with contribution from Natasha Chou, Alumni Relations Manager at AppWorks
身處一個龐大的創業者社群，最寶貴的事，是能親眼見證創業者們每天的快速迭代。尤其今年初 OpenClaw 龍蝦登場以來，創業者們像是拿到了全新的火把，正在探勘 AI 能帶組織走進多少過去走不進的隧道。
自 2025 年 4 月起，AppWorks 每個月在台北辦公室舉辦 AI Founder Circle，同步也在我們有 98 家活躍校友新創的新加坡雙月舉辦。十多場活動下來，議題一路演進：從怎麼用龍蝦，到怎麼打造自己的 AI Agent；從怎麼讓員工順利導入 AI，到動手打造 AI 員工、架起整套 Agent harness 平台……到現在，我們來到一個新的邊境：過去的組織形狀，好像不再適用了。
組織形狀的升級優化，一直是新創成長路上必經的課題。幾乎所有公司的起點，都是一支只有數人的游擊隊，每天完全對焦、全力以赴；然後在成長的路上，似乎就得跟著大公司前輩們的足跡，走向部門化、事業部化，並開始感受到成長痛，尤其通常在一、兩百人這個區間，會經歷組織擴大了、生產力卻不見得等比增加的痛。
要成就大的生意，必得有眾人加入艦隊；但人一多，管理就難，畢竟人類傳遞資訊的頻寬有限。AI 似乎正要化解這個千年的管理之痛：它傳遞資訊，比人更大量、更迅速、也更能超越不同人經手帶來的落差。前衛的創業者與企業家已經開始實驗：Jack Dorsey 三月提出完全扁平化的假說 (參考他與 Sequoia Managing Partner Roelof Botha 合寫的 From Hierarchy to Intelligence)；Cloudflare CEO Matthew Prince 五月投書華爾街日報，解釋為何在營收高速成長、現金流健康的時刻裁員換血 (原文 How I Choose Which Cloudflare Employees to Replace with AI)；我們 AppWorks 的董事長暨合夥人 Jamie，也與台灣大哥大資訊長蔡祈岩於七月份出版《逆分工》探討 AI 時代的生產力革命。
在亞洲，許多創業者正同步進行這樣的實驗。透過他們第一手的經歷與迭代，我們有幸近身觀察。今天藉由這篇文章提出一個關於 AI 時代組織形狀的假說，想跟拿著火把的創業者們，一起窺見未來的樣貌；而文章的末尾，我們會說明，為什麼新形狀是重要的入場券，而不是終局。我們同時邀請了幾位不同階段與規模的創辦人，分享他們正在做的實驗與成果，所以這篇文章不只是 AppWorks 提出的一個理論，更是來自 AppWorks 創業者社群無私的分享。
每一次技術革命，都會重塑我們組織的方式
每一次技術革命，都會重塑我們組織的方式，而這件事至少發生過兩次了。
第一次在紡織廠。18 世紀工業革命前，織布機只是工具，手藝長在織工身上，一人一機，產量的上限就是人手。動力織布機出現之後，機器把手藝吸收了進去，人站到機器的旁邊，人來看顧機器執行手藝。一個人看管一整排機器，工作從動手織布，變成設定標準、抓出例外。2026 年的今天走進台積電的晶圓廠，你看到的仍然是這個形狀：最先進的製程工程師，不是任何一片晶圓的工匠，是機器良率的看顧者。
第二次，輪到軟體業自己。從大型主機、個人電腦到雲端，工程師的工具有個特別之處：寫得成規則的事，工具就能替你做；而它最先接管的，是「證明上一個人沒做錯」。早期的 waterfall 按工序分組，分析、設計、寫碼、測試，四個部門輪流交接，文件就是縫線；那份文件真正的功能，是把信任從上一棒交到下一棒。當版本控制、自動測試、持續整合把驗證變成機器的工作，雲端又讓上線從一次定生死變成隨時可回滾，交接的文件就沒有東西要證明了。崩掉的不是人力工時，是犯錯與協調的成本；成本一變，形狀跟著重組。大約 2001 年起，敏捷開發 (agile) 把跨職能小隊變成軟體業的主流：一個小隊裡有產品、工程、設計，一起對「提升首頁轉換率」這種專項成果負責。(Spotify 後來把這種小隊叫做 squad。)
形狀從來不跟思潮走，只跟真實的成效走。這也解釋了產業發展的往事：過去 25 年，agile 在網路服務的工程團隊以外幾乎沒有真正成功過，因為搬得走的只有儀式，搬不走的是底下那台機器。其他部門的系統只記錄工作，不做工作，更不會查工作：CRM 記錄客戶，但不去談客戶，也不會告訴你這通電話談壞了。少了那台機器，跨職能小隊交出來的成果沒有變好，只是換一種方式開會；於是儀式留著，形狀退回去。
知識工作者的革新時代
看看今天的公司：一個客戶成果，通常切給產品、行銷、業務、客服四個部門，各自對自己那一段負責，再開會對齊。而知識工作者的日常，大半是在系統之間搬資料：從 email 搬進 CRM、從報表搬進簡報。企業 IT 有個正式術語形容這件事，叫 swivel-chair integration 旋轉椅整合：這邊轉過來複製，那邊轉過去貼上。有了滿桌的系統與工具，知識工作者卻還在手搖織布機的時代。
AI 對知識工作做的，正是動力織布機對紡織做的事：把手藝吸進機器裡。它先接管了搬運和串接，隨即連各部門的執行也吸了進去：行銷的投放、業務的報價、客服的工單等等，各種人力執行的工作，都變成機器裡隨叫隨到的能力，形同內勤工作的 API 化。
這是知識工作者的工業革命時代，白領第一次可以真正站到機器旁邊。下一個問題就是我們今天想要談的假說：站到旁邊的人，該怎麼重新組織、重新編隊？
我們的假說：一個新形狀 The New Shape of Work
先把完整的假說畫出來。我們認為 AI 時代的組織，可能會長這樣：中央是一台共用的智能機器，把串接與執行扛走；機器周圍，環繞著一個個小而完整的成果小隊，每隊二到五個人加一支 agent 編隊，完整擁有一個成果；專業不再是部門的名字，是人做事的手路、行會裡磨出來的手藝。
管理學歷史上有許多組織實驗，而組織，正是美國企業得以領先的要素之一。華頓商學院副教授 Ethan Mollick 是近年談 AI 時代組織變革談得最持續的人之一，他提醒過一個常被遺忘的估算：二十世紀美國企業多出來的競爭優勢，有 20% 到 40% 來自更好的管理，那是一個願意拿組織做實驗的年代；但他也感嘆，後來多數公司放棄了實驗，把「怎麼經營公司」外包給顧問與 SaaS 廠商 (見 Insight Partners 刊出的訪談)。
的確，回頭看管理史，我們經歷過幾輪大的組織實驗：一百年前按職能分組的 U-form；緊跟著在 1920 年代長出來的 M-form，按事業部分組——這兩個名字其實都要等到 1975 年才由 Oliver Williamson 補上，形狀先活了半世紀，理論才追上；1963 年稻盛和夫在京瓷發明的阿米巴，把公司切成數千個各自算損益的小單位；再到 2010 年代 Spotify 那套被全世界抄走、卻連 Spotify 自己都沒能真正活下來的 squad 模型 (見前 Spotify PM Jeremiah Lee 的 Failed #SquadGoals)。如今，AI 把組織的實驗室重新打開。我們也試圖給新形狀一個名字，暫且叫它 S-form：squad-form，按成果分組的組織。
新形狀的四個關鍵細節
一、以成果分組，不再按專業分工。
這一步軟體業早就走過：2001 年以來的工程 squad，把前端、後端、QA、設計、PM、維運湊在一隊，對特定專項目標負責，而不是各自回到職能部門排隊。
對於其他知識工作來說，部門的存在理由之一，是一個人、幾個人做不出一份完整的產出：一次投放要一整組人才跑得完，一個成果也養不起一名專職的設計、法務或分析師。所以只能把同職能的人集中起來，讓每個人的時間被不同的成果分著用，而代價是排隊，以及排隊順序怎麼談。當那份產出可以由機器隨叫隨到地補齊，一個成果不必再湊滿一組人，也不必再跟別人共用同一個人，邊界就得以重劃，劃在成果與成果之間。
所以新形狀做的事，是把同一個等式擴到整家公司：一個小隊，一個成果，裡面是為了這個成果湊齊的最適組合，可能有產品、行銷、業務，每個人帶著自己的專業，但坐在同一張桌子。差別在於：過去 squad 交付的是一個特定專項，在 AI 的時代，一個小隊可以直接瞄準公司級的成果。
二、小隊更小。
軟體業長年的參考值是 Amazon 的 two-pizza team：兩張披薩餵得飽，十人以內。但披薩從來不是重點，Bezos 真正要的是一支隊伍完整擁有一件事，後來 Amazon 也把說法改成 single-threaded ownership。當執行大部分沉進機器，人剩下的工作是判斷和問責，需要的人就更少了。
科技大廠的移動方向已經很清楚：Instagram 今年把過去十三人的專才編制，換成四到六位通才工程師、一位 product staff，再加一位切題的專才，整支 pod 大約六到七人 (來自 Head of IG Adam Mosseri 在七月份 Lenny’s Podcast 的訪談)。值得注意的是，人數幾乎腰斬，組成也改變了：專才換成通才，功能的邊界開始互相溶解。
三、部門不死，是拆包。
這是最常被誤解的一步。部門其實是三個東西的捆綁：執行的產能、決定一個人的時間先給誰的調度權、手藝的家。新形狀把它拆開，各有去處。
產能沉入機器；調度權消失了——當一個成果不必再跟別人共用同一個人，就沒有東西需要被排序，人直接坐進成果小隊；而手藝的社群變成行會 (guild)：同行仍然聚在一起交換經驗、磨標準、養成新人，只是行會不在交付的路徑上，不簽核、不排隊。專業於是不再是一個人的歸屬，而是他帶進小隊的手路：看得出來，但不完全決定他能做什麼。
四、底下是一台共用的機器，而顧機器的人，自己就是一個小隊。
管理學很早就有這個概念的名字：組織知識。野中郁次郎在 1990 年代講內隱知識如何變成外顯知識，企業界跟著蓋了一輪知識管理系統，結果多半成為墳場——因為知識庫只存，不做事，沒有人有理由打開它。三十年過去，一家公司真正的判斷與做事方法，多半還是留在少數幾個人的腦子裡 (稍後 FunNow 的實驗會回到這一題)。
新形狀底下這台機器，是這個舊概念第一次能執行。它不只記得公司怎麼做事，它就是公司做事的地方：串接、投放、報價、工單都在裡面跑。所以每跑一次，它就多知道一點——但這裡要誠實，機器不會自己變聰明，是有人每天在調校 context、管理 agent、顧良率，把發生過的事萃取回來。這支小隊，就是新組織裡的晶圓廠製程工程師；他們的成果，是機器本身每天變得更好。
別小看這支小隊：把一家公司的判斷、眉角、做事的方式一點一點編碼進機器，可能是未來十年最大的一項經濟工程，而且每家公司都得自己做一次，沒有人能替你代工。
這裡也埋著新形狀最大的風險：一台共用的機器，就是一個共用的依賴。如果每支小隊要的能力都得排隊等這支小隊補上，剛拆掉的排隊就會原地長回來，只是換了位置。所以這台機器的設計原則，不是替每支小隊客製功能，而是把能力做成他們自己接得上去的介面——否則它就變成新的內部乙方，而那正是新形狀要拆掉的東西。
先行者的實驗筆記
FunNow：GSEA 成長期新創如何漸進重組整個組織
這不是紙上理論。過去幾個月的訪談裡，最完整的一份實驗筆記，來自 FunNow。FunNow 是橫跨大東南亞 (Greater Southeast Asia, GSEA) 的旅宿、餐飲等生活服務即時預訂平台；集團創辦人暨執行長陳庭寬 (TK Chen) 是 AppWorks 成立的 Paramount CEO Club (峰會) 會員，也長期在 AppWorks 社群擔任創業導師。
