一家公司要服務更多客戶，通常得請更多人，但這條長年成立的等式，正被第一批「從骨子裡就長在 AI 上」的 AI 原生新創（AI-Native firms）打破。
《The Wall Street Journal》報導，以協助消費者用信用卡點數訂機票的 Pointhound 為例，這家成立三年的公司去年有 75 萬人使用其產品，正職員工卻只有 4 人，其餘工作交給一支 AI 代理大軍處理。創辦人暨執行長 Jay Reno 說，就算營收一夜之間成長 10 倍，他頂多也只需要再多請 1 名工程師與 1 名行銷。
Reno 任職的上一家公司是 2017 年成立的家具訂閱租賃業者，賣掉前的巔峰時期約有 150 名員工。他形容，AI 對公司的「瘦身」效果，就像「每個人突然都能打減重藥」。而 Pointhound 並不是特例。這種用更少的人做更多的事，正逐漸成為這一代 AI 新創共同的樣貌。它究竟長什麼樣子、又精簡到什麼程度，如今已經有了系統性的答案。
人數少約 25%、階層更薄，估值卻沒有比較低
哈佛商學院教授 Rem Koning 與歐洲工商管理學院（INSEAD）教授 Hyunjin Kim 共同進行了一份最新研究，分析了 Y Combinator 與美國創投支持的數千家新創，並與勞動力資料庫比對。結果發現，在同一產業、同一批次的條件下相比，圍繞 AI 打造的新創員工人數少了約 25%，工程師在團隊中的占比高出約 13%，基層員工與管理者的占比則各低了約 15%，組織階層平均少了半層。
值得注意的是，這些更精簡的團隊，募得的資金與估值都與非 AI 同業相當。換句話說，員工更少、估值沒少，等於每位員工創造的價值更高，平均每人分到的資本也比同業多出約 20%。
關鍵不是員工有沒有用 ChatGPT，是 AI 有沒有進到產品裡
為什麼會出現這樣的組織樣貌？研究區分了兩條路徑。一條是「流程」路徑，也就是員工用 AI 工具讓自己做得更快；另一條是「產品」路徑，把 AI 直接嵌進公司賣的東西裡，讓產品本身去完成過去得靠一整個團隊才能做的知識工作。
研究發現，真正拉開差距的是後者。AI 新創在徵才貼文中提到 ChatGPT、Cursor 等具體 AI 工具的機率，是非 AI 新創的 2.6 倍，但單看這一點，並不能預測公司會變得比較小；反而是把 AI 做進產品裡的公司，才明顯呈現更少人力與更扁平的結構。
研究進一步把「AI 進到產品裡」分成三種。最常見的一種（約 43%）是讓 AI 直接接手過去由人做的工作，產品本身就是那個工作者，例如 Artisan 用 AI 自動開發客戶、找名單、寫個人化信件；FazeShift 則用 AI 跑完一整套應收帳款流程，取代原本手動作業的團隊。第二種（約 24%）是讓 AI 當專業人士的工具、把人變得更快更強，例如 Tower 協助律師加速盡職調查、更早揪出問題。這兩類都是把 AI 內建進賣出去的產品，合計約占 AI 新創的三分之二。第三種（約 15%）則是賣「讓別人打造 AI」的基礎設施，例如 Roboflow 提供電腦視覺平台、Exa 把搜尋引擎重做成可供開發者串接的 API。
這種差異在服務業最為極端。過去仰賴大量人力交付服務的領域，一旦讓 AI 在產品裡把工作做掉，團隊規模就能大幅縮小，研究中這類 AI 服務業新創比非 AI 同業小了約 70%。研究也舉出對照組：AI 考試準備平台 Educato AI 只有 7 名員工，靠第三方家教授課的非 AI 平台 Careerist 則有 912 人；以 AI 打造的精神醫療平台 Legion Health 有 28 人，倚賴人類治療師網絡的 Intellect 則有 446 人。
大公司也在往同一個方向走
不過這套小而扁平的模式，不只出現在新創。Koning 指出，觀察新創之所以重要，是因為它們往往預示了整體趨勢的走向，而 Amazon、Meta 等大型企業近來重整組織、削減管理層、裁員並加碼投資 AI，走的正是同一個方向。
以 Microsoft 為例，其 Xbox 部門今年 7 月初宣布裁員 3,200 人時，同時承諾把管理層級壓到 3 到 5 層，過去部分單位的層級一度多達 14 層。《The Wall Street Journal》報導，Xbox 執行長 Asha Sharma 在內部溝通對員工表示，過度複雜「拖慢了決策、模糊了問責，也讓交付變得更難」，公司「將化繁為簡」。
不過 Koning 提醒，既有企業光是把 AI 工具發給員工，並不會換來明顯的生產力提升；真正有差別的，是精簡的匯報線與管理層，以及把 AI 嵌進工作流程本身。AI 投資銀行 OffDeal 執行長 Ori Eldarov 也認為，多數公司是圍繞「人與人」的互動設計的，而非「人與 AI」的互動，因此既有組織能達到的成效會有一道硬上限。
OffDeal 的做法提供了一個具體樣本。這家去年夏天募得 1,200 萬美元 A 輪的公司，讓工程師與銀行家並肩而坐、薪酬都與成交掛鉤，工程師對銀行家的比例接近 1 比 1。該公司曾讓工程師花兩週、每天從早上 8 點半跟到午夜，記錄銀行家的每一個動作以找出可優化之處，最後發現通話前的準備與通話後的彙報都能自動化，許多報表則可以直接砍掉。
Eldarov 說，這些工作在其他公司多半由基層分析師負責，「但如果我們第一天就雇了菜鳥銀行家，就不會被逼著去改造流程。」
更小的公司，不等於更少的工作
員工變少，是否代表整體工作機會跟著縮水？Koning 給出的答案是：不必然。他的理由是，AI 同時也降低了創業門檻，讓更多公司得以誕生，最終可能是公司數量變多、但每家團隊更小。
研究數據也支持這種張力並存的可能性。在 Y Combinator 樣本中，AI 新創成立三年後的員工人數約為非 AI 同業的一半，意味著若要靠新創數量補回這道人力缺口，新創進入的家數大致得倍增；而在更廣的資料中，2024 年 AI 新創的首輪募資件數，已接近 2020 年平均值的 8 倍。一邊是每家公司變小，一邊是創業數量變多，兩股力量正同時發生；這場人力結構的重整最終落在哪裡，就看哪一邊跑得更快。
【推薦閱讀】
◆ AI 原生企業崛起：Jack Dorsey、祖克柏為何都在重寫公司架構設計？
＊本文開放合作夥伴轉載，資料來源：《The Wall Street Journal》、SSRN，首圖來源：Unsplash
