本文信息来源：foundationcapital

人工智能正在改变初创企业的领导方式，创始人可以采取的应对措施。

如今的初创公司 CEO 正处在两种现实之间。

一方面，投资者对 AI 初创公司的期望值极高。过去在 SaaS 时代被认为是卓越的增长指标——3x、3x、2x、2x、2x 的增长手册（“T2D3”）——如今看起来缓慢 。Bessemer 提出了“Q2T3”（4x、4x、3x、3x、3x）作为 AI 初创公司应努力实现的新五年增长基准。

增长速度最快的 AI 初创公司——Bessemer 称之为 “AI 超新星”——平均仅用 18 个月就实现了 $100M ARR 的规模。Lovable 在上线 8 个月后就达到了 $100M ARR；Cursor 在 12 个月内也做到了同样的成绩。ChatGPT 在 2 个月内就获得了 1 亿用户。这些是历史上增长最快的应用。

与此同时，商业现实依然充满挑战。大多数初创公司与这种超高速增长曲线相距甚远。绝大多数企业客户仍处于 AI 采用的早期阶段——通常还在试验或进行试点项目。在我们看到的初创公司中，有很多概念验证演示，但很少有大型生产合同。客户对 AI 的潜力感到兴奋，但他们往往还不知道自己真正需要什么，或者如何将 AI 整合到他们的工作流程中。

那么，CEO 应该如何应对这些矛盾呢？

在 AI 时代领导的 8 条原则

今年早些时候，我们分享了我们的看法 ，探讨了在模型提供商不断向上游发展的情况下，应用层 AI 公司如何保持竞争防御力——简而言之，就是你应该如何构建你的产品 。本月，作为后续，我想分享一组更为个人化的经验，探讨在 AI 时代如何以不同的方式运营 ：作为一名领导者 ，你每天应该如何投入工作。

自从我们在 Bodega Bay 举办 CEO 峰会以来，这个话题一直萦绕在我脑海中。与我们投资组合中的 CEO 一起度过三天的专注交流，让我深刻感受到在当下领导企业的挑战。事实是，每一家软件公司都需要为 AI 时代进行一次“重新创立”。即使是早期初创公司，也在重新思考如何塑造文化、设计组织架构以及做出决策。

以下是一套初步的 CEO “新规则”。其中一些是永恒的创业真理，但在今天具有了新的意义和紧迫性。另一些原则则是真正的新理念，源自我们投资组合中初创公司的实践经验。

我特别感谢 Jonathan Siddharth（Turing）和 Mohit Aron（Nutanix/Cohesity）。他们都参加了我们的 CEO 峰会，这里我分享一些来自他们的会议内容以及我们后续交流中的收获。

🏋️‍♂️ 1. 招聘像主人一样行事的人

你的企业文化由你招聘的人以及你所强化的行为所定义。AI 初创公司的节奏非常快，你需要那些真正会“不惜一切代价”去完成任务的人。为了打造这种高强度的文化，要招聘具备主人翁心态的人。

Jonathan 会主动筛选他称之为“原始创始人能量”的特质。他招聘时“更看重卓越的能力，而不是经验……要找那种非常渴望、专注、勤奋的人。”在实际操作中，这意味着如果一个候选人更有干劲并渴望对结果负责，Turing 可能会放弃一位履历光鲜的资深人士，选择这位更有激情的候选人。

你需要那些真正关心到从不认为任何问题高于或低于自己职责的团队成员。这样的文化会让每个人都全力以赴，积极努力改善现状，而不是说“那不是我的工作”。

强度是有感染力的。当新员工看到同事们以紧迫感工作并主动承担责任时，这会形成一种常态。随着时间的推移，一个良性循环开始运转：不喜欢这种强度的人往往会选择退出，而在这种环境中茁壮成长的人则会留下，并吸引志同道合的人才。我们看到投资组合中的 CEO 越来越愿意公开传递这种信号：本质上是在说，“我们的文化并不适合所有人。但如果它适合你，你就能在这里做出真正卓越的工作。”

🥊 2. 勇于面对冲突

追求速度与卓越几乎不可避免地会引发冲突——这没关系。作为 CEO，你必须在需要时愿意带来对抗性的能量。Frank Slootman（B2BaCEO 播客的三次嘉宾 ）强调，伟大的领导者“会利用一切机会加快节奏，并期望更高质量的结果……是的，这具有对抗性。这几乎就是 CEO 一直在做的事情：面对人、问题和情境。”在实践中，这意味着坚持高标准、追求具体细节，并拒绝仅为了维持表面和平而掩盖分歧。

