組織縮小，能動性放大：三個月變三天背後的管理學

一、一次 catch-up 帶出的笨問題

以前要排三個月的專案、寫規格、開會、走稽核、再進測試的事，現在通常三天就能交一個能跑的版本給使用者試。

前陣子和一位前 CTO 朋友約咖啡聊起這件事，兩個人有點同時愣住。我們各自帶著比三年前小很多的團隊，做事的節奏明顯換了一個檔位。團隊更小，使用者反饋反而更直接，連客服信回得都像「人」在回。樣本就是兩個朋友，N=2，沒有要宣稱「30 倍加速」是普遍可重現的公式。但兩個人在不同領域、不同產品、不同時區看到同一個轉折，總值得追問一句。

這只是大家都用 AI Agent 順手加速？還是組織管理學早就在另一條軸線上預言了這件事，AI 只把門檻拉到觸手可及的位置？

「組織縮小」加上「AI Agent」疊加後產生的非線性效果，沒辦法只用 AI 工具或「老闆變開明」這種感性敘事解釋掉。它比較像四個機制同時被觸發後的閾值跨越。其中三個早就被組織管理學寫進教科書，AI 只把第四個機制的成本曲線推到了實用範圍。

二、速度從哪裡來

「AI 寫程式很快」只對一半。光是寫 code 變快，三個月應該變兩個月、最多變一個月，不會變三天。30 倍量級的差距不可能來自單一工具，背後一定有結構性的耦合機制同時作用。至少有三個。

通道數從 O(n²) 退到 O(1)

Brooks 在 1975 年的《人月神話》提出一個很冷酷的數學觀察。n 個人在一個專案裡需要的溝通通道數是 n×(n−1)/2。¹ 50 人團隊有 1,225 條通道，5 人團隊只有 10 條，差了 122.5 倍。這是數學恆等式，沒有任何「方法論」或「敏捷化」可以繞過去。Brooks 自己 1995 年第二版的回顧裡再三強調，他二十年沒看過這個結構性負擔被真正解決。²

30 人團隊縮到 5 人，協調成本可以掉兩個數量級。它是相變式下降。從每天開會還對不齊，到喊一聲全員都聽見，中間的閾值很薄。

OODA 迴路的內部閉合

決策權有沒有跟著縮小，是另一個決定速度的耦合機制。空軍飛行員 John Boyd 在 1980 年代提出 OODA loop，意思是「觀察—判斷—決策—行動」四個動作要不斷循環。³ 白話講，誰能更快地看見狀況、想清楚、拍板、出手，誰就贏。

傳統中型組織的「判斷」和「決策」往往跨好幾層。工程師看見問題、回報組長、組長報主管、主管要等週會、週會還要找其他部門協調。觀察的人不能決策，決策的人沒看見現場。5 人團隊裡，看見問題的人就是拍板的人，常常也是動手改 code 的人。OODA 在組織內部閉合了。這也不是領導風格變好，是物理上少了三個審批層。

Conway’s Law 反向收斂

1968 年 Melvin Conway 在《Datamation》寫了一段話，後來被簡稱為 Conway’s Law。他的觀察是，你設計出來的系統，會長得很像設計這個系統的組織。⁴ 一個分成「前端組、後端組、資料庫組、QA 組」的公司，做出來的系統就會有清楚的前端、後端、資料庫、QA 模組，介面剛好對應到這四個組之間開會的痛點。MacCormack 與 Baldwin、Rusnak 在 2012 年用一組軟體產品做了對照研究，結果顯示組織溝通結構和系統架構之間的鏡像關係統計上站得住。⁵

組織從 30 人縮成 5 人時，這個鏡像關係會反向作用。原本被切成四五個模組的系統會在重構時逐步合併成耦合度更低、邏輯更直接的系統。系統變簡單，下一次修改也跟著變快。這是個正回饋。

三件事疊加才是 30 倍

通道數下降 122 倍、OODA 從跨層級閉合到單點閉合、Conway’s Law 把系統耦合度往下推，三件事疊加才能解釋為什麼「三個月變三天」是 30 倍級的差距，不是 3 倍級。DORA 2023 年《State of DevOps Report》量化了業界的兩個極端，高效能團隊的部署頻率中位數是「每日多次」，低效能團隊是「每數月一次」，相差約三個數量級。⁶

