估值 95 亿美元 Gusto 联合创始人专访：重返一线写代码，打造颠覆后勤的“AI 联合创始人”

Gusto Eddie Kim：AI 正在把软件公司重新变回五个人的创业团队

如果只把 Eddie Kim 最近的故事理解成：

“一个十年没写代码的 CTO，重新用 Claude Code 写代码。”

会严重低估这件事情。

真正值得关注的不是：

Eddie 又会写代码了。

而是：

为什么一家年收入已经超过 10 亿美元、服务超过 50 万家小企业的大型软件公司，反而需要让联合创始人重新回到最前线，带着只有 5 个人的小团队，像创业第一天一样开发产品？

2026 年，Gusto 已经跨过 10 亿美元过去 12 个月实际收入，服务超过 50 万家小企业；其 2025 年员工股份流动交易对应估值约 93 亿美元，而更早的融资轮估值曾达到约 95 亿美元。所以严格来说，今天更准确的说法不是“当前估值 95 亿美元”，而是这是一家约 90 亿美元级、收入超过 10 亿美元的成熟科技公司。

但就是在这样一家已经高度成熟的公司里，Eddie Kim 做了一件非常“不像大公司 CTO”的事情：

他重新开始写代码。

最终，一个只有 3 名工程师、1 名设计师加 Eddie 本人的 5 人核心团队，从零开始，在 10 周内做出了全新的一级产品线：

Gusto Cofounder。

过程中几乎没有：

传统 PM；

长期 PRD；

复杂 Jira；

传统 Figma → 工程交接；

大量会议；

长期 Roadmap。

他们更多依赖：

Claude Code；

实时原型；

Perma-Zoom；

客户反馈；

以及不断“写出来—试一下—不行就扔掉”的极短反馈循环。

这件事真正重要的地方在于：

它可能预示着软件公司的组织结构正在发生一次非常深的变化。

过去二十年，软件行业一直在解决：

“怎样让更多工程师协作？”

AI 时代的新问题可能变成：

当一个人已经拥有过去五个人、十个人的执行能力后，我们还需要那么多协调层吗？

这才是 Eddie Kim 这次回归一线真正值得研究的地方。

一、Gusto 的故事本身，就来自一个最典型的小企业“后勤黑洞”

Eddie Kim 创办 Gusto，并不是因为：

Payroll 很性感。

恰恰相反。

工资、税务、福利、员工入职和合规，可能是创业世界最不性感的一类工作。

但：

越不性感、越重复、越必须完成的工作，往往越有商业价值。

因为老板无法不做。

工资不能：

“下周有空再发。”

税不能：

“今年太忙就不报。”

员工福利不能：

“先放一放。”

这些工作属于：

Mission-critical Back Office。

关键后台工作。

二、Eddie 小时候看到的，其实不是一个医疗问题，而是一个 SMB 生产率问题

他的父母经营医疗业务。

真正让他留下印象的，不只是医生给病人看诊。

而是一个小企业背后大量看不见的劳动：

发工资；

做排班；

税务；

员工福利；

保险；

报销；

各种行政事务。

这正是美国大量小企业老板的现实。

一个厨师开餐馆以后，

很快发现自己不仅要做菜。

还要：

招聘；

算工资；

管保险；

处理税务；

安排员工。

于是：

Founder → Chief Everything Officer。

老板最后花大量时间做：

自己根本不是为了这些事情才创业的工作。

Gusto 的商业机会正来自这里。

三、这也是为什么“小企业 SaaS”是一个巨大的市场

大型企业可以拥有：

HR 部门；

Payroll 团队；

Legal；

Finance；

IT。

一家有 15 个员工的 Spa 呢？

老板自己就是：

HR。

老板自己就是：

Payroll。

老板自己就是：

运营。

所以大型企业可以通过：

人

解决复杂度。

小企业必须通过：

软件

解决复杂度。

这就是 Gusto 的基本经济学。

四、但 AI 又把这个逻辑向前推进了一步

传统 SaaS 的答案是：

给老板一个更好的工具。

AI Agent 的答案可能变成：

不要让老板学工具，直接把工作做完。

这是两代软件真正的区别。

传统 Gusto：

帮你管理 Payroll。

Gusto Cofounder：

试图直接替你：

Run Payroll。

Gusto 官方现在把 Cofounder 定义成一个“always-on AI assistant”，它可以主动发现问题、执行重复工作，并通过 SMS、Slack 或 Web 与老板交互。

这不是 UI 升级。

而是：

Product Category Shift。

五、软件第一次真正开始从“工具”变成“员工”

过去软件公司的商业逻辑：

Human + Software → Work。

人操作软件。

完成工作。

Agentic Software：

Human → Goal。

AI + Software → Work。

人只提供：

目标；

规则；

批准。

中间过程由机器完成。

这意味着：

Software is moving from interface to labor。

软件从界面变成劳动。

六、这可能是 SaaS 历史上最重要的一次变化

传统 SaaS 卖：

Seat。

比如：

一个员工每月 $50。

AI Agent 更像卖：

Outcome。

不是：

“给你一个 Payroll Dashboard。”

而是：

“工资已经算完了，异常已经标记，需要你确认这里。”

产品价值从：

Access

变成：

Completion。

这也是为什么 AI SaaS 最终可能侵入：

Labor Budget，

而不只是：

IT Budget。

七、Eddie 的个人经历非常有意思，因为他其实早就体验过“一个人公司”

在 Gusto 之前，他曾经做过 Android 应用。

那是智能手机早期一个极其特殊的时代。

Android 操作系统还不成熟。

大量今天看起来理所当然的基础功能，当时并不存在。

于是独立开发者可以围绕这些系统缺口：

开发小工具；

直接在应用商店出售。

例如：

找车；

截屏；

各种系统工具。

本质上属于：

OS Gap Arbitrage。

操作系统缺什么，

开发者补什么。

八、这类生意为什么可以让一个人赚很多钱？

因为 App Store / Android Market 带来了一个巨大的经济变化：

Distribution Cost → Near Zero。

过去写一个软件以后：

需要渠道；

代理商；

光盘；

零售。

移动应用商店以后：

一个程序员

可以直接触达：

全球用户。

所以一个人突然拥有：

Global Distribution Leverage。

这正是移动互联网时代的超级杠杆。

九、但 Eddie 很早就理解了这类业务最大的风险：平台会吞掉功能

今天截屏是一个独立 App。

明年：

Android 自己支持。

公司归零。

这叫：

Platform Absorption Risk。

所有建立在大型平台功能缺口上的创业公司都必须面对。

浏览器插件如此。

ChatGPT Wrapper 也如此。

Shopify Plugin 也如此。

如果你唯一的价值是：

“平台暂时还没有这个按钮。”

那平台增加一个功能：

公司就没了。

十、这是今天 AI 创业者尤其应该记住的一课

现在大量 AI Startup 本质都是：

Model Gap Arbitrage。

OpenAI 暂时没做。

Anthropic 暂时没做。

Google 暂时没做。

于是：

创业公司做出来。

问题是：

下一代模型更新以后呢？

所以创业者真正需要问：

如果基础模型明天免费提供我的核心功能，我还剩什么？

客户？

数据？

工作流？

品牌？

分发？

监管？

系统集成？

如果答案是：

没有。

那就和 2010 年一个“截图 App”没有本质区别。

十一、Gusto 为什么比那些小工具大得多？因为它进入了 System of Record

工资不是：

一个小功能。

它连接：

员工身份；

银行账户；

税务；

福利；

合规；

工资记录；

历史数据。

这使 Gusto 逐渐成为：

System of Record。

而 System of Record 拥有一个巨大优势：

Context。

AI 要帮企业干活，

首先必须知道：

企业是谁；

员工是谁；

什么时候发工资；

过去发生过什么；

规则是什么。

Gusto 已经拥有这些数据。

十二、所以 Gusto Cofounder 最大的优势可能不是模型，而是“它已经认识你的公司”

这正是 Gusto 官方强调的：

Cofounder 不需要用户从零告诉它公司结构，因为它已经知道：

团队；

工资周期；

福利；

合规日历。

这意味着：

AI 产品的竞争优势越来越从：

Model Intelligence

迁移到：

Context Ownership。

模型大家都可以买。

企业上下文不是。

十三、这可能是未来所有传统 SaaS 最大的反击武器

Salesforce 有：

客户数据。

Workday 有：

员工数据。

ServiceNow 有：

IT 工作流。

Gusto 有：

Payroll + People Data。

QuickBooks 有：

财务数据。

因此 AI 并不一定首先摧毁这些公司。

如果它们转型成功，

反而可能利用：

Existing Context

成为 Agent 的操作系统。

真正危险的是那些：

没有核心数据；

没有关键工作流；

只是一个漂亮 UI

的 SaaS。

十四、Eddie 为什么十年不写代码以后，突然必须重新下场？

因为他意识到：

你不能靠 PPT 理解技术范式变化。

这是整场访谈最值得技术管理者思考的地方。

一个 CTO 可以：

看团队周报；

看 Roadmap；

听模型演示；

看 Benchmark。

但是：

直到你亲自和 Claude Code 工作几个小时，

你可能仍然不知道：

软件开发本身到底发生了什么。

十五、这和 1990 年代的 CEO 不亲自上网类似

想象 1996 年。

一个媒体 CEO 说：

“我不用互联网，但我的团队每周给我汇报互联网趋势。”

他能真正理解互联网吗？

很难。

今天 AI 可能处于类似阶段。

如果一个技术领导者从来没有：

亲自用 Coding Agent；

构建 Agent；

设计 Workflow；

让模型调用工具；

做 Evals，

那么他对 AI 的判断很容易停留在：

Second-hand Knowledge。

二手认知。

十六、技术革命时期，领导者最危险的事情就是离生产资料太远

正常时期：

管理层不需要亲自做所有事情。

这是组织规模化必然结果。

但是技术范式发生变化时：

过去十年形成的管理抽象层，

可能突然失真。

Dashboard 显示：

Engineering Velocity。

但底层工程师的工作方式已经完全变化。

这时候：

领导层必须重新：

Touch the Metal。

接触真实技术。

十七、Eddie 回归编码最大的意义，不是证明 CTO 也要每天写代码

并不是所有 CTO 都应该重新成为全职程序员。

真正的原则是：

决定技术战略的人，必须对新生产工具拥有一手经验。

这和工厂管理一样。

你不一定每天亲自开机器。

但如果生产线从：

人工车床

升级成：

自动化机器人，

管理者必须真正理解：

新机器意味着什么。

十八、AI Coding 最大的组织影响，可能不是“工程师快了 30%”

这是最容易低估它的地方。

如果只是：

原来一天写 100 行。

现在写 130 行。

那只是：

Productivity Tool。

但 Eddie 团队表现出来的是另一种变化：

Role Boundary Collapse。

角色边界正在消失。

设计师开始提交生产代码。

技术领导可以独立做完整原型。

工程师参与产品设计。

这不是：

速度提高。

而是：

组织结构变化。

十九、过去的软件组织为什么产生 PM、Designer、Frontend、Backend、QA？

因为每个专业能力：

学习成本高。

产品经理写需求。

设计师做 Figma。

工程师把设计翻译成代码。

QA 再测试。

每一步之间存在：

Translation Cost。

需求翻译成设计。

设计翻译成代码。

代码翻译成测试。

AI 开始减少这些翻译步骤。

二十、每一次“交接”都是组织成本

产品经理：

写 20 页 PRD。

设计师：

理解。

做 Figma。

工程师：

重新理解。

写代码。

过程中信息不断损失。

这叫：

Coordination Tax。

当真正写代码的成本非常高时，

这些流程有价值。

因为：

必须提前计划清楚。

但如果：

AI 让实现成本下降 10 倍，

另一种方法出现：

不要写 20 页文档解释产品，直接把产品做出来。

二十一、这就是 Eddie 所谓“Trash-can Method”真正革命的地方

过去：

写代码非常贵。

所以：

先讨论；

先审批；

先写文档。

避免：

浪费工程资源。

AI 以后：

代码越来越便宜。

于是团队可以：

先写。

看看。

不喜欢？

直接扔掉。

How I AI 把它总结为 Eddie 的“trash-can method”：直接建立完整 PR，再用真实实现来做产品讨论，如果不值得继续，就关闭 PR。

这里真正变化的是：

Cost of Experimentation。

实验成本暴跌。

二十二、当代码便宜以后，“规划”本身的经济价值会下降

传统大型软件开发：

做错方向非常贵。

100 个工程师干半年：

成本巨大。

所以：

Planning 很重要。

但如果 5 个人 + AI：

三天做出真实版本，

那你为什么要：

开两周会？

写三十页文档？

可以直接：

Build to Think。

通过构建思考。

这和过去：

Think → Plan → Build

完全不同。

二十三、这可能改变整个产品管理职业

这并不意味着 PM 消失。

而是 PM 的价值会从：

写 Ticket；

维护 Jira；

同步状态；

翻译需求

迁移到：

判断什么值得做。

也就是：

Customer Insight；

Prioritization；

Taste；

Strategy。

AI 最容易自动化：

项目管理的协调层。

最难替代：

真正的产品判断。

二十四、未来顶级 PM 可能必须更像 Builder

不会写传统代码也没关系。

但必须能够：

自己原型；

调用模型；

做真实测试；

连接数据；

给用户演示。

否则：

所有思考都必须等工程师翻译。

在 AI 时代：

这是非常大的速度损失。

所以：

Prototype Literacy

很可能成为未来产品经理的基本能力。

二十五、Gusto 的设计师案例为什么如此重要？

Cofounder 项目的设计师 Katie Kovalcin 公开描述，她与四位工程师一起工作，并且使用 AI 直接把自己的原型迁移为 production frontend，再由工程师审核后上线。

