第六章：规模化阶段 (Scale Stage)
在规模化阶段，创始人的角色从建设者重新定位到面向公众的执行官。产品仍然是核心，但你个人的日常工作越来越多地围绕公司本身展开。你的注意力必须扩展到新的规模化活动，如分析师简报和 IPO 路演，同时你努力保持精益、以 AI 为中心的结构优势。
规模化阶段的目标
技术基础设施的扩展工作仍在继续，现在组织本身的扩展和成熟化为企业的工作也加入进来。
在规模化阶段，你正在考虑从数千用户到数百万用户，以及从一个市场到多个市场。在之前的每个阶段，增长是你通过接近用户、基于紧密反馈循环的数据加上健康的创始人直觉摸索出来的。现在，目标是构建由成熟组织运营支撑的系统性增长。
对于 AI 原生创业公司，你的目标应该是通过累积深度建立可防御的护城河：包括你嵌入产品的专业知识、你的产品与用户依赖的其他工具和平台的深度集成、以及专有系统数据和工作流。那些一直朝一个方向、在一致基础设施上持续构建的创始人，现在拥有了一些真正难以复制的东西。
规模化阶段的退出标准
规模化的退出条件不再是一个单一里程碑，而是一个阈值事件：公司即使在创始人越来越多地不直接运营日常运营的情况下也是可持续的。你已经展示了系统性增长；建立了满足最苛刻外部审查者的组织和合规基础设施；并且对「如果一个资金充裕的现有企业今天复制你的产品，你的用户会留下来吗？」这个问题有了可靠的答案。
在实践中，这个阈值通常采取三种形式之一：不再需要外部资本的可持续盈利规模、IPO 就绪性，或收购。所有三种都要求你的增长是系统性和可审计的，你的产品护城河经得起审查，你的组织在运营上成熟且可持续。
当这是真的时，恭喜：你的创业公司已经从赌注变成了企业。
规模化阶段的挑战
委托运营层
挑战：规模化阶段的运营系统必须在没有监督的情况下可靠且可持续地运行。对于从第一天起就亲力亲为的创始人来说，这种转变既可能是心理挑战，也可能是结构挑战。
你在发布阶段的工作是创建系统；在规模化阶段，它变成 (1) 将这些系统成熟化到完全可信赖，然后 (2) 真正信任它们。
这比听起来更难。即使你是一位擅长委托的创始人，也不总是清楚什么该移交、什么该保留。移交太多太快——尤其是移交给 AI 自动化系统——而关键决策就会在没有只有创始人才能提供的关键上下文的情况下做出。抓得太久，你就会变成瓶颈。
根本挑战在于识别仅存在于创始人脑海或未经记录的工作流中的制度知识，然后将其编码为有文档记录、可审计和可转移的系统。
扩展技术运营为企级基础设施
挑战：客户不再只评估你的产品；他们想知道你的组织能否成为一个可靠的基础设施合作伙伴。
前三个创业阶段的技术挑战都围绕代码库：在积累技术债务的情况下构建正确的解决方案，然后为真实用户加固安全和合规。进入规模化阶段后，挑战现在变成围绕代码库构建的一切：创建支持基础设施、文档，以及传递成熟度的可靠性保证。
更大规模的客户和签署多年合同的机构买家想要这些才会签约，而且他们签约后也会要求你履行。
不过，让你走到这里的相同 AI 基础设施，也帮助你构建具有定义响应时间和文档的专门支持功能，让新客户工程团队实际可用。
构建上市功能 (GTM Function)
挑战：有机增长有天花板，大多数规模化阶段的创始人在他们不得不构建真正的上市功能之前就撞上了它。
想法、MVP 和发布阶段的增长通常起源于创始人主导的销售——从适时发布的 Product Hunt 帖子到与早期客户的个人关系。这种有机增长只在一定程度内有效，大多数创业公司会在规模化阶段达到这个极限。信号包括平缓的用户曲线、上升的客户获取成本，以及只有在创始人亲自参与时才会移动的管道。
规模化阶段的增长需要构建专门的引擎来触达新的更广泛的产品受众。大多数创业公司创始人可能从未运行过营销、销售和分析关系等项目。一个合法的上市动作不仅要求建立新系统和流程，还要求创建你想要如何谈论产品的品牌声音和故事。因为在创业生命周期的这个阶段，你不仅需要触达单个新用户，还需要触达如投资人和企业买家这样的整个目标受众。
