加州 Claude 合約把 AI 成本砍半

這篇在拆加州怎麼把 Claude 採購、訓練和流程支援綁成一包，給你一份可直接抄的 rollout 模板。

我盯政府單位導 AI 很久了，老實說，大多數都像採購簡報寫給採購看的，跟真正要上線的人沒什麼關係。口號永遠很漂亮：數位轉型、提升效率、負責任使用。然後一落地，就變成試辦、白名單、風險框架，外加一份誰都不想看的 vendor deck。最煩的是，沒有人回答那個最實際的問題：星期一早上，第一線到底要怎麼用？

我會拆這份加州和 Anthropic 的合作，原因不是它很炫，因為它其實一點也不炫。它值得看，是因為它把平常被拆開處理的三件事綁在一起：價格、訓練、流程支援。這三件事只要少一個，AI 導入就很容易變成裝飾品。只砍價不教人用，最後大家還是回去照舊做事；只上課不給入口，課上完就散了。這次加州至少有想把整包一起做。

我不是沒懷疑過。這種「AI 轉型」我看太多了，折扣不等於策略。但折扣加上內部 enablement，再加上統一入口，這就開始像真的能讓部門接得住的東西，而不是每個局處自己開一個小型研究案。

這篇拆解的觸發點來自 Yahoo 轉載的 Kamina Bashir 報導，內容提到加州州政府、城市和郡縣能以 50% 折扣使用 Claude。原始報導歸給 BeInCrypto，州府公告則來自 Gavin Newsom 辦公室，日期是 2026 年 6 月 29 日。Yahoo 沒給我更多數字，我也不硬掰。

砍半不是重點，降低試錯成本才是

“California has signed a first-of-its-kind agreement with Anthropic that gives state agencies, cities, and counties access to its Claude assistant at a 50% discount.”

翻譯一下就是：加州在砍 AI 的單位試用成本。聽起來很無聊，但政府採購最缺的就是這種無聊。很多單位不是不想試，是每個部門一想到要用正式預算買一堆 seat，就先把案子丟回去。半價不保證採用，但它至少把最容易被拿來當藉口的那一刀先削掉。

我以前在企業內部推工具也遇過一模一樣的事。功能沒問題，流程也對，偏偏價格成了大家不動的理由。你以為大家在評估模型，其實很多時候他們只是想找一個合理的不做事理由。折扣的價值不在省多少錢，而在讓「先試試看」這件事變得不那麼痛。

加州這步還有另一層意思：它在告訴供應商，公共部門的成交邏輯不是「哪個模型最強」，而是「哪個價格結構比較像公務體系能吞得下去的樣子」。政府買東西本來就慢，還要層層簽核、資安審查、預算核對。你如果想賣進去，就不能只拿著模型能力表來講故事。

實操上，我會先問：什麼價格點會讓團隊願意真的開始測？不是 demo，而是碰真實工作。再來才是買的路徑要不要集中、審核要不要簡化。若使用者得填六張表還要等天降恩典，最後他們只會繼續用 email 和 spreadsheet。

只給工具不教工作流，導入一定歪掉

“It pairs the discounted access with free workforce training, technical assistance, and workflow help from Anthropic developers.”

這段是我最在意的。不是因為 training 很性感，恰恰相反，它很不性感，但它決定了工具到底會不會被拿來做正事。報導寫得很清楚：Anthropic 不只給折扣，還附 workforce training、technical assistance、workflow help。這比「帳號開好自己玩」強太多了。

我看過太多組織買 AI 工具，然後對 adoption 低落裝出一副驚訝臉。當然會低啊，沒人教員工怎麼把它接到自己的工作裡。真正有用的訓練不是丟幾張 prompt 投影片，而是把工作情境講清楚：案件摘要怎麼寫、回覆怎麼草擬、文件怎麼整理、客服怎麼分流、法遵怎麼先做第一輪篩檢。

加州這種公部門場景尤其明顯，因為它的工作本來就又多又碎。大家不缺「AI 素養」這種空話，缺的是可複製的 task pattern。像是怎麼整理長文件、怎麼把公民來信先分流、怎麼讓主管先看到重點、怎麼把重複性文書壓掉。

