DARA把智庫 AI 透明化
iNNOV8 的 DARA 用人類監督的 AI 研究流程，測試智庫如何揭露作者、方法與 AI 參與程度，讓信任成為政策研究的核心規則。
iNNOV8 的 DARA 是一個有人類監督的 AI 研究助手，重點在測試智庫工作裡的揭露、作者歸屬與信任規則。
這東西蠻有意思。On Think Tanks 先寫到這個案子，iNNOV8 再把 DARA 推上檯面。它不是單純做一個聊天機器人，而是直接拿智庫研究流程當測試場。
時間點也很巧。文章提到的主題是 Between Knowledge and Algorithm: Generative AI in the Think Tank Environment。而 2026 年的 OTT Conference 在拉巴特談的核心，就是信任。講白了，這不是工具展示，是制度測試。
| 項目 | 內容 |
|---|---|
| 專案 | DARA, the Dynamic Analysis and Research Assistant |
| 地點 | Sulaymaniyah, Iraq |
| 首篇論文 | Between Knowledge and Algorithm: Generative AI in the Think Tank Environment |
| 會議脈絡 | OTT Conference 2026 in Rabat |
DARA 先把 AI 用法攤開
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
多數智庫早就碰 AI 了。研究員拿它掃文獻、寫大綱、摘要、翻譯。公關團隊拿它改新聞稿。營運團隊拿它排流程。問題是，很多組織的使用速度，比內規快太多。
DARA 的做法剛好反過來。iNNOV8 說，這個助手會在內部監督下提出研究題目、規劃方法、起草文章。它也會清楚標示 AI 產出。可行的話，還會把方法和 prompts 一起揭露。
這種透明度，比「有沒有用 AI」更重要。因為真正麻煩的，不是工具本身，而是誰知道它參與了多少。對智庫來說，信任不是口號，是流程設計。
- AI 可以幫忙轉錄、搜尋、起草、翻譯。
- AI 不該取代訪談、田野、價值判斷。
- 只要 AI 進入最後稿件，就該揭露。
- 最終論點還是要由人類研究員負責。
智庫賣的其實是信任
在 OTT Conference 上，AI 幾乎場場都會被提到。可是真正的焦點，不是某個模型多強，而是機構信用會不會被稀釋。當機器可以比人更快產出政策簡報、利害關係人地圖、研究草稿，智庫到底還剩什麼價值？
Erica Schoder 在會議上的說法很直白。AI 很會做「complexity work」。它能快速處理大量資料。可是什麼重要、什麼可以接受、什麼後果要自己扛，還是人類決定。這條線如果畫不清楚，智庫就會把自己做成內容工廠。
“AI can do extraordinary ‘complexity work,’ such as processing large quantities of information quickly and helping small organisations extend their capacity.” — Erica Schoder
我覺得這句很準。若一家智庫只拼產量，AI 會直接把它打趴。若它賣的是判斷、責任、關係網和政治理解，AI 就只是工具。DARA 的價值在於，它把信任放進流程，而不是放在出版後的公關說明裡。
這篇文章其實把三件事切開了。能不能用 AI，是一題。要不要揭露，是一題。最後能不能出版，是第三題。很多組織老是把這三題混在一起，然後內控就炸掉。
智庫其實早就有規則素材
這不是第一次有人在 On Think Tanks 上談這題。2023 年，他們就寫過在智庫裡用 ChatGPT 的實務建議，重點很簡單：AI 內容一定要人工覆核。那時候看起來像提醒，現在看起來像基本功。
到了 2024 年，Enrique Mendizabal 又開始想像 AI 助手會嵌進研究、募資、策略和政策溝通。Aidan Muller 談的是準備度。Joscha Wirtz 強調的是 intentionality，不要只是追 FOMO。Tony Bader 甚至提過內部的「AI constitution」。
這些想法現在慢慢收斂成一份很實際的清單。智庫要先知道員工怎麼偷偷用 AI，再寫出大家真的看得懂的規則。接著要分清楚輔助和取代。最後還要把品質檢查攤給讀者看。
- 先盤點組織內部已經存在的 AI 用法。
- 把允許、禁止、揭露寫成短規則。
- 明確區分輔助與取代。
- 用方法註記、metadata、資金來源、編輯審核來補信任。
還有一個常被忽略的點。負責任的 AI 使用不是免費的。它需要訓練、內網、權限控管、編輯人力。這些都不是附加品，而是讓政策研究不失真的基礎建設。
地點比軟體更重要
DARA 來自 Sulaymaniyah，這點很關鍵。它不是華盛頓、倫敦或布魯塞爾的明星實驗室。它來自一個區域性場域。這代表它面對的語言、資源和曝光條件都不一樣。
小型或區域型智庫的風險也更明顯。它們的資料可能比較少被大型模型看見。它們的語言覆蓋率也可能較低。它們的信用訊號，對自動化系統來說也沒那麼容易辨識。
但 AI 也能幫忙。它可以翻譯、整理、擴充產能，讓小團隊接觸到原本碰不到的受眾。前提是，它不能偷偷把在地脈絡磨平。只要有清楚監督，AI 就是在幫忙，不是在搶走研究員的位置。
我會把 DARA 的訊號解讀成一句話：智庫下一階段要比的，不是誰先上 AI，而是誰先把責任寫清楚。誰負責、誰揭露、誰審稿，這三件事會決定讀者還信不信你。
智庫 AI 的下一步很現實
如果你在做政策研究，現在最該問的不是「要不要用 AI」。那題太慢了。真正該問的是，哪些環節可以用，哪些一定要人做，哪些地方必須公開說明。
DARA 提供的是一個範本。它不把 AI 包裝成神隊友，也不把 AI 當成洪水猛獸。它只是在說，研究流程可以被設計得更透明。這種做法很土，但很有效。
接下來我會觀察兩件事。第一，更多智庫會不會跟進揭露 AI 參與程度。第二，讀者會不會開始要求方法、prompt 和人工審核紀錄。這兩件事如果真的發生，智庫圈的 AI 規則就不會再只是內部備忘錄了。