Characterizing Agentic Flooding of Government Services
Chris Schmitz, Lewis Hammond, Alan Chan
AAAI Conference on AI
cs.CY
2026-08-17
扫描12国13类窗口，留下84起被官员或媒体点名AI的需求冲高。近九成机制是LLM写长文再人工提交；收费限流来得快，但会牺牲公平。
跟政府打交道贵，贵在三块：搞懂规则、填对材料、反复跟人解释。行政学把这叫 administrative burden（行政负担）。消费级 LLM 已经能把这三块往下压：长文规章改成白话、对照个人情况看够不够格、把申诉信写成看起来像律师写的。Google Gemini 的请求里，大约 1% 被标成「帮用户跟政府打交道」。可及性上升是好事。
很多窗口本来就靠这些摩擦把需求压在预算能扛的水平。成本一降，件数会涨，单件也会变长、变绕。这篇把这种冲高叫 agentic flooding of government services（智能体挤兑政务）：agent 把办事成本压下去之后，窗口的量或复杂度超出处理能力。要回答的是三件事：现在发生了没有、哪些窗口最脆、政府会拿什么挡。
扫描 12 个国家、固定 13 类窗口，从英国、美国、法国的对外服务清单拼出领域，覆盖福利、税务、司法，也覆盖征求意见、监管投诉、信息公开这类非服务通道。采集是 LLM 辅助、人审收口。候选窗口先由模型按「国家×领域」去搜，再在结构化 JSON 模板里迭代补全，最后由人决定收不收。为防幻觉，关键数字和机构名做字段校验，引用 URL 从 API 元数据里抽，不让模型自己编链接。
入选三条全要过：（1）AI 降低该窗口交易成本的机制说得通；（2）需求模式确实变了，而且不能只看量曲线；（3）政府官员或可靠第三方把变化点名到 AI。2288 个候选里最后留下 84 起，覆盖 11 个法域。最大筛子是第三条，大约二十里才过一个。
风险侧给了一张矩阵，把「会不会被冲」和「冲了有多痛」拆开。前者看 agent 能力与价格、窗口是不是开放文本、提交有多费劲、成功提交值多少钱；后者看处理单件有多重、身份核验好不好做、产能能不能扩、法律有没有强制回复、预算是不是按低领取率做的。近端风险最高的画像很具体：单笔成功提交有真金白银或法定处理义务，历史上又是靠复杂度把门，比如税务申报和诉讼。
应对分成两条策略。压需求：收费、限流、当面办理、封 bot、砍待遇。加产能：加人、改流程、窗口结构化、自己上 AI。
84 起里，87% 的机制是同一件事：LLM 便宜地写出法律味很足的长文本，人再手工点提交。浏览器代填、全自动走完流程，这批案例里还没看到。作者给了两个解释。文本生成更成熟、更便宜；另外，官员容易从正文里认出「AI 味」，结构化短表单被 agent 代填的话，外表跟真人没差别，公开归因会更少。
定量挤兑（件数变多）50 起，占 60%；定性挤兑（每件更长更绕）76 起，占 90%；一半两者都有。司法与法律窗口最多，19 起，占 23%，其次是监管投诉 10 起、福利社保 9 起。69%（58 起）是政府自己点名 AI，其余 31% 只有第三方。德国社会法院 2025 年收案同比涨 55%，一些法院把很大一块归到 AI 生成的申诉，有的材料写到 4000 多页。澳大利亚讨论恢复信息公开收费，英国在线金钱诉讼、荷兰 WOZ 估价异议、韩国电子支付令，都在这张表里。
政府已经在回应的超过一半（56%），多数是发 AI 使用指引这种轻动作。明确加摩擦 14 起（17%），日本按 IP 封过咨询通道；流程改造 13 起（15%），都是核对案号这类小改，没有大重构；明确上 AI 工具帮处理 21 起（25%），多是评论情感分析、假病假证明检测，仍是单步工具。
| 观察 | 数字 |
| 入选案例 / 候选窗口 | 84 / 2288 |
| 机制为 LLM 生成文本 | 87% |
| 政府自己点名 AI | 69%（58 起） |
| 已采取加摩擦措施 | 17%（14 起） |
| 已部署处理侧 AI 工具 | 25%（21 起） |
作者把话讲死了：这是诊断性扫描，做不了因果，也做不了流行率。图 1 里有些量在 ChatGPT 上线前就开始涨。
对做政务、法务、投诉类 agent 的人，产品形态已经被这 84 起写出来了：不是会刷完整网站的全能 agent，是「会写长文 + 人点提交」。开放文本入口（信息公开、规划意见、诉讼状）现在就是最容易被冲的面。
对政府，判断更冷。运营崩溃不太像近期主风险，收费和限流来得快，先例也够把量压回去。真正会付钱的是公平：摩擦先挡住穷人、数字弱者和没律师的人，也把 agent 本来能带来的可及性增益一并关掉。加产能不伤可及性，但要提前投、跨部门改，等洪水到了再做已经来不及。所以三条建议都不赌模型哪天变强：现在就审计哪些窗口最脆，把数字身份接到最暴露的窗口上以便做「每人限几次」，先把收费、限流、处理侧 AI 各自合不合法问清楚。
这是一篇政策诊断，不是新算法。价值在把散落的新闻和官方声明收成一张可核对的表，并指明「最快的办法往往最伤公平」。
「必须有人公开点名 AI」这条，漏报是写进方法里的。12 国扫描最后 11 个法域有案例，不能外推到未扫的国家，也不能比较谁更严重。只有 25 起带 2018–2025 量序列，全是阳性案例、没有分母，文中 87%、60% 只描述这 84 起。
LLM 辅助采集做了人审和 URL 抽检，但没有评分者一致性，也没有把模型发现能力跟人扫对照。风险矩阵和应对分类主要靠先例和理论，并没有把 84 起填回矩阵里验证预测力，也没有测量已采取的回应到底管不管用。