Token Maxing 正在害死企業新創：Legora CTO Jacob Lauritzen 拆解 AI 時代的工程組織

TL;DR

• 寫程式這件事已經不是瓶頸了。Legora 內部超過一半的程式碼由 Claude 跟 Cursor 寫出來，工程師的工作正在從「打字」往上爬一層，變成系統設計跟架構決策。
• 「Token Maxing」是個陷阱。把 token 用量放進績效考核，只會逼大家為了好看狂燒 token，這是最蠢的做法。該獎勵的是產出跟效率，不是消耗。
• 模型沒你想的那麼重要。就算把某個模型從 Legora 抽走，客戶還是會選 Legora，因為價值在模型外面那一圈。
• 給你六個月領先的模型，還是六個月領先的工程師？Jacob 毫不猶豫選工程師，因為好工程師能蓋出指數成長的系統。
• 對抗大公司的唯一解法：比那隻八百磅的大猩猩更拚。因為大公司裡沒人真的在乎輸贏。

這集 20VC（The Twenty Minute VC）在 2026 年 6 月 6 日上線，主持人是創投圈情報站等級的 Harry Stebbings，這節目專門把第一線的創辦人跟技術主管挖來聊產業最前線。這次來賓是 Jacob Lauritzen，Legora 的 CTO，一個丹麥人、FC Copenhagen 的死忠球迷，順帶一提這是他人生第一次上 podcast。Legora 是 2023 年在 Stockholm 創立的法律 AI 公司，做的是給律師用的協作式 AI 工作空間。它有多猛？十八個月衝到一億美金 ARR（年度經常性收入），今年要做到兩億五到三億，最新估值五十六億美金，Nvidia 跟 Atlassian 都進來投。它的頭號對手是估值一百一十億的 Harvey，這場法律 AI 軍備競賽我之前在30 歲帶領 110 億美金公司的 Harvey CEO那篇聊過另一邊的視角。

寫程式不再是瓶頸，那瓶頸跑去哪了？

先講一個觀念。Jacob 把做軟體拆成三個階段：第一階段是產品工作，搞清楚要蓋什麼，把使用者的痛苦跟夢想翻譯成具體的東西；第二階段是寫程式；第三階段是審查跟合併。

過去快一百年，第二階段一直是那個卡住所有人的關卡。你想做多快，取決於你能多快把程式碼打出來。現在這件事變得超便宜，整段被壓扁了。

於是瓶頸瞬間移到另外兩端。一端是 review，怎麼更有效率地審查；另一端是產品工作，怎麼更有效率地搞懂該做什麼。這個轉變聽起來抽象，但它正在重寫工程師這份工作的定義。

Jacob 講得很直白：工程師的工作正在從「打一堆 code」往上爬一層，變成思考整個系統長什麼樣子。你不再盯著那幾行程式碼看，你看的是這個改動對系統架構、對穩定性、對安全邊界的影響。如果一個改動不會動到這些策略性的東西，那你可能根本不用 review，直接放 agent 去跑就好。需要人類介入的，只剩下「這個方向對不對」這種判斷題。

用一個生活化的比喻，以前的工程師像是親手砌牆的泥水匠，現在更像建築師。磚頭怎麼疊交給 agent，你負責決定房子的格局跟承重結構。我自己看 coding agent 的演進也有類似感受，之前在前 OpenAI 工程師的 Coding Agent 使用心法那篇就聊過，CLI 打敗 IDE 的核心其實是 context 管理，這跟 Jacob 說的「IDE 現在這個形狀會死掉」是同一條線。

Vibe Coding 把買軟體這件事整個翻過來

Legora 內部現在瘋狂在 vibe code（用 AI 直接憑感覺生出可用程式）自己要的工具。HR 系統、招募系統、薪資系統，這些市面上明明有現成產品的東西，他們開始自己蓋。

為什麼？因為現成工具永遠要客製化到死，而且客製完還是不太合用。現在蓋一個太便宜了，乾脆自己來。

有個我很喜歡的小例子。一個從加拿大搬到瑞典的工程師 Ryan，花一天 vibe code 了一個 app，專門幫整批要移民的加拿大同事處理流程。哪些法規、哪些步驟、做到哪一步了，互動式介面全包。一天的工，省下整個團隊一堆時間。

Jacob 給了一個判斷該買還是該蓋的框架，滿實用的。把軟體想成兩個軸：水平軸是產品面積有多大，垂直軸是它有多複雜。如果是一個面積小、但需要大量客製的淺層 app，那你自己蓋大概是對的。如果是一個藏了一堆複雜邏輯的深層系統，東西太多了，你自己蓋不划算。

這點我覺得對台灣很多公司是個提醒。以前「自己開發 vs 買 SaaS」的天平，現在被 vibe coding 重新校準了一次。

Token Maxing 是場災難

Harry 問了一個很多老闆都在問的問題：該不該叫大家盡可能多燒 token？

Jacob 的答案很乾脆。如果你搞一個排行榜、把 token 用量拿到績效考核上講，結果就是「token maxing」，大家為了好看狂燒 token，這是有夠蠢的做法。token 用量本身沒有任何意義。