这在过去组织里意味着：

Designer Crossing Into Engineering。

而节目甚至提到：

她在内部代码产出指标中一度达到很高百分位。

真正重要的不是排名。

而是：

Design → Production

之间的翻译层正在缩短。

二十六、这可能催生一种新的职业：AI Builder

不是纯：

Engineer。

也不是纯：

Designer。

也不是：

PM。

而是一个人能够：

理解用户；

设计流程；

构建原型；

写生产代码；

连接模型；

测试；

部署。

以前这叫：

“全栈天才。”

未来可能逐渐变成：

普通高水平知识工作者。

这就是 AI 最大的组织意义之一：

Generalist Returns。

通才重新升值。

二十七、工业革命提高专业化，AI 可能部分逆转专业化

过去公司规模越来越大，

原因之一就是：

专业分工提高效率。

Adam Smith 的制针工厂：

每个人做一个步骤。

互联网公司也是：

Frontend；

Backend；

Infra；

PM；

Design；

Analytics。

AI 让个人重新获得：

跨专业执行能力。

这可能导致：

企业重新模块化成更小的高能力团队。

不是取消专业知识。

而是：

减少专业边界之间的摩擦。

二十八、为什么 Cofounder 只有五个人反而可能是优势？

团队越大：

Communication Channels

增长得极快。

5 个人：

10 条双向关系。

20 人：

190 条。

50 人：

1,225 条。

这就是为什么：

组织一大，

流程自然出现。

Jira；

Standup；

Manager；

Program Manager；

Roadmap。

这些东西不是因为大企业笨。

而是：

Coordination Complexity。

二十九、AI 如果让五个人拥有过去二十个人的执行力，就能直接消灭一部分协调成本

这才是最重要的生产率跃迁。

不是：

20 人每人快 30%。

而是：

原来需要 20 人，现在只需要 5 人。

后者的生产率变化远大得多。

因为你同时减少：

工资；

会议；

管理；

沟通；

交接；

组织政治。

所以 AI 最大的企业效率提升可能来自：

Smaller Team Size。

三十、未来最值钱的公司指标之一，可能是 Revenue per Employee

互联网已经提高了这个指标。

AI 会进一步提高。

过去：

10 亿美元收入

可能需要：

10,000 人。

未来：

可能只需要：

1,000 人。

再未来：

某些软件公司可能几百人就做到。

于是：

企业价值

与：

员工数量

越来越脱钩。

这将改变：

办公室；

管理层；

招聘；

组织设计。

三十一、但千万不要把“5 人开发成功”理解成所有企业流程都应该取消

这是最容易产生的错误。

Cofounder 项目能做到：

No Jira；

No PM；

少文档，

有几个非常特殊的前提：

高级人才；

极小团队；

高信任；

创始人直接参与；

短期冲刺；

技术探索；

内部已有成熟 Gusto 基础设施。

一家：

500 人金融系统迁移项目

不能照抄。

所以真正应该学习的是：

Process should match coordination cost。

而不是：

Process = Bad。

三十二、流程本质上是“组织规模税”

创业初期：

大家坐一张桌。

不需要 Jira。

1000 人以后：

没有流程会崩溃。

所以问题从来不是：

有没有流程。

而是：

AI 是否让公司能够长期保持更小团队，从而推迟流程出现的时间？

如果答案是：

是。

那么 AI 不只是提高生产率。

它在改变：

Company Scaling Curve。

三十三、这会让未来创业公司“成熟得更晚”

传统 startup：

5 人。

20 人。

100 人。

500 人。

为了增长必须不断招聘。

AI startup 可能：

5 人；

15 人；

40 人；

收入已经很大。

所以：

组织官僚化发生得更晚。

Founder 能更久保持：

直接产品控制。

这可能重新提高：

创业公司的创新速度。

三十四、Eddie 的故事另一层很重要：技术 Founder 常常被自己的成功推离技术

创业初期：

Founder 写代码。

公司增长后：

招聘；

1-on-1；

绩效；

预算；

组织设计；

董事会。

最后：

CTO 不再 Touch Code。

这是正常的。

因为：

公司的瓶颈已经从：

Coding

变成：

Organization。

Eddie 自己也经历了这种转型。

三十五、很多技术创始人真正痛苦的并不是不会管理，而是“身份丢失”

你原本的人生身份是：

Builder。

突然每天变成：

Manager。

会议；

招聘；

绩效；

冲突。

会产生一种很深的心理变化：

Who am I now?

过去成就来自：

“我做出了东西。”

后来成就来自：

“我让别人做出了东西。”

这两种奖励机制非常不同。

三十六、这也是为什么技术 Founder 很容易“抢代码写”

团队出了 Bug。

Founder 看到。

直接修。

短期：

最快。

长期：

最危险。

因为：

你永远成为：

团队里最昂贵的 IC。

而你的真正工作已经是：

建立团队。

这就是：

Founder Delegation Trap。

创始人委托陷阱。

三十七、所以 Eddie 当年停止写代码可能是正确的，而今天重新写代码也可能是正确的

这两件事一点都不矛盾。

2015 年：

组织扩张是瓶颈。

他应该管理。

2026 年：

技术范式发生变化。

技术理解成为瓶颈。

他重新 Builder。

优秀领导者最大的能力不是：

永远坚持一种管理方式。

而是：

知道当前组织真正的瓶颈在哪里。

三十八、这就是为什么 Leadership 的本质不是“做什么”，而是“在哪个阶段做什么”