大組織硬要做需要快速迭代的事，照這套機制推下去應該會「協調成本爆炸 → 速度崩潰」。歷史上有現成的反例。美國 Healthcare.gov 2013 年上線災難級失敗，HHS 監察長報告指出主因是 55 家承包商之間沒有單一的系統整合者。⁷ 英國 NHS 的 NPfIT 計畫在 2002 到 2011 之間燒了約 98 億英鎊，國家審計署把失敗歸因到中央化集中採購與供應商鎖定。⁸ 技術上都是現成的東西，失敗的原因是太多人在同一個專案裡，通道數爆炸後連「現在哪個版本對」都對不齊。

越小越好嗎

不能反過來推「越小越好」。團隊規模和績效的關係，Hackman 在 2002 年的《Leading Teams》整理為倒 U 曲線。太小會單點故障、覆蓋率不足，太大會通道數爆炸。⁹ 需要整合多種專業、有安全關鍵需求、必須通過稽核的場域，純粹的小團隊會在跨閾值的瞬間從「快」直接變成「崩潰」。

Skunk Works 是個很好的反思案例。Lockheed 這個秘密研發單位用 14 到 25 人的核心團隊開發 SR-71、F-117 這些怪物級飛機，看起來像 minimum viable team 的鼻祖。¹⁰ 但 Skunk Works 從來不是孤立的小組，它背後有 Lockheed 母體做後勤、財務、政府關係與供應鏈。它的真實結構是「小團隊核心搭配大組織後盾」的混血體。

三、動機怎麼回來

速度變快還算容易解釋。團隊動機變好就奇怪了。動機不會因為組織一縮就自動回來，但這次它確實回來了一些。

自我決定理論的三條腿

Edward Deci 和 Richard Ryan 從 1970 年代開始研究人為什麼想做一件事，後來整理出 Self-Determination Theory（自我決定理論，下文簡稱 SDT）。¹¹ 白話講，人想持續做一件事要靠三條腿撐起來。能自己做主（autonomy）、覺得自己做得好（competence）、和別人有真實連結（relatedness）。三條腿任何一條斷掉，動機就會掉到只剩外在誘因（薪水、KPI、紅利這些）。SDT 的研究群 2017 年在 Annual Review 整理過四十年實證。¹² 同期還有一個跨 40 年的 Psychological Bulletin meta-analysis，結論是內在動機與績效顯著正相關，這個關聯在質性任務上更強。¹³

小團隊讓三條腿都比較容易撐起來。決策權下放給做事的人，能自己做主這條腿就回來了。工程師親自看到使用者反饋、親自修出能用的東西，覺得自己做得好也回來。5 個人天天在線上互相補位，跟人有真實連結也跟著回來。

Hackman 與 Oldham 在 1976 年提出的「工作特性模型」列了五項要件，技能多樣性、任務完整性、任務重要性、自主性、回饋。¹⁴ 這五項加起來會決定一份工作有沒有所謂的「motivating potential」。小團隊的工程師通常需要同時兼前端後端、看完整功能上下文、知道自己改的東西會直接影響使用者、有真正的決策空間、能立刻看見結果。五項全部命中。中型組織的工程師則常常困在「我只改我這一塊」的狹窄角色，五項命中可能只有兩三項。

縮小只是必要條件

縮小是動機放大的必要條件，沒辦法獨立完成這件工作。Slemp、Kern、Patrick 與 Ryan 在 2018 年的 meta-analysis 顯示，自主支持型領導（autonomy-supportive leadership）對動機、績效、福祉都有顯著正向效應。¹⁵ 換句話說，組織就算縮小，老闆繼續 micromanagement，三條腿照樣會斷。

最有名的失敗對照是 Zappos。¹⁶ Tony Hsieh 在 2014 年推行 Holacracy 這種把管理職完全打散的扁平制度，結果 2015 年公司提供 buyout 給不適應的員工，14% 接受離開，到 2020 年正式撤退、重新引入管理職。HBR 2016 年的案例研究指出，問題出在 Holacracy 帶來的角色模糊與決策癱瘓。自主性本身沒有錯。人有自由，卻不知道誰負責什麼，反而焦慮。

類似的失敗還有幾起。Medium 在 2016 年也試了取消管理職的實驗，2018 年部分撤回。¹⁷ GitHub 早期（2008 到 2014）採取無管理層的扁平結構，後來被多起治理事件（包括公開化的職場騷擾爭議）證明心理安全感缺位是個結構問題，2014 年後重新引入管理層級。¹⁸ 更早的對照是丹麥助聽器廠商 Oticon 在 1991 年推行的「義大利麵組織」，1996 年因為知識管理崩潰退回部分階層結構。¹⁹

四起失敗的共通模式是同一個。把管理職拿掉之後，autonomy 確實放大，但 competence 因為角色混亂下降、relatedness 因為缺乏穩定夥伴下降。SDT 三條腿原本以為會一起站起來，結果兩條被砍斷了。Lee 與 Edmondson 在 2017 年整理 self-managing organizations 的回顧時得出一個誠實得殘忍的結論。自管型組織能不能長期存活，仍然是個 open question。²⁰

如果自主性能自動帶來動機與福祉，自雇者的整體 well-being 應該壓倒受雇者。Gallup 2023 與 ILO 2021 的全球調查並不支持這個推論。自雇者的工作滿意度與心理健康指標，並沒有顯著高於有結構的組織受雇者。²¹ 原因正是 SDT 的另外兩條腿。失去 relatedness（同事連結）與穩定性（competence 來自持續可預測的回饋），動機自然撐不住。「有結構的自主」和「孤立的自主」是兩件不一樣的事。前者是 Buurtzorg 那種 14,000 人組織內部的 10 到 12 人自管小團隊。後者是一個人在家對著螢幕焦慮。

組織縮小若搭配自主支持型領導、結構性的決策權下放、可預期的心理安全感，能可靠地放大內在動機。如果只是把人裁少、把管理層拿掉，沒有配套，效果不會自動產生，甚至可能反向。

四、人味怎麼回來

使用者反饋還變得很「人」。客服信不再是制式回覆，工程師親自看 issue 的時候會把「我女兒昨天也遇到這個 bug」這種話寫進回覆。

「人味」這個詞很容易飄成主觀情懷或營銷話術，必須先把它釘下來。可以用四個可量測的維度來定義它，回應時延（使用者發訊到工程端首次接觸的中位時間）、個人化程度（回應有沒有引用使用者具體語境）、語氣個性化（回應有沒有可識別的個人或團隊風格）、回饋可追溯性（使用者反饋之後 N 天內有沒有對應的 code change）。

四個維度組合起來，人味就從感覺變成可被觀察的訊號。這個操作化定義讓我們能反駁那種「Apple Store 的微笑也是人味」的浮泛主張。Apple Store 的服務有很高的個人化程度與語氣親切度，但回饋可追溯性極低，使用者抱怨的東西要走很多層才可能進入產品改動排程。

回饋鏈條的拓樸壓縮

傳統中型組織的回饋鏈常常長這樣，使用者 → 客服 → CSM → PM → 工程主管 → 工程師。中間有五個中介層（L=5）。每多一層，訊號就會被有損壓縮一次。客服把使用者罵髒話的真情濃縮成「客戶反映體驗不佳」，PM 再翻譯成「待評估之 UX 改善項目」，到工程師手上時，原本帶情緒的具體場景已經被磨成抽象條目。小團隊把這條鏈壓縮到 L=0 或 L=1（使用者 → 工程師），訊號保真度大幅提升。

一個啟發式（這是啟發式，不是定律）可以把它寫成 人味 ≈ (1−α)^L，其中 α 是每一層中介的損耗率。L=0 時人味是預設值，L 越大，人味必須靠額外投資才能維持。這個框架的功能是讓我們有個東西可以推論，沒有要宣稱物理定律。

工業化人味的代價

L=5 的大組織也可以做出「看起來有人味」的服務，但要付出鉅資。Apple Store 的 Genius、Disney 的 Cast Member 訓練手冊、Zappos 的客服文化，都是用大量訓練、選人、文化儀式把人味重新「製造」出來。Arlie Hochschild 在 1983 年的經典 The Managed Heart 把這種現象命名為「情感勞動」（emotional labor），指出當情感被當作職場輸出來管理，從業者會付出心理成本，產品的「真誠度」也會在邊界處露餡。²² Masahiro Mori 1970 年提出的 uncanny valley（恐怖谷）理論本來用來解釋擬人機器人。²³ 同樣的曲線可以類比到服務業。當制度化客服微笑做得太接近真誠又不到，反而會掉進服務業的 uncanny valley，使用者感到不適卻說不出哪裡怪。

