AI 對創業者最大的幫助，不只是「幫你寫程式」。更大的改變是：很多原本要靠團隊、顧問或外包才能完成的事，現在可以先交給 AI 做第一輪。
例如，你可以請 AI 幫忙整理市場資料、比較競品、寫訪談問題、做簡單原型、檢查程式碼安全風險，甚至整理客戶回饋。這讓早期創業者不必一開始就急著招滿團隊，也能更快驗證：這個問題是不是真的存在？這個產品有沒有人願意用？下一步該先補哪個洞？
Anthropic 在 5 月 14 日發布的官方手冊《The Founder's Playbook: Building an AI-Native Startup》，就是在回答這個問題：如果一家公司從第一天就把 AI 當成基礎工具，創業流程會怎麼改變？
這份 36 頁手冊把新創公司從點子到成長拆成 4 個階段：Idea、MVP、Launch、Scale。每一階段都說明目標、常見失敗原因、該用哪種 Claude 工具，以及可以照做的練習。
簡單來說，這是一份「AI 時代創業流程表」。
創辦人的角色，從自己做事變成指揮系統
過去創業很吃分工。技術創辦人負責寫程式，商業創辦人負責簡報、募資、找客戶；如果缺某種能力，就得找共同創辦人、請外包、招員工。
但 Anthropic 認為，AI 正在改寫這個分工。創辦人不再只是單一任務的執行者，而更像是協調者：把研究、寫作、開發、測試、客服、營運流程，分派給不同 AI 工具協助完成。
手冊甚至用「10 人團隊也能拚獨角獸」來形容這個變化。意思不是說 10 個人一定能做出市值 10 億美元公司，而是 AI 讓小團隊可以做到過去大團隊才能處理的工作量。
手冊也提到幾個案例。Anything 平台靠 Claude 協助 150 萬名使用者把想法變成可運作的軟體產品；Carta Healthcare 每年用 Claude 處理 2.2 萬筆外科手術案例，把資料抽取時間壓縮 66%。
雖然這些數字是 Anthropic 自述，但可以看出它想傳達的方向：AI 不只用來聊天，也開始進入產品開發與營運核心。
三種 Claude 工具，各自適合不同工作
這份手冊也把 Claude 的三種使用方式分得很清楚。
- Chat：適合短任務，例如問問題、整理一句摘要、快速檢查一個想法。
- Claude Cowork：適合較長的知識工作，例如整理一整批訪談、每週彙整 KPI、連接資料夾與工具。
- Claude Code：適合工程任務，例如讀程式碼、改 bug、建立原型、跑測試、做安全檢查。
也就是說，不是所有任務都丟進同一個聊天視窗。Anthropic 的建議是：先看任務屬性，再選工具。要快速討論，用 Chat；要整理大量資料，用 Cowork；要碰程式碼，用 Claude Code。
第一階段 Idea：先確認問題真的存在
Idea 階段就是點子階段。這時最重要的不是馬上做產品，而是確認你想解的問題是否真的存在。手冊稱為 problem-solution fit，也就是「問題和解法是否對得上」。
Anthropic 提醒，AI 寫程式太快反而會帶來新風險：創辦人可能還沒確認需求，就急著把產品做出來。手冊引用既有產業統計指出，過去有 42% 的新創失敗，是因為做出沒人需要的產品；在 agentic coding 工具普及後，這個錯誤可能發生得更快。
這一階段，AI 最適合拿來做三件事。
第一，幫你把模糊的點子變成可驗證的假設。例如不要只說「合約審查太慢」，而是改成「中型企業內部法務每份合約審查超過 3 天，因為紅線散在 email 串裡」。這樣才知道該問誰、驗證什麼。
第二，幫你估市場規模。手冊提到 TAM、SAM、SOM，分別可以簡單理解成：整個市場有多大、你實際能服務的市場有多大、短期最可能吃下多少。
第三，請 Claude 扮演反方。你可以要求它找出這個點子為什麼會失敗，或替競爭對手寫一段會打敗你的論述，避免只看到自己想看的證據。
到這一步，才適合用 Claude Code 做一個很輕的原型。手冊強調，這個原型不是正式產品，而是拿去給目標使用者「摸摸看」、幫你驗證方向的道具。
第二階段 MVP：先做最小版本，但不要埋技術債
MVP 是 Minimum Viable Product，中文常譯為「最小可行產品」。意思是：先做出一個功能最少、但足以驗證需求的版本，不是一開始就把完整產品做滿。
在 AI 時代，MVP 會變得更快。非技術背景的創辦人，也可能用 Claude Code 做出可跑的產品雛形。但 Anthropic 特別提醒，速度不是唯一變數。
最大風險是 agentic technical debt，也就是「代理式技術債」。白話說，如果你每次都讓 AI 從零開始猜你的架構、規則與取捨，程式碼很快就會變成：每個模組看起來都能跑，但整體沒有一致邏輯。