创业早期：

Founder = Builder。

公司增长：

Founder = Recruiter。

进一步：

Founder = Manager。

成熟：

Founder = Capital Allocator。

技术范式变化：

可能又暂时回到：

Builder。

真正优秀的人能完成：

Role Switching。

很多 Founder 失败：

不是能力不足。

而是：

停留在过去最擅长的角色。

三十九、联合创始人之间的冲突，本质也是角色与公平感的问题

早期技术 Founder 经常经历一个心理：

我每天写代码到凌晨。

CEO 为什么：

见投资人；

吃饭；

聊天？

看起来：

我干活。

他社交。

但这是对创业分工的：

Short-term Accounting。

早期团队不能每天算：

谁工作小时更多。

真正应该看：

长期谁承担：

什么责任；

什么风险；

什么结果。

四十、Founder 团队最危险的不是分工不均，而是“未说出口的不公平感”

这种情绪如果积累：

技术 Founder 觉得：

CEO 没干活。

CEO 觉得：

CTO 不理解市场。

Product Founder 觉得：

自己没有权力。

最后：

公司不是输给竞争者。

而是：

内部解体。

所以 Eddie 团队早期明确：

Josh Reeves → CEO；

Tomer London → Product；

Eddie Kim → Technology，

真正价值在于：

Role Clarity。

角色清晰。

四十一、很多创业公司真正死于“控制权模糊”

大家是朋友。

所以：

先不谈。

这是错误。

越是朋友：

越应该提前谈。

CEO 是谁？

重大决策谁做？

产品最终谁负责？

技术谁负责？

股权为什么这样分？

如果公司失败怎么办？

如果某人离开怎么办？

越早把：

Ambiguity

消灭，

未来越少情绪债务。

四十二、情绪管理其实是 Founder 最被低估的生产力工具

Eddie 谈到：

人在受到攻击或挑战时，

会出现明显生理反应。

心跳加速；

呼吸变化；

Fight or Flight。

这类时刻最危险的事情是：

立即回应。

因为：

你以为自己在“理性争论”。

其实：

身体已经进入防御状态。

四十三、优秀领导者真正需要的是“Meta-awareness”

不仅知道：

发生了什么。

还知道：

我现在正在发生什么。

我为什么生气？

我的 Ego 被挑战了吗？

我是在保护公司，

还是保护自己的身份？

这叫：

Metacognition。

对自己的思考进行观察。

越高层的领导，

越重要。

因为：

一句失控的话，

可能影响：

几十个员工；

融资；

联合创始关系。

四十四、暂停几分钟为什么有效？

因为真正高级的管理不是：

永远不产生情绪。

不现实。

而是：

Emotion → Pause → Interpretation → Response。

普通人：

Emotion → Reaction。

这中间增加一个 Pause，

就会产生巨大差异。

这也是优秀 CEO 和普通 Manager 之间经常存在的能力差异：

Response Latency。

不是越快越好。

而是在高情绪情况下：

知道什么时候不要立即回答。

四十五、AI 编程助手还有一个非常被低估的价值：它降低了“学习羞耻成本”

Eddie 十年没有一线编程。

今天技术栈已经完全变化。

重新问员工：

这个怎么配？

Datadog 怎么弄？

框架怎么用？

对一个高级 CTO 来说，

会存在心理成本：

我是不是应该已经知道？

AI 没有这种社会判断。

你可以问：

极基础的问题；

重复问；

让它解释十次。

没有人觉得你蠢。

这叫：

Zero-Judgment Tutoring。

四十六、这可能改变成年人学习技术的方式

成年人学习最大的障碍常常不是：

智力。

而是：

Ego。

大学生可以问：

“这个是什么意思？”

一个工作 20 年的 VP Engineering 反而不好意思问。

AI 把这种成本降到零。

所以 AI Tutor 最大的市场之一可能不是：

学生。

而是：

Mid-career Reskilling。

中年职业重训。

四十七、未来高管的“技术断代”问题可能显著下降

过去：

工程师 → Manager → VP → CTO。

离代码越来越远。

10 年以后：

很难回去。

AI 让重新进入变容易。

这可能意味着：

技术领导者可以在：

Management

和：

Building

之间反复切换。

这是一种新的：

Career Elasticity。

职业弹性。

四十八、希思罗机场那五小时为什么象征意义这么强？

因为过去一个高管有一个新想法。

第一步：

找 PM。

PM 写需求。

安排团队。

排进 Roadmap。

可能：

三个月以后开始。

现在：

拿出电脑。

Claude Code。

五小时：

原型出现。

这意味着：

Idea → Artifact

之间的距离突然坍缩。

这是 AI 创业最重要的变化之一。

四十九、技术创业最大的瓶颈正在从“能不能做出来”转向“应该做什么”

过去一个人有 idea。

但不会：

Backend；

Frontend；

Database；

Deployment。

只能：

找技术联合创始人。

今天 AI 可以帮助完成大量实现。

于是：

Implementation Scarcity ↓

而：

Judgment Scarcity ↑

知道：

什么问题值得解决，

越来越重要。

五十、这并不意味着技术联合创始人没用了

恰恰相反。

真正优秀技术 Founder 的杠杆更大。

过去：

一个优秀工程师 = 3 个普通工程师。

未来：

一个优秀工程师 + AI

可能等于：

10 个甚至更多普通执行者。

所以 AI 不是简单：

“让不会编程的人取代程序员。”

更可能是：

Amplify the Best Builders。

放大最强 Builder。

五十一、这也是为什么小团队创业可能迎来黄金时代

过去 SaaS Startup：

需要：

Frontend；

Backend；

Infra；

Designer；

PM；

Data；

DevOps。

今天：

少数几个综合型 Builder

可以覆盖更多领域。

于是 Startup 最早期 Burn Rate 下降。

Runway 延长。

试错次数增加。

这提高：

创业成功的 Optionality。

五十二、Gusto Cofounder 真正聪明的一点，是它没有停留在“让老板自己造 App”

Eddie 最初想法更接近：

让小企业老板描述需求，

AI 帮他做一个：

Mini App。

听起来很酷。

但客户研究后发现：

老板根本不想要：

又一个 App。

老板真正想要：

你帮我把事情做掉。

这是一个非常重要的产品认知。

创业者经常爱：

Solution。

客户只爱：

Outcome。

五十三、小企业最大的敌人不是“缺软件”，而是软件太多

餐厅可能有：

POS。

排班软件。

工资软件。

会计软件。

订餐平台。

Delivery。

CRM。

评价平台。

每个 SaaS 都说：

“提高效率。”

最后老板变成：

Human API。

手动从一个系统复制到另一个系统。

这反而创造了新的工作。

五十四、AI Agent 最大机会之一，就是消灭“Human API”

