AI 代理引发公共服务请求激增

AI 代理正在重塑公民与公共服务的互动方式，但随之而来的”代理洪水”现象也暴露了系统脆弱性。

2026 年 9 月 10 日，Chris Schmitz 与团队发布研究，追踪到 84 个 AI 代理引发公共服务请求激增的案例，覆盖福利、司法、信息公开等场景。这一发现不仅揭示了自动化技术的双刃剑效应，更对政府服务设计提出了严峻挑战。

数据背后的真相

Chris Schmitz 团队筛查了 12 个国家 2,288 个政府服务，最终锁定 11 个司法辖区的 84 个典型案例。58 个案例中，政府官员自行归因为 AI，其中英国住房监察员投诉从 2022 年的 2,600 件激增至 7,000 多件，增长超过两倍。美国消费者金融保护局（CFPB）的投诉同期增长 5 倍。巴西的司法请愿、德国的议会请愿也出现了相似的曲线。

研究方法的严谨性

研究团队在数据收集上保持了极高的透明度。他们采用 Gemini-3.1-Pro-Preview 进行初步发现，Flash-Lite 用于迭代验证，数据集包含三个部分：机制、证据和归因，三者均达标才入库。Token 成本约 200 美元，代码完全开源可复现。论文将提交至 AAAI AIES 2026 会议（10 月举行），并已在 X 平台宣布采访《经济学人》和德国 dpa。

核心发现与机制

研究揭示了 AI 代理降低了三类关键负担：学习成本（规则解读）、合规成本（填表）和心理成本（重复解释）。这意味着原本需要专业人士完成的复杂申请流程，现在可以由 AI 代理自动完成。多数新申请来自正当索赔者（entitled claimants），而非恶意 spam。

投诉类型分布

团队将投诉按类型进行了详细分类：

• 司法/法律类：23%
• 监管投诉：12%
• 福利/社保：11%

这一分布反映了 AI 代理在不同公共服务领域的渗透程度，风险矩阵显示，财务吸引力高且提交复杂的场景风险最高。

政策困境与启示

研究论文仅证明相关性，未建立因果关系——AI 代理并非直接原因，而是用户拍照/粘贴官方函件后生成草稿的工具。政策困境在于，按体积过滤会误伤正当申请人。研究者建议重新设计服务流程而非单纯限流，审计哪些服务最易受 flooding，对暴露最高的服务采取主动措施。

研究落地与影响

Chris Schmitz 的个人主页（https://chrisschmitz.ai/flooding）提供了完整的数据仓库（https://github.com/CLSchmitz/flooding-dataset）。研究团队来自@GovAIOrg 时期，呼吁政府审计服务脆弱性，集成数字身份、明确韧性措施合法性。这一研究方向为政府服务设计提供了重要参考。

总结与展望

“代理洪水”现象揭示了 AI 技术的双刃剑效应：提升效率的同时，也暴露了公共服务系统的脆弱性。 这一研究为政策制定者提供了实证基础，但更重要的是，它提醒我们：技术应用的边界需要重新审视。正如研究强调的，多数新申请来自正当索赔者，我们不能简单地将 AI 代理视为”洪水”，而应思考如何优化服务流程，使其既能接纳技术辅助，又能保持系统韧性。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn