把醫師放上救護車：創新講堂的五件事，以及背後的研究

他們原本要做非洲版的叫車 App。卡住的地方不是技術，是當地大部分的路沒有名字。

八月三日的創新講堂，Labfront 共同創辦人暨執行長 Christopher Peng 從這個問題講起。排定九十分鐘，實際走到一百二十分鐘，沒有人提前離開。

五個觀念，我們逐一去找了對應的公開研究。他當天講的每一條都在研究裡找得到對應，研究同時也標出了這些做法成立的邊界。

一、卡住的時候，先問那一步是不是必要的

衣索比亞當時沒有救護體系，因為過去根本沒有醫院可以送。朋友的家族三代在當地行醫，開了第一間急診與急診手術中心，找他來解決運送。

叫車 App 的第一句話是「你在哪裡」。這一句在沒有路名的地方問不下去。

他們沒有想辦法解決「沒有路名」，而是回頭問一句：治療一定要發生在醫院嗎。他們是私人會員制，手上有全部病歷，不一定。於是專科醫師直接上了救護車。不是把人送到治療，是把治療送到人身邊。

衣索比亞近年的數字更直接。阿迪斯阿貝巴 ALERT 創傷中心 12,816 名病人的登錄顯示，只有 10.4% 搭救護車到院，最危急的一級病人也只有 31%。

這個解法的效果高度依賴環境。加拿大 OPALS 研究收了 2,867 名重大創傷病人，基礎救護時期存活率 81.8%，全面導入進階救命術之後是 81.1%，重度昏迷的次族群還從 60.0% 掉到 50.9%。同樣是把處置往前移，空窗越大效益越大，空窗本來就小的地方就未必：在超過一半的人死在現場的地方，醫師往前放砍掉的是最致命的那段等待。

二、太早請人，你會被燒錢速度追著跑

他說這是他犯過的大錯之一：產品還沒站穩就找人接手開發。他講得很直白，當時就是怕自己扛不起技術那一端。代價是一條鏈，請人要付薪水，付薪水就被燒錢速度追著跑，被追著跑就只能做能快速賺錢的事。

Sam Altman 在《Startup Playbook》開宗明義：My first piece of advice about hiring is don’t do it.

Startup Genome 把這個差距算了出來。過早擴張的公司在同一階段，人數是健康公司的三倍；擴張得對的公司，最後團隊反而大 38%，只是多花 76% 的時間才長到那裡。報告點名的職位不是工程師，是財務長、客服、資料庫專家與主管。

另一個方向的資料也值得放在一起看。哈佛商學院 Noam Wasserman 追蹤 212 家新創，公司滿三年時半數創辦人已經不是執行長，五人中有四人最終交棒。CB Insights 收集的失敗檢討裡，也有創辦人寫下 I wish we had a CTO from the start.

兩邊差的是時間點。產品還沒站穩，每多一個人就是多一份月薪；站穩之後，人才是唯一放得大的東西。

他自己也劃了界線，值得原句記著：這些是他這種不打算募創投、想把公司做很久的角度，如果你要走創投路線，他說不要照他講的做。

三、product market fit：感覺派與分數派

有人問他怎麼判斷產品找到市場了。他的答案是：如果你有，你會知道你有；要停下來問自己有沒有，通常就是還沒有。他舉的訊號是客戶開始主動介紹朋友來用。

這個講法有出處。Marc Andreessen 2007 年寫的就是 You can always feel when product/market fit isn’t happening. 而他接著列的全是可觀察的行為：客戶買得比你生產得快、伺服器加不及、記者主動打電話。這一派的重點也不是無法判斷，而是訊號大到不必量。他當天舉的例子正是這一類。

另一派把它裝上刻度。Sean Ellis 2009 年的問卷問現有用戶「不能再用這個產品你會多失望」，很失望達 40% 就算過線。Superhuman 照著這個分數改了三個季度。

這條線也沒有看起來那麼科學。Sean Ellis 原文自己就寫了 Admittedly this threshold is a bit arbitrary，樣本只有將近一百家新創；研究機構 MeasuringU 在 2022 年查過 Google Scholar，查不到同儕審查論文驗證過這條門檻。

