打造 AI 時代的
一人公司

我曾經問過 AI：什麼是一人公司？

Google 的 AI 模式給我的是教科書式的答案：由單一自然人或法人出資設立、出資人是第一暨唯一股東的有限公司或股份有限公司，法律上常叫「獨股公司」。商業暢銷書《一人公司》（Company of One）則把它講成一種經營哲學：對盲目增長保持質疑，追求小而美與高靈活度。

ChatGPT 說得更貼近這個時代：一人公司不是字面上「只有一個人登記的公司」，而是一種新的事業型態——用一個人的核心能力，結合工具、外包、社群、內容與自動化，做出接近一家小公司的產值與影響力。

這些定義都對。但它們都是別人的定義。我真正在乎的那個定義，不在這裡。

你算是一人公司嗎？

曾經有人這樣問過我。我以前會回答：「算是。」

後來我才注意到那個「算是」。我講 AI 時代很篤定，講趨勢很篤定——毫無疑問，進到 AI 時代，過去一個人做不到的事，現在都做得到了。可是一講到我自己，我就用了「算是」。

老實說，那個「算是」其實沒什麼玄機：我只是還沒去登記公司而已。但無論是型態、心態或工作的樣貌，我老早都已經是一人公司了；嚴格來說，差的就是去完成那道登記的程序。

如果你問我，一個人到底要做到什麼程度，才真的算是一人公司，我想答案也許不會是那張紙。我的答案很簡單：

只要你有收入、有客戶，而且一個人能把業務運轉得開，這就算一人公司了。

所以，那兩個字「算是」，我們可以收起來了。

老實說，我以一人公司的形態，已經運作很多年。久到什麼程度呢？久到我已經記不得，自己人生第一筆「不是公司發的薪水、是別人直接付給我」的收入，是哪一筆了。有意思的是：第一筆錢我忘了，離開的理由我卻記得。我想這本身就說明了一件事——我在乎的，從來不是賺到的第一塊錢，而是「為什麼要走自己的路」。

它跟接案差在哪

把「算是」收起來之後，得先把一個常被混在一起的東西分清楚：一人公司，跟自由工作者不太一樣。

自由工作者，多半是接案換時間——有案就有錢，沒案就斷炊，工作一旦停下來，收入也就跟著斷炊。

但一人公司不是。它把能力產品化、系統化與資產化：同樣一身本事，不是賣一次就沒了，而是變成可以一再賣、一再放大的東西。好比有一位寫作者，如果他只是幫客戶寫文案，那比較像自由工作者；但如果他把自己的寫作方法整理成課程、電子書、模板、顧問服務或訂閱社群，再用網站、電子報、AI 跟社群持續把人帶進來——他就慢慢長出一人公司的樣子了。

差別不在他多會寫，而在他寫出來的東西，會不會替他繼續工作？

一個人，但不是單打獨鬥

很多人誤會一人公司就是一個人扛起所有責任，其實正好相反。真正運轉得順暢的一人公司，反而很少什麼都自己做。它靠的是五種槓桿：

• 工具槓桿：ChatGPT、Claude、Notion、Canva、電子報、金流、自動化——把雜事交給工具。
• 內容槓桿：把一次思考，變成文章、短影音、簡報、課程、電子報、書。想一次，用很多次。
• 產品槓桿：把知識變成可以重複賣的東西——線上課、顧問套票、模板包、會員社群。
• 人力槓桿：不是養一堆員工，而是需要時才找設計師、剪輯、助理、工程師。
• AI 槓桿：讓 AI 當你的研究、企劃、文案、客服或資料整理，甚至初步的產品開發夥伴。

所以，一人公司表面上是一個人在運作，背後其實是一套微型的組織系統。

專業、自律、熱情——然後呢？

這幾年我一直在思考一件事：一人公司要運轉得順暢，到底需要什麼？專業要夠好，這不用講。自律、熱情，大家也都知道。但我觀察下來，真正決定一個人吃不吃得開的，是專業、自律、熱情以外的那些東西。我把它，歸在一個叫「還有」的檔案夾裡。