所以手冊建議，在開始寫程式前，先用 Claude 建一份 CLAUDE.md。這份文件可以記錄專案架構、命名規則、接受哪些依賴、哪些做法不要用。之後每次開新的 Claude Code 工作階段，都先讓它讀這份文件，避免每次重來。
同時，也要寫清楚產品範圍：這版要做什麼、不做什麼、什麼條件達成後才新增功能。這件事聽起來很基本，但在 AI 可以快速加功能的情況下，反而更重要。
上線前，手冊也建議用 Claude 做一輪安全檢查，例如登入驗證、API 是否暴露資料、輸入是否可能被注入攻擊、套件是否有已知漏洞。
不過 Anthropic 也提醒，AI 安全掃描只是輔助，不能取代正式的資安或合規審查。Claude Code Security 目前也仍是 limited beta，並非所有用戶都能使用。
第三階段 Launch：別讓創辦人成為公司瓶頸
Launch 是產品上線、開始接觸更多用戶的階段。這時問題會從「做不做得出來」變成「能不能穩定運轉」。
Anthropic 指出，很多創辦人在 MVP 階段親力親為是優勢，但到了 Launch 階段，反而會變成瓶頸。只要客服問題、客戶回饋、產品決策、銷售資料都卡在創辦人身上，公司就很難長大。
這時 Claude Cowork 可以拿來盤點營運流程：哪些工作可以完全自動化？哪些工作需要人，但不一定需要創辦人？哪些決策真的還必須由創辦人親自判斷？
Claude Code 則可以用來做架構稽核，把 MVP 時期留下的技術債排成優先順序。若公司要賣給企業客戶，也可以用 Claude Code 先做一輪 SOC 2、GDPR、HIPAA 等合規相關檢查，整理企業採購會關心的文件與修補清單。
第四階段 Scale：護城河不是程式碼，而是累積
Scale 是擴張階段，也就是產品從早期用戶走向更大市場。到了這一步，Anthropic 認為 AI 原生新創真正的護城河，不是程式碼本身，而是累積下來的東西。
這些累積包括：對特定產業的理解、客戶使用資料、產品工作流、和其他工具的整合深度。因為程式碼可以被 AI 更快寫出來，單純「我有功能」不再那麼稀缺；真正難複製的是你長期累積的領域知識與客戶工作流程。
手冊建議，創辦人可以把自己的產業知識、常見地雷、客戶術語、成功案例，整理進 Claude Projects、Memory 或 Skills，讓 Claude 逐漸懂你的公司與市場。
同時，也可以用 Claude Code 把使用者行為資料轉成產品改進的回饋迴圈，整理出一套「資料飛輪」敘事。這對投資人或企業客戶都很重要，因為它回答的是：為什麼資源更多的競爭者，不能明天就複製你？
讀這份手冊前，要注意三件事
第一，這份手冊本質上是 Anthropic 的產品文件。它的方法論有參考價值，但預設你會使用 Claude、Claude Cowork、Claude Code。實際導入時，仍可以把概念拆出來，改用 Cursor、Replit、Devin 或其他工具。
第二，部分數字是 Anthropic 自述或引用既有產業資料。例如「42% 新創因為做出沒人要的產品而失敗」不是 Anthropic 自家研究；Anything 150 萬使用者、Carta Healthcare 節省 66% 資料抽取時間，也都應視為廠商案例，而非第三方驗證結果。
第三，手冊談到的一些能力仍有使用門檻。例如 Claude Code Security 目前是封閉測試，不是所有使用者都能開。
結語：AI不會替創辦人決定方向
這份手冊最值得看的地方，不是它列了多少 Claude 功能，而是它把創業流程重新排了一次順序。
當 AI 讓「做出東西」變得更快，創業者最該小心的反而是：不要太快做錯東西。先驗證問題，再做 MVP；先寫清楚範圍，再讓 AI 加速開發；先把營運流程拆開，再交給工具協助；最後，才把累積下來的知識、資料與工作流變成護城河。
換句話說，AI 不會替創辦人決定方向，但會把方向錯誤的代價放大。用得好，它是小團隊的放大器；用不好，它只會讓你更快、更有自信地，打造一個沒人需要的產品。
資料來源：The founder's playbook: Building an AI-native startup（Anthropic 部落格）、The Founder's Playbook PDF 全文（Anthropic）、Why Startups Fail: Top Reasons（CB Insights，42% no market need 脈絡）
本文初稿為AI編撰，整理．編輯/ 李先泰