這家橫跨多國的即時預訂平台，今天的組織圖上沒有 CMO，也沒有多階管理層，越來越多是直屬 CEO 的小隊；小隊有清楚獨立指標，為自己負責。他們正在進行一場漸進式的實驗，把切隊的軸線從職能改成公司級的成果：轉換率一隊、會員與回購一隊、訂位流程一隊，支付和通知這種相鄰的基礎設施，則綑成一個 core 小隊。
純粹按成果切隊有一個天然的問題：成果有壽命，目標做完，隊伍就地解散，好不容易磨出來的默契也跟著散掉。TK 的解法很務實：每支小隊一次綑兩三個相鄰目標，刻意設計成至少存活十二個月。熟悉的人與默契，仍然是組織效率中極為重要的一環。
人和 agent 的配比，按介面的關鍵程度來調。「舉例來說，會員功能比較簡單，RD 可以是 agent；但支付、訂位碰到核心，可能要兩個真人 RD 跟三個 agent RD。」微軟在 2025 年的 Work Trend Index 裡，也把這件事命名為新的管理指標 human-agent ratio：它存在的是最適值，不是最大值。
角色的邊界，則是刻意讓它溶解：「被 AI 賦能後，BA 也能畫 UIUX？UIUX 畫好，為什麼不能自己加個 agent 把 code 丟上去？」但溶解不等於沒有秩序，每隊有一位 DRI，對成果負最終責任。有趣的是，Dorsey 的實驗裡其實也有 DRI，只是那是一個隨著任務時程輪替、跟著問題走的臨時角色；他真正想拆掉的，是常設的管理層。聊到這裡，我們和 TK 的共識是：這一步走得太理想。TK 的版本把 DRI 留成常設的人，「誰最後 fail 誰說了算」，畢竟究責這題，機器接不了，輪替的人也接不牢，最終能被關、能被告的，是人不是 agent。連 Dorsey 自己都在文章裡承認：這場轉型會很艱難，「有些部分可能要先壞掉，才會開始運作」。
問 TK 為什麼此刻動手，理由並不浪漫。FunNow 創立已滿十年，是進入成長期的公司，提升效率與獲利，是迫切的營運議題，而不是趕潮流的實驗。而傳統按職能劃分的部門，始終存在一種結構性的內耗：同一個成果，被拆給不同部門分擔。B 部門同時接下三個 A 部門的需求，優先順序談不攏，最後吵到執行長桌上仲裁。這種內部的甲方乙方關係，正是新形狀要拆除的東西。當一支小隊完整擁有一個成果，「不再需要天天為其他部門排程。」
推進的方法論也值得分享：「我不是一次把它打散，每確定一個新的獨立任務，就把一個 DRI 帶領的成果小隊拉出來，舊的組織就會慢慢被改造。」目前走得最前面的是行銷：TK 把這個職能拆成左腦 (內外部數據)、右腦 (創意生成) 和雙手 (投放後台)，目標是讓 agent 從訊號到執行跑完全程，人做判斷與審批，流程完全改造。現在的成績：從廣告發想、製作並刊登到 Meta/Google 後台，原本需要兩週，現在能降到一天內完成；各國在地行銷從三人減到兩人。「能把市場訊號到反應執行的鏈縮到多短？一週、一天、一小時，才是 AI 時代公司的競爭力。」而推廣的心法是廣泛提供武器庫：「AI 就是武器，讓所有人用，打打看這武器好不好用。好用就加碼，再配備，再打。」兩三個月後，使用的人開始自己動手改 agent。
他點名的最大瓶頸，是知識的沉澱：「Jack Dorsey 的實驗中提到組織版的 World Model，也就是透過各種資訊數據沉澱成公司對內與對外的理解，其實現在都存在每個管理者、或者 founder 的心裡面。」決策散落在 Jira 的附件、GitHub、Figma 連結和 Metabase 之間。TK 則是下兩帖藥：把工具收斂 (從每個人自己嘗試，六個月內已經收斂成兩三種主流)，再靠每週、每月的自動萃取，把發生過的事實際變成公司的資產。風險他也不諱言：當每個人都是 builder，資料權限與上線紀律就是下一個治理課題。
Staffinc：印尼新創面對人才科技素質不一的組織解法
