framing: Reconciling the Founder's Playbook with HBR's Accountability Evidence 的綜合分析在作業層面調和了這項張力——作為工作流程設計的協調保留責任；作為將代理視為共同工作者的心智模型之協調則不會——但 playbook 的行銷語言為何沒有反映 Anthropic 自己的框架紀律研究，仍是開放問題。

資料來源#

• The Founder's Playbook: Building an AI-Native Startup——主要是第二章（「創辦人的意義正在改變」）及全文的角色轉變框架
• Research: Why You Shouldn’t Treat AI Agents Like Employees——關於框架效果的反向證據
• Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next——Boris「最適合寫會計軟體的人，是真正優秀的會計師」之論點
• How Anthropic's product team moves faster than anyone else | Cat Wu (Head of Product, Claude Code)——Cat Wu 對 Anthropic 內部角色融合的觀察
• Beyond Benchmarks 2026: Five Data Sets Grounded in the Real World——Emergence Capital，《Beyond Benchmarks 2026》（2026 年 6 月）：按輪次的人力中位數，以及 AI 與全科技市場在人力配置上的差異——精實組織主張的實證基礎
• Engines of Growth: Global Startup Trends Report——AWS Startups，《Engines of Growth》（2026 年 6 月，自我回報的供應商調查）：「一半人力」精實團隊框架，以及 Mindflow 40 人案例
• State of AI 2026: The Builder's Economy——ICONIQ Growth，《State of AI 2026: The Builder's Economy》（2026-07-08，empirical）：「Talent & Organization」——33% 計畫採用更小團隊（N=302）、更扁平的管理層級（1 億美元以上規模為 72% 對 56% 採用 1–4 層）、擴大的管理幅度，以及單人產品負責制的網路軼聞