估值 95 億美元 Gusto 聯合創始人專訪：重返一線寫代碼，打造顛覆後勤的“AI 聯合創始人”

Gusto Eddie Kim：AI 正在把軟件公司重新變回五個人的創業團隊

如果只把 Eddie Kim 最近的故事理解成：

“一個十年沒寫代碼的 CTO，重新用 Claude Code 寫代碼。”

會嚴重低估這件事情。

真正值得關注的不是：

Eddie 又會寫代碼了。

而是：

爲什麼一家年收入已經超過 10 億美元、服務超過 50 萬家小企業的大型軟件公司，反而需要讓聯合創始人重新回到最前線，帶着只有 5 個人的小團隊，像創業第一天一樣開發產品？

2026 年，Gusto 已經跨過 10 億美元過去 12 個月實際收入，服務超過 50 萬家小企業；其 2025 年員工股份流動交易對應估值約 93 億美元，而更早的融資輪估值曾達到約 95 億美元。所以嚴格來說，今天更準確的說法不是“當前估值 95 億美元”，而是這是一家約 90 億美元級、收入超過 10 億美元的成熟科技公司。

但就是在這樣一家已經高度成熟的公司裏，Eddie Kim 做了一件非常“不像大公司 CTO”的事情：

他重新開始寫代碼。

最終，一個只有 3 名工程師、1 名設計師加 Eddie 本人的 5 人核心團隊，從零開始，在 10 周內做出了全新的一級產品線：

Gusto Cofounder。

過程中幾乎沒有：

傳統 PM；

長期 PRD；

複雜 Jira；

傳統 Figma → 工程交接；

大量會議；

長期 Roadmap。

他們更多依賴：

Claude Code；

實時原型；

Perma-Zoom；

客戶反饋；

以及不斷“寫出來—試一下—不行就扔掉”的極短反饋循環。

這件事真正重要的地方在於：

它可能預示着軟件公司的組織結構正在發生一次非常深的變化。

過去二十年，軟件行業一直在解決：

“怎樣讓更多工程師協作？”

AI 時代的新問題可能變成：

當一個人已經擁有過去五個人、十個人的執行能力後，我們還需要那麼多協調層嗎？

這纔是 Eddie Kim 這次迴歸一線真正值得研究的地方。

一、Gusto 的故事本身，就來自一個最典型的小企業“後勤黑洞”

Eddie Kim 創辦 Gusto，並不是因爲：

Payroll 很性感。

恰恰相反。

工資、稅務、福利、員工入職和合規，可能是創業世界最不性感的一類工作。

但：

越不性感、越重複、越必須完成的工作，往往越有商業價值。

因爲老闆無法不做。

工資不能：

“下週有空再發。”

稅不能：

“今年太忙就不報。”

員工福利不能：

“先放一放。”

這些工作屬於：

Mission-critical Back Office。

關鍵後臺工作。

二、Eddie 小時候看到的，其實不是一個醫療問題，而是一個 SMB 生產率問題

他的父母經營醫療業務。

真正讓他留下印象的，不只是醫生給病人看診。

而是一個小企業背後大量看不見的勞動：

發工資；

做排班；

稅務；

員工福利；

保險；

報銷；

各種行政事務。

這正是美國大量小企業老闆的現實。

一個廚師開餐館以後，

很快發現自己不僅要做菜。

還要：

招聘；

算工資；

管保險；

處理稅務；

安排員工。

於是：

Founder → Chief Everything Officer。

老闆最後花大量時間做：

自己根本不是爲了這些事情才創業的工作。

Gusto 的商業機會正來自這裏。

三、這也是爲什麼“小企業 SaaS”是一個巨大的市場

大型企業可以擁有：

HR 部門；

Payroll 團隊；

Legal；

Finance；

IT。

一家有 15 個員工的 Spa 呢？

老闆自己就是：

HR。

老闆自己就是：

Payroll。

老闆自己就是：

運營。

所以大型企業可以通過：

人

解決複雜度。

小企業必須通過：

軟件

解決複雜度。

這就是 Gusto 的基本經濟學。

四、但 AI 又把這個邏輯向前推進了一步

傳統 SaaS 的答案是：

給老闆一個更好的工具。

AI Agent 的答案可能變成：

不要讓老闆學工具，直接把工作做完。

這是兩代軟件真正的區別。

傳統 Gusto：

幫你管理 Payroll。

Gusto Cofounder：

試圖直接替你：

Run Payroll。

Gusto 官方現在把 Cofounder 定義成一個“always-on AI assistant”，它可以主動發現問題、執行重複工作，並通過 SMS、Slack 或 Web 與老闆交互。

這不是 UI 升級。

而是：

Product Category Shift。

五、軟件第一次真正開始從“工具”變成“員工”

過去軟件公司的商業邏輯：

Human + Software → Work。

人操作軟件。

完成工作。

Agentic Software：

Human → Goal。

AI + Software → Work。

人只提供：

目標；

規則；

批准。

中間過程由機器完成。

這意味着：

Software is moving from interface to labor。

軟件從界面變成勞動。

六、這可能是 SaaS 歷史上最重要的一次變化

傳統 SaaS 賣：

Seat。

比如：

一個員工每月 $50。

AI Agent 更像賣：

Outcome。

不是：

“給你一個 Payroll Dashboard。”

而是：

“工資已經算完了，異常已經標記，需要你確認這裏。”

產品價值從：

Access

變成：

Completion。

這也是爲什麼 AI SaaS 最終可能侵入：

Labor Budget，

而不只是：

IT Budget。

七、Eddie 的個人經歷非常有意思，因爲他其實早就體驗過“一個人公司”

在 Gusto 之前，他曾經做過 Android 應用。

那是智能手機早期一個極其特殊的時代。

Android 操作系統還不成熟。

大量今天看起來理所當然的基礎功能，當時並不存在。

於是獨立開發者可以圍繞這些系統缺口：

開發小工具；

直接在應用商店出售。

例如：

找車；

截屏；

各種系統工具。

本質上屬於：

OS Gap Arbitrage。

操作系統缺什麼，

開發者補什麼。

八、這類生意爲什麼可以讓一個人賺很多錢？

因爲 App Store / Android Market 帶來了一個巨大的經濟變化：

Distribution Cost → Near Zero。

過去寫一個軟件以後：

需要渠道；

代理商；

光盤；

零售。

移動應用商店以後：

一個程序員

可以直接觸達：

全球用戶。

所以一個人突然擁有：

Global Distribution Leverage。

這正是移動互聯網時代的超級槓桿。

九、但 Eddie 很早就理解了這類業務最大的風險：平臺會吞掉功能

今天截屏是一個獨立 App。

明年：

Android 自己支持。

公司歸零。

這叫：

Platform Absorption Risk。

所有建立在大型平臺功能缺口上的創業公司都必須面對。

瀏覽器插件如此。

ChatGPT Wrapper 也如此。

Shopify Plugin 也如此。

如果你唯一的價值是：

“平臺暫時還沒有這個按鈕。”