工業化人味是要花大錢維持的舞台演出。小團隊的人味是 L=0 之後自然會發生的事。前者是 cost center，後者是結構性副產品。

一個正例和一個負例

Buurtzorg 把這條鏈壓到了 L=0。²⁴ 這家荷蘭家庭護理組織總共 14,000 名護理師，工作單位是 10 到 12 人的自管小組，沒有中階主管。KPMG 2015 年的評估報告認定它取得了荷蘭家庭護理約七成的市佔率，EY 2009 年的早期推估顯示這個模式每年節省約 20 億歐元的整體照護成本（推估已老，2020 後狀況需要更新，但結構性命題仍然成立）。²⁵ Buurtzorg 護理師直接和病患家屬對話，每個病例都看得到一張具體的臉，沒有 PM 在中間翻譯。

WhatsApp 被 Meta 收購之後鏈條被重新拉長。²⁶ 2014 年收購當時 55 人團隊（其中 32 個工程師）支撐 4.5 億月活，L=0 的可能性極高。創辦人 Jan Koum 和 Brian Acton 先後離開 Meta 之後，使用者經驗的個人化感明顯下降。鏈條一拉長，人味就掉了。

Mathur 等人 2019 年在 ACM CSCW 對 11,000 個電商網站做了爬蟲分析，發現規模化的客戶旅程設計與 dark patterns（誘導性 UI）顯著正相關。²⁷ 這給了「組織越大、人味越難維持」一個側面實證。問題不在大組織存心要騙人。當回饋鏈條長到一定程度，設計團隊看不見每個具體使用者的臉，「優化轉換率」的指標壓力會自然把產品推往對使用者比較不友善的方向。

五、Coase 的雙峰曲線

協調成本、動機放大、回饋鏈條壓縮這三個機制都不新。Brooks 1975、Conway 1968、Hackman-Oldham 1976 早就存在。那為什麼直到最近兩三年，小團隊才能在大量場域擊敗中型組織？答案要繞回到一個經濟學笨問題。

為什麼世界上會有公司存在

1937 年 Ronald Coase 在 Economica 發表了一篇後來讓他得諾貝爾獎的論文，問了一個讓當時所有經濟學家愣住的笨問題。既然市場機制這麼有效率，為什麼世界上會有「公司」這種東西存在？為什麼大家不都當 freelancer，需要什麼透過合約買，不需要時就解散？²⁸

Coase 的答案是因為市場有「交易成本」。每次找承包商、寫合約、確認規格、處理糾紛都要付出成本。當這些成本太高時，把人留在組織內部用權威指揮就比較划算。所以公司的最適規模，是「內部協調成本」和「外部交易成本」這兩條曲線的交點。Williamson 在 1985 年把交易成本拆成搜尋、議價、簽約、監督執行四類。²⁹ Hart 和 Moore 在 1990 年提出「殘餘控制權」（residual control rights）的概念。白話講就是合約沒寫到的事情，最後拍板權在誰手上。這個權力通常只能由「擁有實體資產」的廠商承載。³⁰

Brynjolfsson、Malone、Gurbaxani 和 Kambil 在 1994 年問了一個對位的問題，資訊科技會不會讓廠商變小？³¹ 他們在 Management Science 的實證顯示，1980 到 1990 年代之間，IT 投入較高的產業，平均廠商規模確實往下走。理由是 IT 把搜尋與監督執行成本壓低了，市場開始有能力承接以前必須在組織內部完成的協調工作。AI Agent 在做的事在結構上和 1990 年代的 IT 革命相似（壓低「取得專業執行能力」這段交易成本），力道更猛、跨越的職能更廣。

雙峰化，不是整體下移

直覺會說「AI 應該讓所有公司都變小」。這個直覺是錯的。Autor、Dorn、Katz、Patterson 與 Van Reenen 在 2020 年的 QJE 用美國產業資料證明，過去四十年勞動所得份額下降的主要原因是「Superstar firms」崛起，同期極大型公司的市佔率反而往上走。³² Babina 等人 2024 年在 Journal of Financial Economics 更直接指出，AI 採用主要由大型公司主導，AI 投資成本（資料、算力、人才）對小公司是巨大門檻。³³

兩種證據放在一起，比較站得住的描述是「廠商規模分布雙峰化、中段塌陷」。極小（1 到 20 人）與極大（10,000+ 人）同時增加，中型（200 到 2,000 人）萎縮。

