1. AI 應作為公司的作業系統，而非僅是工具 [1]

AI 不僅能提升生產力，更能從根本上改變新創公司的運作方式，使其成為一個不斷學習和改進的閉環系統。

1.1. AI 應作為公司的作業系統 [1]

  1. AI 不僅僅是提高生產力的工具，它將從根本上改變新創公司的運作方式，包括職位、產品開發的可能性等 [1]。
  2. AI 應該是公司運作的作業系統，而非僅僅是使用的工具 [10]。
    1. 這表示公司的每個工作流程、決策和流程都應透過一個不斷學習和改進的智慧層來執行 [12]。

1.2. 閉環系統：AI 原生公司的核心 [13]

  1. 公司的每個重要流程都應由一個智慧閉環來捕捉 [13]。
    1. 閉環會捕捉資訊，將其回饋給智慧系統，並隨著時間改進流程 [14]。
    2. 這與開環系統形成對比，開環系統在做出決策和執行後，不一定會系統性地衡量結果並調整流程，因此本質上會產生損失 [16]。
    3. 閉環系統是自我調節的，它會持續監控輸出並調整流程以更好地達成目標，這對於正確性和穩定性非常重要 [20]。
  2. 透過自我改進的代理，公司應作為一個閉環系統運作 [23]。

1.3. 讓公司可被查詢以建立閉環系統 [24]

  1. 為了建立這些閉環系統，公司需要讓所有資訊都可被查詢，也就是說，整個組織都應該對 AI 來說是可理解的 [24]。
    1. 每個重要的行動都應該產生一個人工產物，供公司核心的智慧系統學習並自我改進 [26]。
    2. 這包括使用 AI 筆記工具記錄會議、盡量減少私訊和電子郵件，並在所有溝通管道中嵌入代理 [27]。
    3. 這也意味著建立客製化的儀表板，其中包含公司所有方面的資訊，例如營收、銷售、工程、招聘和營運等 [28]。
  2. 以工程管理和衝刺規劃為例，說明如何實現可查詢性 [29]。
    1. 如果一個代理能夠存取 Linear 任務、Slack 工程頻道、來自電子郵件或 Pylon 和 GitHub 等工具的客戶回饋、Notion 或 Google Doc 中的高階計畫，以及銷售電話和每日站立會議的錄音，那麼該代理就能分析上一個衝刺實際交付的內容，以及這些內容如何真正滿足客戶需求 [31]。
    2. 代理可以根據交付內容、成功與否的完整可見性，提出更可預測、準確且符合進度的衝刺計畫 [33]。
    3. 這種方式消除了過去工程經理狀態匯報中常見的資訊損失，並能將工程衝刺時間縮短一半，並在相同時間內完成近 10 倍的工作 [35]。
  3. 總體原則是，為了充分發揮模型的能力，需要提供給模型與提供給員工一樣多的上下文資訊 [40]。
    1. 這樣一來，公司就不再像資訊碎片化且需要手動解釋的開環系統那樣運作 [41]。
    2. 相反地，它變成了一個閉環系統，狀態、決策和結果會持續被捕捉並回饋到智慧層中 [42]。
    3. 最終結果是一個始終掌握最新情況的系統 [44]。

2. AI 軟體工廠與 1000 倍工程師的崛起 [46]

2.1. AI 軟體工廠：產品開發的新典範 [46]

  1. 一種新的產品開發模式正在出現，稱為 AI 軟體工廠 [45]。
    1. 這可以看作是測試驅動開發 (TDD) 的下一個演進 [47]。
    2. 在軟體工廠中，人類編寫規格和一套定義成功的測試 [48]。
    3. 然後，AI 代理會生成實作和程式碼，並不斷迭代直到測試通過 [49]。
    4. 人類定義要建構什麼並判斷輸出，而實際的程式碼則由代理負責 [50]。
  2. 有些公司已經將這種模式推向極致，其程式碼儲存庫中沒有任何手寫程式碼，只有規格和測試工具 [52]。
    1. Strong DM 的 EI 團隊就是一個例子，他們建立了自己的軟體工廠，透過規格和基於情境的驗證來驅動代理編寫、測試和迭代程式碼，直到達到機率性的滿意閾值 [53]。

2.2. 1000 倍工程師的時代來臨 [57]