Jonathan 分享 ，他必须努力扩展自己的“压力承受范围”，以便能够投入到不舒服的对话中。“你必须对人施加压力。你必须对公司施加压力。这是唯一的办法……每一次紧张的会议都会提高我的耐受度。现在我可以在不冒冷汗的情况下完成这些会议。”

对抗并不意味着无礼。关键是批评想法和决策，而不是批评人。在给出严厉反馈时，要具体、可执行并有上下文支撑。清楚地说明发生了什么、为什么重要以及可以改进的地方——始终配合具体的例子。

当你将坦诚且尊重的辩论常态化时，你的团队会更快地接近真相。随着时间的推移，人们会明白，讨论中带有一些火花会带来更好的结果，并学会不要将其视为针对个人。你还会建立一种文化，使反馈不仅限于危机或年度评估：它会成为日常合作的一部分（这包括对成功的正面反馈，而不仅仅是对问题的负面反馈）。

结果是一个能够在没有残留怨恨的情况下讨论想法的组织，所有这一切都是为了尽快做出最佳决策。

🤖 3. 将你的 CEO 工作自动化

作为创始人，你为公司拥抱 AI 的力度定下基调——包括在你自己的工作流程中。通过将自己工作的一部分实现自动化，你向团队发出了强烈信号：我们都使用 AI 来提升影响力，而不仅仅是把它当作一个流行词。

Jonathan 通过在 Turing 启动一个秘密研发项目来自动化 CEO 职能，树立了这种行为的榜样。“在理想情况下，我会综合销售、工程、产品等各方面的数据——但我在处理能力上本质上受限于 token 数量，”他解释道。于是他训练了一个 AI 代理来完成这些繁重工作：该代理会摄取并分析公司所有的运营数据——Salesforce 报告、Looker 仪表盘、电子表格、Jira 工单、Slack 更新、Zoom 会议记录——并起草每周简报。这个代理甚至会编写代码来回答问题。（例如，当 Jonathan 询问 Turing 的 AI 实验室客户中哪个子业务增长最快时，该代理编写了一个 Python 脚本来分析 Salesforce 数据并生成图表。）

影响非常显著。Jonathan 分享道：“我的每周高管会议变得更加紧张。我会带着非常具体、数据驱动的问题出现，这些问题非常深入细节。我可以问，‘为什么与 Lab Y 合作的 Project X 比计划晚了两周？’”在 AI 的帮助下，Jonathan 能够发现以前不会浮现的问题，并督促团队迅速解决。

重要的是，Jonathan 并没有将自己排除在这个过程之外。每当他发现代理人误解了某些内容或缺乏上下文时，他都会提供反馈并进行纠正。本质上，他是在训练自己的数字分身，让它的思维方式更接近自己。这是一个良性循环：AI 正在让他成为更好的 CEO，而他也在让自己的 AI 代理人成为更好的助手。

总结一下：以身作则地采用 AI。向你的团队展示可能性。营造一种氛围，让 AI 不被视为威胁，而是被视为倍增力量的工具。

📋 4. 像对待直属下属一样对待 AI

管理就是交付成果：你有一个目标，并协调资源（人员、工具、流程）来实现它。

在人工智能时代，相同的基本原则依然适用——但你的团队现在包括了 AI 代理。你不能只是随意在工作流程中加入 AI 并期待奇迹发生。你需要为它的成功做好准备（提供上下文），并建立一个反馈循环，使其能够持续改进。这意味着要为你的 AI 系统设定目标，定义成功的标准，审查它们的输出，并给予反馈——就像你对人类团队成员所做的那样。

Jonathan 的“CEO 代理”就是一个很好的例子。同样的原则也适用于其他 AI 工具。不要只是用 ChatGPT 草拟一封邮件，然后一周都不再使用它。相反，要将 AI 融入你的工作流程，并赋予它明确的职责：例如，“这个 GPT-4/5 聊天机器人负责起草我们所有的销售邮件”，或者“V0 为新功能创意制作第一版设计模型”。然后积极管理这种整合——审查输出结果，优化你输入的提示和数据，并保存成功的成果，让这些成果随着时间不断积累。

