The Founder’s Playbook: Building an AI-Native Startup

來源：Anthropic — The Founder’s Playbook（PDF, 36 頁，2026-05-14 發布）

一句話定位

Anthropic 給 founder 的 AI-native 創業手冊。核心觀點：「沒寫過一行程式碼的 founder 都在 ship production apps，10 人獨角獸（lean unicorn）從爆紅故事變成可執行計畫。」AI 把過去 quarters 壓縮成 weeks，瓶頸從「你能 build 什麼」變成「你選擇 build 什麼」。

舊路徑：validate → raise → hire → build → raise → grow → hire → repeat 新路徑：每個階段不再需要更大的團隊、新技能組合、新一輪募資。

Founder 角色的根本轉變

Founder 從個別貢獻者（IC） 變成 agent 編排者（orchestrator）。AI 抹除了「會 build 的人」與「有 idea 的人」之間的牆 — 非技術 founder 用 AI 出 production software，技術 founder 用 AI 出 GTM 策略、財務模型、pitch deck。

三種 AI 能力，撐起 lean startup

能力 比喻 用途
對話智能與研究（Chat / Cowork） on-call 各領域專家 競爭分析、TAM/SAM/SOM、財務模型、pitch deck、PRD、devil’s advocate、pre-mortem、roadmap
Agentic coding（Claude Code） 永遠不會被卡住的工程師 用自然語言描述 → AI 生成、測試、debug、refactor production-grade codebase
Workflow 自動化（Claude Cowork） 隨叫隨到的 ops 團隊 CRM 更新、週報、文件同步、合規追蹤、scheduling，整合既有工具

關鍵：時機與編排（timing and orchestration）才是真本事。「The intelligence in the system is yours.」

Claude 三種介面 — 選對才有效

任務 用哪個 為什麼
快問快答、改寫、quick brainstorm Claude (Chat) 快、對話式、無 setup
研究、分析、產出最終文件 Claude Cowork 資料夾存取、connectors、skills、排程
寫 code、測試、出貨軟體 Claude Code Codebase 存取、diff、git、dev environment

底層都是同一個 Claude；差別在workspace 環境。

四階段框架

Stage 1 — Idea

目標：研究導向的 problem-solution fit 驗證。在動手 build 之前蒐齊「真問題、真目標族群、真有人會付錢」的證據。

Exit 條件（三個都要 yes）：

  1. 問題是否真實且具體？能說出誰遇到、多常遇到、多嚴重、現在怎麼解
  2. 你的解法是否真的對應 validation 揭露的問題（不是你原本以為的問題）？
  3. 是否有足夠 signal 支撐進入 build 階段？

三大失敗模式

  1. 把 build 誤認為 validating：42% 的新創死於做出沒人要的東西。Agentic coding 讓 prototype 變得太容易，founder 以為「有 prototype = 假設成立」，但 prototype 只是訪談道具，對話本身才是證據
  2. 過早 scaling：build 太容易導致沒驗證就規模化，「sense-making 必須跑在 building 前面」
  3. 客觀性流失（confirmation bias 加強版）：你叫 AI 證明你對，它就找證據證明你對。解法是反過來叫 Claude 找反證、扮 devil’s advocate

具體 exercise（從 PDF 摘錄）

Exercise 做什麼
鍛尖假設 把「contract review takes too long」改成「In-house legal teams at mid-market companies spend 3+ days per contract review cycle because redlines are managed across email threads rather than a single version-controlled document」這種可測試敘述
競爭地圖 請 Claude 分四層（直接、間接、潛在收購者、鄰近玩家）做競爭分析，並為每一層為什麼會威脅你寫一個強論證
客戶訪談範本 不要問「would you use something like this?」（generic、未來式），要問「tell me about the last time you dealt with this problem」（具體、過去式）
訪談分析 每 5 場訪談後，叫 Cowork 同時產出支持假設的證據和挑戰假設的證據兩份清單，看不對稱性
Outreach 自動化 給 Cowork 目標 profile → 自動抓 contacts → 個人化邀訪信 → 串 Gmail / Calendar via MCP 安排會議 → D7 follow-up
Solution 壓力測試 把你的解法概念給 Claude，請它找出最依賴的 3 個假設，每個假設「what would have to be true」與「if not, what’s the consequence」
最小 prototype 定義 single core interaction，叫 Claude Code 只做那個，找 5 位 target profile 受訪者，那 5 場對話決定要繼續還是回頭

Stage 2 — MVP

目標：把驗證過的問題翻譯成真正可用的產品，蒐集 product-market fit (PMF) 證據。同時要快 且 不累積會反噬的 technical debt。

Exit 條件：有具體可辨識的用戶群展現 retention（會回來）、revenue（會付錢）、referral（會推薦）其中至少一項。

四大失敗模式

  1. Agentic technical debt：AI 拆掉所有「節制 production 的瓶頸」。沒有 spec 與 architectural constraint 寫在 AI 讀得到的地方（如 CLAUDE.md），每次 session 都從零推導架構決策 → drift → 最後沒有 coherent mental model
  2. 誤判 PMF（false PMF）：launch 高峰來自一次性力量（朋友圈、HN 頭條、投資人 portfolio），不等於第 6、12 週還有人留下
  3. 零摩擦的 scope creep：每個追加功能都「合理」，因為加一個 feature 只要一個下午。解法是事先寫好 scope doc，定義「what the product does, what it deliberately does not do, what evidence justifies adding more」
  4. 經驗不足的不安全感（insecure by inexperience）：agentic code 是「會動的 code」，不等於「安全的 code」。漏洞是隱形的，產品上線到真實用戶就是真實風險

