领导者在 2026 年需要把握的关键：来自市场进入 (GTM)、企业和政府领域专家的洞察
本文信息来源：insightpartners
创始人与领导者正带着两个相互矛盾的事实步入 2026 年：一方面，AI 已经在重塑软件的构建、销售和定价方式；另一方面，各家公司仍处于摸索实际成效的初期阶段。仅靠实验和试点已远远不够。董事会、客户和员工都在寻求持久的投资回报率、更清晰的策略，以及能够从炒作中辨别真实信号的领导者。
为了拨开迷雾，我们咨询了来自多个团队的专家，这些团队与我们全球投资组合及更广泛网络中的创始人、高管团队和领导者保持着紧密合作。基于他们在董事会、企业同行网络以及公共部门咨询工作中的观察，他们提出了将决定 ScaleUp 企业胜出的六大转变与建议。
您还可以通过链接阅读去年的 Onsite GTM 趋势 和今年的 投资者预测 。
AI 将不再是一项科学实验，而是开始像一项商业投资一样接受评估
董事总经理 Hilary Gosher：“人们一直在进行的所有这些 [AI] 投资——所有的尝试、试点等等——现在到了见真章的时候，今年人们真的希望看到切实的投资回报率（ROI）。”
“我仍然认为目前存在‘随机的 AI 行为’，即一些领导者比其他人更具前瞻性，因此他们采用 AI 的速度更快，并且在一些显而易见的‘低垂果实’领域看到了价值。”
运营合伙人 Pablo Dominguez：“[在 2025 年] 尽管 AI 已经出现了两三年，人们仍在试图弄清楚什么行得通，什么行不通。我们现在看到，到了 2026 年，人们开始静下心来，真正思考架构和流程。”
“我们看到现在表现良好的公司，预计在 2026 年会表现得更好——即那些真正关注数据、核心架构、流程并夯实基础的公司。那些不会说‘哦，我只要让 AI 生成内容，让 AI 做预测就行’的公司。而那些不理解基础工作的公司将会陷入困境……不要指望 AI 能替代你从未拥有过的东西。”
董事总经理 Byron Lichtenstein 表示赞同：“人工智能领域将经历一个优胜劣汰的过程……你已经开始看到，这里面可能存在过度的炒作。”
“2026 年，人们会比 2025 年更加挑剔。届时将会有非常成熟的应用案例。你必须在业务的某些环节使用 AI，但在其他一些地方……你实际上并不需要它。”
“你会看到这种复杂的反应：在已经见效的应用案例上全力投入，而在那些效果平平的案例上则会选择收缩。”
但选择正确的应用案例只是成功的一半。真正的收益来自于 AI 迫使公司重新思考工作的实际开展方式。
Lichtenstein 再次表示：“[AI] 迫使人们重新审视业务流程：‘我该如何思考人员与工具的关系？我该如何将 AI 与流程变革相结合，从而变得更有效率、更有成效？’”
“你应该设定目标，仅通过使用 AI 工具和提高效率，就获得 2% 到 5% 的利润空间。我认为单是在营销支出上，你就应该能获得一个百分点……在研发方面，可能还能再获得一个百分点。然后，在客户成功方面，你可能会获得 1% 到 2% 之间的提升。”
速度而非规模将决定胜负，因为 AI 原生挑战者的迭代速度将超越竞争对手
现有的行业领先者所剩的时间已经不多了。人工智能从根本上改变了构建软件的经济模式，而挑战者们正利用这一优势迎头赶上。
董事总经理 Dionne Chingkoe：“对于 [AI 初创公司] 而言，构建的准入门槛非常低，但对竞争对手和其他新秀来说也是如此。因此，他们越早、越快地建立起强化学习循环——让用户不断将新数据、新情报、新决策输入到他们的特定产品中……他们的竞争对手就越难以获得同样的循环。”
数据证明了这一点。曾经需要数月之久的开发周期，现在仅需数周。
Dominguez: “各家公司正利用系统集成商在 30 到 60 天内构建出新产品……而以往则需要 6 到 18 个月。这在当下正成为现实。”
“试想一下，如果你要创办一家全新的公司并试图击败你的‘老’公司，且你拥有 AI 赋能且没有技术债，你会怎么做？因为你的竞争对手正是这么做的。”
Gosher: “品牌和声誉是护城河。数据是护城河。你的客户也是护城河。但你面临威胁的地方在于创新的速度、易用性以及采用的便捷性。”
“AI 原生公司生产产品的周期——因为他们使用 Lovable 和 n8n，并进行快速原型设计，将新产品推向客户，极速进行测试和迭代——这比旧的云模式要快得多。”
保持速度需要从基本原理出发，重新思考公司的运营方式。