那平臺增加一個功能：

公司就沒了。

十、這是今天 AI 創業者尤其應該記住的一課

現在大量 AI Startup 本質都是：

Model Gap Arbitrage。

OpenAI 暫時沒做。

Anthropic 暫時沒做。

Google 暫時沒做。

於是：

創業公司做出來。

問題是：

下一代模型更新以後呢？

所以創業者真正需要問：

如果基礎模型明天免費提供我的核心功能，我還剩什麼？

客戶？

數據？

工作流？

品牌？

分發？

監管？

系統集成？

如果答案是：

沒有。

那就和 2010 年一個“截圖 App”沒有本質區別。

十一、Gusto 爲什麼比那些小工具大得多？因爲它進入了 System of Record

工資不是：

一個小功能。

它連接：

員工身份；

銀行賬戶；

稅務；

福利；

合規；

工資記錄；

歷史數據。

這使 Gusto 逐漸成爲：

System of Record。

而 System of Record 擁有一個巨大優勢：

Context。

AI 要幫企業幹活，

首先必須知道：

企業是誰；

員工是誰；

什麼時候發工資；

過去發生過什麼；

規則是什麼。

Gusto 已經擁有這些數據。

十二、所以 Gusto Cofounder 最大的優勢可能不是模型，而是“它已經認識你的公司”

這正是 Gusto 官方強調的：

Cofounder 不需要用戶從零告訴它公司結構，因爲它已經知道：

團隊；

工資週期；

福利；

合規日曆。

這意味着：

AI 產品的競爭優勢越來越從：

Model Intelligence

遷移到：

Context Ownership。

模型大家都可以買。

企業上下文不是。

十三、這可能是未來所有傳統 SaaS 最大的反擊武器

Salesforce 有：

客戶數據。

Workday 有：

員工數據。

ServiceNow 有：

IT 工作流。

Gusto 有：

Payroll + People Data。

QuickBooks 有：

財務數據。

因此 AI 並不一定首先摧毀這些公司。

如果它們轉型成功，

反而可能利用：

Existing Context

成爲 Agent 的操作系統。

真正危險的是那些：

沒有核心數據；

沒有關鍵工作流；

只是一個漂亮 UI

的 SaaS。

十四、Eddie 爲什麼十年不寫代碼以後，突然必須重新下場？

因爲他意識到：

你不能靠 PPT 理解技術範式變化。

這是整場訪談最值得技術管理者思考的地方。

一個 CTO 可以：

看團隊週報；

看 Roadmap；

聽模型演示；

看 Benchmark。

但是：

直到你親自和 Claude Code 工作幾個小時，

你可能仍然不知道：

軟件開發本身到底發生了什麼。

十五、這和 1990 年代的 CEO 不親自上網類似

想象 1996 年。

一個媒體 CEO 說：

“我不用互聯網，但我的團隊每週給我彙報互聯網趨勢。”

他能真正理解互聯網嗎？

很難。

今天 AI 可能處於類似階段。

如果一個技術領導者從來沒有：

親自用 Coding Agent；

構建 Agent；

設計 Workflow；

讓模型調用工具；

做 Evals，

那麼他對 AI 的判斷很容易停留在：

Second-hand Knowledge。

二手認知。

十六、技術革命時期，領導者最危險的事情就是離生產資料太遠

正常時期：

管理層不需要親自做所有事情。

這是組織規模化必然結果。

但是技術範式發生變化時：

過去十年形成的管理抽象層，

可能突然失真。

Dashboard 顯示：

Engineering Velocity。

但底層工程師的工作方式已經完全變化。

這時候：

領導層必須重新：

Touch the Metal。

接觸真實技術。

十七、Eddie 迴歸編碼最大的意義，不是證明 CTO 也要每天寫代碼

並不是所有 CTO 都應該重新成爲全職程序員。

真正的原則是：

決定技術戰略的人，必須對新生產工具擁有一手經驗。

這和工廠管理一樣。

你不一定每天親自開機器。

但如果生產線從：

人工車牀

升級成：

自動化機器人，

管理者必須真正理解：

新機器意味着什麼。

十八、AI Coding 最大的組織影響，可能不是“工程師快了 30%”

這是最容易低估它的地方。

如果只是：

原來一天寫 100 行。

現在寫 130 行。

那只是：

Productivity Tool。

但 Eddie 團隊表現出來的是另一種變化：

Role Boundary Collapse。

角色邊界正在消失。

設計師開始提交生產代碼。

技術領導可以獨立做完整原型。

工程師參與產品設計。

這不是：

速度提高。

而是：

組織結構變化。

十九、過去的軟件組織爲什麼產生 PM、Designer、Frontend、Backend、QA？

因爲每個專業能力：

學習成本高。

產品經理寫需求。

設計師做 Figma。

工程師把設計翻譯成代碼。

QA 再測試。

每一步之間存在：

Translation Cost。

需求翻譯成設計。

設計翻譯成代碼。

代碼翻譯成測試。

AI 開始減少這些翻譯步驟。

二十、每一次“交接”都是組織成本

產品經理：

寫 20 頁 PRD。

設計師：

理解。

做 Figma。

工程師：

重新理解。

寫代碼。

過程中信息不斷損失。

這叫：

Coordination Tax。

當真正寫代碼的成本非常高時，

這些流程有價值。

因爲：

必須提前計劃清楚。

但如果：

AI 讓實現成本下降 10 倍，

另一種方法出現：

不要寫 20 頁文檔解釋產品，直接把產品做出來。

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

過去：

寫代碼非常貴。

所以：

先討論；

先審批；

先寫文檔。

避免：

浪費工程資源。

AI 以後：

代碼越來越便宜。

於是團隊可以：

先寫。

看看。

不喜歡？

直接扔掉。

How I AI 把它總結爲 Eddie 的“trash-can method”：直接建立完整 PR，再用真實實現來做產品討論，如果不值得繼續，就關閉 PR。

這裏真正變化的是：

Cost of Experimentation。

實驗成本暴跌。

二十二、當代碼便宜以後，“規劃”本身的經濟價值會下降

傳統大型軟件開發：

做錯方向非常貴。

100 個工程師幹半年：

成本巨大。

所以：

Planning 很重要。

但如果 5 個人 + AI：

三天做出真實版本，

那你爲什麼要：

開兩週會？

寫三十頁文檔？

可以直接：

Build to Think。

通過構建思考。

這和過去：

Think → Plan → Build

完全不同。

二十三、這可能改變整個產品管理職業

這並不意味着 PM 消失。

而是 PM 的價值會從：

寫 Ticket；

維護 Jira；

同步狀態；

翻譯需求

遷移到：

判斷什麼值得做。

也就是：

Customer Insight；

Prioritization；

Taste；

Strategy。

AI 最容易自動化：

項目管理的協調層。

最難替代：

真正的產品判斷。

二十四、未來頂級 PM 可能必須更像 Builder

不會寫傳統代碼也沒關係。

但必須能夠：

自己原型；

調用模型；

做真實測試；

連接數據；

給用戶演示。

否則：

所有思考都必須等工程師翻譯。

在 AI 時代：

這是非常大的速度損失。

所以：

Prototype Literacy

很可能成爲未來產品經理的基本能力。

二十五、Gusto 的設計師案例爲什麼如此重要？

Cofounder 項目的設計師 Katie Kovalcin 公開描述，她與四位工程師一起工作，並且使用 AI 直接把自己的原型遷移爲 production frontend，再由工程師審覈後上線。