↔️ 5. 扁平化你的组织

在我们的投资组合中，“越扁平越好”是一句常见的口号。传统的角色边界（产品写规格说明，设计做模型，工程开发，客户成功团队与用户沟通）正在让位于更灵活的模式。在一家以 AI 为先的初创公司（尤其是早期阶段），每位员工理想情况下都应首先将自己视为建设者，其次才是自己的职能头衔。

例如，Jonathan 大幅扁平化了 Turing 的组织结构。在他与每位初级工程师之间，只有一层管理层，而且那位管理者也会写代码。工程师会在电话中跟随用户，设计师会仔细分析数据，销售人员会参与产品路线图的制定。每个人都对发布的产品直接负责。当工程师听到客户在使用某个功能时遇到困难，他们不会把问题丢给产品经理，而是自己去修复。

这种扁平化结构加快了一切进程。没有冗长的交接链条，信息在传递中损失更少。沟通变得更加紧密和直接。团队会培养出更强的主人翁意识，因为没有人需要等待上下游的其他人——每个人都对眼前的问题负责并加以解决。

一位创始人告诉我，一旦他们砍掉了 PM 层，两人组成的工程师-设计师团队就能在几天内而不是几周内推出有意义的更新。他们不写正式提案，也不等待批准；他们只是构建、与用户测试并不断迭代。

这并不是说专业技能不重要。人们仍然应该发挥自己的优势。一位优秀的设计师不应该被期望突然去写后端代码，就像后端工程师不应该因为 UI 原型而被评判一样。但在文化上，在一个 AI 优先的组织中，每个人都应该关心整个产品，并且跨角色无障碍协作。你不会把某件事丢给另一个部门就不管了。你会保持参与，因为这都是你的工作。（这与原则 #1 中的“主人翁”心态相呼应。）

你的团队越精简、越融合，就能越快学习和适应。

🚧 6. 原型优先于演示文稿

“原型优先于演示文稿”是高效 AI 产品团队的另一条箴言。在一些初创公司中，花费数周时间制作战略演示文稿来提议新功能仍然很常见。如今，这种方式太慢了——你需要与现实（包括技术的现实和用户的期望）建立更紧密的反馈循环。

我现在合作的许多创始人在评估产品创意时都会坚持要有一个可运行的演示。优先制作原型会迫使团队在早期就面对技术限制和用户体验。即使原型是用胶带勉强拼凑起来的，它也会比花上几周时间讨论假设更能推动你的理解。在像 AI 这样快速发展的领域，用真实的软件进行测试、学习和迭代，比打磨一份关于你认为会发生什么的文档要好得多。

这种文化转变可以概括为“先玩产品，再做计划”（而不是“先计划，再构建”）。它让开发过程更加迭代化、以实验驱动。你依然可以有一份路线图，但它应当根据你在动手原型设计中学到的东西不断演变。

诚然，快速进入原型阶段可能会带来一些混乱。团队可能会发现自己在同时处理许多实验分支，却没有明确的流程来规定如何评审、存储原型，以及如何将其升级到生产环境。（这些小型应用都放在哪里——分散在个人账户中还是集中管理？你如何记录并分享每次实验的经验？你如何确保这些由 AI 驱动的功能感觉是一个整体，而不是拼凑而成？）但这些都是好问题。相比修复缺乏创新的文化，增加结构要容易得多。

你可以以后再完善流程和打磨细节，但现在你不能慢慢学习。

⚙️ 7. 构建系统——打造制造机器的机器

如果你的公司底层机器（组织和流程）构建得当，AI 会让它运行得更快。如果你的机器是临时拼凑且混乱的，AI 会加速这种混乱。作为创始人，你的工作不仅仅是打造一个优秀的产品；而是要建立一家能够反复生产优秀产品的公司。

换句话说，你必须打造一台制造机器的机器。

Mohit 提出了一个类比：在加州开车 vs. 在印度开车。在加州，系统（交通法规、执法、道路设计）让每个人都能轻松安全驾驶——即使是一个平庸的司机，也能毫无困难地从 A 点到 B 点。在印度一些规则较松的地区，即使是技术高超的司机也要不断避免险些发生的事故。作为 CEO，你要打造的是加州高速公路版的企业，而不是无序混乱的版本。

