麥肯錫最新發佈《如何利用AI更快更好地建立業務》：AI 最根本的變化，是讓小團隊產出大幅提升
麥肯錫最新發佈的《How to build businesses faster and better with AI》（《如何利用AI更快更好地建立業務》）報告告訴我們：“一家估值十億美元的公司，可能只需要十來個人、甚至單槍匹馬的創始人就能打造出來”，正在逐步成為現實。
這份報告核心觀點為：AI 已經不再被看作是“輔助工具”，而應被看作企業新業務建構的全新作業系統。它徹底改寫了團隊規模、資金需求和上市時間這些傳統限制，讓創新變得更快、更省、更有效率。對於正在尋求增長的企業領導者來說，這是一份極具實戰價值的戰略手冊。
報告指出，即使在經濟不確定性下，企業新業務建構仍是戰略重點。2025 年麥肯錫新業務調研顯示，43% 的領導者比前一年更重視新業務建構。同時，績效預期也在提高：2025 年已有 61% 的企業新業務營收超過1000萬美元，比2023年的45%大幅提升；新業務達到這一營收水平所需時間，從 2023 年的 38 個月縮短到 2025 年的 31 個月；已實現盈虧平衡的業務中，61% 在兩年內完成。
AI 正是推動這一績效飛躍的核心驅動力。麥肯錫分析 2018-2024 年數百個新業務案例發現，2023-2024 年AI時代誕生的業務，在人均產出和每美元產出上都表現出色。另一家早期風投機構 Antler 的調研也印證：93% 的公司表示 AI 加速了執行，其中近一半提到速度提升高達五倍。
那麼，AI到底如何為新業務創造價值？報告總結了三個關鍵維度：創新周期、生產力和速度。
AI 如何放大創新與創意
AI 像一個超級創意放大器，能讓團隊快速生成、測試和最佳化想法，極大擴展探索範圍。麥肯錫的Beacon平台就是典型例子，它利用agentic AI（代理式AI）結合專有市場資料、第三方資料集和客戶資料，幫助團隊在幾小時內完成過去需要幾周的 workshop，快速篩選出高潛力業務機會。
舉例來說，傳統做法是逐個訪談客戶，而 agentic AI 可以同時進行多場代理通話，合成洞見，並生成“合成客戶畫像”。這些畫像基於訪談記錄、銷售筆記和產品使用資料，成為隨時可用的“客戶聲音”，讓團隊能即時壓力測試新想法和文案，而不用每次都依賴真人訪談。
此外，AI 還能通過快速數字行銷實驗驗證價值主張：自動生成多種標題和視覺組合，跑小規模測試，比較點選率，再決定大額預算投入。這樣一來，團隊能探索更多想法、更早獲得可靠的市場訊號，把有限資源集中到最有前景的機會上。
AI 如何加速業務速度
一旦想法被驗證，AI 就能大幅縮短從概唸到 MVP（最小可用產品）的建構和上市周期。它自動完成設計、編碼、行銷等知識密集型工作，讓迭代幾乎即時進行。
一個財富管理新業務案例中，團隊引入agentic AI factory（代理式AI工廠），讓多個AI代理覆蓋軟體開發全流程——從需求到架構、編碼、測試——人類工程師只在關鍵決策點把關，結果首版MVP交付速度直接翻倍。類似地，AI壓縮了上市時間，讓企業更早獲得市場反饋，速度本身就成了競爭優勢。
AI 如何重塑生產力
AI 最根本的變化，是讓小團隊產出大幅提升。它把“人+工具”模式升級為“人+代理”混合團隊，把人才從重複勞動中解放出來，專注於判斷、決策和關係建構。
一個B2B銷售技術新業務裡，團隊部署了銷售材料代理，基於解決方案專長、客戶情報和最佳實踐，自動生成個性化價值主張、故事線和會議指令碼。人類銷售員只需最終稽核，結果團隊生產力至少提升 1.5 倍，重點轉向客戶互動而非內容創作。
另一個建築公司軟體新業務案例更驚人：過去銷售團隊手動做潛在客戶挖掘、研究、排序和個性化郵件，現在 agentic AI 接手上漏斗任務， 外展活動量提升 25 倍，點選率更是翻倍以上。生產力飛躍讓團隊能長期保持小規模，減少協調成本，同時提升資金效率。
這些創新、速度和生產力的提升相互強化：更多想法、更早訊號、更低成本試錯、更快規模化，最終大幅改善新業務經濟學。
三大戰略轉變：讓 AI 真正落地
光有工具還不夠，報告強調高績效AI優先新業務必須完成三大轉變：
第一，重設績效預期：從漸進式到階躍式提升
領導者應該大膽設定更高目標——追求生產力翻倍不再是奢望。小團隊要完成過去大團隊的工作。AI 要端到端嵌入，從產品開發、客戶發現到行銷、營運、財務，每一個角色都設計成與代理協同。重點不是“更快做同樣的事”，而是把關鍵學習提前到生命周期前端：更早驗證客戶、更快迭代產品、更早發現市場訊號，從而把資源集中到真正有產品-市場匹配的機會上。
第二，建構 AI 骨幹：打造新業務營運層
傳統“隔離保護”新業務（ring-fencing）依然重要，但還不夠。今天的新業務既要保護又要“超能”——需要從第一天起就擁有企業級AI基礎設施。核心是資料：新業務即時訊號+企業歷史基準，形成可規模化治理的資料基礎。同時，企業要提供共享業務語境、分析模型治理、受控代理工作流、共享平台和專業AI人才。這樣，團隊就能專注產品和增長，而不必重複搭建底層架構。
第三，設計 AI 優先團隊：編碼頂級人才的專業能力
AI 讓少數精英就能撬動大成果，因此選人和團隊設計變得更關鍵。核心做法有三：
- 通過“代理化”（agentification）規模化專家能力，把文件、流程和頂尖人才的隱性知識轉化為可復用代理；
- 打通業務與技術，讓業務專家定義價值創造邏輯，技術團隊將其轉化為可靠系統；
- 打造放大專業能力的飛輪——如一家製造企業把高管定價決策邏輯編碼進AI模型和平台，隨著使用資料反饋，模型不斷自我最佳化，決策能力隨業務規模指數級提升。
行動：現在就開始重構
新業務的作業系統已經改變。那些果斷重設預期、建構 AI 骨幹、設計 AI 優先團隊的領導者，將以完全不同的經濟學贏得競爭。反之，把 AI 當成附加工具或遲疑不前，就可能落後於時代。
這份麥肯錫報告為所有尋求增長的企業提供了一套實用打法：把AI真正當成核心能力，以人為中心，重新設計流程、團隊和預期。 (AI資訊風向)