「代理人泛濫」（Agentic Flooding）指的是民眾用 AI 工具大量生成申請、申訴與請願，讓公共服務機構在「數量」與「複雜度」上同時被淹沒的現象。最新論文掃描 11 國、2,300 個公共服務，確認 84 起案例；英國房屋申訴專員案件從 2022 年 2,600 件暴增到 7,000 件以上，美國 CFPB 投訴量成長 5 倍，德國社會法院甚至收到 4,000 多頁的 AI 生成訴狀。
過去談 AI 對社會的衝擊，討論多半集中在「AI 會不會搶走工作」或「AI 會不會失控」。2026 年 8 月掛上 arXiv 的一篇論文，把鏡頭轉向一個更安靜、但已經在真實官僚體系裡發生的問題：當每個人都有一個 24 小時待命、擅長寫公文的法律助理，政府還收得下這些案件嗎？
這篇論文到底發現了什麼？
這份研究名為《Characterizing Agentic Flooding of Government Services》（arXiv:2608.16603），作者是赫爾蒂行政管理學院（Hertie School）的 Chris Schmitz，以及 AI 治理中心（Centre for the Governance of AI）的 Lewis Hammond 與 Alan Chan。論文預計於 2026 年 10 月在 AAAI 的 AI、倫理與社會會議（AIES）正式發表。
研究團隊的研究方法相當克制：他們先用大型語言模型輔助篩選約 2,300 個候選公共服務，再逐筆人工審查，最後只有不到 5%、也就是 84 個案例符合「有官方或權威次級來源明確把案件暴增歸因於 AI」的嚴格門檻。地理範圍橫跨 11 個國家／司法管轄區。
涵蓋的服務類型包括社會救助申請、資訊自由（FOI）請求、地方規劃異議、公共諮詢意見，甚至正式的民事法院訴訟。
flowchart LR
A["生成式 AI 工具普及<br/>2022 年 11 月後"] --> B["撰寫門檻趨近於零<br/>行政負擔消失"]
B --> C1["量化泛濫<br/>案件總數暴增<br/>60% 案例出現"]
B --> C2["質化泛濫<br/>單案篇幅與複雜度暴增<br/>90% 案例出現"]
C1 --> D["機關審核塞車<br/>人力預算未增加"]
C2 --> D
D --> E1["56% 機關已採取對策"]
D --> E2["弱勢族群權益反而被看見<br/>CFPB 救濟成功率 40% → 50%"]
E1 --> F1["17% 增加摩擦成本<br/>收費、限次、查驗身分"]
E1 --> F2["25% 部署防禦性 AI<br/>自動歸納大量意見"]數據有多誇張？三組數字看懂規模
| 機構／國家 | 指標 | 變化 | 備註 |
|---|---|---|---|
| 英國房屋申訴專員（Housing Ombudsman） | 年度申訴案件數 | 2022 年約 2,600 件 → 2025 年超過 7,000 件 | 約 2.7 倍，翻了一倍以上 |
| 美國消費者金融保護局（CFPB） | 消費者投訴量 | 同期成長 5 倍 | 2015–2024 共 110 萬件投訴資料庫 |
| 英國財產申訴專員（TPO） | 2026 上半年房產申訴 | 比 2024 年同期增加逾 50% | 官方公開示警審裁機制承壓 |
| 德國社會法院 | 單一 AI 輔助訴狀篇幅 | 出現超過 4,000 頁的訴訟文件 | 質化泛濫的極端案例 |
值得注意的是這兩個詞的區分：
- 量化泛濫（Quantitative Flooding）：案件「總件數」大幅增加，出現在約 60% 的案例中。
- 質化泛濫（Qualitative Flooding）：每件案子的「篇幅、細節、複雜度」顯著上升，出現在約 90% 的案例中。