感覺告訴你有沒有，分數告訴你往哪走。他講的是已經到位的樣子，那把尺是給還沒到位的人用的。

四、從解決自己的問題開始，不用等它完美

有社友問，已經在上班的人從哪裡開始。他說你有時間，卡住你的是在等一個完美的點子。起點不是點子，是練習。

他自己做了一個行事曆工具，因為現成的解決不了他三個困擾：看不到一年以後的事、想先把還沒確定的旅程放進去、想知道朋友那時候會在哪裡。工具好不好用是其次，他是在做的過程裡學會的。

他也拆掉了一個很多人卡住的念頭：不要去找一個所有人都要的東西。那不存在。只要你自己真的需要，通常就有一群跟你相似的人也需要，而你是唯一能替他們把規格講清楚的人。

這一點對多數人還有一個更直接的版本：就算沒有要創業，動手做東西來練習用 AI，這個能力對職涯本身就有價值。你會知道什麼做得出來、什麼做不出來，而這個判斷力，光讀文章讀不到。

五、對話越長越不可靠，這件事量得出來

他解釋，每個任務都要切到夠小、在他說的 smart zone 裡做完，再叫 AI 寫一份交接文件帶進新對話。判斷離開 smart zone 的症狀是：你明明設過規則，它卻開始給你別的東西。

這個現象研究端已經量出來了。〈Lost in the Middle〉發現資訊放在中段會被吃掉，號稱長脈絡的模型也一樣。Adobe Research 與慕尼黑大學 2025 年的 NoLiMa 測了十三個宣稱支援十二萬八千詞元以上的模型，脈絡拉到三萬二千詞元，十一個掉到自己短脈絡表現的一半以下，GPT-4o 從 99.3% 掉到 69.7%。三萬二千詞元大約就是一場兩小時會議的完整逐字稿。

Anthropic 的工程文件也引用了 context rot 這個說法，並建議把舊對話壓縮後開新視窗、把筆記寫在對話之外。那就是他說的交接文件。

他另外提到，AI 系統不該是一路往下接的對話，而該是一個會累積的知識庫：資料丟進去只是第一步，要讓它讀完、整理成之後可以被引用的形式；重複出現的判斷不該每次重講，應該沉澱成規則。細節屬於他自己整理出來的一套方法，這裡不轉述。

他自己下的界線值得記著：AI 負責把資訊浮上來，決定還是人做。

這五件事各自的成立條件

救護車那招成立，前提是那個環境還沒有到院前體系。太早請人的教訓，關鍵在交出核心的時間點。感覺得到 product market fit，描述的是已經到位的狀態。切小對話有效，是因為模型的注意力預算會被稀釋。

同一件事，經驗給的是結論，研究給的是邊界。知道邊界，才知道一條經驗什麼時候該換做法。

他選了一個很難的題目做十幾年，其中一個原因是這個問題夠複雜也夠有趣，換成簡單的他撐不了十年。他也說，錢買不動他去做不想做的事。

本文引用的資料

Mock CN 等，《Journal of Trauma》1998;44(5):804-812。
Starr N 等，《Trauma Surgery & Acute Care Open》2024，ALERT 創傷登錄。
Stiell IG 等，OPALS Study Group，《CMAJ》2008;178(9):1141-1152。
Startup Genome Report Extra on Premature Scaling, v1.2。
Wasserman N，〈The Founder’s Dilemma〉，《Harvard Business Review》2008 年 2 月號。
Altman S，《Startup Playbook》。Andreessen M，〈The Pmarca Guide to Startups, part 4〉2007。
Ellis S，〈The Startup Pyramid〉2009；Vohra R，First Round Review，2018；Lewis J 與 Sauro J，MeasuringU，2022。
Liu NF 等，〈Lost in the Middle〉，arXiv 2023、TACL 2024；Modarressi A 等，NoLiMa，Adobe Research 與 LMU Munich，2025。
Anthropic，〈Effective context engineering for AI agents〉，2025。