Hacker News • 32일 전

LLM 작성 복지 신청·이의제기 급증으로 공공서비스 과부하 우려

IMP

7/10

핵심 요약

AI 에이전트가 복지급여 신청, 복잡한 정책 이해, 의견 개진을 쉽게 해주면서 접근성은 높아졌지만, 그로 인한 수요 폭증이 준비되지 않은 정부 서비스를 압박하고 있습니다. 연구진은 이를 '정부 서비스 에이전트 홍수(flooding)'라고 명명하며, 11개 관할 지역의 84건 사례를 분석해 이미 광범위하게 발생 중이라고 지적합니다. 재정적 이득이 크고 절차가 복잡한 서비스일수록 위험이 높으며, 수수료 등 마찰 유발 대책은 형평성과 상충한다는 점이 핵심 논점입니다.

번역된 본문

분류: 컴퓨터 과학 > 컴퓨터와 사회 arXiv:2608.16603 (cs) [2026년 8월 17일 접수(v1), 2026년 8월 19일 최종 수정(v2)]

제목: 정부 서비스의 에이전트 홍수(Agentic Flooding) 현상 규명 저자: 크리스 슈미츠, 루이스 햄몬드, 앨런 찬

초록: AI 에이전트는 복지급여 신청 지원, 복잡한 정책 이해, 의견 개진 등 국민이 정부와 상호작용하는 것을 더 쉽게 만들어주고 있다. 서비스 접근성 향상은 바람직하지만, 그로 인한 수요 급증은 준비되지 않은 정부 서비스에 부담을 줄 수 있다. 우리는 이러한 급증 현상을 '정부 서비스의 에이전트 홍수(이하 홍수)'라고 명명하며 세 가지 기여를 제시한다.

첫째, 11개 관할 지역에서 수집한 84건의 잠재적 홍수 사례 데이터셋을 바탕으로, 홍수가 현재 이미 광범위하게 발생하고 있을 가능성이 높으며, 주로 대규모 언어 모델(LLM)이 저비용으로 텍스트를 생성하는 방식으로 일어난다고 주장한다.

둘째, 어떤 서비스가 홍수에 가장 노출되어 있는지 평가한다. 서비스의 노출도를 분석하기 위한 위험 매트릭스를 개발하였으며, 단기적으로는 재정적으로 매력적이면서도 절차가 복잡한 서비스의 위험이 가장 높다고 제시한다.

셋째, 홍수에 대한 정부의 대응 방안을 정리한다. 선례에 따르면 이러한 대응은 대부분의 홍수 사례를 저지하는 데 충분할 가능성이 높지만, 가장 신속하게 배치할 수 있는 수단—수수료 부과 같은 마찰 유발 조치—은 공공서비스에 대한 형평적 접근과 상충하는 경우가 많다. 따라서 우리는 이러한 트레이드오프 없이 정부가 홍수를 완화할 수 있는 단기 조치를 권고하며 논문을 마무리한다.

게재 정보: 2026년 10월 12~14일 개최되는 제9회 AAAI AI·윤리·사회 학술대회(AIES) 논문집 수록 예정 주제 분류: 컴퓨터와 사회 (cs.CY) 인용: arXiv:2608.16603 [cs.CY] (또는 이 버전은 arXiv:2608.16603v2) https://doi.org/10.48550/arXiv.2608.16603

제출 이력: 크리스 슈미츠 [v1] 2026년 8월 17일(월) 13:59:28 UTC (248 KB), [v2] 2026년 8월 19일(수) 16:17:45 UTC (248 KB)

전문 보기: PDF, HTML(실험적), TeX 소스 보기, 라이선스 보기 현재 탐색 컨텍스트: cs.CY

참고문헌 및 인용: NASA ADS, Google Scholar, Semantic Scholar, BibTeX 내보내기

서지 도구: Bibliographic Explorer, Connected Papers, Litmaps, scite.ai 스마트 인용

코드·데이터·미디어: 이 논문과 관련된 코드 및 데이터, alphaXiv, CatalyzeX 코드 파인더, DagsHub, Gotit.pub, Hugging Face, ScienceCast

데모: Replicate, Hugging Face Spaces, TXYZ.AI

관련 논문 추천기 및 검색, 영향력 플라워(Influence Flower), CORE 추천기

arXivLabs 정보: arXivLabs는 공동 연구자들이 arXiv 웹사이트에서 직접 새로운 arXiv 기능을 개발하고 공유할 수 있게 하는 프레임워크이다. arXivLabs와 협력하는 개인과 기관은 이를 수용하고 지지하고 있다.

