OpenAI IPO 前先把政策變成招募

OpenAI 正在把 IPO 前的政策與治理需求，直接做成招募策略。

我盯 OpenAI 一陣子了，老實說，最近最不對勁的地方不是模型，而是整家公司開始長得像一台要被公開市場檢查的機器。以前大家還能拿 demo、benchmark、產品感來撐場面；現在不行了。你一旦準備上市，外界不會只問你「會不會做」，還會問你「誰負責、怎麼管、出事誰扛」。所以我看他們最近的招募，心裡只有一個感覺：這不是單純補人，這是在補一整套可被審視的結構。

我看到這個線索，是從 TechCrunch 的這篇文章開始的。它提到 OpenAI 在 IPO 前同時拉進 Noam Shazeer 和 Dean Ball。文章沒有給觀看數或書籤數，所以我不亂編；但訊號夠明顯：OpenAI 不是只在找更強的工程師，它是在找能替公司扛技術信任、政策信任、治理信任的人。

OpenAI 不是在補人，是在補可信度

“OpenAI is bringing on some big names to the team in the lead-up to its public debut: Google DeepMind AI legend Noam Shazeer and former Trump White House AI policy official Dean Ball.”

翻譯一下就是：它在把「我們很強」這句話，拆成兩種市場都聽得懂的版本。Shazeer 是技術招牌，Ball 是政策招牌。前者讓人相信你還站在模型前線，後者讓人相信你不是只會衝刺，還知道怎麼在監管、國會、公共輿論面前不翻車。

我很少看到公司在同一週把這兩種角色一起補齊，因為多數團隊還停在舊思路：工程歸工程，政策歸政策，法務最後收尾就好。問題是，OpenAI 這種等級的公司一旦要上市，外界看的是整體敘事，不是單點能力。你有沒有能力做模型是一回事，你能不能把模型放進一個可被治理、可被解釋、可被追責的框架裡，又是另一回事。

Shazeer 的名字本身就有技術歷史。他是 Attention Is All You Need 的共同作者之一，這篇 2017 論文把 Transformer 架構推到主流。這種人進來，不只是增加研發戰力，也是在告訴市場：我們還認得出真正的技術重量級人物。Ball 的價值則是另一種。他不是來寫模型的，他是來幫公司把政策語言翻成組織語言，讓領導層知道什麼該先管、什麼不能賭。

我之前看過不少團隊犯同一種錯：把「招到名人」當成目的。其實不是。真正有用的是，這個人能不能幫你降低某種外部不確定性。對 OpenAI 來說，現在最值錢的不只是算力或研究，而是市場相信你有能力把風險管住。

• 把每個 senior hire 對應到一種風險，而不是只對應職稱。
• 問清楚這個人是在安撫投資人、監管者、客戶，還是內部團隊。
• 如果你說不出他在安撫誰，這個 hire 多半只是貴。

Shazeer 回鍋，說明 AI 人才市場還是人治

“Two years ago, Google rehired Shazeer in a $2.7 billion deal that gave the tech giant access to the startup’s technology.”

這句很刺眼，因為它把 AI 圈的現實講得很直白：大家嘴上在談模型，手上其實在搶人。這不是什麼抽象的「技術趨勢」，而是一小撮名字反覆在 Google、OpenAI、Anthropic、Meta 之間流動。誰看起來更有舞台，誰就能把人吸過去。誰看起來被卡住，誰就留不住人。

我以前在一個團隊也遇過類似情況。大家以為只要把產品做出來，市場自然會認真看你。結果不是。真正改變局面的，是某個有分量的人加入後，會議門票突然變好拿、合作對象突然願意回信、原本不理你的候選人開始願意談。人脈不是裝飾品，它就是信用的一部分。

Shazeer 這種人，對 OpenAI 來說不只是戰力，還是訊號。訊號的意思很簡單：我們還能吸到最懂這個領域的人，所以我們不是在退場，我們是在加碼。這對 IPO 前的公司很重要，因為市場會很現實地問你：你現在到底是領先者，還是只是聲量比較大？

實操上，我會建議團隊不要只看履歷亮不亮，而是看這個人能不能替公司打開哪一扇門。是招募門、客戶門、監管門，還是投資人門？如果一個人只能漂亮地待在簡報上，不能改變外部對你的判斷，那他的價值就沒你想的高。

• 把明星 hire 的功能寫清楚：拉人、拉信任、拉合作、拉市場認知。
• 看他能不能提升下一輪招募品質，而不是只增加頭銜。
• 別把「很強」和「很有用」混在一起。

Ball 這種人，是政策已經變成產品的一種證據

“Our mandate will be to help the company’s leadership shape frontier AI policy.”