該獎勵的是效率跟產出。辦 hack day、辦 demo、讓大家秀自己做得多漂亮多有效率，獎勵這個。AI 會是達成的手段，但你獎勵的目標永遠是結果，不是消耗。這個「把過程指標誤當成目標」的毛病，AI 圈到處都是，我在Token Maxing 變 KPI那篇也吐槽過同一件事。

那要花多少錢在工程師的 AI 工具上？Jacob 說這是機會成本問題。Legora 在一個競爭激烈的環境，能做的事太多了，不做的代價極高，高到幾乎蓋過任何 token 成本。任何一點效率提升對他們都值很多錢，所以該花就花。

但他也補一句很重要的話：這是「對我們」而言。每家公司的機會成本不一樣，你得自己算自己的這筆帳，別看別人燒就跟著燒。

模型沒你想的重要，工程師才是

這段我覺得最反直覺。Legora 是法律 AI 公司，照理說模型品質應該是命脈，但 Jacob 說產品好壞對底層模型的依賴「比大多數人想的低很多」。

價值在模型外面那一圈：為法律場景設計的基礎元件、那一堆企業級功能、在不同模型之間最佳路由的能力。每次模型變強，Legora 就跟著變強，但就算你把某個模型抽走，客戶還是會選 Legora。換句話說，沒人是因為某個模型才買它的。

他們現在大概同時用十個左右的模型，每個任務評估哪個最適合。挑選標準的順序是延遲跟效能擺第一，成本擺後面。最終成本會變重要，但現在不是。律師多等兩秒換更好的結果，完全可以；老實說多等一小時換更好的結果，他們也願意。

然後 Harry 丟了一個經典的二選一：給你領先別人六個月的模型，還是領先六個月的工程師？Jacob 選工程師，沒有猶豫。理由是模型一直在變、一直在進步，但好工程師能幫你蓋出一個會指數級自我改善的系統，這個值錢太多了。

工程組織的新角色，跟一張畫錯的投影片

Jacob 很坦白地承認自己犯過的錯。一年半前他畫了一張投影片給全公司看，斯巴達三百壯士對抗波斯大軍，Legora 就是那三百人。他當時說，我們大概會在二十個工程師封頂。

今天他們有八十個，而且他覺得還是太少了。「我把二十這個數字搞得超級錯。」

這背後是個值得記下來的判斷：他一直低估公司需要的人數，因為太迷信小而精的團隊。他的修正是，只要多加一個人是淨正貢獻，就該加。但前提是維持 A 級人才的密度，因為一旦團隊裡出現大家不信任的人，A 級玩家就會走。他寧可少招、慢一點，也不要用 B 級人去湊數字。

他還點出一個五年內會很普遍、現在卻幾乎沒有的角色：企業內部的 AI 系統團隊。傳統 IT 是幫你裝電腦、設帳號，未來會多出一個姊妹團隊，專門 vibe code 一堆內部工具讓所有人的生活變超輕鬆。Jacob 說如果企業不設這個角色，他會很火大，因為這裡的效率紅利大到誇張。

至於怎麼識別「沒有 ego」的好工程師？他的答案很妙：有 ego 的人超好認，光是談薪水跟頭銜你就看得出來。真正厲害的人想要的是更多錢跟更難的問題，不太在乎 title。Legora 招大部分人的時候根本不太談頭銜，只談你要去解哪些難題。

對抗八百磅大猩猩，就是比牠更拚

最後 Harry 問，在一個有巨頭盤踞的產業裡，給創辦人的最大建議是什麼？

Jacob 的答案簡單到有點狠：就是比那隻八百磅的大猩猩更努力。人們嚴重低估這件事。如果你在跟 Google 競爭，Google 裡那個跟你對打的 PM，根本不在乎事情成不成。也許她很努力，但一個精瘦、拚命的小團隊，能做出很了不起的東西。

我自己很買單這個觀點。大公司的分心，從來都是新創的金礦，這個道理我在好幾篇文章裡反覆看到被驗證。Legora 用十八個月衝出一億 ARR、追著估值一百一十億的 Harvey 打，靠的就是這種「整間公司都真的在乎」的密度差。

整集聽下來，最讓我有感的不是那些技術細節，而是 Jacob 那種「每三個月被現實甩一巴掌、然後快速修正」的務實。他甚至說自己不確定是不是那個能帶公司上市的 CTO，但他的判斷標準很簡單：我是不是現在最快能解決這些問題的人？如果哪天不是了，就換人或換我去做別的。沒有 ego 這件事，從上到下是真的。

如果這篇對你有幫助，wilsonhuang.xyz 上還有更多這類第一線的產業筆記，歡迎訂閱。