Anthropic 在 2026-05-14 推出 35 頁 eBook《The Founder’s Playbook: Building an AI-Native Startup》，把傳統創業四階段（Idea → MVP → Launch → Scale）按 2026 年的 agentic AI 能力重排。這份文件同時是 Chat / Cowork / Claude Code / Claude Security 的銷售文件 — 它跟 Claude for Small Business（5/13 上線）是同一波 downmarket campaign 的一部分。文件值得讀，但有一處跟 Anthropic 自家 safety 文件直接矛盾的建議，照著做會在第一張企業合約來之前先吃 enforcement action。
四階段框架：每階段的 exit 條件變嚴格了
Playbook 的主架構不新 — Lean Startup 的 validation-first 邏輯還是主軸 — 但每階段「該做什麼／不該做什麼」按 2026 年現實重寫過。
Idea：目標是 problem-solution fit，工作主要是研究、客戶訪談、競品分析。Exit 條件：「能精確說出誰有這個問題、發生多頻繁、有多嚴重、目前怎麼解決」。Playbook 引述 CB Insights 的數據 — 「42% of startups failed because they built something nobody wanted」 — 然後直接點出新時代的失敗模式：
Many first-time (and even experienced) founders mistakenly believe that AI short-circuits that requirement, turning the flow into have an idea → immediately build a prototype → treat the existence of the prototype as validation.
注意這個 42% 數字其實 2026-03 已經被 CB Insights 更新成 43%（樣本擴大到 431 家 2023 年之後關掉的公司），方向沒變但 footnote 沒跟上。
MVP：目標是 product-market fit。Playbook 對這階段最在意的不是「快」而是「兩件事一起做」— 把產品做到能驗證 PMF，同時不要累積會在 Launch 階段爆炸的「agentic technical debt」。它把 PMF measurement framework 強制前置 — retention benchmark、activation criteria、Day 7 / Day 30 目標必須在 MVP 上線之前就訂好，理由是「上線後才訂指標的 founder，會用『證明在 work』的指標、不會用『surface 哪裡沒 work』的指標」。
Launch：目標從「證明產品該存在」變成「證明公司該長大」。Exit 條件兩條：(1) 成長變 channel-driven、CAC/LTV/payback 算得出來；(2) 「Operations run without founder bottlenecks」— 創辦人不再是支援、triage、sprint planning、報表的單點。
Scale：目標是 defensible moat。Playbook 把 moat 拆成三條腿 — 後面單獨講。
三個反直覺主張
Lean Startup 已經講了 14 年的觀念，這份手冊新加的價值在於明確指出 agentic AI 把哪些舊風險放大、哪些新風險引進來：
1. Build 越容易，validation 越重要。傳統時代 build 成本本身就是煞車，現在沒了，「prototype 已存在」被當作 validation 的機率反而升高。Playbook 寫得很直白：「The prototype becomes a reason to believe the hypothesis was right all along, without ever testing whether it’s actually true.」
2. Confirmation bias 現在有研究引擎加持。直接告訴 AI「幫我證明這個想法可行」會得到很有說服力的答案；要 AI 算 TAM 會給出剛好讓你的 deck 過關的數字。Playbook 的反制動作是把 Claude 當作結構性 devil’s advocate，在每個關鍵節點問「最強的反論是什麼」、「哪些 disconfirming evidence 我漏看了」。
3. Scope creep 變成 zero-friction。「再加一個 edge case」「再做一個 workflow」傳統時代的煞車是 engineering cost，現在每個 feature 都「只要一個下午」。Playbook 要求在 MVP 開始之前就寫一份 scope doc，明確列出「我們做什麼、刻意不做什麼、什麼樣的真實證據才會觸發新 feature」。
這三條的共同特徵：傳統失敗模式沒消失，只是踩進去的速度變快、自己很難察覺。
產品分工矩陣：Chat / Cowork / Code
Playbook 給了一張很實用的決策表 —
| 任務 | 用 | 為什麼 |
|---|---|---|
| 問題、改寫、快速 brainstorm | Chat | 快、對話式、零設定 |
| 從多個檔案/系統做研究、分析、產出完整文件 | Claude Cowork | folder access、connectors、skills、scheduled runs |
| 寫、測、部署軟體 | Claude Code | codebase 存取、diffs、git、開發環境 |
底層是同一個 Claude，差別在「workspace 圍繞它的長相」。產品矩陣的真實狀態值得補一下背景：
- Claude Cowork 2026-01 才以 research preview 上線，2026-02-24 補上跟 Google Drive / Gmail / DocuSign / FactSet 的 connector 與 plugin