這句話我會直接翻成白話：OpenAI 已經不想等政策找上門才回應，它要在政策還沒定型時就介入。這很現實，也很合理。你只要做的是 frontier AI，政策就不會只是法務附件，而會直接碰到產品節奏、發布門檻、風險敘事，甚至公司對外說話的方式。

Ball 的背景也對得上這個角色。他在白宮參與過 AI Action Plan 相關工作，之後又回到 Foundation for American Innovation。這種路徑不是偶然，是熟門熟路地穿梭在政策、智庫、行政系統之間。對一家準備上市的 AI 公司來說，這類人才的價值不是「懂政策」而已，而是知道政策怎麼從文件變成壓力，怎麼從壓力變成公司內部的決策條件。

文章也提到，他會直接向 CSO Jason Kwon 匯報，帶一個小而高自主的團隊，處理 catastrophic risk、recursive self-improvement、labor market impact，以及 frontier labs、政府和社會之間的關係。這個清單其實已經把答案講完了：OpenAI 不是把政策當公關稿，而是當成策略層的一部分。

我以前看過太多公司把政策放到最後。工程先做，產品先上，等外界有意見再補說明。這種做法在小公司也許還能混，但到了 OpenAI 這種量級，政策不是收尾，是前置條件。你不先想清楚，等於把未來的麻煩先存進來。

實操寫法很簡單：只要你的產品有可能碰到監管，就不要把政策放在 launch 後面。先列出會問你的三類人——監管者、客戶、媒體——各自會問什麼，再指定一個 owner。不要五個人都「有參與」，那等於沒人負責。

• 政策要靠近策略，不要只靠近法務。
• 把外部會問的問題先寫出來，再設計產品。
• 每個高風險議題只留一個明確 owner。

真正的重點是 internal governance

“Internal governance will be more central to the future of AI than most people realize,” Ball wrote.

這句話我很買單，因為它踩中了很多公司最愛逃避的地方。治理這件事很無聊，沒人喜歡開會談誰能擋 release、誰能 override、什麼算緊急狀況。可是一旦出事，大家第一個找的就是這些東西。沒有治理，產品越大，風險越像黑箱。

白話一點說，OpenAI 的這波招募不是只在問「誰懂模型」，而是在問「誰能定規則、誰能說不、誰能把說不變成制度」。這才是上市前最麻煩也最值錢的部分。投資人要的是可預測，監管者要的是可追責，員工要的是清楚邊界。你如果連內部誰有最後決定權都講不清楚，上市後只會更慘。

我以前碰過一個團隊，技術很猛，大家都很會做事，可是一旦碰到高風險發佈，沒人知道誰能拍板。結果就是每個人都在等別人先說話，最後錯過時機還互相怪罪。治理不是官僚，它其實是速度的前提。你越早定義規則，後面越少內耗。

所以這段最值得抄的不是口號，是做法：先把治理寫成文件，再把文件變成流程。誰能 block release？誰能解除 block？什麼情況算 emergency？誰留下紀錄？這些問題如果你現在答不出來，代表你的治理還停在口頭禪。

• 先定義 block / override / escalation 三件事。
• 把高風險決策的簽核路徑畫出來。
• 不要讓「大家都知道」取代正式規則。

OpenAI 其實是在對準政府與地緣政治

“Ball’s decision to join OpenAI — arguably an AI favorite in the administration — comes as Anthropic battles once again with the U.S. government.”