為什麼？Coase 的最適規模公式被 AI Agent 動了手腳，動的方式並不均勻。「取得專業執行能力」這段交易成本被大幅壓低，執行密集型場域（純數位產品、內容生成、客戶服務）的最適規模顯著左移。但「資本密集」與「殘餘控制權」沒被壓低，半導體、製藥、能源、frontier AI 訓練本身的最適規模反而右推（訓練 AI 需要極大規模的資本與資料整合）。Hart-Moore 的殘餘控制權邏輯也沒被取代，長期關係資本、合規責任、訴訟風險仍然必須由有實體的廠商承載。Stability AI 的縮水與 Inflection AI 在 2024 年接近 acqui-hire（以人才併購方式被吞下）流向微軟，是這個雙峰結構的具體寫照。³⁴

Midjourney 與 Stability AI

Midjourney 大約 11 人，Forbes 2024 報導年收入約 2 億美元。同期 Stability AI 約 180 人但落後，後來創辦人下台。³⁵ 表面看是小公司贏大公司。但仔細看會發現，Midjourney 沒有自己訓練 frontier model，把訓練這段昂貴的事外部化，自己留在 UX、社群、產品迭代這些執行密集環節。它選對了曲線左移的那段。Stability AI 試圖兩端通吃（訓練加產品），在訓練成本曝險上被巨型 AI 廠商輾壓。雙峰化在這個對照組裡看得很清楚。

從「我和前 CTO 看到 30 倍加速」推到「Coase 廠商規模的最適點下移」是一個量級巨大的跳躍。個案歸納只能支持「方向與量級可以被組織管理學解釋」，沒辦法支持「30 倍是必然」或「廠商規模普遍下移」。雙峰化的命題比較站得住，它和兩種看起來矛盾的證據都相容。

六、別變成 minimum viable team romance

前面四節若全部正向讀，很容易滑進 minimum viable team romance。WhatsApp 55 人、Instagram 13 人、Mojang 23 人、Plenty of Fish 1 人、Skunk Works 14 人，這些案例被反覆引用，因為他們贏了。沒被寫進故事的，是無數家停在 5 人、10 人、20 人沒有起來的小公司。歷史 base rate 估計（採 PitchBook seed-stage 數據推估），員工少於 50 達 unicorn 估值的機率低於 0.1%。³⁶ 如果只看贏家樣本說「小團隊很強」，等於只看樂透中獎人說「買樂透很賺」。

三天交付這件事在 AI 普及之前就有人做到。Plenty of Fish 創辦人 Markus Frind 在 2008 年公開宣稱自己每週工作 10 小時、一個人管整個約會網站，2015 年該網站以 5.75 億美元賣出。³⁷ 37signals（現在的 Basecamp）也用 60 人左右的團隊，在沒有 VC、沒有大型 marketing 的情況下撐起 25 年的高利潤運營。³⁸ 所以「AI 讓三天交付變可能」這個敘事過度簡化了。AI Agent 改變的這件事，更精確地說是「成功底數比例」。以前 minimum viable team 的失敗率高到只有極端的天才團隊能贏，AI Agent 把達標門檻拉低，讓更多正常水準的團隊也有機會贏。base rate 從 0.1% 推估到 1%（粗估），失敗仍然居多，但成功案例的絕對數量會顯著增加。

Healthcare.gov 和 NHS NPfIT 兩個失敗案例還有第二層意義。它們提醒我們縮小不見得就一定贏。安全關鍵的、法規密集的、需要整合多種專業的場域，純粹的小團隊接不住，會在跨閾值的瞬間從「快」變成「災難」。Zappos、Medium、GitHub 早期、Oticon 這四起激進扁平化失敗也提醒我們同一件事，縮小組織形式而沒有改變領導風格與心理安全感配套，會反向劣化動機。

「總成本反而下降」這句話也得拆。直接開發成本確實下降（薪資總額、辦公室、行政開銷都降）。但隱性成本可能上升。合規成本可能因為小團隊缺乏專業法務而被低估，事後罰款或訴訟風險升高。許多小團隊把客服「外部化」給 AI 自動回覆或社群論壇，這個外部化的成本是轉嫁給使用者的時間。所有殘餘控制權壓在創辦人身上，個人健康、心理、家庭成本上升。AI API 成本是新的支出項目，會隨著使用量線性增加。Hart-Moore 殘餘控制權邏輯告訴我們，合規與訴訟風險偏好「能承擔的實體廠商」，這部分成本不會因為組織縮小而消失，只是被轉移或暫時隱藏。