關鍵實作建議

Stage 3 — Launch

目標：把早期 traction 轉成可重複的成長引擎；同時讓 founder 從每件事中抽身。

Exit 條件（三個都要）：

  1. 成長可重複，有 channel；CAC、LTV、payback period 都有數字
  2. 產品 production-grade，infra、security、compliance 都到位
  3. Ops 沒有 founder 瓶頸（你不再親自跑 support、triage、sprint planning、reporting）

四大失敗模式

  1. Technical debt 到期：MVP 為了速度欠的債開始收利息
  2. Founder 變瓶頸：MVP 時 founder 在每個 loop 是優勢，Launch 時就是限制。徵兆 — 「1 小時的決策要等一週、support 堆積、ops 要 founder 親自記得」
  3. Security & compliance 不能再延：beta 用戶時的「理論風險」，production 之後變實際暴露面
  4. 太早擴張：新市場 ≠ 新成長機會，新合規/支付/期待會打破你能看懂數據的能力

關鍵實作建議

Stage 4 — Scale

目標：從千級用戶到百萬級、從一個市場到多個；建立可審計的成長與成熟的組織。Founder 重心從 builder 轉向公眾面 executive（analyst briefing、IPO roadshow），但仍維持 lean 結構。

Exit 條件：公司在 founder 越來越不參與 day-to-day 的情況下仍可持續。三種典型出場 — 不再需外部資金的持續盈利、IPO-ready、或被併購。回答得了「If a well-funded incumbent copied your product today, would your users stay?」

四大失敗模式

  1. 委派 ops layer 的心理障礙：scale 時系統要能自己跑，不能 babysit；hands-on founder 在心理與結構上都難交棒
  2. 技術 ops 擴展：客戶評估的不只是產品，而是組織能否當「可靠的基礎設施合作夥伴」— SLA、文件、可靠性保證
  3. 組織職能擴展：HR、payroll、accounting、legal ops 不管團隊多小都要有
  4. GTM 沒準備好：organic growth 有上限，founder-led selling 通常在 scale 階段撞牆

關鍵實作建議：護城河 = 深度

「accumulated depth — expertise built into your product, integration depth with users’ other tools, proprietary system data and workflows」

四種建立深度的方法：

  1. Bottleneck Map：請 Claude 列出每個 workflow / decision / approval 經過你，然後模擬「你連續一週不在」，會卡住的就是你還太 hands-on 的地方
  2. Enterprise readiness gap analysis：選三個你最想簽的 enterprise prospect，叫 Claude 列出他們採購團隊會要求的 documentation / SLA / support infra，對照你目前缺什麼 → 用 Code + Cowork 排序工程與文件工作
  3. Domain knowledge → AI context：透過 extended conversation / projects / memory 把行業知識（jargon、regulatory gotchas、edge cases、why obvious answers don’t work）灌進 Claude；用 Skills 把 recurring workflow 編成 reusable routine。範例：「How I audit a commercial lease」、「How I triage a patient intake form」。隨時間累積 = 任何 generalist AI 無法匹敵的 proprietary knowledge substrate
  4. Data flywheel + workflow lock-in：每個用戶互動產生 behavioral signal → 改進產品 → 更多使用 → 更多 feedback。為前 10 大客戶做 workflow integration audit，列出他們在你產品上建的自動化、依賴的整合、團隊 workflow、預估 switching cost，找出「什麼類型 integration 在你產品上 lock-in 最深」

Edge case 護城河 exercise：找一個 generic 競爭者一定做錯的 vertical edge case（如「medical billing 對 340B drug program 的處理邏輯」），用 Claude Code 寫成真實場景測試（不是 unit test），每次出現類似 case 就加進去。你的測試套件變成你護城河的地圖。

案例公司（含具體數據）

公司 用 Claude 做什麼 數據／重點
Carta Healthcare Clinical abstraction platform 每年處理 22,000 例手術案例，data abstraction 時間 減少 66%
Anything 用 Agent SDK 幫人無 code build 軟體 服務 1.5M 用戶，含一位非技術 founder 已在賣完整 recruiting platform
Cogent Applied AI lab，自動化企業 security 任務 Claude 當 reasoning layer 跑 investigation / prioritization / remediation
Airtree Ops infrastructure 用 Cowork 統一原本散在十幾個工具的資料；個人建的 skill 全組織可用
Duvo 採購 / 供應鏈 / category 管理 agents 跨 ERP、supplier portal、spreadsheet、email、phone call；Agent SDK 編排
Zingage 居家照護 24/7 自動化平台 Claude structured tool calling 串 EMR 與多溝通管道
Kindora NPO matching 非工程出身執行長用 Claude Sonnet 從零做出來；MCP connector 讓 NPO 直接在 Claude 內用
Wordsmith 法務 AI 律師轉 CTO 創辦；Claude 做 reasoning，自家工程團隊用 Claude Code 開發
HumanLayer / Ambral / Vulcan Technologies YC 三家用 Claude Code 從 prototype 到 scale 詳見 Anthropic blog “How three YC startups built their companies with Claude Code”
GC AI In-house legal team 平台 Company-specific playbook、跨職能 stakeholder、variable risk tolerance

一句話總結

「The bottlenecks are no longer what you can build, but what you choose to build.」

Founder 工作沒變（找真問題 → 解 → scale 成公司），變的是路徑：validation cycle 從月變天，prototype 不需 co-founder，launch readiness 變持續工作流，scale 階段的 ops 重量交給 AI 處理。

相關資源（PDF Resources 章節）

Building with Claude

Founder stories

Anthropic Startups Program：與 Anthropic VC 合作的新創可拿免費 API credits、最高 rate limit、founder event 邀請