除了專業，你還要能洞察客戶的需求，還要追得上市場的趨勢，還要會行銷、會銷售，還要把握得住人脈跟契機，還要開發得出市場真正需要的商品。這些，過去的課堂不太教。就算想惡補，以前也得砸下大筆金錢、人力、時間才補得起來。

那為什麼是現在？因為在 AI 時代，有大量的 AI 工具、AI 代理人，能幫一個人降低成本、放大績效。過去要一整個團隊、一整筆預算才做得到的事，現在一個人善用 AI 就能完成。我覺得就是在這個時間點，特別需要有人把這些東西，有系統地整理出來。

希老師

如果你問我，這些「還有」裡，最常把人卡住的是哪一個——我腦中會立刻浮出一張熟悉的臉龐。我姑且稱他希老師。

希老師的專業沒話說，得過獎、出過書、學養也豐富。他人很客氣，受過講師訓練，表達能力一流。他真正的問題是：他不知道怎麼把自己的專業包裝起來，然後順利地銷售出去。

讓我講得更具體些：他不是接不到課或顧問案——找他去上課、演講的單位其實不少。問題是，那些幾乎都是別人主動找上門、或朋友介紹來的；真要他自己開口去開拓一個新單位、開一班屬於自己的公開班，他很容易就卡死了。被動接案，他可以接得到；但主動開班，他卻開不了。

老實說，他不是沒努力。一整套 TTT（培訓培訓師）的技巧他都會。可是一到「商業化」這一關，他就有點跨過不去——即便擁有再強的專業，他就是沒辦法具體且穩定地變現。

但他還缺一塊，而且是關鍵的一塊：他手上沒有名單，以往也沒有經營自己的私域。我得誠實地說，不是他不願意做這些事——道理他都懂，他也不抗拒。他的問題是不會做。這個區別很重要：如果只是不願意，那是心態面的事；但他是真的不會，那就是能力的事了。而能力的缺口，是補得起來的。

這本書寫給誰

寫到這裡我才意識到，我其實已經把這本書真正要寫給誰，講出來了。不是那種嘴裡嚷嚷著想賺外快、卻只會做白日夢的上班族，而是像希老師這樣的人：實力無庸置疑，卻在把專業變現的過程中卡關，而且自己也說不太清楚，為什麼會卡住。

這樣的人，其實還不少。他們不缺專業，不缺自律，也不缺熱情。他們缺的，是那個一直被我用幾個字輕輕帶過的「還有」。這本書，就是想把那個「還有」說清楚。

上一章我們說清楚了：AI 是放大器，而放大器開到最大的時候，你的身分會從操作員，變成總監。

這一章，把它落地成一個很具體的東西——一支只屬於你一個人的團隊。一個總監，總得有一支團隊才指揮得起來。這一章，就是教你怎麼把那支團隊，從無到有，組起來。

把雜事交給工具

先問你一個問題：你一天的時間，真正花在核心工作上的，究竟有多少？我說的核心工作，是那種「只有你能做、做了會替你長出價值」的事——你的專業判斷、你的內容、你跟客戶之間真正重要的對話。不是回信，不是排程，不是把檔案從一個格式轉成另一個格式。

一人公司最大的時間黑洞，從來不是那些難的、重要的事，而是雜事——排程、整理、回信、找資料、轉檔、發布。每一件都不難，難的是它們的「量」和「碎」。它們很會偷時間，一件三分鐘，一天下來幾十件，加起來就是大半天。更糟的是，它們會把你的注意力切得稀爛，你才剛要進入狀況，又被一件雜事打斷。

過去，這些雜事你只能自己做，因為你請不起人專門做這些。現在不一樣了——這些雜事，正是 AI 最該替你扛下來的第一批工作。它不用薪水、不嫌事小、不會做到一半喊累。但這需要你先換一個心態。從「什麼都自己來」，換成每件事先問一句：這件事，非我不可嗎？