  1. 透過讓單一工程師被代理系統包圍，使他們能夠建構以前無法建構的東西，從而實現了 Steve Yegge 所說的「1000 倍工程師」 [57]。
  2. 1000 倍甚至 10,000 倍工程師的時代已經到來 [58]。

3. AI 時代的組織架構與人才類型 [59]

3.1. 傳統管理層級的消失 [59]

  1. 這種以 AI 迴圈、可查詢組織和軟體工廠建構公司的方式，意味著傳統的管理層級不再適用 [59]。
    1. 在舊世界中，需要中階經理和協調員來低效地在組織中傳遞資訊 [60]。
    2. 在新世界中，智慧層取代了這個目的 [61]。
    3. 如果公司對 AI 來說是可查詢、人工產物豐富且可理解的，那麼幾乎不需要人類中介 [62]。
  2. 公司的速度取決於資訊流動的速度，因此每消除一層人類路由，就能直接提高速度 [63]。
  3. Jack Dorsey 在 Block 公司的做法是一個很好的例子 [65]。
    1. 他認為，如果維持相同的組織圖和管理結構，將會完全錯過這種轉變 [67]。
    2. 公司本身必須重建為一個智慧層，人類處於邊緣引導它，而不是透過它來傳遞資訊 [69]。

3.2. 未來公司的三種員工原型 [70]

  1. Jack Dorsey 建議，未來每家公司都將有三種員工原型 [70]：
    1. 個人貢獻者 (IC)：基本上是建構者和操作者，直接製造和運行事物 [71]。
      1. 在 AI 原生公司中，這不限於工程師，每個人都是建構者，包括工程、營運、支援和銷售 [73]。
      2. 每個人都帶著可運作的原型參加會議，而不是簡報 [75]。
    2. 直接負責人 (DRI)：專注於策略和客戶成果 [78]。
      1. 這不是傳統的經理，而是對結果負有明確責任的人，一個人負責一個結果，沒有推卸責任的空間 [80]。
    3. AI 創始人類型：這個人仍然會建構、指導並以身作則 [83]。
      1. 如果你是創始人，你需要站在最前線，向團隊展示巨大的能力提升是什麼樣子，而不是將 AI 策略委託給其他人 [84]。

3.3. 小團隊與高 API 費用 [87]

  1. 透過這種結構，公司將能夠以更小的團隊獲得超乎尋常的成果 [86]。
    1. 最大化代幣使用量而非員工人數，將是關鍵的轉變，最優秀的公司將是那些最大化代幣使用的公司 [87]。
    2. 一個人使用 AI 工具，可以相當於 AI 時代前一家大型工程團隊的工作量 [90]。
    3. 這意味著工程、設計、人資和行政團隊將大幅精簡 [91]。
    4. 因此，公司應該願意承擔高昂的 API 費用，因為它取代了原本更昂貴且臃腫的人力成本 [92]。

4. 新創公司在 AI 轉型中的優勢 [94]

4.1. 創始人應親自體驗 AI 工具 [94]

  1. 創始人不能將對這些工具力量的信念外包，需要親自使用程式碼代理並體驗它們，直到打破對可能建構事物的固有觀念 [94]。

4.2. 新創公司相對於現有公司的優勢 [97]

  1. 早期階段的創始人擁有巨大的優勢 [97]。
    1. 他們沒有遺留系統、根深蒂固的組織圖或數千名需要重新培訓的員工 [98]。
    2. 他們規模夠小，可以從第一天起就正確地建構公司 [99]。
  2. 現有公司則面臨相反的情況 [100]。
    1. 他們必須在維護和發展現有產品的同時，解開多年來的標準作業程序和關於軟體建構方式的核心假設 [101]。
    2. 有些公司可以透過成立小型內部秘密團隊，從頭開始建構 AI 原生系統，與核心業務分開來實現這一目標，Mutiny 就是一個很好的例子 [102]。
    3. 但對於大多數公司來說，對核心流程的任何改變都可能破壞已經運作良好的東西 [104]。
    4. 因此，這些大公司本質上將更難轉向 AI 原生 [105]。
  3. 新創公司沒有這些限制，這是一個巨大的優勢 [106]。
    1. 新創公司可以從一開始就圍繞 AI 設計系統、工作流程和文化，因此運作速度可以比現有公司快 1,000 倍 [107]。