董事总经理 Mike Hayes：“你应该不断地为你的基础注入简洁性……无论发生什么，什么是普遍真理？当世界在变化时，你如何专注于那些至关重要的基础工作？”
技术专长将成为更多职位的基本门槛
人才争夺战正在发生转移。在经历了多年以市场进入（GTM）职能为招聘重心的阶段后，各家公司正开始将技术专业能力引入每一个职能部门。
运营合伙人 Bryan Powell：“回顾过去几年……我们看到对首席产品官（CPO）和首席技术官（CTO）的需求在 2022 年底、2023 年以及 2024 年的部分时间里实际上是在下降的。但随着 ChatGPT 冲击市场，你会发现对技术专家的需求直冲云霄。现在对技术专家的需求远超过去几年，而且我认为这种趋势将持续下去。”
但除了传统的工程岗位，公司还在寻找复合型人才——即那些兼具职能深度与技术技能的人。
Dominguez：“由于 AI 正在使知识民主化，我认为能够胜出的角色是那些拥有职能和技术双重专业知识的人。那种只会打高尔夫、搞社交的传统销售时代——‘我带了三个销售工程师和产品专家，他们会处理难题’——我认为已经一去不复返了。”
“你需要能够回答第一、第二、第三层级的技术问题。你需要能够进行演示。是的，你的销售工程师会与技术人员进行更深五个层级的交流，但这不再仅仅是‘我的工作只是敲开大门’那么简单了。”
这种转变一直延伸到了首席执行官（CEO）层面。传统的从市场开拓（GTM）领导层晋升的路径，正面临着对技术熟练度需求的挑战。
Powell：“首席执行官（CEO）的特质正在发生变化。其中之一是拥有坚定的 AI 观点。我们需要的是真正实践过的人，而不是那些只会空谈的人。”
“如果你观察大多数传统的 CEO，他们通常出身于进入市场（GTM）职能部门。我认为，随着 AI 进入组织的速度如此之快，我预计我们将开始看到更多的首席产品官或 CPTO 晋升到 CEO 的位置。”
除了仅仅使用 AI，商业领袖还需要成为其倡导者。
Powell：“如果你想成为一名 CEO，你最好成为一名 [AI] 狂热者。拥抱它并将其推向整个组织……直接与执行领导团队合作，将其贯彻到组织的最基层。”
Gosher: “[The CEO] needs to have a head of AI transformation managing all the various activities across the organization, but that person needs to report to them. AI transformation is a cross-functional effort.”
AI will boost productivity, but the process will be much slower and messier than the hype suggests
Lichtenstein：“人们将对智能体（Agents） 进行大量的实验。我确实认为这会改变人们的工作方式，但我认为目前还不会看到大规模的普及。我认为大多数人在看到效率提升之前，可能需要投入更多的成本。”
“我们正处于一个非常典型的炒作周期中，即‘[人工智能]将改变世界’。如果放眼 10 年后，它百分之万会改变世界，[但]我不认为这个过程会是线性的。”
Chingkoe：“尽管人工智能的发展取得了惊人的飞跃，但产生真正影响的步伐将因以下因素而放缓：终端用户的信任、组织内部的变革管理，以及人工智能代码和新工作流的可维护性。”
“我们在自动驾驶汽车上看到了信任滞后——我们拥有这项技术已经有一段时间了，但广泛的推广一直是缓慢且审慎的。同样，人们会让非确定性的人工智能代码来编写他们的金融服务软件……这种想法，即使技术更加接近成熟，我们距离达到那种心理舒适度还很遥远。答案并非‘绝无可能’，但这需要时间和脚手架式的支持。”
“关于可维护性这一点，一旦我们拥有了运行中的人工智能代码和人工智能工作流，目前还没有足够的精力去考虑如何维护这一切——如何调试黑盒代码，如何维护由人工智能驱动核心工作流的数据管道。这可能会导致灾难性的、非常公开的公司失败。不一定是安全漏洞或黑客攻击，而仅仅是系统崩溃，且无人能解释原因。”
然而，在某些业务职能部门，人工智能已经产生了重大影响。
