如果一個人非常懂 AI,

懂技術。

懂政府。

也知道政策是怎麼形成的。

那他當然會成為 AI 公司非常想要的人才。

問題是:

如果這個人前一天才在幫政府設計 AI 政策,下一站就進入全球最大 AI 公司之一,會發生什麼事?

英國現在正在面對這個問題。

主角叫 Matt Clifford。

他不是一般企業顧問。

過去幾年,他一直站在英國 AI 政策最核心的位置。

但 2026 年 9 月,他加入了 Anthropic。

更敏感的是,他原本還打算繼續擔任由英國納稅人支持的研究機構 ARIA 主席。

英國國會科技委員會直接說:

這兩個角色形成了「明顯的利益衝突」。

五天後,

Clifford 宣布將辭去 ARIA 主席。

表面看起來,事情似乎解決了。

但真正值得看的問題,才剛開始。

Matt Clifford 到底有多接近英國 AI 政策核心

先看他的履歷。

2023 年,英國舉辦第一屆 AI Safety Summit。

Clifford 擔任英國首相代表,參與籌備這場全球 AI 安全峰會。

後來英國建立 AI Safety Institute,也就是現在的 AI Security Institute,他同樣參與其中。

接著到了 2024 年,

英國政府又找他負責另一件重要工作:

設計 AI Opportunities Action Plan。

這不是一份普通產業報告。

它要回答的是:

英國要怎麼發展 AI?

怎麼讓企業使用 AI?

需要什麼資料、人才與基礎設施?

政府自己又該怎麼使用 AI?

2025 年 1 月,這份計畫正式公布。

裡面有 50 項建議。

英國政府最後宣布:

50 項全部接受。

Clifford 隨後又被任命為首相的 AI Opportunities Adviser,直接向首相與科技部門提供 AI 政策建議。

簡單說,

如果把英國 AI 政策想成一棟正在蓋的大樓,

Clifford 不只是來參觀的人。

他曾經參與畫藍圖。

然後,他去了 Anthropic

2026 年 9 月初,消息公布:

Clifford 加入 Anthropic,擔任 Managing Director of International Affairs。

Anthropic 就是 Claude 背後的 AI 公司。

而 Clifford 的新工作,也不是去寫模型或研究演算法。

他的工作正好與自己過去的經驗高度重疊:

和各國政府打交道。

Anthropic 對外表示,公司需要真正了解政府如何運作的人,因為 AI 已經必須與世界各地政府、政策與社會制度合作。

這其實非常合理。

對 Anthropic 來說,

一個曾經參與國家 AI 政策、熟悉政府運作、知道官員在意什麼,又擁有大量政策人脈的人,

當然非常有價值。

問題不是 Anthropic 為什麼想聘他。

真正的問題是:

政府怎麼處理這種人才流動?

爭議真正爆發,是因為他原本還想繼續當 ARIA 主席

如果 Clifford 完全離開政府相關職務,再加入 Anthropic,

爭議可能不會這麼大。

但他當時還有另一個身份:

ARIA 主席。

ARIA 全名是 Advanced Research and Invention Agency。

它是一個由英國政府支持、拿公共資金投入高風險、高潛力科研計畫的機構。

它投資的很多研究,本身就可能與 AI 或 AI 驅動科技有關。

所以問題變成:

一邊是代表納稅人決定前沿科技研究方向的公費機構。

另一邊是全球最重要的 AI 公司之一。

而同一個人原本準備同時站在兩邊。

英國國會 Science, Innovation and Technology Committee 主席 Chi Onwurah 因此公開表示:

這構成「clear conflict of interest」。

當時的處理方式是設定隔離措施。

例如 Clifford 遇到與 Anthropic 有關的 ARIA 業務時必須迴避。

Anthropic 也表示,他不會看到 ARIA 與 Anthropic 之間的商業討論。

理論上,這可以把兩個角色分開。

但政治上的問題沒有因此消失。

因為利益衝突不只是在問「有沒有真的作弊」

這裡有一個很重要的觀念。

利益衝突不一定代表:

某個人真的做了壞事。

也不代表 Clifford 已經替 Anthropic 改變了任何英國政策。

截至目前,沒有證據顯示他利用 ARIA 主席身份替 Anthropic 謀取利益。

真正的問題是另一件事:

一個合理的外部觀察者,會不會懷疑你的公共決策可能受到私人利益影響?

這就是為什麼很多公共機構處理利益衝突時,

不能只靠一句:

「我會公正。」

因為公共制度真正需要保護的,不只是決策本身。

還包括:

大家對決策的信任。

9 月 7 日,Clifford 決定辭職

爭議出現幾天後,

2026 年 9 月 7 日,Clifford 宣布將辭去 ARIA 主席。

他表示,自己不希望新的 Anthropic 工作成為 ARIA 工作的干擾。

不過他不會立刻離開。

應英國政府要求,他將暫時留任到 11 月 6 日,等待新主席接任,期間繼續使用利益衝突防護措施。

國會科技委員會主席 Onwurah 歡迎這個決定。

但她也特別說:

問題還沒有全部結束。

國會仍要求政府說明:

當初怎麼會批准這樣的安排?