也就是說，就算案件數量沒變，公務員要讀的東西也變厚了。英國財產申訴專員就觀察到，AI 撰寫的申訴信格式極為專業、動輒附上法條與完整通訊紀錄，但常常忽略核心事實、甚至誤解法律原則——結果是審裁人員必須花更多時間回頭核對原始證據。有受訪者形容這是一種「專業的幻象」（illusion of competence）。
關鍵反轉：AI 讓投訴「更有用」了
如果這篇報導只停在「AI 灌爆政府」，那就漏掉了一半的故事。
耶魯大學管理學院（Yale SOM）團隊（Jiwoong Shin、Minkyu Shin、Jin Kim）分析 CFPB 在 2015 至 2024 年間超過 110 萬件消費者投訴，發現自 2022 年 11 月 ChatGPT 問世後，AI 輔助撰寫的投訴佔比從接近 0% 一路爬升到接近 10%。更關鍵的是結果：
| 投訴信來源 | 獲得金錢或非金錢救濟的比例 |
|---|---|
| AI 輔助撰寫 | 約 50% |
| 人類自行撰寫 | 約 40% |
研究團隊強調，LLM 並沒有捏造事實，而是把語言表述的清晰度與專業說服力拉高到機構願意回應的水準。對英語非母語者、或不熟悉金融法律術語的消費者來說，這幾乎是「溝通不平等」被瞬間抹平。
Chris Schmitz 在論文中也放了同樣重的一句話：大多數新增的案件，是由真的擁有合法權益的真實民眾提出的。過去很多人因為申訴流程太繁瑣（所謂的「行政負擔」administrative burden）而放棄權益，AI 只是把這道門檻拆掉了。
換句話說，這不是「機器人亂寄垃圾信」，而是被壓抑多年的正當需求一次釋放。而我們的政府機關，沒有任何一個是為了消化這種瞬間放大的量而設計的。
各國政府怎麼應對？
研究顯示，在受影響的機關中已有 56% 採取行動，大致分成三條路：
| 對策類型 | 比例 | 具體做法 |
|---|---|---|
| 增加「摩擦成本」 | 約 17% | 重新收取申請費、限制申訴次數、強制身分查驗、封鎖特定 IP |
| 部署「防禦性 AI」 | 約 25% | 用 AI 自動批量分析、歸納成千上萬則公共諮詢意見 |
| 發布軟性指引 | — | 非強制性的 AI 使用建議、要求揭露 AI 參與 |
澳洲聯邦資訊專員已在考慮重新引入資訊自由申請費用來遏止泛濫；美國社會安全局（SSA）則被 NASI 報告點名，導入 AI 處理逐字稿的同時卻因人事精簡流失大量人力，反而讓審核風險升高。
研究者建議的三個短期動作也很值得台灣的公部門參考：
- 風險矩陣審計：用 13 項因子（申請成本、預期收益、法定處理義務、身分驗證方式、剩餘產能等）逐一盤點每項服務的曝險程度。
- 導入數位身分驗證與速率限制：在最高風險的服務上帶入已知真實資料，並對單一申請人設下頻率上限。
- 內部法律審查：先釐清「收費」「限制自由文字輸入」「自動化處理」在自身法制下是否合法，再動手。
但這裡有一條不能忽略的紅線：增加摩擦會不成比例地排擠貧困與數位素養較低的族群。收費與嚴格驗證能最快壓下案件量，卻也可能把最需要幫助的人擋在門外——而傳統的 CAPTCHA 驗證，在 2026 年對 AI Agent 早已形同虛設。
爭議：是「法律平權」還是「專業幻象」？
學界與監管機關的看法明顯分裂。
一方面，AI 寫的申訴信確實替弱勢消費者打開了原本關著的門，這是過去几十年法律科技一直想做卻做不到的事。另一方面，美國聯邦貿易委員會（FTC）對號稱「世界第一個機器人律師」的 DoNotPay 提起訴訟，指控其誇大 AI 能像人類律師一樣運作；加州律師公會更早在 2023 年 6 月就對其發出停止與終止通知，理由是涉嫌未經授權執業（unauthorized practice of law）。
同樣的模式也出現在企業端：資安漏洞獎勵計畫（bug bounty）被大量 LLM 產生的低品質報告塞爆，維運團隊必須耗費大量時間人工核實，最後只能靠提高門檻來過濾。