Mohit 的方法是尽早实施核心系统：

• 招聘： 他建立的第一个系统是招聘。他会明确界定每个岗位所需的技能和特质，设计一套能够严格测试这些特质的面试流程，并培训每位面试官如何一致地评估候选人。

• 绩效管理： 在前六个月内，Mohit 推行了绩效管理节奏，包括季度 OKR 评审和定期沟通。这从一开始就建立了责任和反馈的节奏。如果有人表现不佳或不符合公司文化，你会在第二季度注意到，并能在小问题恶化之前解决（或让其离开）。这也迫使你明确成功的标准（“本季度我们的目标是什么 ，我们是否达成了？”），而许多首次创业的创始人往往会拖到为时已晚才去思考这些问题。
• 背景调查：Mohit 像侦探一样进行背景调查电话。他会要求推荐人从多个维度对候选人进行 1-10 分的评分，并且要求具体化。“你会非常热情地再次雇用这个人吗？好的，你的评分是多少？10 分满分你给 6 分？有意思——为什么不是 7 分？又为什么不是 8 分？”通过让他们给出具体数字并进一步追问（“为什么不更高？”），他能够挖掘出真实的顾虑。如果推荐人评价不够热情，他会继续追问，找出其他曾经感受到候选人弱点的人，并对他们进行盲背景调查。直到他对潜在雇员的优点和缺点有一个完整的了解，这个过程才算结束。

结合这些例子，问问自己：我业务中的关键流程是什么？我们是临时处理还是系统化管理？如果答案是“主要是临时处理”（这在早期初创公司中很常见），那么考虑一下你可以建立的第一个轻量级系统。它可以简单到每周一固定召开会议来审查优先事项（一个聚焦的系统），或者建立一个所有人每周更新的共享指标仪表盘（一个数据可视化的系统）。像迭代产品一样，有意识地迭代你公司的内部运营系统。

甚至文化也可以在一定程度上被系统化。例如，如果你想要一种透明和学习的文化，可以设立一些仪式，比如每周五发送“成功/失败”邮件，或者每月举行一次“我们学到了什么”的全员会议，让大家公开讨论错误和收获。如果你想要一种责任感文化，可以建立一个流程，让每个项目都有一个直接负责的人，定期向整个团队更新进展情况。像这样的微小系统有助于让期望的行为成为默认模式。

🏃‍♀️ 8. 学习速度高于一切

你无法控制下一次研究突破的时间，但你可以控制团队吸收信息和调整的速度。推动长期成功的最大因素是你创业公司的学习速度。

Jonathan 直言不讳地说：“在通往超级智能的竞赛中，并不存在所谓的产品与市场契合。每个季度你都必须重新赢得自己的位置，因为模型正在变得更聪明。”你可能在今天的模型上有一些可行的东西，但等到 GPT-6 出现时，你的解决方案需要变得更好或更专业，竞争对手可能会以更低的成本实现同样的功能等等。唯一可持续的优势是比所有人学习和适应得更快。

加快学习的一种方法是，不要把每一次“拒绝”当作停止的信号，而是当作未来获得“同意”所需条件的提示。当客户拒绝你时，跟进询问在什么条件下他们会同意——让潜在客户用自己的话说明缺少什么或哪些地方还不够令人信服。有时你会找到前进的路径。即使没有，你也学到了市场的价值所在。鼓励一种没有失败被浪费的文化——每一次结果（无论好坏）都要提炼出洞察。

另一个快速行动的关键是培养行动倾向。Jeff Bezos 区分了“单向门决策”（难以或无法逆转）和“双向门决策”（容易逆转）。在任何可以在需要时纠正方向的情况下，最好是快速行动并从中学习。

图灵在 2022 年的经历是一个有益的案例研究。当时，图灵的核心业务是一个远程工程师人才的市场平台。后来，OpenAI 邀请他们参与训练后来成为 GPT-3 的模型。在会议上，OpenAI 问图灵能投入多少工程师。Jonathan 的直觉是“也许 100 个”（因为大多数客户项目只用到几个工程师）。但在当时，他说：“我们可以给你 1,000 个。”OpenAI 接受了这个提议——事后 Jonathan 笑称自己应该说“10,000 个”。那一刻的坚定——本质上是把公司押注在一个新机会之上——改变了图灵的发展轨迹。在随后的几年里，这一决定为与几乎所有前沿 AI 实验室合作打开了大门。

当你看到一个有潜力的双向门时，不要犹豫或退缩——直接走过去。你在新方向上的第一次行动不必完美。目标是加速学习——这意味着要尽可能多地创造机会，根据你生成的数据来优化你的轨迹。