團隊少 25% 估值卻更高？哈佛商學院教授解析「AI 原生公司」的 4 大精實特徵

過去，一家新創公司的成長，通常與團隊規模成正比。當業務擴張、客戶增加，招募更多人才來服務客戶，幾乎是所有公司成長的必經之路。

但隨著「AI 原生」（AI-Native）公司的崛起，這套創業邏輯正在被改寫。

哈佛商學院（Harvard Business School）教授 Rembrand Koning 與歐洲工商管理學院（INSEAD）教授 Hyunjin Kim 於今年 6 月發表的研究《AI-Native Firms》指出，相較於傳統新創，AI 原生公司擁有更少的員工、更扁平的組織架構，卻能創造更高的人均產值與資本效率。

而 AI 不只是讓企業組織變得精簡，更將企業的競爭力，從「擁有多少人」，轉向「能讓多少知識工作由 AI 持續完成」。

關鍵不在用 AI，而是讓 AI 成為產品的一部分

什麼是 AI 原生公司？

研究指出，要理解 AI 原生公司，必須先區分出兩種不同的 AI 應用方式：「將 AI 納入流程」與「將 AI 納入產品」。

第一種「納入流程」，是目前多數企業採用 AI 的方式。例如，員工用 ChatGPT、GitHub Copilot 等工具協助寫程式、整理資料或撰寫文件，以提升既有工作流程的效率。

不過研究發現，這樣的做法雖然能提高公司的生產力，卻不會明顯改變公司的組織規模。真正會帶來改變的是第二種應用方式，將 AI 直接納入產品本身。

所謂的 AI 原生公司，指的是將 AI 能力直接嵌入公司產品，讓 AI 成為產品的核心，而非只是員工的輔助工具。換句話說，原本可能需要由員工來完成的工作，例如法律分析、行銷企劃、客服或程式開發，如今都能由 AI 在產品中直接執行完成。

從組織理論來說，企業本質上是一套資訊處理系統。過去企業規模之所以持續擴張，是因為知識必須透過人員與管理階層傳遞、決策與執行。但當 AI 能直接完成知識工作後，企業便能以算力取代人力。當客戶增加時，公司不必同步增加員工，只需增加運算資源，即可持續成長。

而這種「不靠人力靠算力」來擴張的 AI 原生公司還有哪些特徵呢？

AI 原生公司的特徵：小團隊、高技術密度、高估值

研究團隊在報告中分析了 2020 至 2024 年間數千家獲創投投資的新創公司，包括 Y Combinator 的新創，歸納出了原生 AI 公司普遍呈現的四項特徵 :

首先，團隊規模平均小了 25%。在相同行業與發展階段下，AI 原生公司的員工數平均比其他新創少四分之一。

其次，組織更加扁平。研究顯示，其管理層級平均少了約半個層級，管理職比例也降低約 15%。原因在於，AI 已承擔部分資訊的整理、協調與執行工作，企業對中階管理者的需求因而下降。

第三，技術人才密度更高。AI 原生公司團隊中的工程師占比，相較平均高出約 13%，且更偏好聘用資深人才，基層職缺則減少約 15%。

最後，在資本效率的部分，即使團隊規模更小，AI 原生公司獲得的募資金額與估值，仍與人數更多的傳統新創相當；部分案例中，人均估值甚至高出同業 76%。

研究中也舉例了一些 AI 原生公司，顯示這些組織特徵，在真實營運數據上的表現。

例如，機票交易平台 Pointhound，2025年服務的用戶數約 75 萬名，但團隊的全職員工卻僅有 4 人。創辦人 Jay Reno 形容，AI 對公司來說就像瘦瘦針（GLP-1）一樣，在維持成長動能的同時，大幅減少組織負擔。

而另一家 AI 原生公司，簡報製作工具與網站建置平台 Gamma，則是在短短兩年內以約 30 名員工的規模，創造超過 5,000 萬美元的年營收。

過去，製作簡報需要設計、文案、業務等多個團隊協同合作；如今 Gamma 將這些能力整合進產品，使用者直接透過 AI 生成成果，而非依賴真人製作。

AI 對人力密集的服務業衝擊最大

如果進一步將 AI 的影響從「個別公司規模」擴展到「整體產業」來看，研究發現 AI 對不同產業帶來的影響並不一致。

在醫療諮詢、法律服務、教育及顧問等高度依賴知識工作的人力密集型服務業，因為 AI 而帶來的組織縮水效果最為明顯。

以法律服務或心理諮詢為例，傳統公司若增加 100 名客戶，通也需要同步增加律師、諮詢師或助理人力；但 AI 原生公司則可將大量例行性的研究、文件整理、報告撰寫等工作交由 AI Agent 完成。

根據研究報告，像是遠距精神健康醫療平台 Legion Health 這樣的 AI 原生公司，其組織規模比傳統同業小了約 70%，展現 AI 對知識型服務業帶來的巨大改變。

這種組織形態的改變，也反映在未來人才需求市場的趨勢上。

AI 原生公司不再需要大量基層人員與中階管理者，而是更傾向招聘能與 AI 協作、具備跨領域能力的高階人才。

研究報告中以 AI 投資銀行 OffDeal 為例，工程師與投資人共同工作，工程師的任務不只是撰寫程式，而是觀察投資人的分析與決策流程，再將這些專業知識轉化為 AI Agent，逐步取代過去由初級分析師所負責的工作。

未來，企業需要的不只是會使用 AI 的人才，而是能把專業知識「教會 AI」的人。

多數 AI 原生公司，都在打造能自主工作的 AI Agent

研究團隊也利用大型語言模型（LLM）分析數千家新創公司的產品描述，將 AI 原生的產品歸納為三種類型。

占比最高的是自主工作流（Autonomous Workflow，43%），讓 AI 直接扮演 AI 業務員、AI 會計師、AI 客服等角色，自主完成工作。

其次是專家輔助（Expert Augmentation，24%），將 AI 嵌入律師、醫師、工程師等專業工作流程，提升專業人士效率。

第三類則是AI 基礎建設（AI Infrastructure，15%），提供其他企業建立 AI 應用所需的模型、平台或工具。

也就是說，總共約有三分之二的 AI 原生公司，都是把 AI 直接做進產品，而非僅是改善內部流程，來實現規模化的成長。