七、回到你的處境

四個條件式問句可以拿來檢查自己手上的公司。

任務複雜度先看。你要做的事，落不落在小團隊的認知容量內？8 人能裝得下整個系統的心智模型嗎？如果你的產品有 200 個 microservice、跨 5 個資料中心、需要 SOC 2 加 HIPAA 加 PCI 三套合規，硬縮小會在跨閾值的時候直接崩潰。

領導風格是第二道關。你願意把決策權真的下放給做事的人嗎？還是嘴上說授權、心裡仍然事事要過你？SDT 的三條腿需要結構性的自主，沒辦法靠儀式性自主撐起來。Zappos 們的失敗都倒在這條。

回饋鏈條是第三道。你的工程師可不可以直接看見使用者的臉？如果中間有 PM、客服、CSM、business team 四層中介，L=4 的人味衰減不會因為團隊變小而消失。想保留中介層，至少要引進 Etsy 與 Stripe 那種「工程師輪值客服」的設計。

場域性質是最後一關。你的公司是執行密集場域，還是資本密集場域？前者（純數位產品、內容、客服、自動化）的 AI Agent 紅利大。後者（frontier AI 訓練、半導體、製藥、能源）的最適規模其實在右移，硬縮小會變成 Stability AI。

四個條件全部成立時，才會出現我和前 CTO 看到的那個複合效果。任一條件不成立，加速會比想像小、動機會劣化、人味不會回返，或者隱性成本爆炸。

八、節制的合成

「三個月變三天」這個個案沒辦法被單純歸功給 AI 工具，也沒辦法被宣稱為組織管理學的必然結果。它是一個四條件協同的閾值跨越。三個機制（協調成本、動機放大、回饋鏈條壓縮）在 1968 到 2017 之間就被組織管理學寫好。AI Agent 在 2023 到 2026 之間把第四個條件（取得專業執行能力的交易成本）推到了實用門檻內。四件事在同一個團隊、同一個產品、同一段時間裡同時成立，30 倍量級的加速才會發生。

結論帶著三個誠實限制。個案 N=2，沒辦法主張普遍可重現。台灣本地實證仍然缺乏，證據絕大多數來自英語圈。廠商規模雙峰化命題仍在實證累積，2024 年後的 AI 採用率有顯著變化，需要追蹤。

條件式的命題還是站得住。濃縮成一句話是「組織縮小若搭配自主支持型領導、結構性決策權、真實壓縮的回饋鏈條、執行密集型場域，能可靠地放大團隊的能動性。」這句話讀起來不像 LinkedIn 上的爆款，它有四個條件子句，不容易被剪成圖卡。但這正是一篇對讀者誠實的管理學散文該做的事。把那些被裁切到只剩標語的觀察，補回它原本的條件，讓你能拿去檢查自己手上的公司有沒有落在被打中的場域。

如果四個條件都中，做下去。如果只中兩三個，先去補不中的那個再縮，否則會掉進 Zappos 們的同一個坑。如果四個都不中，這篇文章的結論在你的場域不適用，這也是個有價值的觀察。

