Anthropic 與加州的 Claude 合作，應成為公部門 AI 的預設模式

我認為加州與 Anthropic 的 Claude 合作，應被視為公部門採用 AI 的標準範本：先統一治理，再談擴散。

加州這筆合約的價值，不在於 Claude 多強，而在於政府終於把 AI 當成基礎設施，而不是一堆零散試驗。當州政府把同一套工具開放給州機關與地方政府時，採購、資安、訓練與稽核都能收斂到同一條線上，這比各局處各自買一套更重要。

公部門導入 AI 最怕的不是慢，而是亂。美國聯邦政府在 2023 年已發布 AI 指引，要求高風險用途必須有測試、監督與問責機制；這代表問題從來不是「要不要用」，而是「能不能管」。加州這次選擇單一平台，等於先把治理框架立起來，再談規模化。

第一個論點：單一平台，比一千個試點更有治理價值

政府機關常常把「試點很多」誤認為「創新很多」，其實只是風險被分散到看不見的地方。若 30 個部門各自採購不同模型、不同帳號與不同權限，最後留下來的不是多樣性，而是無法稽核的碎片化系統。對審計、法遵與資訊安全來說，這種狀態比完全不用 AI 更難管理。

加州的做法把焦點從單點效率拉回制度效率。當同一套 Claude 可被用在福利申請、許可審查、客服中心與內部行政流程時，政府得到的是共同的訓練介面與共同的政策邊界，而不是每個單位都重新發明一次工作流。這種標準化，才是 AI 進入政府後真正能累積的能力。

這也解釋了為什麼公部門採購不能只看模型排行榜。企業可以為了某個任務追求最高分，但政府買的是可持續營運的系統。若一個州要服務超過 3900 萬居民，光靠零星部門自發導入，根本無法形成一致的服務品質，更別說把使用紀錄、權限控管與責任歸屬做完整。

第二個論點：政府需要的是可控性，不是模型崇拜

在公部門，AI 的第一要求不是「最聰明」，而是「最能被管」。資料流向、日誌保存、人工覆核、敏感資訊遮罩，這些都比模型參數更接近政府真正的風險面。單一州級合約的好處，是能把這些要求變成強制條款，而不是靠每個承辦人自律。

Anthropic 之所以適合被拿來當範例，還因為它本身已經處在高度政治與監管壓力之下。2024 年，Anthropic 與 Amazon、Google 的雲端合作規模持續擴大，同時也面對外界對安全與治理的檢視，這使它更像一個必須接受制度約束的供應商，而不是隨時可被個別員工私下使用的消費級工具。對政府而言，這種供應商比「人人可買、人人可用」更可信。

更現實的一點是，政府採購本來就不是自由市場。學區、縣政府、州機關與承包商之間的關係，決定了 AI 一旦擴散，就會被鎖進長期合約、既有身分系統與資料治理流程。與其假裝多供應商競爭能自動帶來秩序，不如承認先選一個可治理的平台，再用合約條件控制退出與移轉，這才符合公共部門的運作邏輯。

反方可能怎麼說

批評者會說，這正是政府被單一 AI 公司綁住的開始。當州政府把預設入口交給 Claude，Anthropic 就取得了制度性優勢，其他開源模型或競爭商用模型很難再公平進場。從採購公平、技術多元與長期議價能力來看，這確實是值得警惕的風險。

另一個合理疑慮是，標準化可能壓扁創新。地方政府的需求差異很大，交通、稅務、社福、建管的風險輪廓也不同，若全部先套同一個平台，可能會把本來可以由不同工具解決的問題硬塞進單一路徑，最後形成「看起來一致，實際上不夠貼身」的導入模式。

但這些批評不足以否定這筆合作。鎖定供應商是採購設計問題，不是拒絕採購的理由。加州完全可以在合約裡要求資料可攜、日誌可審、退出機制明確、以及關鍵流程保留人工覆核，先把治理底線立住，再談是否要擴大到其他模型。真正更糟的情況，是每個部門各自試水溫，最後既沒有多元，也沒有控制。

你能做什麼

如果你是工程師或 PM，這件事的啟發很直接：先定義一個被批准的模型層，再把權限、日誌、提示詞模板與人工審核流程包成標準件。不要把 AI 當成功能插件，而要把它當成受管制的公共系統，否則你做出的只會是漂亮但不可維運的 demo。

如果你是創辦人，面向政府市場的銷售話術也該改。不要先談「我們的模型多強」，先談「你怎麼審計、怎麼撤回、怎麼交接、怎麼降低採購摩擦」。公部門真正會買單的，不是最炫的生成能力，而是能被法務、資安與採購一起接受的標準化方案。