多數人忙，不是因為事情多到非他做不可，是因為他從沒停下來分過類——哪些是「只有我能做」，哪些只是「剛好我在做」。如果不是非你不可，它就該被交出去——交給工具，交給 AI。把那些「剛好你在做」的事交出去，你才空得出手，去做那些「只有你能做」的事。

我建議你從雜事開始練習。雜事出錯的成本最低，最安全；雜事最高頻，交出去之後放大的效益最大；雜事也最容易設計成一套固定流程。先從雜事學會「交出去」，你才慢慢學得會「指揮」，而不是永遠埋頭「親手做」。這是一個能力的養成順序：先學會交出去，再學會指揮，最後才學會把整套事情設計成系統。跳不過去的。

而你會發現，真正能把這支團隊帶起來的人，靠的往往不是技術。一位完全沒有任何程式基礎的按摩師，上完我的實戰工作坊之後，三個小時內，就架好了一個自己的服務銷售網頁——把療程、價格、預約方式全放上去，從此客人不必再一個一個私訊問。他會的，從來不是寫程式，是他太清楚自己的客人想知道什麼。

行銷經理劍雄，用 AI 做了客戶分析儀表板，每週省下八小時；自由工作者小雅，建了個人品牌網站，接案量增加六成；補教界的林老師，做了互動式學習測驗平臺，三天上線；創業者明華，四週做出一個 MVP 原型，靠它拿到種子輪投資。這幾個人，原本沒有一個會寫程式。他們的職業天差地遠，但做成這些事，共通的不是技術，是他們每一個人都很清楚，自己要解決的是哪一個問題。

重點不是你會不會寫程式，而是你能不能把需求說清楚。

這句話，請你抄下來貼在桌前。一人公司的第一課，不是學會做更多，是學會把該交出去的交出去。

研究、企劃、文案、客服，各派一個分身

交出去之後，下一步是：交給誰？這裡有個觀念，會決定你用 AI 的層次。與其把 AI 當成「一個無所不能的助理」，不如把它當成「一支團隊」——而團隊裡的每一個角色，是一個專門的分身。

一個「無所不能的助理」聽起來很厲害，實際上很模糊。你今天要它寫文案，明天要它做研究，後天要它回客訴，它每次都從一張白紙開始。而一支團隊不一樣——每個角色，都有自己固定的職責、固定的標準、固定的脾氣。你不是在使喚一個萬事通，你是在帶一群各有專長的同事。

一家最精簡的一人公司，至少需要這幾個分身。一個研究員，幫你查市場、追趨勢、整理資料；一個企劃，幫你把一個模糊的想法，發展成一個產品、一場活動、一系列內容的結構；一個文案，幫你把思考寫成貼文、銷售頁、電子報的初稿；一個客服，幫你回覆常見問題、維繫名單、分眾跟進。

你發現了嗎——這幾個分身，正好接手了你前面幾章學到的每一塊。換句話說，你前面學的那套「一個人要做的事」，現在可以一塊一塊地，分派出去。但請你記住自己的位子：你是這支團隊的老闆，不是裡面的任何一個員工。你的工作，是定方向、給標準、把關品質——不是搶著去做每一份初稿。

別把 AI 當一個萬能助理，把它當一支各司其職的團隊。

一人軟體公司的樣子

有人已經把這件事，做到了讓人瞠目結舌的程度。我看過一個叫 AgentHub 的東西。一個人，用一個程式，管理著四十七個 AI agent——研究的、寫的、測試的、跑流程的，各司其職。他給它下的標題是：一個人，一家軟體公司。四十七這個數字，第一眼看會覺得不真實。但你把它拆開看就懂了：它不是一個人變出了四十七倍的力氣，是這個人把自己一家公司會需要的四十七種角色，一個一個定義清楚，然後交給 AI 去扮演。