這在過去組織裏意味着：

Designer Crossing Into Engineering。

而節目甚至提到：

她在內部代碼產出指標中一度達到很高百分位。

真正重要的不是排名。

而是：

Design → Production

之間的翻譯層正在縮短。

二十六、這可能催生一種新的職業：AI Builder

不是純：

Engineer。

也不是純：

Designer。

也不是：

PM。

而是一個人能夠：

理解用戶；

設計流程；

構建原型；

寫生產代碼；

連接模型；

測試；

部署。

以前這叫：

“全棧天才。”

未來可能逐漸變成：

普通高水平知識工作者。

這就是 AI 最大的組織意義之一：

Generalist Returns。

通才重新升值。

二十七、工業革命提高專業化，AI 可能部分逆轉專業化

過去公司規模越來越大，

原因之一就是：

專業分工提高效率。

Adam Smith 的制針工廠：

每個人做一個步驟。

互聯網公司也是：

Frontend；

Backend；

Infra；

PM；

Design；

Analytics。

AI 讓個人重新獲得：

跨專業執行能力。

這可能導致：

企業重新模塊化成更小的高能力團隊。

不是取消專業知識。

而是：

減少專業邊界之間的摩擦。

二十八、爲什麼 Cofounder 只有五個人反而可能是優勢？

團隊越大：

Communication Channels

增長得極快。

5 個人：

10 條雙向關係。

20 人：

190 條。

50 人：

1,225 條。

這就是爲什麼：

組織一大，

流程自然出現。

Jira；

Standup；

Manager；

Program Manager；

Roadmap。

這些東西不是因爲大企業笨。

而是：

Coordination Complexity。

二十九、AI 如果讓五個人擁有過去二十個人的執行力，就能直接消滅一部分協調成本

這纔是最重要的生產率躍遷。

不是：

20 人每人快 30%。

而是：

原來需要 20 人，現在只需要 5 人。

後者的生產率變化遠大得多。

因爲你同時減少：

工資；

會議；

管理；

溝通；

交接；

組織政治。

所以 AI 最大的企業效率提升可能來自：

Smaller Team Size。

三十、未來最值錢的公司指標之一，可能是 Revenue per Employee

互聯網已經提高了這個指標。

AI 會進一步提高。

過去：

10 億美元收入

可能需要：

10,000 人。

未來：

可能只需要：

1,000 人。

再未來：

某些軟件公司可能幾百人就做到。

於是：

企業價值

與：

員工數量

越來越脫鉤。

這將改變：

辦公室；

管理層；

招聘；

組織設計。

三十一、但千萬不要把“5 人開發成功”理解成所有企業流程都應該取消

這是最容易產生的錯誤。

Cofounder 項目能做到：

No Jira；

No PM；

少文檔，

有幾個非常特殊的前提：

高級人才；

極小團隊；

高信任；

創始人直接參與；

短期衝刺；

技術探索；

內部已有成熟 Gusto 基礎設施。

一家：

500 人金融系統遷移項目

不能照抄。

所以真正應該學習的是：

Process should match coordination cost。

而不是：

Process = Bad。

三十二、流程本質上是“組織規模稅”

創業初期：

大家坐一張桌。

不需要 Jira。

1000 人以後：

沒有流程會崩潰。

所以問題從來不是：

有沒有流程。

而是：

AI 是否讓公司能夠長期保持更小團隊，從而推遲流程出現的時間？

如果答案是：

是。

那麼 AI 不只是提高生產率。

它在改變：

Company Scaling Curve。

三十三、這會讓未來創業公司“成熟得更晚”

傳統 startup：

5 人。

20 人。

100 人。

500 人。

爲了增長必須不斷招聘。

AI startup 可能：

5 人；

15 人；

40 人；

收入已經很大。

所以：

組織官僚化發生得更晚。

Founder 能更久保持：

直接產品控制。

這可能重新提高：

創業公司的創新速度。

三十四、Eddie 的故事另一層很重要：技術 Founder 常常被自己的成功推離技術

創業初期：

Founder 寫代碼。

公司增長後：

招聘；

1-on-1；

績效；

預算；

組織設計；

董事會。

最後：

CTO 不再 Touch Code。

這是正常的。

因爲：

公司的瓶頸已經從：

Coding

變成：

Organization。

Eddie 自己也經歷了這種轉型。

三十五、很多技術創始人真正痛苦的並不是不會管理，而是“身份丟失”

你原本的人生身份是：

Builder。

突然每天變成：

Manager。

會議；

招聘；

績效；

衝突。

會產生一種很深的心理變化：

Who am I now?

過去成就來自：

“我做出了東西。”

後來成就來自：

“我讓別人做出了東西。”

這兩種獎勵機制非常不同。

三十六、這也是爲什麼技術 Founder 很容易“搶代碼寫”

團隊出了 Bug。

Founder 看到。

直接修。

短期：

最快。

長期：

最危險。

因爲：

你永遠成爲：

團隊裏最昂貴的 IC。

而你的真正工作已經是：

建立團隊。

這就是：

Founder Delegation Trap。

創始人委託陷阱。

三十七、所以 Eddie 當年停止寫代碼可能是正確的，而今天重新寫代碼也可能是正確的

這兩件事一點都不矛盾。

2015 年：

組織擴張是瓶頸。

他應該管理。

2026 年：

技術範式發生變化。

技術理解成爲瓶頸。

他重新 Builder。

優秀領導者最大的能力不是：

永遠堅持一種管理方式。

而是：

知道當前組織真正的瓶頸在哪裏。

三十八、這就是爲什麼 Leadership 的本質不是“做什麼”，而是“在哪個階段做什麼”

創業早期：

Founder = Builder。

公司增長：

Founder = Recruiter。

進一步：

Founder = Manager。

成熟：

Founder = Capital Allocator。

技術範式變化：

可能又暫時回到：

Builder。

真正優秀的人能完成：

Role Switching。

很多 Founder 失敗：

不是能力不足。

而是：

停留在過去最擅長的角色。

三十九、聯合創始人之間的衝突，本質也是角色與公平感的問題

早期技術 Founder 經常經歷一個心理：

我每天寫代碼到凌晨。

CEO 爲什麼：

見投資人；

喫飯；

聊天？

看起來：

我幹活。

他社交。

但這是對創業分工的：

Short-term Accounting。

早期團隊不能每天算：

誰工作小時更多。

真正應該看：

長期誰承擔：

什麼責任；

什麼風險；

什麼結果。

四十、Founder 團隊最危險的不是分工不均，而是“未說出口的不公平感”

這種情緒如果積累：

技術 Founder 覺得：

CEO 沒幹活。

CEO 覺得：

CTO 不理解市場。

Product Founder 覺得：

自己沒有權力。

最後：

公司不是輸給競爭者。

而是：

內部解體。

所以 Eddie 團隊早期明確：

Josh Reeves → CEO；

Tomer London → Product；

Eddie Kim → Technology，

真正價值在於：

Role Clarity。

角色清晰。

四十一、很多創業公司真正死於“控制權模糊”

大家是朋友。

所以：

先不談。

這是錯誤。

越是朋友：

越應該提前談。

CEO 是誰？

重大決策誰做？

產品最終誰負責？

技術誰負責？

股權爲什麼這樣分？

如果公司失敗怎麼辦？

如果某人離開怎麼辦？

越早把：

Ambiguity

消滅，

未來越少情緒債務。

四十二、情緒管理其實是 Founder 最被低估的生產力工具

Eddie 談到：

人在受到攻擊或挑戰時，

會出現明顯生理反應。

心跳加速；

呼吸變化；

Fight or Flight。

這類時刻最危險的事情是：

立即回應。

因爲：

你以爲自己在“理性爭論”。

其實：

身體已經進入防禦狀態。

四十三、優秀領導者真正需要的是“Meta-awareness”

不僅知道：

發生了什麼。

還知道：

我現在正在發生什麼。

我爲什麼生氣？

我的 Ego 被挑戰了嗎？

我是在保護公司，

還是保護自己的身份？

這叫：

Metacognition。

對自己的思考進行觀察。

越高層的領導，

越重要。

因爲：

一句失控的話，

可能影響：

幾十個員工；

融資；

聯合創始關係。

四十四、暫停幾分鐘爲什麼有效？

因爲真正高級的管理不是：

永遠不產生情緒。

不現實。

而是：

Emotion → Pause → Interpretation → Response。

普通人：

Emotion → Reaction。

這中間增加一個 Pause，

就會產生巨大差異。

這也是優秀 CEO 和普通 Manager 之間經常存在的能力差異：

Response Latency。

不是越快越好。

而是在高情緒情況下：

知道什麼時候不要立即回答。

四十五、AI 編程助手還有一個非常被低估的價值：它降低了“學習羞恥成本”

Eddie 十年沒有一線編程。

今天技術棧已經完全變化。

重新問員工：

這個怎麼配？

Datadog 怎麼弄？

框架怎麼用？

對一個高級 CTO 來說，

會存在心理成本：

我是不是應該已經知道？

AI 沒有這種社會判斷。

你可以問：

極基礎的問題；

重複問；

讓它解釋十次。

沒有人覺得你蠢。

這叫：

Zero-Judgment Tutoring。

四十六、這可能改變成年人學習技術的方式

成年人學習最大的障礙常常不是：

智力。

而是：

Ego。

大學生可以問：

“這個是什麼意思？”

一個工作 20 年的 VP Engineering 反而不好意思問。

AI 把這種成本降到零。

所以 AI Tutor 最大的市場之一可能不是：

學生。

而是：

Mid-career Reskilling。

中年職業重訓。

四十七、未來高管的“技術斷代”問題可能顯著下降

過去：

工程師 → Manager → VP → CTO。

離代碼越來越遠。

10 年以後：

很難回去。

AI 讓重新進入變容易。

這可能意味着：

技術領導者可以在：

Management

和：

Building

之間反覆切換。

這是一種新的：

Career Elasticity。

職業彈性。

四十八、希思羅機場那五小時爲什麼象徵意義這麼強？

因爲過去一個高管有一個新想法。

第一步：

找 PM。

PM 寫需求。

安排團隊。

排進 Roadmap。

可能：

三個月以後開始。

現在：

拿出電腦。

Claude Code。

五小時：

原型出現。

這意味着：

Idea → Artifact

之間的距離突然坍縮。

這是 AI 創業最重要的變化之一。

四十九、技術創業最大的瓶頸正在從“能不能做出來”轉向“應該做什麼”

過去一個人有 idea。

但不會：

Backend；

Frontend；

Database；

Deployment。

只能：

找技術聯合創始人。

今天 AI 可以幫助完成大量實現。

於是：

Implementation Scarcity ↓

而：

Judgment Scarcity ↑

知道：

什麼問題值得解決，

越來越重要。

五十、這並不意味着技術聯合創始人沒用了

恰恰相反。

真正優秀技術 Founder 的槓桿更大。

過去：

一個優秀工程師 = 3 個普通工程師。

未來：

一個優秀工程師 + AI

可能等於：

10 個甚至更多普通執行者。

所以 AI 不是簡單：

“讓不會編程的人取代程序員。”

更可能是：

Amplify the Best Builders。

放大最強 Builder。

五十一、這也是爲什麼小團隊創業可能迎來黃金時代

過去 SaaS Startup：

需要：

Frontend；

Backend；

Infra；

Designer；

PM；

Data；

DevOps。

今天：

少數幾個綜合型 Builder

可以覆蓋更多領域。

於是 Startup 最早期 Burn Rate 下降。

Runway 延長。

試錯次數增加。

這提高：

創業成功的 Optionality。

五十二、Gusto Cofounder 真正聰明的一點，是它沒有停留在“讓老闆自己造 App”

Eddie 最初想法更接近：

讓小企業老闆描述需求，

AI 幫他做一個：

Mini App。

聽起來很酷。

但客戶研究後發現：

老闆根本不想要：

又一個 App。

老闆真正想要：

你幫我把事情做掉。

這是一個非常重要的產品認知。

創業者經常愛：

Solution。

客戶只愛：

Outcome。

五十三、小企業最大的敵人不是“缺軟件”，而是軟件太多

餐廳可能有：

POS。

排班軟件。

工資軟件。

會計軟件。

訂餐平臺。

Delivery。

CRM。

評價平臺。

每個 SaaS 都說：

“提高效率。”

最後老闆變成：

Human API。

手動從一個系統複製到另一個系統。

這反而創造了新的工作。

五十四、AI Agent 最大機會之一，就是消滅“Human API”

假設 Spa 用 Mindbody 管預約。

裏面有：

服務項目；

工作時間；

小費；

提成；

額外費用。

工資在 Gusto。

過去老闆需要：

導出 CSV；

Excel；

計算；

重新輸入 Payroll。

老闆實際上承擔：

Integration Layer。

Cofounder 想做的是：

AI 直接讀數據；

理解規則；

計算工資；

給老闆確認；

執行 Payroll。

也就是：

Machine-to-Machine Workflow。

五十五、這纔是 Agent 真正有價值的地方：跨系統執行

一個 Chatbot 只能：

回答。

一個真正的 Agent 必須：

Read；

Reason；

Act；

Check；

Repeat。

比如：

讀取 Mindbody；

計算佣金；

發現異常；

調用 Gusto；

等待批准；

執行工資。

這才叫：

End-to-End Task Completion。

五十六、Agent 最大的市場可能不是“知識問答”，而是公司內部那些沒人喜歡的雜事

例如：

催 Timesheet；

員工入職；

檢查 Payroll；

準備稅務資料；

更新 CRM；

處理發票；

檢查合規；

客戶 Follow-up。

這些工作共同特點：

不是特別難。

但：

重複；

跨系統；

必須做。

這是 AI 最容易創造 ROI 的地方。

五十七、企業 AI 的黃金公式可能是：

High Frequency

× High Friction

× Clear Rules

× Digital Inputs

× Measurable Outcome

高頻。

高摩擦。

規則相對清晰。

輸入數字化。

結果可驗證。

Payroll 非常符合。

這也是爲什麼：

Back Office

可能成爲 Agent 最早大規模商業化的區域。

五十八、爲什麼“Heartbeat”概念很重要？

傳統 ChatGPT：

你不問，

它不做。

真正的員工不是這樣。

優秀員工會：

知道星期五發工資；

星期四主動檢查 Timesheet；

發現異常；

提前找老闆。

這就是：

Proactivity。

Heartbeat 的意義在於：

AI 定期醒來，

檢查：

現在有沒有事情應該做？

Gusto 官方已經明確把 Cofounder 設計成主動監控：

Payroll；

Filings；

異常；

提醒

的系統，而不是單純等待 Prompt。

五十九、Agent 的真正質變不是 Intelligence，而是 Agency

Intelligence：

知道答案。

Agency：

主動完成事情。

過去 LLM 革命主要提高：

Intelligence。

下一階段：

Tools + Memory + Scheduling + Permissions

提供：

Agency。

這纔會真正進入企業工作流。

六十、但工資這種業務揭示了 Agent 最大的風險：錯誤會直接變成真錢

聊天機器人答錯：

用戶重新問。

Payroll Agent 答錯：

工資可能發錯。

稅可能報錯。

員工可能拿不到錢。

因此 Agentic Software 必須比普通 Chatbot 多一層：

Control Architecture。

權限；

批准；

日誌；

回滾；

異常檢測。

Gusto 自己也明確提示，Cofounder 輸出可能存在錯誤，Payroll、稅務和合規決定仍由客戶負責；其條款也明確將自動化動作與授權機制納入現有僱主責任體系。

六十一、所以未來 Agent 產品真正的護城河可能不是模型，而是“安全執行層”

誰都能調用：

Claude；

GPT；

Gemini。

真正難的是：

怎樣讓 AI：

安全訪問銀行數據；

發工資；

改保險；

提交稅務；

修改員工記錄。

這需要：

Permissions；

Audit Logs；

Human Approval；

Identity；

Compliance。

也就是：

Enterprise Agent Infrastructure。

六十二、這就是爲什麼老 SaaS 公司反而擁有一個巨大優勢

它們已經擁有：

用戶信任；

權限系統；

企業數據；

審計體系；

法規經驗。

一家新 AI Startup 可以更聰明。

但：

讓客戶允許它直接發工資

是另一回事。

所以：

AI 時代真正的大公司可能不是：

模型最強的人。

而是：

最有資格讓 AI 執行動作的人。

這是極其重要的判斷。

六十三、“誰擁有 Action Permission”可能比“誰擁有最強模型”更值錢

想象未來企業 Agent。

它需要：

付款。

改 CRM。

發合同。

審批費用。

發工資。

如果每一步都需要：

新的身份驗證；

新的授權，

體驗會很差。

真正擁有：

System of Record + Permission Layer

的平臺，

天然佔據：

Action Layer。

Gusto 在 Payroll 就擁有這種位置。

六十四、這可能成爲傳統 SaaS 從“被 AI 顛覆”到“利用 AI 反擊”的最佳路徑

不要只加：

AI Chat。

而是把自己的：

數據；

工作流；

權限

暴露成：

Agent Actions。

未來 Salesforce 的價值：

不只是 CRM。

而是：

AI Agent 可以在那裏安全執行 Sales Work。

Gusto：

安全執行 Payroll Work。

QuickBooks：

執行 Finance Work。

這是：

System of Record → System of Action。

六十五、爲什麼小企業尤其需要“AI Cofounder”？

大型公司可以招：

Chief of Staff；

HR；

Finance；

Operations。

小企業老闆沒有。

所以 AI 對 SMB 最大意義不是：

替代 100 人團隊中的 10 人。

而是：

讓一個 5 人企業獲得過去 50 人公司的管理能力。

這叫：

Capability Democratization。

能力民主化。

六十六、這可能導致小企業數量進一步爆發

創業成本過去已經因爲：

Cloud；

Shopify；

Stripe；

Social Media

下降很多。

AI 再進一步降低：

Coding；

Marketing；

Accounting；

Operations；

Customer Support

成本。

於是：

Minimum Efficient Firm Size

繼續下降。

也就是：

維持一家可競爭公司的最低規模越來越小。

六十七、宏觀經濟上，這可能產生一次“小企業復興”

過去幾十年：

大公司擁有：

規模經濟。

因爲：

HR；

Legal；

IT；

軟件

這些固定成本，大公司攤得更便宜。

AI 如果把後臺能力變成廉價數字服務：

小公司開始獲得類似能力。

這可能降低：

Scale Advantage。

讓小企業重新獲得競爭力。

Gusto 自己 2026 年調查中，約三分之一小企業主表示 AI 已經讓創業更容易，62% 認爲 AI 有機會縮小小企業與大企業之間的競爭差距。

當然，這是 Gusto 自己調查得到的態度數據，並不等同於已經證明宏觀差距會縮小。

六十八、未來一個人開公司的最大變化可能不是“一個人寫完產品”

真正難的是：

經營公司。

銷售；

工資；

稅務；

客服；

財務；

合規。

如果 AI Agent 把這些後臺工作逐漸承擔：

Solo Founder

才真正可能長期存在。

所以：

AI Coding

只是 Solo Company 的第一層。

AI Back Office

纔是第二層。

六十九、最終可能出現“公司操作系統”

Founder 只需要說：

本月收入目標。

新增三個人。

控制營銷成本。

保證星期五發工資。

系統自動協調：

Payroll Agent；

Recruiting Agent；

Finance Agent；

Sales Agent。

老闆真正做：

Strategy + Judgment。

這可能是：

Autonomous Enterprise OS。

Gusto Cofounder 可以看成這種未來非常早期的雛形。

七十、但不要被“Cofounder”這個名字誤導

真正的聯合創始人有：

價值判斷；

風險承擔；

創造力；

責任；

信任關係。

AI 目前並不能真正承擔：

法律和經濟責任。

所以 Cofounder 更準確地說：

是：

Agentic Operations Teammate。

名字是產品定位。

不是法律意義上的聯合創始人。

這一點必須區分。

七十一、從投資角度看，Gusto Cofounder 爲什麼比一個獨立 Agent Startup 更值得關注？

因爲 Gusto 擁有：

50 萬+ 客戶；

超過 10 億美元過去 12 個月收入；

Payroll System of Record；

企業權限；

長期客戶關係。

這意味着：

新產品一旦有效，

Distribution Cost 極低。

不用：

重新找客戶。

直接：

Upsell / Deepen Engagement。

這就是：

Installed Base Advantage。

七十二、成熟 SaaS 真正最大的 AI 資產可能不是代碼，而是 Installed Base

Startup 有：

技術速度。

Incumbent 有：

客戶。

AI 時代勝負取決於：

誰更快把：

Technology

和：

Distribution

結合。

如果傳統公司太慢：

Startup 搶走客戶。

如果傳統公司足夠快：

它可以直接把 AI 分發給幾十萬客戶。

Gusto 正試圖走第二條路。

七十三、這也解釋了爲什麼讓創始人親自帶這個產品很重要

大公司創新常見的問題：

新產品必須通過：

預算；

委員會；

管理層；

Roadmap；

季度規劃。

越具有顛覆性的產品，

越容易被現有組織殺死。

因爲：

它不符合當前 KPI。

Founder 親自帶隊：

相當於給項目一個：

Organizational Shield。

組織保護罩。

七十四、這就是 Christensen 所說 Innovator’s Dilemma 的現實版本

成熟產品已經賺錢。

爲什麼冒險做：

可能蠶食自己現有模式的新產品？

傳統 Manager 很自然會保護：

當前業務。

Founder 更容易說：

如果有人要顛覆 Gusto，

那最好：

Gusto 自己顛覆 Gusto。

這是優秀成熟科技公司最難做到的事情。

七十五、所以 Eddie 迴歸一線真正代表的是“Founder Mode”的另一種版本

不是：

Founder 每件事都管。

而是：

當出現一個足夠大的技術範式變化時，

Founder 應該：

繞過組織慣性；

直接重新學習；

直接接觸客戶；

直接做原型。

因爲：

這種變化不能只通過：

Management Chain

理解。

七十六、“No Jira、No Docs”真正應該被翻譯成什麼？

不是：

管理工具沒用了。

正確翻譯是：

儘可能減少 Build 與 Feedback 之間的距離。

如果：

今天想到。

今天寫。

明天客戶用。

後天修改。

這就是：

Learning Velocity。

創業真正競爭的不是：

Code Velocity。

而是：

誰學習得最快。

七十七、軟件公司的最終競爭優勢可能越來越從“開發速度”遷移到“學習速度”

所有公司都能用：

Claude Code。

於是：

Coding Advantage

被壓縮。

真正區別變成：

誰更快：

找到客戶；

理解問題；

做實驗；

獲得反饋；

改變方向。

公式變成：

Build → Observe → Learn → Rebuild。

誰循環次數最多，

誰更可能找到：

Product-Market Fit。

七十八、所以 AI 最終不是讓產品判斷不重要，而是讓錯誤判斷更快暴露

過去：

做錯產品。

半年以後才知道。

AI：

兩週做出來。

客戶說：

不要。

很好。

因爲：

只浪費兩週。

因此 AI 的商業價值之一是：

Increase the Number of Bets。

增加試錯次數。

VC 世界喜歡 Optionality。

產品開發也是。

更多便宜實驗

提高：

找到大機會的概率。

七十九、未來產品團隊的核心資產可能是“實驗組合”

同時試：

方案 A；

B；

C；

D。

因爲代碼便宜。

但是：

用戶注意力仍然貴。

所以瓶頸從：

Engineering Capacity

遷移到：

Customer Attention。

這也是爲什麼用戶研究和真實分發反而越來越重要。

八十、AI 時代產品最危險的陷阱：因爲什麼都能做，所以什麼都做

Claude 可以：

一天生成 20 個功能。

很爽。

但客戶：

可能一個都不要。

這叫：

Capability Trap。

技術能力無限擴張以後：

最大的風險反而是：

沒有聚焦。

所以 Taste 的價值上升。

知道：

什麼不做。

八十一、Steve Jobs 時代講“Focus”，AI 時代這個詞反而更加重要

過去不做功能：

因爲工程資源有限。

未來工程資源變便宜。

因此約束消失。

沒有約束以後：

最容易發生：

產品臃腫。

所以真正優秀 Product Leader 必須創造：

Artificial Scarcity of Attention。

人爲限制：

什麼值得投入。

否則 AI 會製造：

Feature Explosion。

八十二、Eddie 這次真正重新學習的，可能不是代碼，而是“技術直覺”

十年管理以後，

最容易失去的不是：

Syntax。

而是：

Feel。

現在什麼很容易？

什麼很難？

Agent 會在哪失敗？

什麼需要人工批准？

模型真的能做什麼？

這些無法通過：

季度報告

獲得。

只有親自 Build，

才能恢復：

Technical Intuition。

八十三、對所有技術管理者，這是一條非常重要的警告

如果你的職位越高，

你越容易獲得：

抽象信息。

Dashboard；

Metric；

Summary；

Slide。

但：

技術革命最早發生在：

細節。

Prompt 爲什麼失敗？

Agent 爲什麼循環？

Tool Call 哪裏斷？

模型什麼時候幻覺？

只有接近：

Ground Truth

才能知道。

所以：

Executive Abstraction Debt

也是真實存在的。

八十四、未來優秀 CTO 可能必須在兩個極端之間切換

Macro：

架構；

組織；

資本；

人才；

長期戰略。

Micro：

親自運行模型；

寫 Prototype；

看 Trace；

做 Eval。

過去 CTO 可以主要停留 Macro。

AI 快速變化時期：

必須保持：

Macro-Micro Oscillation。

高層和底層不斷切換。

八十五、Gusto 這件事對大型公司的最大啓示：AI 轉型不能只是“給員工買 Copilot”