假设 Spa 用 Mindbody 管预约。

里面有：

服务项目；

工作时间；

小费；

提成；

额外费用。

工资在 Gusto。

过去老板需要：

导出 CSV；

Excel；

计算；

重新输入 Payroll。

老板实际上承担：

Integration Layer。

Cofounder 想做的是：

AI 直接读数据；

理解规则；

计算工资；

给老板确认；

执行 Payroll。

也就是：

Machine-to-Machine Workflow。

五十五、这才是 Agent 真正有价值的地方：跨系统执行

一个 Chatbot 只能：

回答。

一个真正的 Agent 必须：

Read；

Reason；

Act；

Check；

Repeat。

比如：

读取 Mindbody；

计算佣金；

发现异常；

调用 Gusto；

等待批准；

执行工资。

这才叫：

End-to-End Task Completion。

五十六、Agent 最大的市场可能不是“知识问答”，而是公司内部那些没人喜欢的杂事

例如：

催 Timesheet；

员工入职；

检查 Payroll；

准备税务资料；

更新 CRM；

处理发票；

检查合规；

客户 Follow-up。

这些工作共同特点：

不是特别难。

但：

重复；

跨系统；

必须做。

这是 AI 最容易创造 ROI 的地方。

五十七、企业 AI 的黄金公式可能是：

High Frequency

× High Friction

× Clear Rules

× Digital Inputs

× Measurable Outcome

高频。

高摩擦。

规则相对清晰。

输入数字化。

结果可验证。

Payroll 非常符合。

这也是为什么：

Back Office

可能成为 Agent 最早大规模商业化的区域。

五十八、为什么“Heartbeat”概念很重要？

传统 ChatGPT：

你不问，

它不做。

真正的员工不是这样。

优秀员工会：

知道星期五发工资；

星期四主动检查 Timesheet；

发现异常；

提前找老板。

这就是：

Proactivity。

Heartbeat 的意义在于：

AI 定期醒来，

检查：

现在有没有事情应该做？

Gusto 官方已经明确把 Cofounder 设计成主动监控：

Payroll；

Filings；

异常；

提醒

的系统，而不是单纯等待 Prompt。

五十九、Agent 的真正质变不是 Intelligence，而是 Agency

Intelligence：

知道答案。

Agency：

主动完成事情。

过去 LLM 革命主要提高：

Intelligence。

下一阶段：

Tools + Memory + Scheduling + Permissions

提供：

Agency。

这才会真正进入企业工作流。

六十、但工资这种业务揭示了 Agent 最大的风险：错误会直接变成真钱

聊天机器人答错：

用户重新问。

Payroll Agent 答错：

工资可能发错。

税可能报错。

员工可能拿不到钱。

因此 Agentic Software 必须比普通 Chatbot 多一层：

Control Architecture。

权限；

批准；

日志；

回滚；

异常检测。

Gusto 自己也明确提示，Cofounder 输出可能存在错误，Payroll、税务和合规决定仍由客户负责；其条款也明确将自动化动作与授权机制纳入现有雇主责任体系。

六十一、所以未来 Agent 产品真正的护城河可能不是模型，而是“安全执行层”

谁都能调用：

Claude；

GPT；

Gemini。

真正难的是：

怎样让 AI：

安全访问银行数据；

发工资；

改保险；

提交税务；

修改员工记录。

这需要：

Permissions；

Audit Logs；

Human Approval；

Identity；

Compliance。

也就是：

Enterprise Agent Infrastructure。

六十二、这就是为什么老 SaaS 公司反而拥有一个巨大优势

它们已经拥有：

用户信任；

权限系统；

企业数据；

审计体系；

法规经验。

一家新 AI Startup 可以更聪明。

但：

让客户允许它直接发工资

是另一回事。

所以：

AI 时代真正的大公司可能不是：

模型最强的人。

而是：

最有资格让 AI 执行动作的人。

这是极其重要的判断。

六十三、“谁拥有 Action Permission”可能比“谁拥有最强模型”更值钱

想象未来企业 Agent。

它需要：

付款。

改 CRM。

发合同。

审批费用。

发工资。

如果每一步都需要：

新的身份验证；

新的授权，

体验会很差。

真正拥有：

System of Record + Permission Layer

的平台，

天然占据：

Action Layer。

Gusto 在 Payroll 就拥有这种位置。

六十四、这可能成为传统 SaaS 从“被 AI 颠覆”到“利用 AI 反击”的最佳路径

不要只加：

AI Chat。

而是把自己的：

数据；

工作流；

权限

暴露成：

Agent Actions。

未来 Salesforce 的价值：

不只是 CRM。

而是：

AI Agent 可以在那里安全执行 Sales Work。

Gusto：

安全执行 Payroll Work。

QuickBooks：

执行 Finance Work。

这是：

System of Record → System of Action。

六十五、为什么小企业尤其需要“AI Cofounder”？

大型公司可以招：

Chief of Staff；

HR；

Finance；

Operations。

小企业老板没有。

所以 AI 对 SMB 最大意义不是：

替代 100 人团队中的 10 人。

而是：

让一个 5 人企业获得过去 50 人公司的管理能力。

这叫：

Capability Democratization。

能力民主化。

六十六、这可能导致小企业数量进一步爆发

创业成本过去已经因为：

Cloud；

Shopify；

Stripe；

Social Media

下降很多。

AI 再进一步降低：

Coding；

Marketing；

Accounting；

Operations；

Customer Support

成本。

于是：

Minimum Efficient Firm Size

继续下降。

也就是：

维持一家可竞争公司的最低规模越来越小。

六十七、宏观经济上，这可能产生一次“小企业复兴”

过去几十年：

大公司拥有：

规模经济。

因为：

HR；

Legal；

IT；

软件

这些固定成本，大公司摊得更便宜。

AI 如果把后台能力变成廉价数字服务：

小公司开始获得类似能力。

这可能降低：

Scale Advantage。

让小企业重新获得竞争力。

Gusto 自己 2026 年调查中，约三分之一小企业主表示 AI 已经让创业更容易，62% 认为 AI 有机会缩小小企业与大企业之间的竞争差距。

当然，这是 Gusto 自己调查得到的态度数据，并不等同于已经证明宏观差距会缩小。

六十八、未来一个人开公司的最大变化可能不是“一个人写完产品”

真正难的是：

经营公司。

销售；

工资；

税务；

客服；

财务；

合规。

如果 AI Agent 把这些后台工作逐渐承担：

Solo Founder

才真正可能长期存在。

所以：

AI Coding

只是 Solo Company 的第一层。

AI Back Office

才是第二层。

六十九、最终可能出现“公司操作系统”

