这一合作出台的背景，是 AI 研发企业正承受来自监管机构、同业与研究人员越来越大的压力，各方都要求企业证明高级模型具备安全性与可靠性。近期已发生数起 AI 智能体突破隔离运行环境的事件，引发担忧：未来人工智能或许能在人类少量介入下自我迭代，使行为更难被监控与管控。

当地时间 9 月 20 日，Anthropic 首席执行官达里奥·阿莫代伊（Dario Amodei）公开呼吁各家 AI 企业放缓前沿模型的开发节奏，同时向独立评估人员开放更大程度的系统访问权限。竞争对手 OpenAI 也已表态，将定期发布报告披露模型的异常或值得警惕的行为，并一次性对外公布了六份相关事件报告。

具体执行上，埃森哲旗下专门的 AI 业务部门 Faculty 将主导本次合作，对 Anthropic 模型开展评估与红蓝对抗测试，完成对齐效果评估，并检验各项安全防护机制。双方资金将用于 Anthropic 所称的”驻场评估”（embedded evaluation）模式：独立评估人员进驻 AI 企业内部，所获系统访问权限与普通员工基本相当。Anthropic 表示，依托这一视角，评估人员可以考察企业实际运营、核实安全承诺是否兑现，并发现企业自身未意识到的安全盲区。

公告还提到，评估人员可上报各类安全事件，向公众提供更详实的分析，阐明 AI 带来的收益与潜在风险。Anthropic 与埃森哲后续还计划联合更多评估机构与 AI 厂商，以类似模式继续推进相关工作。