做過哪些利益衝突評估?

有哪些制度可以避免未來再發生?

這才是整件事真正重要的地方。

因為未來政府會愈來愈需要「懂 AI 的人」

AI 有一個非常麻煩的政策問題。

如果政府完全不用產業人才,

政府可能永遠追不上技術。

真正做模型的人知道能力到了哪裡。

真正做 AI Agent 的人知道系統可能怎麼出錯。

真正做資料中心的人知道算力、能源和晶片遇到什麼限制。

真正經營 AI 公司的人,也最了解產業需要什麼。

所以政府當然需要這些人。

但另一邊,

如果所有最懂 AI 的人都來自 AI 公司,

規則又可能變成:

被規範的人,同時也是最了解怎麼設計規範的人。

這就是難題。

這就像請最懂金融的人制定銀行規則

想像一下。

政府要制定銀行監管政策。

它當然需要真正懂銀行的人。

否則規則可能根本不切實際。

但如果今天幫政府設計銀行政策的人,

明天直接加入一家大型銀行,

負責和政府溝通監管問題,

社會一定會問:

他帶走了什麼?

只有專業知識嗎?

還包括政府內部怎麼想、誰負責什麼、政策可能往哪裡走、什麼論點最能說服決策者?

這些東西很難放進一份「利益衝突聲明」裡。

但對企業來說,

它們全部都有價值。

AI 也是一樣。

AI 公司現在搶的不只是工程師,而是「懂政府的人」

過去幾年講 AI 人才大戰,

大家想到的通常是:

研究員。

模型工程師。

晶片人才。

產品經理。

現在又多了一種非常重要的人:

政策人才。

原因很簡單。

AI 公司未來能不能推出某個模型、

能不能取得資料、

能不能進入政府市場、

需要負什麼法律責任、

模型上市前需不需要評估、

甚至一個國家要不要限制某種 AI,

都愈來愈不是純技術問題。

這代表「理解政府」本身,

正在成為 AI 公司非常重要的競爭能力。

Anthropic 目前甚至設有 Chief Global Affairs Officer,專門負責全球政策、國際互動與政府關係。

所以 Clifford 的加入不是孤立事件。

它反映的是:

AI 競爭已經從模型競爭,進入政策與制度競爭。

但也不要誤解:從政府轉去企業,本身並不是錯

這件事不能簡單變成:

「政府的人不准去科技公司。」

那也不合理。

政府需要產業經驗。

產業也需要理解公共政策的人。

人才在兩邊流動,本身甚至可能有好處。

真正需要處理的是:

什麼時候可以轉?

哪些事情必須迴避?

離職後多久不能參與原本負責的政策?

哪些政府內部資訊不能使用?

哪些利益必須公開?

誰來判斷衝突是否已經處理?

如果這些規則很模糊,

問題就不是某一個人做錯什麼。

而是制度開始跟不上 AI 產業的人才流動速度。

真正值得看的,是「誰在影響 AI 規則」

未來 AI 一定會有更多規則。

安全。

著作權。

資料。

就業。

醫療。

國防。

教育。

政府採購。

模型責任。

每一個領域背後都有巨大的商業利益。

所以我們不能只問:

AI 政策最後寫了什麼?

還要再多問一層:

是誰參與寫的?

他們過去在哪裡工作?

未來可能去哪裡?

哪些產業有機會接觸決策者?

哪些人沒有?

這些問題聽起來很無聊,

卻可能比某一條 AI 法規本身還重要。

因為真正成熟的 AI 治理,

不能只靠找到幾個最懂 AI 的人。

還必須建立一套制度,

讓這些專業真的能替公共利益服務,

又不會讓政府和企業之間的界線逐漸消失。

Clifford 最後選擇辭去 ARIA 主席,

處理了眼前最明顯的角色衝突。

但英國國會真正追問的問題,

其實也是每個正在制定 AI 政策的國家遲早都要回答的問題:

當最懂 AI 政策的人,同時也是 AI 公司最想搶的人,政府要怎麼留住專業,又守住獨立?

今天,和 AI 一起進步一點。

每天學會一個 AI 技巧。

每天節省一點時間。

每天提升一點能力。

SasaDaily,陪你一起成長。

推薦閱讀

當 AI 上市前需要政府審查,代表它已經不只是科技產品

國會明明是拿證據來制定政策,為什麼現在連正式調查都開始引用 AI 編出來的研究?

AI 開放給大家比較危險,還是只讓少數公司控制更危險?