一個人借助 AI，已可以更快完成設計、製作、網站與推廣；但做得出來之後，誰會在甚麼情境下付款？
「一人公司」熱潮，把這個問題推到更多創業者面前。2026 年 10 月 5 日，無綫新聞報道內地創業者借助 AI 節省人手成本，同時提到這類公司面對的存活困難。 執行門檻降低，商業判斷並沒有因此變得次要。
AI 可以協助完成工作，卻不能單憑產出，證明產品已找到付款者、團隊能持續交付，或現金足以支持營運。DBB S-T-A-R-T 決策模型要處理的，正是從構想到持續經營之間，那些不能只靠加快執行來回答的問題。
先問構想如何成為生意
一項設計可以解決使用上的不便，卻未必找到願意為此付款的人；一項服務可以取得首批訂單，卻可能因交付過於耗時而難以擴大。若團隊只看產品是否做得出來，容易錯過另一半問題：這種價值能否在真實交易中持續被創造與交付？
這個問題不只屬於一人公司。小團隊可以更快推出服務，既有品牌也可以更快製作新品、建立銷售頁面或展開推廣。然而，產品上線、有人試用、出現首筆訂單，以及能以可承受的成本重複交付，是不同層次的進展。每一步都有價值，但不能把前一步當成後一步已成立。
從商業設計 (Business Design) 的角度看，方案不只要回應使用者需要，也要回答它為誰創造價值、如何被交付，以及能否持續運作。Tsukasa Tanimoto 對商業設計的討論，強調以商業問題引導設計、向持份者說明方案價值，並加強其商業與財務條件。這種視角不把設計局限於外觀，也不把商業模式縮成收入預測。
IDEO 的設計思維則以需求性 (Desirability)、可行性 (Feasibility) 及商業持續性 (Viability) 共同檢視方案。對準備投入的團隊而言，關鍵不是替構想貼上三個標籤，而是找出它們在哪裏尚未接上：客戶想要的，團隊是否交得出來？交得出來的，收入又能否承受成本？
把方案做出來，只完成了其中一步。要判斷它是否值得持續投入，還需要分清每項結論依據甚麼，以及新資料出現後，哪些判斷必須重新作出。
把商業問題接成四個模組
DBB S-T-A-R-T 決策模型是一套互動式、可反覆運行的商業決策系統，由五個決策節點構成。實際操作時，S 與第一個 T 合併，形成 S＋T、A、R，以及最後一個 T (簡稱 T2) 四個 AI 指令模組，用來組織資料、檢查假設並交接分析結果。
| 模組 | 要回答的問題 | 不能直接推定的事 |
|---|---|---|
| S＋T 界定市場與服務邊界 (Size the Market＋Trim the Segment) | 市場在哪裏？以目前的產品、業態、地域與價格，團隊能服務哪個範圍？ | 整體市場夠大，本案就會有收入 |
| A 尋找第一批付款者 (Assign the Audience) | 在可服務範圍內，誰最可能先付款？他們何時需要這項方案？ | 有人喜歡產品，便已有穩定客戶 |
| R 檢查競爭與資源承接 (Resource the Opportunity) | 客戶為何選擇你？渠道、產能與交付方式能否承接？ | 取得首批訂單，就能持續擴大 |
| T2 測試現金流與回報 (Test the Returns) | 錢何時收回、何時支出？資金能否支持業務走到下一階段？ | 年度收入看來足夠，每個月的現金就一定安全 |
把四個模組接起來，市場數字便不再只是支持構想的背景。總體可觸及市場 (Total Addressable Market, TAM) 提供市場量級與趨勢；可服務市場 (Serviceable Addressable Market, SAM) 界定目前能服務的範圍；可取得市場 (Serviceable Obtainable Market, SOM) 則須考慮競爭、渠道與資源限制。由市場機會走到預期收入，還要進一步接受成本及現金流的檢查。
以一人主導的 AI 影片服務為例，創辦人或許能較快完成樣片，卻仍要查問哪些客戶有重複製作的需要、誰批准預算、目前使用甚麼替代方案，以及訂單增加後，修改與溝通時間會否超出承接能力。即使年度訂單金額看來可觀，仍要知道客戶何時付款，工具費、外判費及創辦人所需的報酬又會在甚麼月份流出。
樣片完成得快，是執行能力的證明；付款情境、交付能力與資金承受力，仍須分別取得證據。DBB S-T-A-R-T 決策模型的分工，就是讓團隊知道下一步應查清甚麼，而不是由一項進展替整盤生意背書。
DBB 觀點：一項資料最大的風險，未必是它不真實，而是它被拿來證明一個尚未經過檢驗的下一步。
讓證據交接，也讓決策回流
DBB S-T-A-R-T 決策模型不只在創業前使用一次。它容許團隊從尚未取得第一手資料的構想開始，再把交易、交付及營運所得的新資料帶回模型。互動、交接與回流，讓不同階段的判斷可以逐步接上。