四十七聽起來離你很遠。所以讓我把鏡頭，從那個極端值，拉回到一個更貼近你的尺度——我自己。我用 Claude Code，替自己建了一支八個人的虛擬秘書團隊。這八個裡，有一個是「管家」，他不做雜活，他的工作是統籌——盯著其他七個，決定什麼時候該誰上場。剩下七個，各管一塊：一個管我的日程，一個管我的通訊，一個專門產出內容，一個負責研究，其他幾個各守一攤。

這支團隊最讓我離不開的，是每天早上那一下。我只要對著它說一句「早安」——就這兩個字，不必下任何指令——那個管家就會把其他幾個分身全叫起來：管日程的去把今天的行事曆攤開，管通訊的把昨晚到今早的信件摘要好，研究員把我關注的產業昨天發生了什麼整理出來。然後它們把這些，彙整成一份晨間簡報，端到我面前。

你發現這裡頭最關鍵的轉變了嗎——不是我去問 AI，是 AI 主動告訴我今天該注意什麼。我講這個，不是要你也去建一個一模一樣的八人團隊。我要你看見的是那個「樣子」——一個普通人，用一套月費大概三百到五百美金的 AI 工具堆疊，組起了一支過去得花八萬到十二萬美金月薪、才請得起的團隊。

而你的起點，是「一個」。我那支八人團隊，也不是某天一口氣建出來的——它是從一個管日程的分身開始，一個一個慢慢長到八個的。一人 AI 團隊，是「長出來的」，不是「一次建好的」。而且重點從來不在 agent 的數量。一個人有四十七個分身，但每一個都在產通用的、誰都拿得到的東西，那他擁有的只是四十七倍的平庸。重點在你有沒有把「你的判斷與標準」，灌進每一個分身。

文組人也上得了手

講到這裡，我知道有一種讀者，已經想把書闔上了。你不是工程師。一聽到「agent」「工作流」「程式」，你就覺得這是別人的世界。你甚至會想：到頭來還是要會寫程式吧？

我要非常誠實地告訴你：這幾年最大的改變，正是這一件事——這些東西，第一次，不需要你會寫程式了。過去，要指揮電腦做事，你得學它的語言，那道牆把絕大多數人擋在外面。現在這道牆倒了。你用「說的」，用你每天在用的中文，就能指揮 AI。

而你會表達、你能把一件事講清楚——這件事，被你嚴重低估了。身為一個專業工作者，你「把事情說明白」的能力，本來就比一般人強。這些你習以為常、覺得「不就這樣嗎」的能力，恰恰就是指揮 AI 最需要的核心能力。

我自己帶過中山大學中文系的學生，零基礎，三個小時，就做出一個能上線的網站。不是因為他們學會了寫程式——三小時當然學不會——是因為現在，「會把需求講清楚」就已經夠了。他們做的不是「寫程式」，是「指揮」。

所以我想幫你反轉一個焦慮。文組人過去最怕的那句「我不懂技術」，在 AI 時代，反而可能變成你的優勢。因為 AI 已經把「技術」那一塊補上了——當技術不再稀缺，剩下最值錢的，是「想清楚要做什麼、講清楚要怎麼做」。而這，正是人文訓練最擅長的事。你練了那麼多年的「把事情想透、把話講準」，過去常被當成軟實力、不值錢，現在它第一次，站到了最值錢的位置上。

那要花多久才學得會？過去要真的去學會寫程式，平均要十四到二十二個月——這也難怪絕大多數人光聽就退場了。但現在這條「會指揮就好」的路，完全是另一個尺度：學會把需求描述清楚，一到兩週；摸熟一套 AI 工具，一到兩週；做出你的第一個作品，再一到兩週。加起來，三到六週，你就能從零走到一個能用的成品。

把雜事交出去，把角色分出去，從一個分身開始——你就有了一支團隊。而當這支團隊開始運轉，它能替你做的第一件大事，就是回過頭來，幫你把你那一身專業，重新包裝、放大出來。那是下一章。