問題的核心其實不是「AI 該不該幫人寫申訴」，而是：當審查能力沒有同步放大時，誰來決定有限的行政資源要分給誰？
對繁體中文讀者的啟示
台灣的公共服務體系（1999 市民熱線、消費爭議申訴、訴願與陳情）有一套相對成熟的流程，但同樣建立在「申請需要花時間寫」的隱含前提上。當生成式 AI 把這件事變成幾秒鐘的事，三個問題會陸續浮現：
- 陳情與訴願的量能：基層承辦人是否已被告知這股趨勢？有沒有量能監測指標？
- 申訴品質的兩極化：AI 讓表達變強，卻也讓「表面專業、實質誤解」的案件變多，審查者需要新的判斷工具。
- 不要把門檻當成唯一解方：收費與限次是最快、也最傷弱勢的手段；先盤點風險、先分級，再決定要不要加摩擦。
時間線：ChatGPT 之後發生了什麼
| 時間 | 事件 |
|---|---|
| 2022 年 11 月 | ChatGPT 發布，民眾開始用它撰寫 CFPB 金融投訴信 |
| 2023 年 6 月 | 加州律師公會對 DoNotPay 發出停止與終止通知 |
| 2023 年內 | 英國、德國、澳洲公共機關陸續察覺 FOI 與申訴量異常攀升 |
| 2024 年 12 月 | 耶魯 SOM 發表 CFPB 研究，證實 AI 投訴佔比近 10%、救濟成功率提升到 50% |
| 2025 年 4 月 | NASI 報告點名美國社會安全局面臨 AI 人力流失與行政混亂 |
| 2026 年 8 月 | Schmitz 等人發表論文，正式提出「Agentic Flooding」概念框架 |
| 2026 年 9 月 | TechCrunch 等主流媒體大篇幅報導，TPO 公布上半年申訴量年增 50% |
| 2026 年 10 月 | 論文預計在 AAAI AIES 會議正式發表 |
小結：這是 AI 的第一場「基礎設施壓力測試」
過去兩年，AI 對社會的衝擊多半表現在產品與商業層面；代理人泛濫是第一次，AI 直接壓在我們最不具彈性的公共基礎設施上——那些依法必須處理、不能關掉、不能限流的政府服務。
技術上，這件事沒有單一解法：一邊要保住 AI 帶來的「法律平權」紅利，一邊要避免行政體系被自己的善意壓垮。真正該被檢討的，也許不是 AI Agent 有多會寫公文，而是我們的公共服務流程，本來就建立在「人民不會寫」這個前提之上。
延伸閱讀
- OpenAI 失控代理躲進德國 25 年老 Wiki 集體作弊：1.8 萬則秘密訊息、GET 請求漏洞繞過沙箱
- 網站防爬蟲實戰指南：從 robots.txt 到 Cloudflare Bot 管理，2026 最新防護策略
- Pew 研究：ChatGPT 發布後的新網頁 35% 有 AI 創作跡象
資料來源
- TechCrunch,〈AI agents are flooding public services with new requests〉（2026-09-10）
- Schmitz, Hammond & Chan,〈Characterizing Agentic Flooding of Government Services〉arXiv:2608.16603
- 資料集：chrisschmitz.ai/flooding
- Local Government Lawyer,〈Researchers warn of “agentic flooding” of public services with AI generated communications〉
- PropertyWire,〈Property complaints surge 50% as AI reshapes disputes〉
- Yale School of Management,〈How ChatGPT Helps Consumers Report Financial Misdeeds〉