美国Educato AI是一家专注于考试辅导的教育科技公司，整个团队只有7个人；与它提供相似课程、服务相近用户群体的Careerist却拥有912名员工。一家依靠大量人力支撑业务运营，另一家则几乎完全围绕产品展开。类似的情况也出现在心理健康行业。Legion Health利用大语言模型和AI Agent构建精神科问诊流程，团队规模只有28人；同样提供心理健康服务的Intellect则依托一张覆盖广泛的治疗师网络开展业务，员工数达到446人。
越来越多AI创业公司都呈现出相似的组织特征，但背后或许并不只是这些企业的经营策略不同，而是组织本身正在发生变化。
今年6月，哈佛商学院和INSEAD联合发布的工作论文《AI-Native Firms》就是在试图回答这个问题。研究团队分析了2891家参加过Y Combinator孵化的创业公司，并结合更大范围的美国风险投资数据库进行了交叉验证。与很多基于企业问卷的研究不同，这项研究采用的是公开职位数据，对公司规模、组织层级和人才结构进行比较，同时控制了行业和成立时间等变量，希望尽可能排除其他因素带来的影响。
论文呈现的结果显示，很多企业都在采购AI工具、培训员工使用AI，但这些做法并不足以解释为什么有些公司的团队规模能够缩小到传统企业难以想象的程度。企业真正在发生变化的是，他们开始重新设计工作完成的方式，越来越多过去需要依靠一个团队持续交付的工作被放进了产品，由产品直接完成价值交付，而组织也因此长出了另一种形态。
团队变小，并非因为AI？
过去几年，关于AI如何改变组织的讨论大多聚焦在员工拥有了更高效的工具，所以同样的工作可以由更少的人来完成。从ChatGPT到GitHub Copilot，从Deepseek到豆包，再到各种智能办公助手，它们改善的是员工完成工作的效率，这也是企业过去这段时间投入最多、实践最多的方向。
研究团队首先测量了这个变量。他们统计了每家公司在招聘启事中是否提到了具体的AI工具，以此来判断企业内部使用AI辅助工作的程度。结果并不令人意外，AI原生企业使用这些工具的比例明显更高，大约是其他公司的2.6倍。但继续往下分析后，一个有意思的现象出现了。即便把这一因素纳入统计模型，它对于团队规模和组织层级的影响依然很弱，这就很难解释为什么有些公司的组织会如此精简。
这一点发现与研究团队的初始判断略有出入。按常理推测，一家公司如果人人都在使用AI工具，那团队规模理应也能压缩下来。但数据并没有支持这一直觉，反而指向了另一个方向——拉开差距的事实上是另一类公司，它们把AI直接做进了产品，没有让它停留在员工使用的工具层面。客户面对的也从一支负责交付服务的团队，变成了一款能够自己完成工作的产品。
Gamma就是文中提到的代表案例。这家AI演示文稿平台成立两年左右，团队规模只有30人，却实现了约5000万美元的年收入。传统的演示文稿服务无论内部员工是否借助AI提高效率，最终仍然需要设计师理解需求、反复修改内容、沟通确认方案，整个交付过程始终依赖团队。Gamma则把大量原本依赖人工完成的工作封装进产品，用户在产品中完成绝大部分操作，公司提供的也从持续的人力服务变成了一种可以不断复制的产品能力。
研究团队随后拆解了990家AI原生创业公司，发现其中约67%都属于这一类型。有的让AI接手一整项原本依赖人工完成的工作，例如自动处理应收账款流程的FazeShift，整个团队只有10个人；也有一些产品帮助专业人士提高工作效率，例如为律师提供尽职调查支持的Tower。他们的应用场景虽然不同，但都有一个共同特点：企业交付给客户的核心价值越来越多由产品完成，而不是依赖一支不断扩张的团队。
数据印证了这一变化。控制公司规模等因素之后，这类公司的组织层级平均减少约0.2层，员工人数比同类企业少约13%。相比之下，企业内部是否广泛使用AI工具并没有呈现出同样明显的影响。
很多企业今天讨论AI关注的都是如何提高员工效率，而这些AI原生企业从一开始思考的就是哪些工作还需要由组织承担，哪些可以直接沉淀为产品能力。当越来越多知识服务被封装进产品，团队规模、管理层级乃至组织结构都开始随之发生变化。
越懂AI的公司，越不愿意找新人？
那么AI会不会让企业更愿意招聘新人？
大量关于AI辅助工作的研究都发现，它对经验较少的员工帮助尤其明显。新人借助AI可以更快理解工作内容、完成复杂任务，也更容易达到熟练员工的产出水平。顺着这条逻辑，企业的人才培养成本应该随之下降，年轻人的机会也应该变得更多才对。