Founder 只需要说：

本月收入目标。

新增三个人。

控制营销成本。

保证星期五发工资。

系统自动协调：

Payroll Agent；

Recruiting Agent；

Finance Agent；

Sales Agent。

老板真正做：

Strategy + Judgment。

这可能是：

Autonomous Enterprise OS。

Gusto Cofounder 可以看成这种未来非常早期的雏形。

七十、但不要被“Cofounder”这个名字误导

真正的联合创始人有：

价值判断；

风险承担；

创造力；

责任；

信任关系。

AI 目前并不能真正承担：

法律和经济责任。

所以 Cofounder 更准确地说：

是：

Agentic Operations Teammate。

名字是产品定位。

不是法律意义上的联合创始人。

这一点必须区分。

七十一、从投资角度看，Gusto Cofounder 为什么比一个独立 Agent Startup 更值得关注？

因为 Gusto 拥有：

50 万+ 客户；

超过 10 亿美元过去 12 个月收入；

Payroll System of Record；

企业权限；

长期客户关系。

这意味着：

新产品一旦有效，

Distribution Cost 极低。

不用：

重新找客户。

直接：

Upsell / Deepen Engagement。

这就是：

Installed Base Advantage。

七十二、成熟 SaaS 真正最大的 AI 资产可能不是代码，而是 Installed Base

Startup 有：

技术速度。

Incumbent 有：

客户。

AI 时代胜负取决于：

谁更快把：

Technology

和：

Distribution

结合。

如果传统公司太慢：

Startup 抢走客户。

如果传统公司足够快：

它可以直接把 AI 分发给几十万客户。

Gusto 正试图走第二条路。

七十三、这也解释了为什么让创始人亲自带这个产品很重要

大公司创新常见的问题：

新产品必须通过：

预算；

委员会；

管理层；

Roadmap；

季度规划。

越具有颠覆性的产品，

越容易被现有组织杀死。

因为：

它不符合当前 KPI。

Founder 亲自带队：

相当于给项目一个：

Organizational Shield。

组织保护罩。

七十四、这就是 Christensen 所说 Innovator’s Dilemma 的现实版本

成熟产品已经赚钱。

为什么冒险做：

可能蚕食自己现有模式的新产品？

传统 Manager 很自然会保护：

当前业务。

Founder 更容易说：

如果有人要颠覆 Gusto，

那最好：

Gusto 自己颠覆 Gusto。

这是优秀成熟科技公司最难做到的事情。

七十五、所以 Eddie 回归一线真正代表的是“Founder Mode”的另一种版本

不是：

Founder 每件事都管。

而是：

当出现一个足够大的技术范式变化时，

Founder 应该：

绕过组织惯性；

直接重新学习；

直接接触客户；

直接做原型。

因为：

这种变化不能只通过：

Management Chain

理解。

七十六、“No Jira、No Docs”真正应该被翻译成什么？

不是：

管理工具没用了。

正确翻译是：

尽可能减少 Build 与 Feedback 之间的距离。

如果：

今天想到。

今天写。

明天客户用。

后天修改。

这就是：

Learning Velocity。

创业真正竞争的不是：

Code Velocity。

而是：

谁学习得最快。

七十七、软件公司的最终竞争优势可能越来越从“开发速度”迁移到“学习速度”

所有公司都能用：

Claude Code。

于是：

Coding Advantage

被压缩。

真正区别变成：

谁更快：

找到客户；

理解问题；

做实验；

获得反馈；

改变方向。

公式变成：

Build → Observe → Learn → Rebuild。

谁循环次数最多，

谁更可能找到：

Product-Market Fit。

七十八、所以 AI 最终不是让产品判断不重要，而是让错误判断更快暴露

过去：

做错产品。

半年以后才知道。

AI：

两周做出来。

客户说：

不要。

很好。

因为：

只浪费两周。

因此 AI 的商业价值之一是：

Increase the Number of Bets。

增加试错次数。

VC 世界喜欢 Optionality。

产品开发也是。

更多便宜实验

提高：

找到大机会的概率。

七十九、未来产品团队的核心资产可能是“实验组合”

同时试：

方案 A；

B；

C；

D。

因为代码便宜。

但是：

用户注意力仍然贵。

所以瓶颈从：

Engineering Capacity

迁移到：

Customer Attention。

这也是为什么用户研究和真实分发反而越来越重要。

八十、AI 时代产品最危险的陷阱：因为什么都能做，所以什么都做

Claude 可以：

一天生成 20 个功能。

很爽。

但客户：

可能一个都不要。

这叫：

Capability Trap。

技术能力无限扩张以后：

最大的风险反而是：

没有聚焦。

所以 Taste 的价值上升。

知道：

什么不做。

八十一、Steve Jobs 时代讲“Focus”，AI 时代这个词反而更加重要

过去不做功能：

因为工程资源有限。

未来工程资源变便宜。

因此约束消失。

没有约束以后：

最容易发生：

产品臃肿。

所以真正优秀 Product Leader 必须创造：

Artificial Scarcity of Attention。

人为限制：

什么值得投入。

否则 AI 会制造：

Feature Explosion。

八十二、Eddie 这次真正重新学习的，可能不是代码，而是“技术直觉”

十年管理以后，

最容易失去的不是：

Syntax。

而是：

Feel。

现在什么很容易？

什么很难？

Agent 会在哪失败？

什么需要人工批准？

模型真的能做什么？

这些无法通过：

季度报告

获得。

只有亲自 Build，

才能恢复：

Technical Intuition。

八十三、对所有技术管理者，这是一条非常重要的警告

如果你的职位越高，

你越容易获得：

抽象信息。

Dashboard；

Metric；

Summary；

Slide。

但：

技术革命最早发生在：

细节。

Prompt 为什么失败？

Agent 为什么循环？

Tool Call 哪里断？

模型什么时候幻觉？

只有接近：

Ground Truth

才能知道。

所以：

Executive Abstraction Debt

也是真实存在的。

八十四、未来优秀 CTO 可能必须在两个极端之间切换

Macro：

架构；

组织；

资本；

人才；

长期战略。

Micro：

亲自运行模型；

写 Prototype；

看 Trace；

做 Eval。

过去 CTO 可以主要停留 Macro。

AI 快速变化时期：

必须保持：

Macro-Micro Oscillation。

高层和底层不断切换。

八十五、Gusto 这件事对大型公司的最大启示：AI 转型不能只是“给员工买 Copilot”