另一份筆記來自印尼。Staffinc 創辦人 Wisnu Nugrahadi 是 AppWorks 成立的 Indonesia Paramount CEO Club 的會員，Staffinc 本身也是 AppWorks Funds 所投資的 AI 人力派遣公司。他從 2023 年被 ChatGPT 衝擊後就積極改造公司，直到今天已經成為一個相比傳統人力派遣公司有十倍管理效率 (編按：每人力資源 HR 能管理的派遣員工數) 的成長期新創。
Wisnu 坦承他們所面對的市場條件跟成熟經濟體無法比，員工的科技素質落差極大。也因此他做了非常多的實驗，先從人人配置 AI，到內部建置類似 World Model 與智能層的概念做出企業 AI，到現在有了更進一步的做法：放棄人人都成為 AI builder 的期待，但是確保每個團隊中都有超強的 AI 工程師。
「太貴了，給每個員工用 AI 的結果是：並非每個員工都可以做出更高的產出，而培訓與 token 的費用卻非常驚人。」當團隊成員對工具的熟練度跟不上的時候，就不要抱持著人人都變成高效 AI 使用者的期待。所以他們最新的做法，是在每個按客戶類型分的業務小隊裡，配備一位工程師，負責這個小隊需要的所有工具與系統，也就是內部 FDE (forward-deployed engineer)。
管理上最大的創新則是 (1) 把工程師的考績做調整，考績是看小隊的銷售成果，不是回到工程團隊；(2) 這些部署在外的 AI 工程師依然每週會回到工程師的行會，交換彼此做出來的工具與心得，讓一個個小隊的學習，變成整家公司的資產。
同一個形狀，在不同成熟度的市場，長出了不同的過渡型態，這正是「形狀跟著成效走」的另一個案例。
小型新創的摸索之路
從 Staffinc 的案例可以看到，把 AI 嵌進組織、槓桿出更大的效益，從來不是創辦人畫好藍圖，照圖施工，而是一段迭代試錯的過程。創業者的目的地大致相同 (降本、增效、創造新收益)，但其間途徑，得由創辦人帶領團隊自己摸索，長出最符合公司 DNA 的新形狀，資源相對充裕的成長期公司如此，人手極度緊繃的小型新創更不例外。
無毒農 (AW#5) 在台灣經營蔬果電商，創辦人 Enzo 就在這件事上吃過苦頭。他一開始把 AI 導入交給 CTO 帶頭，過了幾個月卻不見成效，後來 Enzo 自己捲起袖子，從 n8n 開始，先解決重複性最高的客服，接著調整工程團隊的體質和工作習慣，並開始自建公司內部 MCP (Model Context Protocol，讓 AI 能直接調用公司資料的介面)，讓夥伴都能調度需要的資料。結果是客服效率倍數提升、同期業績增加三成、產品開發產能直接翻倍。
區塊鏈團隊 Numbers (AW#23) 的創辦人 Tammy 則從營造 AI 文化開始：給每個夥伴每月 20 美金的 AI 實驗基金，每週全員 demo 產出，Tammy 親自幫忙 debug 除錯。半年實驗下來，她將不適應 AI 文化的夥伴調離組織。之後發現原有 SaaS 系統之間資訊轉換成本極高、AI 無法有效串接，索性撤換所有 SaaS 訂閱，親手從 calendar 開始，為公司建起一套 AI 管理系統。每個階段都建築在前面的地基之上，不是一開始就畫好的路線圖。
來自新加坡做食品供應鏈的 Farmio (AW#31) 是在 GenAI 時代才創立的公司，從第一天就以 AI-native 來打造。而 AI-native 食品供應鏈究竟長怎樣，也是創辦人 Paco 從一個最小的場景開始設計：WhatsApp 下單。從整條供應鏈最高頻的接觸點切入，一個環節一個環節往後延伸，兩年下來走到完整的 72 個 agent 覆蓋各個工作流程、從下單到配送幾乎全自動，達成員工人均 100 萬美元 GMV 銷售金額的里程碑。