Powell：“我绝对认为在人才职能部门， 智能体 AI (Agentic AI) 将变得越来越普遍，因为你必须去粗取精。我观摩了两次针对软件工程师的智能体 AI 面试，效果非常出色。自然语言交流，追问——深入探究。在面试进行时，我在想：‘哇，这就是未来的浪潮。’”
“如果你思考一下大多数组织，他们招聘的角色中大约 80% 是……中级到初级职位。我可以预见智能体 AI 在漏斗顶部为你进行筛选并完成大部分工作。”
Gosher：“我们大多数公司将超过 50% 的预算花在‘维持运营’（KLO）活动上。GPT 代码库和其他产品正越来越多地能够处理旧的编程语言并对其进行重构，而技术债的重构将释放这些 KLO 时间。我们的一家投资组合公司……希望将 KLO 比例从 54% 降至 25%，而释放出来的 25% 将专注于创新。”
政府终于将开始获取人工智能带来的效率提升，并展示投资回报——而领导者面临的机遇之窗正大步敞开
对于瞄准公共部门的创始人来说，时机已经成熟。公共部门对人工智能的采用正从实验阶段转向实施阶段，这为商业软件公司创造了具体的机遇。
董事总经理 Nick Sinai：“毫无疑问，AI 是政府买家和政府领导者关注的头等大事。令人鼓舞的是，整个联邦政府都提供了实质性的领导层支持，以使广大员工能够使用 AI。”
这些机遇涵盖了民用和国防应用。在民用方面，案件管理工作流具有立竿见影的价值。
Sinai：“政府的大部分工作都是案件管理……因此存在大量的官僚式写作、总结、分类和裁定。在这些领域，无论是进行总结、寻找欺诈行为，还是为人工决策做准备……将人工智能和生成式人工智能引入这些工作流都大有可为。我也看好代理式人工智能（Agentic AI）的潜力，但到 2026 年，其采用速度可能会相对较慢，因为政府官员不仅要应对巨大的机遇，还要处理潜在的风险。”
在国防领域，数据融合是一项重大的突破。
Sinai：“在军事背景下，大量数据存在于孤立的系统中……现在确实有一个整合资源的机会。数据融合的概念已经存在好几年了，但我认为今年，特别是随着大型基础模型和其他生成式人工智能技术的出现，我们能够以一种对作战人员真正有用的方式实现多模态。”
除了提高生产力，人工智能也开始助力更明智的决策。
Sinai：“2026 年将是人工智能开始助力更优决策的一年……从福利分诊和欺诈评分，到维护优先级排序、网络安全路由以及任务规划。这些始终在人工监督下进行，但具有真正的作战影响力。”
“为了给更大的成功奠定基础，政府领导者应将重点转向实现全政府范围内人工智能集成所需的基础性、长远性工作——最显著的是通过投入解决数十年来积累的技术债、实现数字基础设施现代化，并采用商业科技行业的数据和软件开发最佳实践。”
对于创始人而言，关键在于理解政府客户的真实处境。
Sinai：“高效的政府领导者关心的是一线员工、一线士兵和一线公民的需求是否真正得到了满足……但政府购买软件的方式仍然很传统。合规至关重要。政府买家仍然倾向于购买带有集成和支持服务的软件，并且通常背负着沉重的技术债或陈旧的技术栈。如果你能理解政府客户所处的环境，以及他们拥有和不拥有哪些自由度，我认为作为一名创始人，你会获得更大的成功。”
AI 将重写 SaaS 在规模化和销售方面的游戏规则
特别是对于向企业销售产品的软件公司而言，人工智能正迫使软件公司的增长方式发生根本性变革。一个主要的反复讨论的话题，是从传统的 SaaS“按席位”计费转向基于成果和/或基于消耗的定价模式。
Hayes：“当我们在 [VMware] 转向 SaaS 模式时，主要问题在于……你需要能够对每种产品进行计量。换句话说，我需要根据某种消耗指标向你收费。”
“我们现在看到的，从 SaaS 模式向 AI 世界的转变中，清晰度略有下降。终极目标是基于结果的定价……[即]‘我们将创造一系列共享价值，并将这些价值平分。如果我们没有创造价值，你就不必付费。’但并非所有公司都能承担这种风险。”
Gosher 考虑到不断变化的顾客期望，为定价和产品复杂性增加了另一个变数。
“我们观察到，副驾驶（Copilots）和对现有产品的增量增强正日益被视为基本要求。买家愿意付费的是全新的工作流和完全的产品新功能——特别是那些以根本不同的方式利用数据，从而提供以前无法实现的洞察的功能。”
当 LLMs 将重心转向营收时，额外的压力也将随之而来。
