AI 原生 startup 變細隊：junior 同 manager 點解受壓

TechNews 科技新報報道咗 Harvard Business School 同 INSEAD 呢份《AI-Native Firms》working paper，話 AI 原生 startup 嘅團隊細啲、manager 少啲、senior 技術人手多啲。呢類題好易寫到變 AI 搶工恐慌，但今次值得睇嘅位係研究有數字、有範圍，仲拆開咗公司入面用 AI 工具，同產品本身用 AI 交付服務呢兩件事。

樣本要講清楚：研究睇 Y Combinator W20 至 F24 batches，同 2020 至 2024 年首次融資嘅美國 venture-backed startup，再配對 Revelio Labs 嘅員工資料，對比團隊人數、職能、seniority 同層級。換句話講，呢份 paper 反映嘅係美國創投資金圈入面好早期、好受 AI 熱潮影響嗰批公司，唔可以直接推到所有科技公司或者本地招聘市場。

數字話咩

Paper 最搶眼嘅數字係：AI 原生 startup 細過同 batch、同行業嘅非 AI startup 約 25%。工程師比例相對高約 13%，入門員工同 manager 嘅比例各低約 15%，senior 員工比例就高約 20%。估值同集資額又冇明顯輸蝕，所以唔似純粹因為生意細先請少人；研究作者嘅解讀係，AI 令少人團隊都可以交到市場願意買單嘅 output。

背景上，Pave 2025 年嘅 workforce data 都指向同一個方向：佢哋睇大型上市 tech 公司逾 12 萬名員工，21 至 25 歲員工比例由 2023 年 1 月 15.0% 跌到 2025 年 7 月 6.8%；大型私營 tech 同相關公司逾 90 萬名員工，呢個年齡層亦由 9.3% 跌到 6.8%。呢個同 Harvard / INSEAD paper 唔係同一個樣本，但幫手交代點解 junior pipeline 變成市場焦點。

圖片：Pave

產品入面嘅 AI 先最關鍵

呢份 paper 最有用嘅拆法，係將 AI 分成兩種用法：第一，員工用 ChatGPT、GitHub Copilot、Cursor 呢類工具做 code、設計、銷售支援；第二，產品自己用 AI 幫客戶完成以前要人手處理嘅知識工作。作者用 job posting 入面有冇列名 AI 工具做粗略 proxy，發現呢個「員工用工具」signal，唔足以解釋點解團隊變細；反而產品有 AI 核心能力，先同人手少、層級薄較有關。

服務型公司最明顯。Paper 提到，喺 healthcare、商業服務、media 呢類本來靠人手交付服務嘅分類，AI startup 嘅人手大約得非 AI 同類嘅 30%，即係少約 70%。呢點幾關鍵：AI 帶嚟嘅變化，唔只係內部同事快咗；一部分交付能力搬入產品入面，客戶自己喺介面度輸入要求、修正結果，原本中間嗰層人手自然少咗。

junior 同 manager 受壓位唔同

對 junior 嚟講，最麻煩嗰點，唔止係「識唔識用 AI」咁簡單；舊式入門任務本身變少：整理資料、做 prototype、寫樣板 code、跟 SOP 執行，全部都好容易俾 agent 或現成工具食走第一輪。公司請少啲初級人手，唔代表完全唔請新人，但新人要證明自己唔只係工具操作員，仲要識拆要求、驗結果、補測試、同產品目標夾得上。

manager 呢邊又係另一種壓力。研究講嘅唔係主管一夜之間消失，而係早期 AI startup 層級薄啲、manager 比例低啲。當 senior engineer、product-minded engineer 同 founder 可以用 AI 工具放大自己嘅 leverage，中間負責派 task、追 status、做基本 review 嗰層就冇以前咁易擴張。管理仍然重要，不過會偏向方向判斷、人才 coaching、風險同客戶取捨，少咗純粹人手協調。

工程師贏喺邊

工程師比例高唔等於人人寫 code 就穩陣。AI 原生公司要嘅，似係可以拎模型、資料、產品 UX、成本、security 同 eval 串埋一齊嘅人。Coding agent 可以幫你起草 code，但 production 入面仲有權限、資料私隱、錯誤處理、logging、monitoring、成本控制同客戶場景。呢啲係 senior 人手值錢嘅地方，亦係 junior 可以補上嚟嘅方向。

如果你喺香港做 startup、讀 CS、或者準備轉工，呢份研究唔係本地招聘預測；用嚟檢查自己 skill set 會實際啲。CV 寫「識用 ChatGPT」冇乜意思，示範你點用 agent 由模糊要求做出可行 prototype、點寫 eval、點處理私隱同成本、點同非技術同事講清楚 trade-off，先貼近呢類公司要嘅能力。

唔好讀成所有人都冇機會

研究作者自己都提醒，呢啲結果唔可以直接當成勞動市場總數預測。每間 AI 原生公司人少啲，但如果 AI 令 startup 數量升得夠快，整體職位未必一定跌；paper 亦提到 PitchBook 入面 2024 年 AI 首輪融資公司數，接近 2020 年平均嘅 8 倍。下一步要睇嘅係，呢批細隊公司擴張到 Series B、Series C 之後，會繼續薄層級，定係又要補返 manager 同 junior pipeline。

所以今次唔使讀成一句 AI 搶 junior。較實用嘅讀法係：入門位會少啲、manager 層會薄啲，但放大產出嘅技術人手，同識用 AI 重組產品交付嘅人，會較早拎到議價能力。想入行，就要由「識用工具」升級到「識交付一段可靠嘅產品能力」。

參考來源

• TechNews 科技新報 — AI 新創如何運作，哈佛：用人更少、主管消失、資深員工勝利 — original report
• AI-Native Firms - Harvard Business School Working Paper 26-090 — primary source，用嚟核對樣本範圍、AI 原生定義、25% / 13% / 15% / 20% 等數字同研究限制。
• AI Is Disrupting the Workforce from the Bottom Up, and Faster Than You Think — Pave 官方 workforce data，用嚟補充 junior pipeline 同 manager span of control 嘅背景。
• AI-native startups are hiring fewer entry-level workers, Harvard study finds — 英文背景報道，用嚟對照 TechNews 引用來源同行業解讀。

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。