AI Native 创业（三）：创始人从执行者变成编排者
AI 没有让创始人变轻松，它只是把创始人的工作从亲自执行，推向设计系统、分配判断和编排智能体。
Jonathan
创始人
创始人不再由“会什么”定义
这是 AI Native 创业系列的创始人角色篇。核心问题不是“创始人如何多用几个 AI 工具”，而是：当 AI 能承担研究、构建和运营任务后，创始人的判断、编排和上下文设计责任如何变化。
The Founder’s Playbook 第二章讲的是创始人角色的变化。
过去，创始人经常按能力分工：技术创始人写代码，非技术创始人做销售、融资、运营和市场。这个分工背后有一道墙：会构建的人，和有想法、有行业知识的人，不一定是同一群人。
AI 把这道墙打薄了。
非技术创始人可以用 agentic coding 做出生产级产品。技术创始人也可以用 AI 生成市场分析、财务模型、销售材料和投资人 memo。创始人的能力边界被扩展，不再被自己过去的专业技能锁死。
但这并不意味着每个人都自动变成全能创始人。
更准确地说，创始人的工作从“我亲自做什么”变成“我如何让一套系统正确地做事”。
执行减少，编排增加
原文用了一个很关键的词：orchestrator。
AI-native startup 里的创始人，不再只是 individual contributor，而是多个 AI agent、工具、流程和少量团队成员的编排者。AI 可以读文件、跑命令、写代码、浏览网页、整理文档、连接系统，但它不知道什么最重要，也不知道什么后果不能承受。
创始人的注意力因此上移。
过去你可能花大量时间写代码、整理表格、手动更新 CRM、追支持工单、做周报。现在这些任务仍然要做，但不一定由你亲自做。你更需要决定：
- 哪些问题值得研究？
- 哪些功能值得做？
- 哪些反馈是噪声，哪些是信号？
- 哪些流程可以自动化，哪些必须保留人工判断？
- 哪些上下文必须写进系统，不能只留在脑子里？
这不是放手不管。恰恰相反，它要求创始人更清楚地知道自己在编排什么。
三类 AI 能力
原文把 AI 对早期公司的帮助分成三类：研究、agentic coding、工作流自动化。
我会把它翻译成更中立的创业能力。
第一类是 认知杠杆。AI 帮你做市场研究、竞品分析、行业报告整理、访谈总结、反向验证和文档生成。它像一个随时可调用的研究助理，但结论是否可信，仍然取决于你问了什么问题、给了什么材料、是否要求它找反证。
第二类是 构建杠杆。Agentic coding 把从想法到原型、从原型到 MVP 的距离压短。它能生成、测试、调试和重构代码，但它不会自动知道产品边界，也不会替你承担安全、架构和技术债的后果。
第三类是 运营杠杆。AI 可以让 CRM 更新、周报生成、文档同步、支持工单路由、销售跟进和合规检查更自动化。它减少创始人在重复性运营里的损耗，让你把注意力留给更高杠杆的判断。
这三类能力放在一起，才构成 ultra-lean startup 的基础。
现有数据在这里尤其重要
这一章有一个容易被忽略的点：AI 能不能像一个更大的组织一样工作，取决于它能不能看到组织原本分散的数据。
如果 AI 只能和你聊天，它只是一个助手。
如果 AI 能读客户访谈、CRM、产品分析、代码仓库、支持工单、会议纪要、销售邮件和内部文档，它才开始接近一个可编排的公司系统。
所以创始人角色变化的背后，其实是公司信息结构的变化。
过去，创始人把很多上下文存在脑子里。早期这样很快，因为所有事都靠你串起来。但当 AI 进入工作流后，这种做法会限制系统能力。AI 看不见的上下文，就不能被复用；没有被写下来的判断，就会在下一次 session 里重新解释；没有结构化的数据，就只能被总结，不能进入流程。
创始人要做的第一件事，是把自己脑子里的隐性知识外部化。
比如：
- 为什么这个客户反馈比另一个更重要？
- 哪些行业词汇不能按字面理解？
- 哪些客户看起来相似，其实采购动机完全不同？
- 哪些功能请求是核心路径，哪些只是大客户噪声？
- 哪些安全和合规问题不能等到以后再补？
这些不是“文档洁癖”。这是给 AI-native 公司铺设上下文轨道。
创始人应该保留什么
既然 AI 可以做这么多事，创始人应该亲自抓什么？
我会保留四类工作。
第一，方向判断。AI 可以给建议，但不能替你决定公司相信什么、拒绝什么、先做什么。
第二，用户理解。AI 可以整理访谈，但创始人必须亲自听到用户的语气、迟疑和真正的痛点。
第三，关键取舍。比如速度和安全、定制和产品化、短期收入和长期定位之间的冲突。
第四，系统设计。哪些工作交给 AI，哪些交给人，哪些必须形成闭环，哪些需要审计和权限边界。
AI-native 创始人不是把自己从公司里拿掉，而是把自己从低价值执行里解放出来，回到更难也更重要的位置。
这一章应该沉淀什么
这一章最适合沉淀两个 artifact。
第一个是 Founder Priority Map。列出当前所有创始人亲自处理的任务，把它们分成三类：
- 必须由创始人判断。
- 可以由人处理，但不必是创始人。
- 可以交给 AI 或自动化流程。
第二个是 Context Externalization List。列出现在只存在于创始人脑子里的关键知识，把它们变成文档、规则、示例、决策日志或工作流。
这两个 artifact 的组合，才是“创始人从执行者变成编排者”的实际起点。
小结
AI 时代的创始人并没有变轻松。相反，创始人的判断会更重。
因为执行速度越快，错误方向造成的浪费也越快。工具越强，越需要有人知道该往哪里用、何时停、什么不能交给系统自动决定。
创始人的新工作，不是做所有事，而是设计一套能持续学习、持续执行、持续纠偏的公司系统。
本文是 Anthropic The Founder’s Playbook: Building an AI-Native Startup 的中文拆解系列第三篇。