Chingkoe：“就像世界上任何其他风险投资模式一样，在某个时间点，LLMs 可能会停止以补贴价格提供 token，并寻求提高价格。我们都记得 Uber 为了垄断市场而推出的 2 美元打车服务。我们预计同样的调价也会发生在这里。突然之间，你的查询会受到速率限制，组织必须开始管理调用量、支出和投资回报率。在最近发布的版本中，人们已经开始经历这种情况。虽然有许多因素（如 AI 基础设施的发展方式）将有助于决定最终状态，但在任何情况下，我们今天所认知的 SaaS 损益表都将被重构。”
“当某家大模型厂商最终在领地之争中胜出，并决定专注于变现时，对于那些已经习惯了依赖补贴性 AI 使用的企业来说，过程将会非常痛苦。这将是对所有人的考验——包括那些依靠 AI 来裁减人力成本的组织、利用 AI 进行构建和开发的初创公司，以及已经产生技术依赖的个人。”
除了定价，AI 也在改变买家的旅程。
Dominguez：“ 生成式引擎优化 (GEO) 正在改变公司的呈现方式。传统的网站和传统的内容已经无法胜任。我们看到一些最优秀的公司在思考：‘当有人想要购买我的产品时，LLM 会向他们呈现什么？’”
“你的工作是去施加影响……因为 LLM 会说：‘这里有 10 家供应商’，而我会回复：‘好吧，缩减到 3 家，并告诉我应该买哪一家’，所以无论对错，我已经做出了决定。”
“想想我们的父母在 30 年前是如何买车的。没有任何信息。你直接去经销商那里，然后说：‘教教我吧’。”
“现在，由于 LLMs 的存在，在我与人交谈时，我已经掌握了 80% 到 90% 的信息，并且已经做出了决定……人们出现时会说：‘我愿意为此支付 45,000 美元，我非常清楚这个引擎的功能，我知道你们停车场里所有的车型，我甚至连车架号（VIN）都有了。’”
我们也看到，AI 发展的速度在某些情况下导致企业推迟购买决策。
Hayes: “我与许多财富 10 强、50 强、100 强企业的高管会面，他们对做出采购决策犹豫不决，因为 AI 和技术列车正飞速前进。这可能导致无休止的决策瘫痪。”
尽管存在这些动荡，但那些能够在整合 AI 的竞争中保持运营简单的公司，才是最有望获得成功的。
Hayes 再次强调：“你必须不断地将‘简洁’注入公司的根基……我认为这在任何时候都是真理，即便是在 AI 时代。”
“市场变化如此之快，以至于一种 Meta 技能正成为公司在特定时刻所需具备的特质，同时还要兼顾可重复性……将敏捷性构建到运营模式中。设计一个让个人可以失败、但组织不会失败的机构。”
创始人及领导者在 2026 年应关注的重点
Gosher：“紧迫感。领导者需要加快行动——他们不能停滞不前，不能等待，时机就在当下，否则就会掉队。他们必须将心态从扩张期心态转变为初创期心态。”
Dominguez：“在经历了一年的人工智能实验后，领导者现在需要聚焦。选择几个高影响力的使用场景，进行深度执行，并交付真正的价值。推动人工智能的采用需要清晰的领导力、高层的授权以及问责机制。它应当具备战略性并植根于文化之中，建立在坚实的数据基础和流程之上。”
Powell：“在 AI 驱动的世界中，CEO 们应该像狂热者一样去影响组织的变革——直接与领导团队合作，将变革一路推动到组织底层的每一个个体。”
Chingkoe：“速度至关重要。构建专有的反馈或强化学习闭环——让顾客数据、洞察和决策持续改进产品——可以创造防御力。如今许多 AI 初创公司依赖于叠加在工作流上的通用 LLMs，这虽然能释放价值，但很容易被复制。快速行动以构建差异化至关重要，尤其是在注意力和资本正涌入这些市场的情况下。”
Lichtenstein：“增长——但必须是高效的增长——应该是重中之重。在过去的几个季度里，我们已经开始看到增长重新加速的拐点。在保持高效的同时维持这一势头是最重要的对焦。AI 可以作为重要的加速器和顺风动力，公司应该深思熟虑如何去杠杆化利用它。”
Sinai：“ 现在存在一些 AI 表面装点。请专注于你究竟如何开发核心功能来为顾客解决问题？AI 功能在哪些方面真正帮助你的顾客解决了一个有意义的问题？”
Hayes：“最关键的能力是组织的敏捷性——即根据需要演进产品路线图的能力，同时不试图取悦所有人。这意味着保持灵活性、保持专注并避免停滞。”
编者注： 本博文包含有关人工智能未来的前瞻性陈述和预测。这些陈述基于我们目前的预期和假设，实际结果可能与这些陈述中表达或暗示的结果存在重大差异。本博文提供的信息仅供参考，不构成财务、投资或专业建议。本博文不应被视为购买、出售或持有任何特定投资或证券的建议。对人工智能及相关技术的投资涉及固有风险，过往业绩并不代表未来结果。
-2.jpg)