很多公司所谓 AI Strategy：

采购 ChatGPT Enterprise。

培训员工。

结束。

这只是：

Tool Adoption。

真正的 AI-native transformation 要问：

组织还需要这些角色吗？

工作流应该重新设计吗？

哪些流程可以整个删除？

哪些决策必须人工保留？

这是：

Operating Model Redesign。

难度完全不同。

八十六、最重要的不是让旧流程快 30%，而是问旧流程还需不需要存在

例如：

传统流程：

PM 写需求；

设计师做稿；

工程师写代码；

QA；

发布。

AI 时代可能：

产品 Builder 直接做出真实版本；

工程审核；

用户测试。

这不是：

把旧流程每一步快 30%。

而是：

删除步骤。

真正巨大的效率提升几乎总来自：

Process Elimination。

八十七、这和 Toyota、Lean Manufacturing 的思想其实非常类似

Lean 最重要的不是：

让每个人工作更快。

而是：

消灭 Waste。

等待；

库存；

搬运；

返工；

不必要流程。

AI 软件组织也是：

哪些会议是 Waste？

哪些文档只是为了交接？

哪些 Ticket 只是因为人无法直接表达？

AI 正在重新定义：

Software Lean。

八十八、如果把 Gusto 的 10 周实验扩展到整个经济，意义非常巨大

美国有数百万中小企业。

每一家都有：

后台摩擦。

假设 AI 每周帮老板节省：

5 小时。

100 万老板：

500 万小时/周。

一年：

2.6 亿小时。

这就是：

Aggregate Productivity。

真正的 AI 经济价值不会只来自：

几个大型模型公司。

而是来自：

无数很小的时间节省累积。

八十九、这也是为什么“小企业 Agent”可能是非常大的市场

消费者 AI：

可能每人每月愿意付：

$20。

企业 AI：

如果一年帮助老板节约：

$50,000，

可以收费：

$5,000；

$10,000。

因为：

ROI 清晰。

真正优秀 B2B AI 的定价锚不是：

模型成本。

而是：

Economic Value Created。

九十、Gusto 已经证明过这种“隐藏价值自动发现”逻辑

2026 年春季，Gusto 称其 AI 税收功能帮助小企业识别并申报约 7000 万美元联邦税收抵免。公司也明确提醒，“申报额度”不等同实际退款，最终收益取决于企业自己的税务情况。

但这个案例仍然说明：

AI 最容易创造价值的领域之一是：

复杂规则 + 用户不知道自己遗漏了什么。

Tax；

Payroll；

Compliance

尤其适合。

九十一、未来 AI 的一个巨大功能不是“回答问题”，而是“发现你不知道应该问的问题”

老板不知道：

有一个税收优惠。

所以不会问。

传统 Chatbot：

没人问就不回答。

Agent：

发现：

你符合条件。

主动告诉你。

这就是：

Latent Need Discovery。

潜在需求发现。

价值比搜索引擎高一个层级。

九十二、这也是为什么 Proactive Agent 会比 Chatbot 更像真正的员工

真正优秀员工不会等老板说：

“提醒我报税。”

他会说：

“下周截止，我已经准备好了。”

所以 Agent 产品真正成熟的标志是：

从：

Prompt-driven

变成：

Event-driven + Goal-driven。

事件驱动。

目标驱动。

九十三、但主动型 Agent 的风险也随之成倍增加

越主动：

越容易：

误操作。

所以 Agent 产品存在一个核心权衡：

Autonomy vs. Control。

自治程度越高：

用户越省事。

但风险越高。

真正好的系统必须设计：

哪些动作：

自动执行。

哪些：

建议。

哪些：

必须人工确认。

九十四、因此未来 Agent UX 的核心可能不是 Chat，而是 Permission Design

今天大家都在设计：

聊天框。

但真正成熟 Agent 最重要 UI 可能是：

权限。

例如：

可以读：

Payroll。

可以计算：

奖金。

可以草拟：

工资。

但：

最终转账必须我确认。

这叫：

Progressive Autonomy。

逐步自治。

用户信任增加以后：

权限逐渐扩大。

九十五、这和自动驾驶的 Level 体系很像

L1：

AI 建议。

L2：

AI 执行部分步骤。

L3：

AI 大部分执行，人监督。

L4：

限定环境自动完成。

企业 Agent 也可能形成类似等级。

不同任务：

不同自治等级。

Payroll：

谨慎。

Birthday Reminder：

可以自动。

这会成为：

企业 Agent 产品设计的重要基础。

九十六、Gusto Cofounder 真正可能形成的护城河，是“每一家小企业自己的工作方式”

例如：

这家 Spa：

A 技师抽成 40%。

B 项目另加 $15。

周末规则不同。

某员工有特殊 Bonus。

这些都是：

Tacit Business Logic。

隐性业务规则。

过去：

存在老板脑子里。

如果 Agent 学会这些：

它开始拥有：

Business Memory。

九十七、Business Memory 可能成为未来企业软件最值钱的数据

System of Record 保存：

发生了什么。

Business Memory 保存：

我们为什么这样做。

包括：

规则；

例外；

偏好；

历史决定。

Agent 一旦积累这种 Memory：

越来越懂企业。

这会形成非常强的：

Switching Cost。

因为换 Agent：

等于重新培训一个员工。

九十八、这可能比传统 SaaS 数据锁定还强

传统 SaaS Switching Cost：

数据迁移。

Agent Switching Cost：

数据 + 习惯 + 判断 + Memory。

这就像：

换掉一个工作十年的 COO。

所以真正成功的 Enterprise Agent：

客户生命周期可能非常长。

这也是为什么：

“AI Teammate”

在经济结构上有可能比普通 SaaS 更强。

九十九、但这也让数据治理的重要性急剧上升

如果 Agent 知道：

工资；

员工表现；

银行；

税务；

公司策略。

它拥有：

极高敏感度信息。

所以：

Security；

Privacy；

Access Control；

Audit

会成为：

核心产品功能。

不是：

后台 Compliance。

谁处理得不好：

一次事故就可能摧毁信任。

一百、Eddie Kim 这次回归真正告诉我们什么？

不是：

“老板也要会 Claude Code。”