- Claude Code Security 在 Playbook 出版時還是 limited beta（文件腳註特別標注「check current availability」），實際上 2026-04-30 已改名 Claude Security、用 Opus 4.7、進入 Enterprise public beta，Team/Max 後續跟進
Playbook 沒提的是 Cowork 與 Claude.ai Enterprise 的合規能力差異 — 後面單獨講這個。
Scale 階段：moat 的三條腿
Scale 章節是整份文件最值得抄筆記的部分。Playbook 把 AI-native startup 的可防禦性拆成三個來源：
1. Domain expertise injection（把 founder 的領域知識變成 AI context）。 透過長期對話、Projects、Memory、Skills 把行業術語、法規 gotchas、edge cases、為什麼明顯答案不 work 的理由全部餵進 Claude。Playbook 給的例子很具體：「一般醫療帳單工具會在 340B 藥物計畫的請款上出錯，你的工具有專屬邏輯」。練習題是「找一個通用競品一定會搞錯的 vertical edge case，跟 Claude Code 寫成一個專屬 test case，每次看到類似 case 就加進去 — 你的 test suite 變成 moat 的地圖」。
2. User data flywheel（行為資料的時間鎖定優勢）。 使用者接受／拒絕哪些輸出、用哪些功能、放棄哪些 — 這些 behavioral fingerprint 「時間鎖定、context-specific、抄不來」。Playbook 強調這條 moat 的關鍵不是「有多少資料」而是「有沒有設計成回饋迴圈」 — 把資料變成系統性的模型改進，比單純累積 dataset 重要。
3. Workflow lock-in（嵌入越深越難換）。 使用者在你的產品上建 automation、訓練同事、接資料來源、開發 prompts — 這些累積的不只是依賴，是組織內的「換軌成本」。Playbook 的具體建議：用 Claude 為 top 10 客戶做 workflow integration audit，估算每個客戶的 switching cost，找出哪些 integration 創造最深的 lock-in、缺哪些可以再深化。
三條腿的共通邏輯：moat 不是「有就有」，是要在 Scale 階段主動設計回饋迴圈、test suite、integration 深度，把每天使用累積成可量化的可防禦性。
CLAUDE.md：MVP 的第一個 artifact
Playbook 把 CLAUDE.md 升格成「不是工程師的便利檔，是 MVP 第一個該存在的 artifact」。原文這段很直接：
Without specs and architectural constraints written down somewhere the AI can read, each session re-derives foundational decisions from scratch, and those decisions drift.
它的建議流程：在打開 Claude Code 之前，先用 Claude 整理出你要 build 什麼、解決什麼問題、未來六個月預期的規模 — 把產出存成 CLAUDE.md。每個 Claude Code session 開頭重看一次 scope doc 與 architectural context，結尾用 5 分鐘加一條 log 記錄這次 session 做了什麼決定、引進什麼假設。
這條建議的價值在於它把「agentic technical debt」具體化了 — 不是程式碼層的 bad code，而是「session 之間缺乏 shared mental model」的結構性問題。沒有持續維護的 context 檔，每次 Claude Code 跑都是重新 derive 一次架構假設，最後 codebase「每塊都對，但合不起來」。
跟 Lean Startup 比，真新意是什麼
把 Playbook 跟 Eric Ries 的 Lean Startup（2011）並排比較：
| 維度 | Lean Startup | Founder’s Playbook |
|---|---|---|
| Validate vs build 順序 | Build-Measure-Learn 迴圈，MVP 即測試 | Validation 強制前置，明確警告「prototype ≠ validation」 |
| 對團隊規模假設 | 小團隊 | 1 人即可，AI 補滿剩下角色 |
| Tooling 假設 | 不指定 | 預設 Claude Chat + Cowork + Code 全套 |
| Moat 來源 | 學習速度 | domain depth + user data flywheel + workflow lock-in |
| Bottleneck 認知 | 學習與假設驗證 | what to build（取捨判斷力） |
核心方法論 90% 沒變。真正的新意有三條：(a) 把 agentic coding 把 cost-to-build 砍到接近零後的失敗模式系統性分類；(b) 引進「persistent context」（如 CLAUDE.md）作為新基礎建設；(c) moat 配方加進 user-data flywheel。
一個跟自家 safety doc 矛盾的建議
Playbook 最大的內傷在 Launch 章節「Make security and compliance a product workstream」這節。原文建議：
Build the compliance workstream into your development cycle rather than running it as a one-time project; compliance documentation needs to be continually maintained and updated.