很多公司所謂 AI Strategy：

採購 ChatGPT Enterprise。

培訓員工。

結束。

這只是：

Tool Adoption。

真正的 AI-native transformation 要問：

組織還需要這些角色嗎？

工作流應該重新設計嗎？

哪些流程可以整個刪除？

哪些決策必須人工保留？

這是：

Operating Model Redesign。

難度完全不同。

八十六、最重要的不是讓舊流程快 30%，而是問舊流程還需不需要存在

例如：

傳統流程：

PM 寫需求；

設計師做稿；

工程師寫代碼；

QA；

發佈。

AI 時代可能：

產品 Builder 直接做出真實版本；

工程審覈；

用戶測試。

這不是：

把舊流程每一步快 30%。

而是：

刪除步驟。

真正巨大的效率提升幾乎總來自：

Process Elimination。

八十七、這和 Toyota、Lean Manufacturing 的思想其實非常類似

Lean 最重要的不是：

讓每個人工作更快。

而是：

消滅 Waste。

等待；

庫存；

搬運；

返工；

不必要流程。

AI 軟件組織也是：

哪些會議是 Waste？

哪些文檔只是爲了交接？

哪些 Ticket 只是因爲人無法直接表達？

AI 正在重新定義：

Software Lean。

八十八、如果把 Gusto 的 10 周實驗擴展到整個經濟，意義非常巨大

美國有數百萬中小企業。

每一家都有：

後臺摩擦。

假設 AI 每週幫老闆節省：

5 小時。

100 萬老闆：

500 萬小時/周。

一年：

2.6 億小時。

這就是：

Aggregate Productivity。

真正的 AI 經濟價值不會只來自：

幾個大型模型公司。

而是來自：

無數很小的時間節省累積。

八十九、這也是爲什麼“小企業 Agent”可能是非常大的市場

消費者 AI：

可能每人每月願意付：

$20。

企業 AI：

如果一年幫助老闆節約：

$50,000，

可以收費：

$5,000；

$10,000。

因爲：

ROI 清晰。

真正優秀 B2B AI 的定價錨不是：

模型成本。

而是：

Economic Value Created。

九十、Gusto 已經證明過這種“隱藏價值自動發現”邏輯

2026 年春季，Gusto 稱其 AI 稅收功能幫助小企業識別並申報約 7000 萬美元聯邦稅收抵免。公司也明確提醒，“申報額度”不等同實際退款，最終收益取決於企業自己的稅務情況。

但這個案例仍然說明：

AI 最容易創造價值的領域之一是：

複雜規則 + 用戶不知道自己遺漏了什麼。

Tax；

Payroll；

Compliance

尤其適合。

九十一、未來 AI 的一個巨大功能不是“回答問題”，而是“發現你不知道應該問的問題”

老闆不知道：

有一個稅收優惠。

所以不會問。

傳統 Chatbot：

沒人問就不回答。

Agent：

發現：

你符合條件。

主動告訴你。

這就是：

Latent Need Discovery。

潛在需求發現。

價值比搜索引擎高一個層級。

九十二、這也是爲什麼 Proactive Agent 會比 Chatbot 更像真正的員工

真正優秀員工不會等老闆說：

“提醒我報稅。”

他會說：

“下週截止，我已經準備好了。”

所以 Agent 產品真正成熟的標誌是：

從：

Prompt-driven

變成：

Event-driven + Goal-driven。

事件驅動。

目標驅動。

九十三、但主動型 Agent 的風險也隨之成倍增加

越主動：

越容易：

誤操作。

所以 Agent 產品存在一個核心權衡：

Autonomy vs. Control。

自治程度越高：

用戶越省事。

但風險越高。

真正好的系統必須設計：

哪些動作：

自動執行。

哪些：

建議。

哪些：

必須人工確認。

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

今天大家都在設計：

聊天框。

但真正成熟 Agent 最重要 UI 可能是：

權限。

例如：

可以讀：

Payroll。

可以計算：

獎金。

可以草擬：

工資。

但：

最終轉賬必須我確認。

這叫：

Progressive Autonomy。

逐步自治。

用戶信任增加以後：

權限逐漸擴大。

九十五、這和自動駕駛的 Level 體系很像

L1：

AI 建議。

L2：

AI 執行部分步驟。

L3：

AI 大部分執行，人監督。

L4：

限定環境自動完成。

企業 Agent 也可能形成類似等級。

不同任務：

不同自治等級。

Payroll：

謹慎。

Birthday Reminder：

可以自動。

這會成爲：

企業 Agent 產品設計的重要基礎。

九十六、Gusto Cofounder 真正可能形成的護城河，是“每一家小企業自己的工作方式”

例如：

這家 Spa：

A 技師抽成 40%。

B 項目另加 $15。

週末規則不同。

某員工有特殊 Bonus。

這些都是：

Tacit Business Logic。

隱性業務規則。

過去：

存在老闆腦子裏。

如果 Agent 學會這些：

它開始擁有：

Business Memory。

九十七、Business Memory 可能成爲未來企業軟件最值錢的數據

System of Record 保存：

發生了什麼。

Business Memory 保存：

我們爲什麼這樣做。

包括：

規則；

例外；

偏好；

歷史決定。

Agent 一旦積累這種 Memory：

越來越懂企業。

這會形成非常強的：

Switching Cost。

因爲換 Agent：

等於重新培訓一個員工。

九十八、這可能比傳統 SaaS 數據鎖定還強

傳統 SaaS Switching Cost：

數據遷移。

Agent Switching Cost：

數據 + 習慣 + 判斷 + Memory。

這就像：

換掉一個工作十年的 COO。

所以真正成功的 Enterprise Agent：

客戶生命週期可能非常長。

這也是爲什麼：

“AI Teammate”

在經濟結構上有可能比普通 SaaS 更強。

九十九、但這也讓數據治理的重要性急劇上升

如果 Agent 知道：

工資；

員工表現；

銀行；

稅務；

公司策略。

它擁有：

極高敏感度信息。

所以：

Security；

Privacy；

Access Control；

Audit

會成爲：

核心產品功能。

不是：

後臺 Compliance。

誰處理得不好：

一次事故就可能摧毀信任。

一百、Eddie Kim 這次迴歸真正告訴我們什麼？

不是：

“老闆也要會 Claude Code。”