組織縮小，能動性放大。這件事既不浪漫也不必然。它有清楚的條件，也有清楚的失敗模式。能看見條件，比相信故事更有用。

---

參考資料

1. Brooks, F. P. (1975). The Mythical Man-Month: Essays on Software Engineering. Addison-Wesley. ISBN 0-201-00650-2. 通道數公式見 Ch.2。來源等級 A。
2. Brooks, F. P. (1995). The Mythical Man-Month, Anniversary Edition. Addison-Wesley. ISBN 978-0-201-83595-3. 二十週年回顧見 Ch.18–19。來源等級 A。
3. Boyd, J. R. (1986). “Patterns of Conflict” briefing；Boyd, J. R. (1996). “The Essence of Winning and Losing” briefing. 公開的 Boyd 文件集成見 Defense and the National Interest 檔案庫。來源等級 A。
4. Conway, M. E. (1968). “How Do Committees Invent?” Datamation, 14(4), 28–31. https://www.melconway.com/Home/Committees_Paper.html 查閱日期 2026-05-16。來源等級 A。
5. MacCormack, A., Baldwin, C. Y., & Rusnak, J. (2012). “Exploring the duality between product and organizational architectures: A test of the ‘mirroring’ hypothesis.” Research Policy, 41(8), 1309–1324. https://doi.org/10.1016/j.respol.2012.04.011 來源等級 A。
6. DORA (2023). Accelerate State of DevOps Report 2023. Google Cloud / DevOps Research and Assessment. https://cloud.google.com/devops/state-of-devops 查閱日期 2026-05-16。來源等級 B。
7. HHS Office of Inspector General (2016). “HealthCare.gov: Case Study of CMS Management of the Federal Marketplace.” Report A-03-14-03001. https://oig.hhs.gov/oas/reports/region3/31403001.pdf 來源等級 A。
8. UK National Audit Office (2011). “The National Programme for IT in the NHS: An update on the delivery of detailed care records systems.” HC 888 Session 2010–2012. https://www.nao.org.uk/reports/the-national-programme-for-it-in-the-nhs-an-update-on-the-delivery-of-detailed-care-records-systems/ 查閱日期 2026-05-16。來源等級 A。
9. Hackman, J. R. (2002). Leading Teams: Setting the Stage for Great Performances. Harvard Business School Press. ISBN 978-1578513338. 來源等級 A。
10. Rich, B. R., & Janos, L. (1994). Skunk Works: A Personal Memoir of My Years at Lockheed. Little, Brown. ISBN 978-0-316-74300-6. Kelly Johnson 的 14 Rules and Practices 內部備忘錄已解密公開。來源等級 A。
11. Ryan, R. M., & Deci, E. L. (2000). “Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being.” American Psychologist, 55(1), 68–78. https://doi.org/10.1037/0003-066X.55.1.68 來源等級 A。
12. Deci, E. L., Olafsen, A. H., & Ryan, R. M. (2017). “Self-Determination Theory in Work Organizations: The State of a Science.” Annual Review of Organizational Psychology and Organizational Behavior, 4, 19–43. https://doi.org/10.1146/annurev-orgpsych-032516-113108 來源等級 A。
13. Cerasoli, C. P., Nicklin, J. M., & Ford, M. T. (2014). “Intrinsic motivation and extrinsic incentives jointly predict performance: A 40-year meta-analysis.” Psychological Bulletin, 140(4), 980–1008. https://doi.org/10.1037/a0035661 來源等級 A。
14. Hackman, J. R., & Oldham, G. R. (1976). “Motivation through the design of work: Test of a theory.” Organizational Behavior and Human Performance, 16(2), 250–279. 來源等級 A。
15. Slemp, G. R., Kern, M. L., Patrick, K. J., & Ryan, R. M. (2018). “Leader autonomy support in the workplace: A meta-analytic review.” Motivation and Emotion, 42(5), 706–724. https://doi.org/10.1007/s11031-018-9698-y 來源等級 A。
16. Reingold, J. (2016). “How a Radical Shift Left Zappos Reeling.” Fortune / Harvard Business School case discussion, March 2016. 案例文獻另見 Bernstein, E., Bunch, J., Canner, N., & Lee, M. Y. (2016). “Beyond the Holacracy Hype.” Harvard Business Review, 94(7–8), 38–49. 來源等級 A。
17. Doyle, A. (2016). “Management and Organization at Medium.” Medium Blog, 2016-03-04. 後續撤回的記錄見 Wired、Quartz 2018 年報導。來源等級 B。
18. Hodgkins, J. (2014). “GitHub will return to having managers.” The Verge, 2014-04-21. 後續 Tom Preston-Werner 離職與內部文化調查報告見 Vanity Fair / Re/code 2014 系列報導。來源等級 B。
19. Foss, N. J. (2003). “Selective Intervention and Internal Hybrids: Interpreting and Learning from the Rise and Decline of the Oticon Spaghetti Organization.” Organization Science, 14(3), 331–349. https://doi.org/10.1287/orsc.14.3.331.15166 來源等級 A。