先整理前提，再進入分析
使用者不必一開始就整理好完整的市場資料。若產品、交付方式或價格仍然模糊，先透過模型預設的互動提問釐清，再把回答整理為可核對的前提。確認後才進入分析，有助避免 AI 在尚未定義清楚的構想上，過早生成結論。
沒有第一手付款資料仍可開始，但營收與回本推演會保留為探索情境。此時最有用的成果，可能不是一個預測數字，而是指出哪個假設最值得先實證，以及甚麼結果會令原來的判斷需要修訂。
讓下一步知道上一步交出了甚麼
交接，是每個模組都要知道上一步的結論、依據與未解問題。A 找出的第一目標客群，到了 R 不應被悄悄換成另一群人；R 估算的客戶數、交易頻次與收入，也要能對上 T2 的現金流前提。若需修訂，應指出原因，而不是讓不同階段各自生成一個看似合理、合起來卻對不上的故事。
這種紀律不會令估算自動變準，卻能讓資料缺口與前後矛盾較早被看見。團隊因此不只取得結論，也保留了日後重新判斷的依據。
由新資料影響的位置重新進入
當第一批交易出現，模型並未完成使命。假如原先以為客戶會訂閱月費服務，實際上他們只在緊急情境下購買單次服務，便應回到 A，重查付款者、使用情境與價值主張。若購買方式同時改變獲客渠道、交付時間及留存成本，就要更新 R，再以修訂後的數字重跑 T2。
首次可以按四個模組建立底稿，其後則按資料改變的位置進入：
- 產品、地域、業態或價格帶改變，重查 S＋T。
- 付款者、急迫情境或購買方式改變，重查 A。
- 競爭、渠道、產能或交付成本改變，重查 R。
- 收款期、成本節奏或可用現金改變，重跑 T2。
這是非線性使用，不用每次從頭開始，也不能任意略過必要的前提。上游判斷改變，受它影響的下游分析亦須更新；保留每輪輸入、來源與修訂原因，才能知道新證據究竟改變了甚麼。
DBB 觀點：真實交易的價值，不只在於帶來收入，也在於它可能指出原來的構想需要怎樣改寫。
從專案底稿釐清下一步投入
評估創業或推出新品的專案，重點不是打出一個「可行分數」，而是釐清這一輪要作甚麼決策。準備簽租約、開發完整產品或增加廣告預算，需要的證據並不相同。先清楚每一項投入，才有條件選擇分析入口。
專案底稿不是完整商業計劃書，而是這一輪分析所依據的紀錄。可以先整理五項內容：
- 提供甚麼產品或服務，以及如何交付。
- 預定價格、付款方式與服務地域。
- 已有甚麼資料，例如訪談、詢價、預購或實際訂單。
- 可用的資金、時間、人手、技術與渠道。
- 正考慮以甚麼模式投入，以及目前最不確定的問題。
將資料分為已有證據、間接訊號與待驗證假設，再問哪個假設若不成立，最可能改變這筆投入的意義？如果不知道誰會付款，先認清付款情境；如果已有訂單，卻每次交付都耗盡人手，先檢查方案範圍、定價與產能；如果收入增加而現金減少，則重查收付款時間與成本節奏。
Strategyzer 對創業實驗的建議，是在早期優先考慮快速、低成本的測試。測試不必一次解決所有問題，但應對準最可能推翻投入判斷的假設。
DBB S-T-A-R-T 決策模型的顯性效益，是讓市場範圍、付款客群、資源需求與現金壓力變得更清楚；並讓團隊有依據決定何時縮小測試、修改方案、暫緩或停止新增投入。保留下來的資金與時間，可為下一項目留下空間。
無論使用哪個 AI 指令模組，都需要核對輸入與輸出。AI 可以協助整理資料、提出反證及計算情境，卻不能因為指令寫有「核對」，就保證每次都正確執行。客戶數、交易筆數、平台費用與回本月份若影響重大投入，應另行檢查來源及計算口徑。
用好模型的標準，不是取得最多規格及資訊，而是能說清楚下一筆錢為甚麼值得花，以及花之前還需要知道甚麼。
讓可交付的價值走向品牌
DBB S-T-A-R-T 決策模型讓團隊逐步弄清楚，正在為誰創造價值、客戶為何選擇這項方案、價值能否交付，以及這種交付能否持續。當產品與服務經過真實交易及交付檢驗，團隊便更清楚哪些價值能夠持續兌現。這些判斷，為商業走向品牌承諾提供了根據。
品牌方向可以在探索期間逐步形成，但一個品牌不能只靠說得動聽。承諾如何被履行、客戶如何體驗，以及關係如何延續，會共同影響人們對產品與服務的辨識和理解。市場如何付款、客戶如何使用、團隊如何交付，也會繼續修正這項承諾的根據。從商業判斷走向可持續被體驗的品牌價值，是品牌知識 (Brand Knowledge) 構成的重要銜接點。
AI 可以讓構想更快面世，卻不會讓市場、競爭與持續經營的問題自動消失。DBB S-T-A-R-T 決策模型，不只是創業前的流程，而是可以在構想、交易及營運之間反覆調用的決策系統。四個模組各有分工，又以交接與回流相連，讓每一次新資料，都有機會改變下一筆資源的去向。
你在考慮的下一筆商業投入，最需要哪一項市場回應來支持？
價值，由你定義。
已投入者的參考
US$9 ／ CN¥59 ／ HK$68 ／ NT$288 ／ 或自定價值