真正的答案更深。

它告诉我们：

技术变化已经大到足以让一家十四年历史、收入超过 10 亿美元的软件公司，重新像五个人的创业团队一样思考。

这非常少见。

当一家成熟公司愿意：

删除流程；

重新写代码；

重新理解客户；

让设计师 Build；

让联合创始人回到一线，

说明它感受到：

旧软件开发范式本身正在失效。

一百零一、对技术管理者，最大的启示是什么？

不是：

每天必须写代码。

而是：

不要让自己的职位把你与新生产资料隔开。

AI 如果改变：

Coding；

Design；

Research；

Management，

你必须亲自体验。

否则：

你的战略判断建立在：

别人对新世界的描述上。

一百零二、对创业者，最大的启示是什么？

第一：

不要先做工具。

找：

用户真正想被“做掉”的工作。

第二：

寻找：

System of Record。

数据 + 权限 + 工作流

比模型本身更有价值。

第三：

保持团队小。

AI 最大红利可能不是：

少付几个工程师工资。

而是：

减少协调复杂度。

第四：

尽快把东西放给客户。

AI 让实验变便宜以后：

不要把时间浪费在：

假设。

第五：

打造 Memory。

未来真正强大的 Agent：

必须越来越懂客户。

一百零三、对成熟企业，最大的启示是什么？

不要把 AI 放在：

Innovation Lab。

应该选择几个真正：

Mission-critical Workflow，

让高级领导者亲自参与。

因为：

AI 转型不是：

增加一个功能。

而是：

重新设计：

Who does the work。

工作到底由谁完成。

一百零四、对投资者，最应该观察什么？

不要只问：

这家公司用了哪个模型？

要问：

它是否拥有：

客户分发？

专有 Context？

执行权限？

长期 Memory？

可量化 ROI？

真正 Automation？

这些才是：

Agent Economy

长期护城河。

一百零五、未来真正危险的软件公司是什么？

不是：

没有 AI Feature。

而是：

它的软件存在价值只是：

让人类点击很多按钮。

如果 Agent 可以绕过 UI，

直接调用底层功能：

UI 的价值会下降。

所以未来软件公司必须拥有：

Data + Workflow + Permission + Action。

否则：

可能被 Agent 变成：

后台 API。

一百零六、未来软件真正值钱的东西可能越来越向底层移动

过去：

漂亮 UI

是产品。

未来：

Agent Interface

可能统一前台。

于是差异化向：

数据；

规则；

业务逻辑；

执行权限；

信任

迁移。

这就是为什么：

System of Record

不会轻易消失。

但：

Interface SaaS

可能承受巨大压力。

一百零七、这也意味着软件行业可能出现一次新的利润再分配

模型层：

收取 Intelligence Rent。

System of Record：

收取 Data / Workflow Rent。

Agent：

收取 Labor Replacement Value。

传统纯 UI 软件：

价值可能被压缩。

未来 SaaS 的战争，

不是：

谁页面更漂亮。

而是：

谁控制工作执行链条。

一百零八、再往前一步：AI 可能重新定义“公司”本身

Coase 的企业理论认为：

公司存在，

部分原因是：

内部协调成本

低于：

每件事都通过市场交易的成本。

AI 如果同时降低：

外部交易成本

和：

内部协调成本，

企业的最优边界就可能改变。

未来：

一个核心团队

• AI Agents
• 大量外部 API / Contractor

就可以完成过去大公司的工作。

这叫：

Firm Boundary Compression。

公司边界压缩。

一百零九、于是 AI 最终可能不仅提高公司效率，还改变公司平均规模

工业革命：

大工厂。

20 世纪：

大企业。

互联网：

轻资产公司。

AI：

可能进一步产生：

Tiny Giants。

微型巨头。

几十个人。

几亿美元收入。

甚至更高。

如果这种公司大量出现，

整个：

劳动力市场；

VC；

管理；

办公室；

职业路径

都会被重新设计。

一百一十、这才是 Eddie Kim 重新写代码最值得记住的地方

一个已经取得巨大商业成功的技术 Founder，

重新打开代码编辑器。

意义并不在：

怀旧。

也不是：

证明自己还会编程。

而是他意识到：

新的软件生产方式已经变化到，单靠管理层视角不足以理解。

过去十年：

管理是他的杠杆。

今天：

AI 让 Building 本身重新变成高杠杆。

优秀的 Founder 必须接受一个很困难的事实：

过去让你成功的工作方式，不一定是下一阶段最正确的工作方式。

真正的成长，

不是不断升级职位。

而是：

愿意在世界发生变化以后，

重新成为：

Beginner。

最值得记住的一句话

Eddie Kim 与 Gusto Cofounder 的故事，表面上是一场：

AI Coding 革命。

但更深层其实是三场革命同时发生。

第一场：

软件革命。

软件从：

给人工具

走向：

替人完成工作。

第二场：

组织革命。

AI 让：

Designer；

Engineer；

PM；

Technical Leader

之间的边界开始重叠，

小团队重新获得极强生产能力。

第三场：

创业革命。

过去成立一家真正运转的公司，需要：

软件；

HR；

Payroll；

Finance；

Operations；

Compliance。

未来越来越多工作可能由：

AI Agents

承担。

创业者真正负责：

产品；

客户；

判断；

文化。

因此 Gusto Cofounder 真正代表的，不只是：

“一个更聪明的 Payroll 软件。”

而是一个更大的问题：

如果未来一个创业者拥有几十个永远在线、能够理解公司、跨系统执行工作的 AI Teammates，那么一家公司的最小规模究竟可以缩小到什么程度？

过去互联网把：

分发成本

降到了接近零。

Cloud 把：

计算基础设施启动成本

降到了极低。

AI Coding 正在降低：

产品制造成本。

而 Gusto Cofounder 代表的下一步，则是在降低：

公司运营成本。

当这四种成本同时下降以后：

Distribution

• Computing
• Building
• Operations

都被重新定价。

那时真正发生的可能不是：

“创业更方便了一点。”

而是：

公司这种已经存在几百年的组织形式，本身开始被重新设计。

而 Eddie Kim 十年之后重新坐到电脑前写代码，

或许正是这个新时代最有象征意义的一幕：

一家已经超过 10 亿美元收入的大公司，

为了理解未来，

不得不重新学会像五个人的创业公司一样工作。

这篇最值得长期留下来的三个认知是：

第一，AI Coding 最大的价值不是“代码快了”，而是让组织可以变小，直接减少协调成本。

第二，Agent 真正颠覆 SaaS 的地方，不是加一个聊天框，而是把 Human + Software 变成 Human → Goal → AI 完成工作。

第三，成熟公司的 AI 转型最危险的不是技术跟不上，而是管理层离真实的新生产方式太远。Eddie Kim 重新回去写代码，本质上是在重新获得第一手技术直觉。