20. Lee, M. Y., & Edmondson, A. C. (2017). “Self-managing organizations: Exploring the limits of less-hierarchical organizing.” Research in Organizational Behavior, 37, 35–58. https://doi.org/10.1016/j.riob.2017.10.002 來源等級 A。
21. Gallup (2023). State of the Global Workplace 2023；International Labour Organization (2021). World Employment and Social Outlook: The role of digital labour platforms. ILO Geneva. 兩份報告均比較了自雇者與受雇者的工作滿意度。來源等級 A / B。
22. Hochschild, A. R. (1983/2012). The Managed Heart: Commercialization of Human Feeling (Updated edition). University of California Press. ISBN 978-0-520-27294-1. 來源等級 A。
23. Mori, M. (1970/2012). “The Uncanny Valley” (translated by K. F. MacDorman & N. Kageki). IEEE Robotics & Automation Magazine, 19(2), 98–100. https://doi.org/10.1109/MRA.2012.2192811 來源等級 A。
24. De Blok, J., et al. (2014). “Buurtzorg: nurse-led community care.” Harvard Business School Case 9-414-095. 來源等級 A。
25. KPMG Netherlands (2015). The added value of Buurtzorg relative to other home-care organisations. 報告 PDF 由 Buurtzorg 官網提供。EY (2009). 早期評估亦同樣由 Buurtzorg 公開。來源等級 A（KPMG）/ B（EY 2009 推估，數據已老）。
26. Facebook, Inc. (2014). Form 8-K filed Feb. 19, 2014, regarding WhatsApp acquisition. SEC EDGAR. https://www.sec.gov/Archives/edgar/data/1326801/000132680114000007/fb-2014219x8k.htm 來源等級 A。創辦人離職的後續報導見 Forbes 2018-09 Brian Acton 訪談。
27. Mathur, A., Acar, G., Friedman, M. J., Lucherini, E., Mayer, J., Chetty, M., & Narayanan, A. (2019). “Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites.” Proceedings of the ACM on Human-Computer Interaction, 3(CSCW), Article 81. https://doi.org/10.1145/3359183 來源等級 A。
28. Coase, R. H. (1937). “The Nature of the Firm.” Economica, 4(16), 386–405. https://doi.org/10.1111/j.1468-0335.1937.tb00002.x 來源等級 A。
29. Williamson, O. E. (1985). The Economic Institutions of Capitalism: Firms, Markets, Relational Contracting. Free Press. ISBN 978-0-684-86374-0. 來源等級 A。
30. Hart, O., & Moore, J. (1990). “Property Rights and the Nature of the Firm.” Journal of Political Economy, 98(6), 1119–1158. https://doi.org/10.1086/261729 來源等級 A。
31. Brynjolfsson, E., Malone, T. W., Gurbaxani, V., & Kambil, A. (1994). “Does Information Technology Lead to Smaller Firms?” Management Science, 40(12), 1628–1644. https://doi.org/10.1287/mnsc.40.12.1628 來源等級 A。
32. Autor, D., Dorn, D., Katz, L. F., Patterson, C., & Van Reenen, J. (2020). “The Fall of the Labor Share and the Rise of Superstar Firms.” Quarterly Journal of Economics, 135(2), 645–709. https://doi.org/10.1093/qje/qjaa004 來源等級 A。
33. Babina, T., Fedyk, A., He, A., & Hodson, J. (2024). “Artificial Intelligence, Firm Growth, and Product Innovation.” Journal of Financial Economics, 151, 103745. https://doi.org/10.1016/j.jfineco.2023.103745 來源等級 A。
34. Bloomberg / The Information 2024 年系列報導，記錄 Stability AI 創辦人下台與 Inflection AI 接近 acqui-hire 流向微軟。查閱日期 2026-05-16。來源等級 B。
35. Forbes “Midjourney Is Bringing in $200 Million With No Funding And 11 Employees” (2024) 與相關產業報導。https://www.forbes.com/sites/iainmartin/2023/08/15/midjourney-david-holz-ai-art/ 查閱日期 2026-05-16。來源等級 B。
36. PitchBook seed-stage cohort data 推估值；學界對 unicorn base rate 的綜述見 Brown, K. C., & Wiles, K. W. (2020). “The growing blessing of unicorns: The changing nature of the market for privately held companies.” Journal of Applied Corporate Finance, 32(3), 51–63. 員工 <50 的細分項為內部子集合，數值為「<0.1%」的量級陳述。來源等級 B。
37. Frind, M. 個人 blog 與 Inc. Magazine 報導 “How Plenty of Fish Founder Built a Dating Empire” (2009)；2015 年 Match Group 收購聲明見 IAC 投資人公告。來源等級 B。
38. Heinemeier Hansson, D., & Fried, J. (2018). It Doesn’t Have to Be Crazy at Work. Harper Business. 37signals 公開的營運揭露見 https://world.hey.com/dhh 與 Basecamp 官網。來源等級 B。