원문 보기

원문 보기 (영어)

--> Computer Science > Computers and Society arXiv:2608.16603 (cs) [Submitted on 17 Aug 2026 ( v1 ), last revised 19 Aug 2026 (this version, v2)] Title: Characterizing Agentic Flooding of Government Services Authors: Chris Schmitz , Lewis Hammond , Alan Chan View a PDF of the paper titled Characterizing Agentic Flooding of Government Services, by Chris Schmitz and 2 other authors View PDF HTML (experimental) Abstract: AI agents are making it easier for the public to interact with government, such as by helping them apply for benefits, understand complex policies, and make their opinions heard. Although improving service accessibility is beneficial, any resulting surges in demand could strain unprepared government services. We term such surges agentic flooding of government services ("flooding") and provide three contributions. First, based on a collected dataset of 84 potential cases of flooding across 11 jurisdictions, we posit that flooding is likely occurring widely today, mostly through large language models (LLMs) generating text cheaply. Second, we evaluate what services are most exposed to flooding. We develop a risk matrix to analyze a service's exposure, and suggest that near-term risk is highest for financially attractive, but complex services. Finally, we map possible government responses to flooding. Precedent suggests these responses will likely be sufficient to stop most cases of flooding, but the fastest to deploy - friction-inducing measures like fees - often trade off equitable access to public services. Accordingly, we close by recommending near-term actions that may allow governments to mitigate flooding without invoking this trade-off. Comments: To appear in the proceedings of the 9th AAAI Conference on AI, Ethics, and Society (AIES), October 12-14, 2026 Subjects: Computers and Society (cs.CY) Cite as: arXiv:2608.16603 [cs.CY] (or arXiv:2608.16603v2 [cs.CY] for this version) https://doi.org/10.48550/arXiv.2608.16603 Focus to learn more arXiv-issued DOI via DataCite Submission history From: Chris Schmitz [ view email ] [v1] Mon, 17 Aug 2026 13:59:28 UTC (248 KB) [v2] Wed, 19 Aug 2026 16:17:45 UTC (248 KB) Full-text links: Access Paper: View a PDF of the paper titled Characterizing Agentic Flooding of Government Services, by Chris Schmitz and 2 other authors View PDF HTML (experimental) TeX Source view license Current browse context: cs.CY < prev | next > new | recent | 2026-08 Change to browse by: cs References & Citations NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litmaps? ) scite.ai Toggle scite Smart Citations ( What are Smart Citations? ) Code, Data, Media Code, Data and Media Associated with this Article alphaXiv Toggle alphaXiv ( What is alphaXiv? ) Links to Code Toggle CatalyzeX Code Finder for Papers ( What is CatalyzeX? ) DagsHub Toggle DagsHub ( What is DagsHub? ) GotitPub Toggle Gotit.pub ( What is GotitPub? ) Huggingface Toggle Hugging Face ( What is Huggingface? ) ScienceCast Toggle ScienceCast ( What is ScienceCast? ) Demos Demos Replicate Toggle Replicate ( What is Replicate? ) Spaces Toggle Hugging Face Spaces ( What is Spaces? ) Spaces Toggle TXYZ.AI ( What is TXYZ.AI? ) Related Papers Recommenders and Search Tools Link to Influence Flower Influence Flower ( What are Influence Flowers? ) Core recommender toggle CORE Recommender ( What is CORE? ) Author Venue Institution Topic About arXivLabs arXivLabs: experimental projects with community collaborators arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website. Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them. Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs . Which authors of this paper are endorsers? | Disable MathJax ( What is MathJax? )

정책 AI 에이전트 공공서비스 연구 LLM