同樣嘅產出，AI 原生 agency 需要嘅人比傳統 agency 少，而個數字由 review 能力、唔係 production 量決定。如果 model 產出第一 pass，你就唔再係喺度為生產線配人；你係喺度為判斷、以及為嗰次將第一 pass 變成客戶依賴得到嘅嘢嘅 review 配人。隨之而來嘅形態，係一個細而 senior 嘅 pod，承載過去需要一個更大團隊嘅工作。
我對人頭數字好謹慎，因為啲人想要一個 benchmark，而冇誠實嘅 benchmark。對嘅數量取決於份工作、啲客戶同個 review standard。我俾得到你嘅係定低呢個數字嘅邏輯、以及佢產出嘅形態——噉比一個你信唔過嘅數字更有用。
誠實嘅答案
更少，而且更 senior，而呢兩者係同一個決定。傳統 agency 靠加人嚟吸收量：更多 junior、更多產出、更多 billable 工時。嗰個 model 管用，因為 junior 做拼裝、senior 定方向。當 AI 做拼裝，junior 嗰一層存在嘅理由大體消失，於是團隊由底部向上咁縮。
剩低嘅係從來就係真產品嗰部分：判斷、客戶關係、accountability。噉本質上係一個更細嘅團隊，因為從來唔係個量令 senior 工作有價值。AI 原生 agency 唔係「一間行政人員更少嘅傳統 agency」。佢係一種唔同嘅形狀——人更少、集中喺 senior 一端，由部機器承載吞吐。
個數字取決於咩
人頭跟隨四件事，冇一件係公式。客戶數量，因為每一個都需要 senior 嘅關係時間。工作嘅複雜程度，因為一份簡單嘅 retainer 同一個複雜嘅多市場 programme 需要唔同嘅 review 深度。個 workflow 嘅強健程度，因為一個砌得好嘅 context layer 減少得到一位 senior 需要糾正嘅量。以及你肯簽上自己名嗰個標準，因為高標準要花你冇得造假嘅 review 時間。
改變其中任何一個，個數字就郁。呢個就係點解 benchmark 冇用、而邏輯有用。兩間產出相同嘅 agency，可以依據份工作有幾偏判斷、以及佢哋個系統有幾好，去論證非常唔同嘅人頭。按你自己嘅四個輸入嚟定規模，唔好按別人嘅組織圖。
點解個數字由 review 決定
直覺係按 model 產得到幾多嚟俾 AI 原生 agency 定規模。嗰個係錯誤嘅 constraint，因為 model 產得到嘅，比任何人負責任咁核對得到嘅多。真實嘅天花板，係一位 senior 喺唔犧牲質素嘅前提下 review 得到同背書得到幾多工作。
呢個就係 review 樽頸，而佢就係招聘計劃。如果你嘅 review 能力係兩個 senior 為兩個客戶核對產出，噉加第三個客戶唔意味住加一個 junior——佢意味住更多 review 能力，或者一個更好嘅 review 系統。Model 冇移除個 constraint；佢將個 constraint 由 production 移到判斷。俾 agency 定規模，就係俾 review 定規模，唔係俾生成定規模。
一個管用嘅形態
由我噉樣經營團隊嘅經驗睇，企得穩嘅單位係一個細 pod：一位 senior lead，擁有個客戶同個決定；一兩個跑同改進 workflow、review 產出嘅人；以及喺份工作需要時對一位 specialist 嘅接觸。呢個 pod 覆蓋過去需要一個更寬團隊嘅工作，因為 model 喺中間處理個量。
將佢當成一個形狀，唔係一個數字——個 pod 係三到五個人，我唔會管佢叫 benchmark。重要嘅性質係：個 pod 偏 senior、review 明確係某人嘅工作、同個 workflow 係俾人擁有而唔係臨時砌起嚟嘅。呢啲性質先係令一個細團隊可行嘅嘢；確切嘅數目係佢哋嘅下游。
Pod 入面嘅角色
呢啲角色睇落唔太似傳統 account-to-junior 階梯，而更似一間小型 senior studio。Lead 擁有客戶關係、判斷同結果。Workflow owner 設計同維護個 context layer 同個 review 流程，嗰個係一種系統技能，多過一種生產技能。Specialist 喺一個 category 或 channel 確實需要你唔會永久配備嘅深度時入嚟。