這三個案例是 AppWorks 社群內小型新創的不同摸索，都是從某個最明確的單點開始實驗：客服、內部工具、下單等等。除此之外，創辦人自己對於革新的決心，也是他們得以實驗成功的重要關鍵。組織的新形狀，不可能是一個能被委外的工作，這也回應前面提及 Wharton 教授 Mollick 的感嘆：過去幾十年，許多公司把「經營」外包給顧問與系統商；而這一輪組織實驗的先行者們，正把這件事，拿回自己手上。
新形狀決定你的入場券，真正的競技場在原子級的能力與護城河
走到這裡，把文章的重點收攏一下：我們談的是組織的新形狀。這半年，創業者們忙著追趕 AI 的日新月異，同時在快速實驗重新發明組織的機會，這是文章前半所有真實案例的共同起點。但拿到新形狀之後，還得再多想一層：形狀是看得見、學得走的東西。當它從少數人的實驗，變成每一家公司的標配，真正決定勝負的，會是什麼？
短期內，公司之間的差距，會來自誰先讓學習複利：同樣的人數，做出數倍的成果。這個差距已經量得出來：用同樣的前沿模型，只發工具、不動組織的公司，工程生產力增益大約兩到四成 (Theory Ventures 統計)，甚至有嚴謹的對照實驗測出負值；把 AI 重建進工作流的公司，是 2.5 到 3 倍 (Anthropic 工程師訪談)；在台灣我們也看到領先的軟體公司已經出現至少 10 倍產出速度的案例。模型人人相同，差十倍的變數，是組織的形狀。
但把時間拉長，形狀是看得見、學得走的東西；當每一家公司都長成新形狀，靠執行和效率領先的價值，最終還是會被競爭迅速稀釋。屆時，決勝點會回到兩件事：一是原子級的能力，比如對 FunNow 來說可能是價格發現與娛樂提供，對 Staffinc 則是派遣人力的質與量的保證，這些原子級的能力會更快地被分出優劣；二是 AI 帶不走的護城河，為了把原子級的能力提升或防禦，新創需要什麼樣的護城河，比如執照、通路、品牌、資料的迴路等等。
但別把「會稀釋」讀成「不重要」。沒有長出新形狀的公司，接下來很可能連牌桌都上不去。新形狀不是獎盃，是入場券，而且是你累積那些稀缺資產，最快的方式。
所以在動手重組之前，值得先問自己兩個問題：你的原子級能力，夠強到足以用新形狀放大嗎？你的護城河，又是什麼？
結語：邊境寄來的請帖
寫在最後，想先誠實面對這場革命此刻的體感：它並不全然浪漫。2026 年一份近六千名科技工作者的調查裡，怕被 AI 取代的只有兩成，怕「同樣的薪水、做更多的事」的超過一半。這對創業者不是員工焦慮，而是一張診斷書：只發下工具、不動組織的形狀，AI 換來的產能，最後只會回填成更多的會議、更長的工時。被填滿不是 AI 的副作用，是舊形狀的症狀。
拉長時間看，人的位置終究會往最珍貴的價值移動，那就是判斷。1980 年代試算表出現後，美國少了約四十萬名簿記與會計文員，卻多出約六十萬名會計師，FP&A 更成為全新的職業品類。所以真正的問題從來不是「AI 會取代多少員工」，而是：當機器把工時還給人類，人該被重新配置到哪裡？這一題沒有人能代答，也是創業者現在最重要的決定。而先行者的起手式都很小，如果要給一個具體建議：挑一個你最痛、也最說得清楚的成果，從部門手上拿出來，交給一支二到五人加一支 agent 編隊的小隊，給他們獨立的指標和至少十二個月。你會很快知道，你公司的新形狀長什麼樣子。
近期讀到最喜歡的書，是 Benjamín Labatut 的《當我們不再理解世界》：書裡的科學家每一次「不再理解世界」，都是新理論誕生的前夜。今天組織圖也正在進入我們不再確定的狀態，而這正是我們站在邊境的證明，此刻我們講的「邊境」不是國界，而是已知與未知交界的那條線。過去一百年的 U-form、M-form、阿米巴，都是某一代經營者拿自己的公司做實驗留下的名字；而 S-form 會不會是下一個字母，就看這一代創業者的實驗。
在 AI 時代的起點，很榮幸能跟各位一起探討這場暌違 25 年的全新邊境。