但站在公司层面，研究却给出了另一组数据。在控制了行业和成立时间之后，AI原生公司的入门岗位占比比同类企业低了4至6个百分点，资深员工占比则高出5至6个百分点，管理岗位占比下降了4至11个百分点，不同样本之间具体数值略有差异，但变化方向高度一致。同时，这类公司的组织层级也普遍更浅。
也就是说，AI缩短了学习曲线，却没有改变组织对人才的选择——AI原生企业并没有因此而增加新人的招聘。相反，这类公司的岗位结构反而更偏向经验丰富的专业人才，留给初级岗位和管理岗位的空间都在缩小。
这里作者并没有急于给出解释，专门强调了这是一项横截面研究，只能说明两者存在关联，却无法证明因果关系。究竟是AI原生企业更愿意招聘成熟人才，还是产品化交付减少了培养型岗位，目前还没有证据能够充分区分。
不过，这组数据还是留下了一个值得继续思考的问题。过去，企业既是经营主体，也是人才培养体系的一部分。从应届毕业生到业务骨干，再到管理者，大多数人的职业成长都发生在企业内部。组织规模不断扩大，意味着新人持续进入，也意味着经验不断积累。
但如果越来越多企业从成立开始就不再沿着这条路径发展，发生变化的可能就不只是一家企业的人才结构了，整个行业的人才培养方式或许都要跟着重新考虑。那么，未来我们在讨论AI时代的人才发展时就必须回答，当企业本身开始减少成长型岗位，年轻人的第一份经验将从哪里获得？未来的人才梯队又该如何建立？
团队规模变小
并不意味着公司竞争力下降
看到这里你可能会问，这些AI原生企业之所以团队精简，会不会只是因为它们还处于创业阶段，规模有限，也没有能力养活更多员工？
研究验证发现，无论融资规模还是企业估值，AI原生企业与同类创业公司相比都没有明显处于劣势。放到更大范围的风险投资数据库中，这类公司的估值甚至普遍更高。如果进一步换算到人均指标，AI原生企业的人均融资额比同类企业高出约一至三成，人均估值高出三至七成。
这些数字不一定能说明小团队一定比大团队更优秀，但至少能说明团队规模并不是投资人判断企业价值的核心依据。相比员工数量，资本市场更看重的是企业创造价值的方式，以及这种方式是否具有持续放大的能力。
换句话说，AI原生企业之所以受到资本市场青睐并不是因为它们把团队做小了，而是它们找到了一种能够以更少资源持续扩大价值交付的新模式。团队规模只是这种模式带来的结果，不是投资人真正关心的原因。
创业公司的答案
成熟企业能直接抄吗？
这篇论文的最后花了不少篇幅来讨论研究的边界。例如，因为研究对象全部来自AI原生创业公司，所以结论能否直接套用到成熟企业还需要更多观察；这项研究揭示的是组织特征之间的相关关系，而不是严格意义上的因果关系；一家公司的团队规模变小，也不代表整个行业的就业机会一定会减少；如果未来AI创业公司的数量持续增长，总体就业规模仍然可能继续扩大......
这些提醒并不是为了弱化研究结论，反而让它提出的问题变得更加清晰。过去这段时间企业推进AI大多数时候讨论的是工具，从办公软件到智能体，从知识库到自动化流程，大家关心的是怎样把现有工作做得更快、更省人。这些工作当然重要，而且未来很长时间仍然会继续推进。
但这篇论文把视角往前推了一步。对于一部分AI原生企业来说，AI早已参与到企业向客户交付价值的全过程里，帮助员工工作只是它扮演的角色之一。当越来越多原本依赖人工完成的工作能够直接沉淀到产品里，组织也会跟着改变。团队为什么还需要这么多人？管理层级为什么要这样设置？哪些岗位必须存在？哪些岗位可以被重新定义？
对于已经发展成熟的大企业来说，这样的变化不会像创业公司那样迅速发生。绝大多数企业未来仍然会同时沿着两条路径前进，一边利用AI帮助员工提高效率，一边尝试把部分依赖人工完成的工作逐步产品化。企业需要思考的也不是要不要使用AI，而是哪些能力仍然需要依靠组织不断积累，哪些能力适合沉淀为产品，由产品持续完成价值交付。
*****
回到文章开篇提到的几个案例，“7个人”和“912个人”之间最大的区别一定不是人数本身，人数只是组织形态变化之后呈现出来的结果。
随着AI不断进入产品、进入业务流程，一部分企业已经开始围绕新的价值交付方式重新设计组织。对于今天的大多数企业来说，这样的变化或许还只是开始，但它已经抛出了一个无法回避的问题：未来决定一家企业组织形态的究竟是增加了多少AI工具，还是重新定义工作由谁完成、又通过什么方式完成？
编辑 | 鸽子
内容参考 |
AI-Native Firms，HBS
Less Headcount, More Valuation: How AI-Native Firms Change the Game，HBS