我會這樣做訓練設計：

• 先講工具能做什麼，不要先講模型多厲害
• 再講哪些資料不能亂丟，哪些輸出一定要人看
• 接著用部門自己的工作流做範例
• 最後開 office hours，讓大家拿真實案例來問

少了最後那個 clinic，大家通常只會學會「怎麼問」，不會學會「怎麼用在工作」。結果就是表面很熱鬧，實際上沒人省到時間。

統一入口比各自試辦更像真的治理

“The service will be available through the California Department of Technology's new Statewide Information Technology Shared Services portal.”

這個 portal 細節很重要。加州不是只說「大家去用 Claude」，而是把入口放進州政府的 shared services 流程裡。這不是單純產品合作，這是採購和治理一起做。對公共部門來說，這種設計比任何華麗的發表都實際。

白話就是，局處不用每次都自己跟供應商重談一次，不用每個單位都開一條私房線，不用各自做一份 security review 然後互相不知道在幹嘛。少一點影子試辦，少一點各自為政，至少 bureaucratic friction 會小一點。

我待過那種每個 team 都有自己的 AI experiment 的環境，真的很煩。每個單位都說自己很前衛，結果每個單位都在重工：各自簽、各自審、各自定 policy、各自踩雷。大家忙半天，其實是在重複發明同一個輪子。

但統一入口也有風險。如果 portal 變成另一個拖延中心，申請一個簡單用途都要等 90 天，那它就只是把混亂集中起來而已。重點不是集中，而是集中後要更快。合規路徑要比地下路徑更省事，使用者才會走正門。

實操寫法很簡單：我會做一個單一申請入口、一套標準價格、一條 common use case 的快速審查線。低風險工作流直接走快車道，別什麼都丟進大會審。中央化只有在減少摩擦時才有意義。

別拿裁員當主軸，員工只會先防你

“Newsom framed the move as efficiency reform, not headcount reduction.”

這句話很關鍵，因為 AI 在政府裡最容易被講歪，不是吹成神，就是講成裁員工具。Newsom 明講這不是砍人，而是讓工作更快、更順、結果更好。原文還直接引用他說，AI 不該取代政府的人工工作，而是幫員工更快解題、把事情做得更好。

這種說法政治上比較安全，但對實際導入也比較有用。你如果一上來就講 headcount efficiency，第一線只會想：喔，所以我就是那個被拿去算 ROI 的人。那誰還願意先試？人不是不接受 AI，人是不想先當自己被換掉的案例。

我在私部門也看過一樣的錯法。主管宣布 AI，第一句就講人力優化，然後再問為什麼沒人報名試點。很簡單啊，沒人想成為示範被取代。你要人配合，就要講 throughput、service quality、少掉那些爛到不行的重複工作。

實操上，我會把對外口徑改成這幾種：

• 縮短回應時間
• 減少重複審查工作
• 提高分流準確率
• 讓人力回到高價值案件

這不是修辭，這是唯一能讓現場不先防備你的說法。你先把焦點放在工作品質，而不是人頭數，大家才有機會真的開始試。

先從一個高量、低歧義流程下手

“Several agencies are already using the assistant.”

報導提到，州內已經有幾個單位在用 Claude，包括 Department of Technology、Office of Emergency Services、DMV、Department of Health Care Services、Engaged California，還有內部工具 Poppy。這代表這次合作不是從零開始，而是在把既有使用正式化。

這件事的意思很直白：已經有需求，只是過去比較像影子使用。現在政府想把它變成可管理、可採購、可擴張的正式流程。這兩件事完全不同，我看過太多團隊把「有人偷用」誤認成「導入成功」。那只是需求存在，不代表制度準備好了。

這些用例也很對路：cyber defense、掃描、patch code、客服、內部流程、公眾意見整理。這些都是夠 boring 但夠真實的工作，AI 在這裡才有機會省時間，而不是裝神弄鬼。你如果能讓 DMV 少卡一點、讓健康服務的內部文書快一點、讓 emergency 團隊少做一點人工掃描，那才叫有用。

實操寫法：先挑一個高量、低歧義、大家都討厭的流程。不要從最炫的 demo 開始，因為 demo 最會騙人。先做前後對照，量時間、量錯誤率、量員工滿意度。量不出來，就別說你在 rollout，你只是在裝修。

沒有 policy，AI 採購很快就會長歪

“The partnership extends California's AI agenda, which began with a 2023 executive order and produced Senate Bill 53.”

這句告訴我，加州不是只在買工具，它是在補政策骨架。報導把這次合作接回 2023 的 executive order 和 Senate Bill 53，意思很清楚：這不是一次性的 vendor news，而是更長線的治理設計。

我很在意這件事，因為沒有 policy 的 AI 導入，最後通常都會長成一團。權責不清、資料亂丟、例外條款滿天飛、出了事沒人想簽字。公共部門特別需要規則，但規則又不能寫到把所有人都卡死。這個平衡很難，很多組織不是太鬆就是太死。

如果是我來做，我會先把這幾個問題寫清楚：誰能用、能丟什麼資料、哪些輸出一定要人審、誰負責記錄、誰負責稽核、誰負責出事時的 escalation。你不先定義， rollout 就會變成一個披著創新外衣的責任黑洞。

實操上，policy 不要寫成宣言，寫成工作規則。短一點、具體一點、跟流程綁緊一點。先上線，再在第一個月根據實際使用修。重點不是讓 policy 看起來很高大上，重點是不要讓大家拿著強工具亂做事。

可抄的模板

# 公部門 / 企業 AI 導入模板（折扣版供應商方案）

## 1) 目標
我們要導入 [AI 工具]，用來減少 [部門 / 流程] 的重複人工工作，同時保留人類審核，特別是會影響民眾、客戶或受監管流程的決策。

## 2) 取得方式
- 供應商： [vendor name]
- 產品： [product name]
- 購買路徑： [shared services portal / approved procurement route]
- 價格： [discounted rate / standard rate / pilot rate]
- 適用單位： [departments / agencies / teams]

## 3) 核准用途
可用於：
- 內部摘要草擬
- 來件分流與優先排序
- 長文件摘要
- 程式碼或文字初步掃描
- 提供給員工審閱的第一版回覆

不可用於：
- 未經人類審核的最終決策
- 未經批准的敏感操作
- 未審核的對外公開內容
- 需要法律或法規判斷的流程

## 4) 訓練安排
第 1 週：
- 工具基本操作
- 核准用途
- 資料處理規則

第 2 週：
- 部門專屬工作流示範
- 用真實任務做練習

第 3 週：
- Office hours
- 針對第一批輸出做 review

## 5) 治理檢查清單
上線前確認：
- 資料分級規則已寫清楚
- 人類複核要求已定義
- logging 與 audit 的責任人已指定
- 資安審查已完成
- 採購負責人已命名
- 錯誤輸出的升級處理流程已存在

## 6) 成效指標
追蹤：
- 每個流程節省多少時間
- 使用工具的員工數
- queue time 是否下降
- 上線前後的錯誤率
- 員工滿意度

## 7) 前 30 天
- 先從一個高量流程開始
- 收集好與壞的輸出範例
- 每週開 office hours
- 根據實際使用修正 policy
- 決定要擴大、暫停，還是縮小範圍

## 8) 對內公告文案
我們將透過 [approved access path] 導入 [AI 工具]，協助同仁減少 [workflow] 的重複工作。此工具用於支援人類判斷，不取代人類判斷。請僅在核准用途內使用，並遵守資料處理與複核規則。

如果是我在政府、學校或大型部門推這種案子，我會直接用這份骨架。它不花俏，但它真的能用。最好的 AI 導入通常不是最會喊的那個，而是最不會出事的那個。

原始觸發來源是 Yahoo 轉載的 Kamina Bashir 報導，指向 BeInCrypto 對加州與 Anthropic 合作的整理；加州州府公告則可從 Governor Gavin Newsom 官方網站 找到脈絡。這篇拆解裡的判讀與模板是我自己整理的，可直接拿去改成你們內部版本。