幸运的是，上市功能不需要庞大就能有效，而且构建产品的相同 AI 基础设施也能自举将其推向市场。
Claude 如何帮助规模化阶段创始人
早期创业阶段将 Claude 用作产品的基本基础设施：验证想法的研究伙伴、设计和构建原型的工程团队、以及让单人创业公司成为可能的 AI 运营层。达到规模化阶段的 AI 原生创业公司创始人现在可以用 Claude、Claude Code 和 Claude Cowork 以他们构建的相同方式继续扩展。
将日常任务移交给 Claude Cowork
以清晰的视角开始规模化阶段——你现在最需要在哪里投资时间和精力——这对从未建立过企业的首次创始人来说可能是一个挑战。Claude 可以帮助构建只有你应该在这个阶段做的事情的列表，可能包括产品叙事决策、董事会关系、企业交易、创始人之间的对话。任何不在该列表上的东西都是委托或 Claude Cowork 自动化的候选。
练习：用 Claude 产出你当前运营层的瓶颈图：每个当前通过你的路由的工作流、决策和审批。现在让 Claude 推断当你一周不可用时每个会发生什么。会停滞的工作流是那些你仍然亲力亲为到足以阻碍进展的地方。
接下来，是时候对你已构建的系统进行压力测试，确保它们实际上已准备好随着业务增长而扩展。
练习：用 Claude 映射你当前的工作流，然后问它当你一周不可用时每个会发生什么。会停滞的工作流是交接标准、升级路径或例外处理仍然需要收紧的地方。Claude 可以帮助分析失败点并推荐适当的修复，以便你可以更新或替换 Claude Cowork 自动化。
将技术运营扩展为企级基础设施
随着你扩展，买家需要保证你的产品和你的组织可以作为一个长期基础设施被信任。代码库内部的技术工作一如既往，但现在代码库周围也有技术工作要处理。
第一步是将制度知识转化为可扩展的系统。Claude 可以帮助起草和维护企业采购期望看到的书面基础设施，包括产品文档、支持手册和服务水平协议（SLA）。
同时，让 Claude Code 审计和加固代码库，以应对企业合同要求的特定可靠性和安全标准，并构建 Discord 社区支持从未需要提供的的技术支持基础设施：日志、监控、事件响应工具，以及使 SLA 真正可执行的可观测层。
Claude Cowork 然后运行企业支持的运营层本身：工单路由、升级工作流、由产品变更触发的文档更新、续签跟踪，以及企业客户成功所依赖的报告节奏。这三者一起让一个小团队展现出大得多的组织的支持姿态——而这正是签署多年企业合同所要求你展示的。
构建真正的上市功能
创始人拼劲让你走到了这里，但规模化你的创业公司需要创建和实施真正的上市策略。AI 可以帮助你构建并运行这个完整的上市引擎。
Claude 可以帮助从零开始构建基础的上市资源：市场细分、信息架构、分析师关系策略、销售手册，以及一旦你开始与公众投资者、企业买家和华尔街分析师对话时重要的投资人面向指标叙事。这些受众每个都有自己的词汇表，并用各自的标准评估你；Claude 的工作是将你的产品价值主张转化为对每个受众细分相关的产品营销方法。
现在，Claude Cowork 可以成为你的战术执行层：内容管道、外联序列、分析师简报后勤、新闻室和公关节奏、CRM 卫生、管道报告，以及将上市策略转化为实际商业动作的许多重复周期。
上市动作需要产品营销基础设施的地方——交互式演示环境、集成文档、沙盒租户、API 参考、技术一页纸——Claude Code 可以为你构建。买家期望从技术层面评估你的产品，在规模化阶段，一个 Loom 视频和一份销售材料不再足够。这也是让你的上市动作异步运行的基础设施：一个构建良好的演示环境在你参加董事会会议时也能成交。
将领域专业知识和制度知识转化为 AI 上下文