實作方式：用 Claude Code 掃 SOC 2 / GDPR / HIPAA audit 常見問題、用 Claude Cowork 把合規流程嵌進開發週期。
問題在於：Cowork 的活動不寫入 Anthropic 的 audit log、不在 Compliance API、不能 data export。多家獨立安全廠商已經點名這個 gap — IRM Consulting 的說法很直接：「Anthropic is explicit: do not use Cowork for regulated workloads. This is not a grey area.」
依 TechTimes 2026-05-16 的對照文章：
Claude Chat at the Enterprise tier includes full audit logs, Compliance API access, and 180-day export capabilities. Cowork does not. A founder who builds a compliance workstream on Cowork — precisely what the playbook recommends — would find that workstream invisible to the very auditors the compliance effort is meant to satisfy.
Playbook 唯一的免責是兩段之後一句「AI scans are an aid but not a substitute for qualified compliance review」 — 沒有講真正的 audit-log gap。對處理 SOC 2 / HIPAA / PCI-DSS / GDPR / CMMC / ISO 27001 範圍資料的 founder，這條建議照著做會出事。
這不是設定問題，是 Cowork 的架構限制。Cowork 是 Anthropic Labs 的 research preview 出身的產品，當初設計目標是個人生產力，不是企業合規 — 合規該用 Claude.ai Enterprise tier（有完整 audit log、Compliance API 與 180 天 export），不是 Cowork。
怎麼讀這份文件
| 角色 | 怎麼讀 |
|---|---|
| 第一次創業、想知道 AI 時代工作流 | 直接讀，特別看 Idea / MVP 兩章 |
| 有 domain expertise 無工程背景 | Scale 章節 moat 三條腿值得抄筆記 |
| 已過 PMF 的成長期團隊 | 跳到 Launch 章節看 founder-bottleneck audit 練習 |
| 處理 regulated data（醫療／金融／支付） | 不要照 Launch 章節做合規 — 用 Claude.ai Enterprise，不要用 Cowork |
| 找供應商中立建議 | 不是這份；整本書建議都圍繞 Claude 產品矩陣 |
整體來說
這份 Playbook 最有料的不是方法論本身 — Lean Startup 講過了 — 而是 Anthropic 直接點出 agentic coding 把哪些舊風險放大、哪些新風險引進來，並把對應的紀律寫成可執行的 exercise。「Build 越容易、validation 越重要」、「CLAUDE.md 是 MVP 第一個 artifact」、「moat 配方多了 user-data flywheel 這條」這三條是值得抄走的核心觀念。
該打折扣的地方也很明確：合規建議跟自家 safety doc 矛盾、「one-person unicorn」基調過度樂觀（最常被引用的 Medvi 案例同時也吃了 FDA warning letter、合作方資安外洩、客服 chatbot 編造藥價），整本文件是供應商角度的最佳實踐，不是中立的創業指南。
當作「一份知道內情的供應商寫的實戰建議」讀很有用；當作「這就是 AI 時代創業的全貌」讀會踩雷。
參考資料
- The Founder’s Playbook: Building an AI-Native Startup（原文 blog post）
- The Founder’s Playbook（PDF 全文）
- Anthropic’s New Founder Playbook Argues AI Has “Rebooted” the Startup Lifecycle — Here’s What Holds Up（TechTimes, 2026-05-16）
- Claude Security enters public beta with Opus 4.7 vulnerability scanning（Help Net Security, 2026-05-04）
- Anthropic’s Claude Security emerges from closed preview（The New Stack, 2026-04-30）
- Anthropic updates Claude Cowork tool for the average office worker（CNBC, 2026-02-24）
- Introducing Anthropic Labs（Anthropic, 2026）
- How three YC startups built their companies with Claude Code（Anthropic blog）
- How Carta Healthcare gets AI to reason like a clinical abstractor（Anthropic blog）
- Anthropic Startup Program Official Terms
- CB Insights: Top reasons startups fail
- Sonar: Thoughts on Claude Code Security
Loading...