真正的答案更深。

它告訴我們：

技術變化已經大到足以讓一家十四年曆史、收入超過 10 億美元的軟件公司，重新像五個人的創業團隊一樣思考。

這非常少見。

當一家成熟公司願意：

刪除流程；

重新寫代碼；

重新理解客戶；

讓設計師 Build；

讓聯合創始人回到一線，

說明它感受到：

舊軟件開發範式本身正在失效。

一百零一、對技術管理者，最大的啓示是什麼？

不是：

每天必須寫代碼。

而是：

不要讓自己的職位把你與新生產資料隔開。

AI 如果改變：

Coding；

Design；

Research；

Management，

你必須親自體驗。

否則：

你的戰略判斷建立在：

別人對新世界的描述上。

一百零二、對創業者，最大的啓示是什麼？

第一：

不要先做工具。

找：

用戶真正想被“做掉”的工作。

第二：

尋找：

System of Record。

數據 + 權限 + 工作流

比模型本身更有價值。

第三：

保持團隊小。

AI 最大紅利可能不是：

少付幾個工程師工資。

而是：

減少協調複雜度。

第四：

儘快把東西放給客戶。

AI 讓實驗變便宜以後：

不要把時間浪費在：

假設。

第五：

打造 Memory。

未來真正強大的 Agent：

必須越來越懂客戶。

一百零三、對成熟企業，最大的啓示是什麼？

不要把 AI 放在：

Innovation Lab。

應該選擇幾個真正：

Mission-critical Workflow，

讓高級領導者親自參與。

因爲：

AI 轉型不是：

增加一個功能。

而是：

重新設計：

Who does the work。

工作到底由誰完成。

一百零四、對投資者，最應該觀察什麼？

不要只問：

這家公司用了哪個模型？

要問：

它是否擁有：

客戶分發？

專有 Context？

執行權限？

長期 Memory？

可量化 ROI？

真正 Automation？

這些纔是：

Agent Economy

長期護城河。

一百零五、未來真正危險的軟件公司是什麼？

不是：

沒有 AI Feature。

而是：

它的軟件存在價值只是：

讓人類點擊很多按鈕。

如果 Agent 可以繞過 UI，

直接調用底層功能：

UI 的價值會下降。

所以未來軟件公司必須擁有：

Data + Workflow + Permission + Action。

否則：

可能被 Agent 變成：

後臺 API。

一百零六、未來軟件真正值錢的東西可能越來越向底層移動

過去：

漂亮 UI

是產品。

未來：

Agent Interface

可能統一前臺。

於是差異化向：

數據；

規則；

業務邏輯；

執行權限；

信任

遷移。

這就是爲什麼：

System of Record

不會輕易消失。

但：

Interface SaaS

可能承受巨大壓力。

一百零七、這也意味着軟件行業可能出現一次新的利潤再分配

模型層：

收取 Intelligence Rent。

System of Record：

收取 Data / Workflow Rent。

Agent：

收取 Labor Replacement Value。

傳統純 UI 軟件：

價值可能被壓縮。

未來 SaaS 的戰爭，

不是：

誰頁面更漂亮。

而是：

誰控制工作執行鏈條。

一百零八、再往前一步：AI 可能重新定義“公司”本身

Coase 的企業理論認爲：

公司存在，

部分原因是：

內部協調成本

低於：

每件事都通過市場交易的成本。

AI 如果同時降低：

外部交易成本

和：

內部協調成本，

企業的最優邊界就可能改變。

未來：

一個核心團隊

• AI Agents
• 大量外部 API / Contractor

就可以完成過去大公司的工作。

這叫：

Firm Boundary Compression。

公司邊界壓縮。

一百零九、於是 AI 最終可能不僅提高公司效率，還改變公司平均規模

工業革命：

大工廠。

20 世紀：

大企業。

互聯網：

輕資產公司。

AI：

可能進一步產生：

Tiny Giants。

微型巨頭。

幾十個人。

幾億美元收入。

甚至更高。

如果這種公司大量出現，

整個：

勞動力市場；

VC；

管理；

辦公室；

職業路徑

都會被重新設計。

一百一十、這纔是 Eddie Kim 重新寫代碼最值得記住的地方

一個已經取得巨大商業成功的技術 Founder，

重新打開代碼編輯器。

意義並不在：

懷舊。

也不是：

證明自己還會編程。

而是他意識到：

新的軟件生產方式已經變化到，單靠管理層視角不足以理解。

過去十年：

管理是他的槓桿。

今天：

AI 讓 Building 本身重新變成高槓杆。

優秀的 Founder 必須接受一個很困難的事實：

過去讓你成功的工作方式，不一定是下一階段最正確的工作方式。

真正的成長，

不是不斷升級職位。

而是：

願意在世界發生變化以後，

重新成爲：

Beginner。

最值得記住的一句話

Eddie Kim 與 Gusto Cofounder 的故事，表面上是一場：

AI Coding 革命。

但更深層其實是三場革命同時發生。

第一場：

軟件革命。

軟件從：

給人工具

走向：

替人完成工作。

第二場：

組織革命。

AI 讓：

Designer；

Engineer；

PM；

Technical Leader

之間的邊界開始重疊，

小團隊重新獲得極強生產能力。

第三場：

創業革命。

過去成立一家真正運轉的公司，需要：

軟件；

HR；

Payroll；

Finance；

Operations；

Compliance。

未來越來越多工作可能由：

AI Agents

承擔。

創業者真正負責：

產品；

客戶；

判斷；

文化。

因此 Gusto Cofounder 真正代表的，不只是：

“一個更聰明的 Payroll 軟件。”

而是一個更大的問題：

如果未來一個創業者擁有幾十個永遠在線、能夠理解公司、跨系統執行工作的 AI Teammates，那麼一家公司的最小規模究竟可以縮小到什麼程度？

過去互聯網把：

分發成本

降到了接近零。

Cloud 把：

計算基礎設施啓動成本

降到了極低。

AI Coding 正在降低：

產品製造成本。

而 Gusto Cofounder 代表的下一步，則是在降低：

公司運營成本。

當這四種成本同時下降以後：

Distribution

• Computing
• Building
• Operations

都被重新定價。

那時真正發生的可能不是：

“創業更方便了一點。”

而是：

公司這種已經存在幾百年的組織形式，本身開始被重新設計。

而 Eddie Kim 十年之後重新坐到電腦前寫代碼，

或許正是這個新時代最有象徵意義的一幕：

一家已經超過 10 億美元收入的大公司，

爲了理解未來，

不得不重新學會像五個人的創業公司一樣工作。

這篇最值得長期留下來的三個認知是：

第一，AI Coding 最大的價值不是“代碼快了”，而是讓組織可以變小，直接減少協調成本。

第二，Agent 真正顛覆 SaaS 的地方，不是加一個聊天框，而是把 Human + Software 變成 Human → Goal → AI 完成工作。

第三，成熟公司的 AI 轉型最危險的不是技術跟不上，而是管理層離真實的新生產方式太遠。Eddie Kim 重新回去寫代碼，本質上是在重新獲得第一手技術直覺。