這段把格局拉大了。OpenAI 不只是跟其他 AI 公司搶人才，它是在搶一種更稀缺的能力：跟政府互動的能力。當 AI 被放進國安、出口管制、勞動市場、公共安全這些框架裡，任何一家大公司都不再只是供應商，而會變成政治對象。這不是你想不想的問題，是規模到了就會發生。

我很不喜歡那種把政府關係當成髒話的說法，因為那太天真了。你做的東西如果夠大，政府一定會來看。你不先建立自己的回應機制，到時候就只能被動挨打。Ball 這種人厲害的地方，就是他知道政府怎麼看公司，也知道公司怎麼在壓力下組織回應。

OpenAI 在這時候補這種人，說穿了就是在防止自己被外部敘事牽著走。當公司越大，越不能只靠產品說服世界，還得靠制度、政策、治理一起說服。這三個東西少一個，上市後都會被放大檢查。

實操上，如果你在做的是受監管或帶戰略屬性的產品，現在就要準備 government-response playbook。不是出事後才寫，而是先寫好誰講話、誰批准、誰留紀錄、誰 follow up。等到新聞出來再補，通常都太晚。

• 把政策依賴當成技術依賴一樣管理。
• 假設公司變大後，一定會被政治化解讀。
• 先準備回應鏈，再等危機出現。

IPO 前的重點不是慶祝，是收斂

我對這波招募的判斷很直接：這不是在慶祝，而是在收斂。IPO 會逼公司把曖昧拿掉，把不可說清楚的東西說清楚。OpenAI 同時補 Shazeer 和 Ball，就是在對外表態：我們不只技術上能打，政策上也準備好了。

這跟很多 AI 公司還在裝的那種「先衝再說」完全不同。公開市場不愛模糊，監管不愛模糊，大客戶法務也不愛模糊。公司越大，越需要知道風險從哪裡來，誰能擋，誰能回應，誰能把事情講明白。這些都不是附加題，是基本題。

如果你是台灣這邊在帶 AI 團隊的人，我會建議你直接拿這個案例當鏡子。不要只看 OpenAI 有多大，而是看它在上市前先補哪幾種能力。通常答案都很殘酷：不是最會發 demo 的人，而是最能讓公司面對外界的人。

實作上，你可以直接做一版 pre-IPO 或 pre-scale 的人才盤點。看你的 leadership bench 有沒有下面三種人：能講技術風險的人、能講政策風險的人、能講治理的人。少一種，你就少一塊防火牆。

可抄的模板

# AI 公司 pre-IPO 招募與治理模板（可直接改名套用）

## 目標
把招募當成風險管理工具，用 senior hire 補齊技術、政策、治理三種缺口。

## 我們要補的三種能力
1. 技術可信度：讓外界相信我們還站在前線
2. 政策可信度：讓外界相信我們懂監管與政府互動
3. 治理可信度：讓外界相信我們知道誰能決定什麼

## 招募評分表
每個候選人都要回答：
- 這個人降低的是哪一種風險？
- 他/她主要安撫的外部對象是誰？
- 這個人能擁有哪些決策權？
- 這個人只能影響、不能拍板的範圍是什麼？
- 如果不招這個人，最先出問題的是哪裡？

## 政策與治理清單
- 列出產品會引發的前 5 個監管問題
- 每個問題指定 1 位 owner
- 定義 release blocker 的條件
- 定義 escalation path
- 定義誰可以 override、在什麼情況下 override
- 定義所有高風險決策的紀錄方式

## 對外敘事檢查
- 我們能不能用 1 頁講清楚治理結構？
- 我們能不能用 2 分鐘講清楚政策立場？
- 我們有沒有能回應 frontier risk 的人？
- 我們每個 senior hire 的存在理由是否清楚？

## 每週例會節奏
- Monday：policy / governance risk review
- Wednesday：technical risk / launch blocker review
- Friday：external narrative / investor readiness review

## 可直接貼進 JD 的招募描述
我們正在招募能在高不確定環境中工作的資深領導者，重點不是頭銜，而是能否降低 frontier risk、建立政策回應能力、並讓內部治理更清楚。你需要能跨工程、法務、策略與對外溝通協作，並在事情變成公開問題前先處理掉。

## 面試題庫
- 你曾經如何提早識別一個高風險決策？
- 你怎麼判斷政策應該阻擋一個 launch？
- AI 公司最常低估的治理失誤是什麼？
- 如果要向監管者解釋我們的風險控管，你會怎麼講？

## 決策規則
- 只增加名氣、不降低風險的人，不急著招
- 能增加名氣、又能明確降低風險的人，優先招
- 任何說不清自己責任邊界的人，不進核心團隊

這份模板是我根據 OpenAI 這次招募打法整理出來的原創版本；結構靈感來自 TechCrunch 原文，以及 Shazeer 的技術背景頁面 Google DeepMind、Ball 所在的 Foundation for American Innovation、還有 Transformer 論文。我拆的是方法論，來源是這些材料，剩下的是我自己的整理。