AI-native 初創點解人少估值照高，HBS 研究睇到產品位
Working paper 用 YC 同美國融資初創數據，睇團隊點變
人少，但估值冇即刻縮水
TechNews 科技新報 報道，INSEAD 嘅 Hyunjin Kim 同 HBS 嘅 Rembrand Koning 發表咗 HBS Working Paper 26-090，日期係 2026 年 6 月 9 日，題目係 AI-Native Firms。呢份 paper 未經正式期刊審稿，只係供討論嘅 working paper，所以唔好當成定案；但係佢樣本唔細，睇咗 YC W20 到 F24 批次，又配 PitchBook 融資資料同 Revelio Labs 職位資料，對今日產品團隊同 developer 幾有參考價值。
研究最易俾人記住嘅數字係：同一行業、同一批次入場嘅非 AI 初創相比，AI-native 初創大約細 25%，層級平均少半級，工程師佔比高，初階員工同 manager 佔比低。粗略睇 YC 數據，AI 初創平均約 13 名 Revelio 可見員工，非 AI 初創約 42 名；控制行業同 cohort 後，差距仍然喺度。估值方面，YC 樣本入面總估值冇統計上明顯差別，但每名員工對應估值高約 30%。呢個唔係投資貼士，只係投資人喺早期市場點樣定價嘅訊號。
圖片：HBS AI Institute
分別出喺產品本身
呢份研究最值得攞嚟講嘅位，係作者將 AI 分成兩條線：一條係員工用 ChatGPT、Copilot、Cursor 呢類工具加速自己做嘢；另一條係產品本身包咗 AI 能力，客戶喺介面入 prompt、改稿、批核、追數，部分原本要人手交付嘅知識工作直接喺產品入面完成。研究入面，AI-tagged YC 初創有 43% 用 AI 自動做以往員工做嘅任務，24% 做輔助專業人士嘅工具，15% 做基建。關鍵位係，內部用 AI 工具嗰條線，對公司人手少唔少嘅解釋力冇咁強；產品本身帶 AI，反而同人手少、層級薄拉得最埋。
圖片：HBS AI Institute
coding agent 對職位結構嘅訊號
呢點對 developer 最貼地。Coding agent 可以幫你寫 boilerplate、補測試、掃錯，但公司結構會唔會變，睇產品交付有冇一齊改。以前一個客戶項目要 PM 開會、工程拆 ticket、support 跟進、ops 做例外處理；而家如果產品可以收集需求、生成文件、做合規檢查、發追款訊息，仲包埋例外處理，新增客戶就唔一定跟住新增一層人。咁 junior 位會仲難做，因為好多入門任務俾 agent 食咗；senior 工程、產品、domain expert 反而有高好多槓桿，佢哋要識得將模糊需求拆成可靠系統。
圖片：HBS AI Institute
香港 startup 同 SME 點睇
香港好多 SME 今年都試過叫同事開 ChatGPT、買幾個 SaaS 外掛、再叫 IT 寫個內部 bot。呢啲有用，但只係工具層面。想學 AI-native，應該問三條問題：客戶而家等緊邊個人手步驟？邊啲判斷可以拆成可檢查嘅規則同 feedback？出錯時邊個負責同點樣留紀錄？例如報價、文件審閱、客服分流、應收款跟進，最有用嘅位，通常係可重用、量度到、有人審核呢三件事；做到呢步，AI 先算真正入咗產品流程。
限制要睇清楚
呢份 paper 嘅限制都要攤開講。第一，AI 身份部分靠公司自己標籤，market noise 一定有；第二，樣本重心係 YC 同 2020 至 2024 年第一次融資嘅美國 venture-backed 初創，唔可以直接套落香港公司；第三，研究係橫截面分析，仲未證明 AI 產品設計單獨帶嚟少人同扁平。作者自己都提醒，呢批公司多數只跑咗幾年，去到幾百人規模後，support、法務、合規、銷售管理會唔會重新長返出嚟，仲要再睇。
所以，睇 AI-native 初創唔好淨係睇 headcount 有幾瘦，亦唔好一見 30% per-employee 估值差距就當成財務神話。對產品同工程團隊嚟講，下一步要睇嘅係：你賣出去嗰件產品，有幾多以前靠人交付嘅知識工作，已經變成客戶自己用得到、系統追得到、出錯有人負責嘅能力。做到呢度，公司先有機會用少啲人處理更多客戶；做唔到，AI 帳戶多數只係幫個別同事快少少。
參考來源
- TechNews 科技新報 — 迎戰 30% 估值落差，哈佛研究揭開 AI 原生新創未來架構 — original report
- HBS Working Paper 26-090: AI-Native Firms — Primary working paper PDF，核對樣本、方法、25% 人手差距、職位結構同限制。
- Hyunjin Kim Research — 作者研究頁，核對 AI-Native Firms 同 Mapping AI into Production 兩篇 paper 嘅公開摘要。
- HBS AI Institute: Everyone Has AI. Which Firms are Going to Win? — HBS AI Institute 文章，用嚟補充 AI adoption 入面 mapping problem 嘅背景。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