许多超精益创业公司创始人正在为他们在特定行业亲身经历过或观察到的问题构建高度特定的应用或工具。智能体 AI 现在让从未写过一行代码的创始人能够利用他们的领域专业知识来构建解决复杂问题的产品。Claude、Claude Code 和 Claude Cowork 各自在将创始人知识转化为复利式产品特异性方面发挥作用。
使用 Claude 来捕获、组织和提炼创始人知识，将领域专业知识放在产品可及的地方。通过扩展对话、项目和记忆，创始人可以分享他们所知道的一切——行业术语、监管陷阱、边界情况、挫败感、为什么这个问题的明显答案行不通——转化为结构化、可搜索的上下文。然后技能可以将重复工作流（例如，「我如何审计商业租赁」、「我如何分类患者入院表格」）编码为 Claude 每次都以相同方式运行的可重用例程。数月之后，这成为一个任何通用 AI 都无法匹敌的专有知识基底。
用 Claude 外部化你的领域知识对于将行业特定的边界情况编码到产品中变得无价：一个通用 AI 医疗计费工具会在 340B 药品项目理赔上出错，但你的产品对它们有特定逻辑。Claude Code 帮助你将你所在领域的其他专业人士经历的常见挫败感转化为验证逻辑、提示改进，或与你竞争对手可能从未听说过的利基行业系统的 MCP 集成。结果，你的应用或工具的深度和广度都在持续复利，以竞争对手根本无法复制的方式。
练习：识别一个通用竞争对手肯定会在你的垂直领域出错的边界情况。与 Claude Code 合作为它构建一个专用测试用例（不是单元测试），基于你实际见过的场景。每次出现类似的边界情况时就添加它。你的测试套件成为你的护城河地图。
将累积的用户数据复利为防御性优势
当用户与你的产品互动时，他们生成行为信号（即，他们接受哪些输出、拒绝哪些），这指导产品路线图。随着时间推移，你将了解你特定用户群的特定模式、偏好和边界情况。这就是我们所说的复利价值：每次改进使产品更有用，驱动更多使用，创造更多反馈，驱动更多改进。
这些数据是时间锁定的、上下文特定的、复制品无法重新创造的：你无法购买数千用户在你的产品中完善工作流的行为指纹。
Claude 可以帮助审计你收集的任何用户交互数据，识别其中的最高信号行为模式，并设计将持续使用转化为系统性模型改进的反馈循环。
练习：向 Claude 提供你的产品交互数据摘要：你一直在收集什么、收集了多久、以及你对用户随时间如何与产品互动的了解。让它识别该数据中的三个最高信号行为模式，并设计将每个转化为系统性模型改进的反馈循环。然后让它帮你起草一页护城河叙事以指导产品营销：你的数据飞轮如何运作的故事、它已经转了多久，以及为什么一个今天开始的资源充足的竞争对手在两年内无法复制它。
创建工作流锁定
复利数据网络效应让你的产品更难复制，但用户工作流锁定让你的产品更难离开**。用户在日常运营中运行你的产品的时间越长，它就越深入地嵌入他们实际工作的方式。他们在它之上构建了自动化，培训了人员使用它，并将其连接到数据源和其他工具。他们开发的提示、他们优化的工作流、以及他们标准化的输出，都是围绕你的产品做什么以及如何做而塑造的。在这一点上，切换从产品决策变成了全规模运营项目。
创建工作流锁定的第一步是让 Claude 按集成深度映射你当前的客户群。对于每个客户细分，识别他们在你的产品之上构建了什么工作流以及他们依赖什么集成。这显示了你产品的粘性在哪里，以及它需要更深入的地方。
你提供的集成越多，客户就有越多的表面积来构建依赖你产品的工作流。Claude Code 帮助你快速建立与你的目标用户依赖的数据管道、项目管理工具和其他系统的原生集成。Claude Code 还可以构建 API、Webhooks 和 SDK，让客户不仅使用你的产品，还能在其之上构建——最深形式的锁定。
练习：让 Claude 帮你为你的前十大客户构建工作流集成审计。对每个客户，记录他们构建的自动化、他们依赖的集成、通过你产品运行的团队工作流，以及你对他们的切换成本的估计。然后让 Claude 识别跨群体的模式：什么类型的集成为你的特定产品创造了最深锁定，以及你可以为当前处于表面层的客户构建或启用什么来加深集成。