我喺AI 原生 marketing 團隊真正需要咩角色勾勒過呢啲角色嘅更寬形態，而 agency 版係同一個模式縮細咗嘅樣。稀缺嘅人唔係 operator；係嗰啲定得到標準並守得住佢嘅人。為此招人，俾個 workflow 做其餘。
Model 唔會減少人頭嘅地方
Agency 工作入面有啲部分 model 幾乎掂唔到，佢哋仍然俾個團隊定一個地板。客戶領導唔縮細：要有人撐住個關係、吸收難傾嘅對話、並喺份工作落地唔好時負責。專業深度亦都唔縮細；一個需要真實專長嘅 category 或 channel 仍然需要一個真實專家，而 model 令嗰個人更快，而唔係變得可有可無。Review 本身縮細嘅速度都冇 production 咁快，因為仔細核對產出係緩慢、刻意嘅工作。
所以人頭縮減係真實嘅，但有邊界。佢出自 production、協調同 reporting 拼裝。佢唔出自關係、專業判斷或 review standard。如果你為咗進一步縮細個團隊而砍入呢啲，你冇令間 agency 更精幹；你令佢更脆弱。
如果你做太細，咩會斷
一間精幹 AI 原生 agency 嘅失敗模式唔係超支；係 review 債。做太細，個 model 繼續產出，而冇人有時間妥善核對，於是產出靜靜雞退化，客戶先捉到佢。嗰個係最差嘅發現問題地點，因為佢犧牲嘅係關係，唔只係份工作。
做太細嘅另一種斷法係喺關係上。一位 senior lead 只撐得住有限嘅客戶對話，而如果個 pod 只有一個人深，每個客戶都離「冇人打理」只差一次缺席。一個人嘅 agency 係一門真實生意，但佢以一種顯而易見嘅方式受產能限制。個精幹 model 有一個地板，而個地板由 review 同關係嘅頻寬定，唔係由 production 定。
星期一應該做咩
唔好再按產出嚟定規模，開始按 review 嚟定規模。問一位 senior 真正背書得到幾多客戶 workflow，然後圍繞佢砌個 pod。當新客戶嚟到，喺加一個 junior「幫手」之前，先加 review 能力或者改進個 review 系統——junior 唔紓緩 review 樽頸，仲成日加重佢。
然後寫低邊個簽批份工作。一間冇點名 reviewer 嘅 AI 原生 agency，係一個等緊發生嘅質素事故。點名嘅 reviewer 唔係官僚主義；佢哋係一個細團隊能有信心咁收 senior 費率嘅原因。
FAQ
一間兩個人嘅 agency 服侍得到多個客戶咩？
服侍得到，如果個 review standard 高、而份工作集中，兩位強嘅 senior 服侍得到唔止兩個客戶。佢哋做唔到嘅係將規模擴到自己 review 同關係嘅頻寬之外。兩個係一門可行嘅生意；喺你加一個守得住標準嘅第三人之前，佢亦都係一個硬天花板。
AI 原生 agency 仲應該請 junior 咩？
更少，而且方式唔同。為吸收拼裝量而存在嘅 junior 招聘唔再講得通。如果你喺職業生涯初期請人，請一個學得到判斷同指揮個 workflow 嘅人，並喺監督下俾佢 review 責任——唔係一堆 production 工作。
一個更細嘅團隊自動更賺錢咩？
唔係。一個細團隊配弱 review standard 會失去客戶同 margin。賺錢嚟自組合：senior 判斷、一個真實嘅 review 系統、以及為結果而非工時收費嘅定價。規模本身唔係優勢。
我哋點知自己太細？
聽啲症狀：工作喺冇明確簽名者嘅情況下出去、客戶覺得俾人怠慢、或者 senior 嘅人喺高速 review。任何一個都意味住你喺地板之下。喺加生產能力之前先加 review 能力。
短版
AI 原生 agency 需要更少嘅人，集中喺 senior 一端，因為 model 承載 production、團隊承載判斷。按 review 能力俾團隊定規模，唔按產出量。工作單位係一個細而 senior 嘅 pod，有一位明確嘅 owner 同一位點名嘅 reviewer——一個形狀，唔係一個 benchmark。Agency-Model 指南覆蓋個 model 嘅其餘部分，面向 agency 嘅 lane將定價同結構貫穿嚟做。
如果你經營一間精幹嘅店，我好想聽下你喺邊度感受到個 review 地板——嗰個通常係正確人頭變得明顯嘅時刻。
Cheers, Chandler
本文提供繁體中文（香港）版本。課程材料（影片、模板和配套指南）以英文、日文、簡體中文和韓文提供。本網站提供 13 種語言版本。