Agentic Flooding(エージェンティック・フラッディング)とは

Agentic Floodingとは、AIエージェントが行政サービスへの申請などの負担を下げ、依頼の量または複雑さを急増させて、処理能力を大きく圧迫する現象です。2026年8月19日改訂の研究論文が体系化しました。申請件数の増加だけでなく、1件が長文化・複雑化して審査負担が増える場合も含むのが特徴です。

件数だけでなく、1件の長さも問題になる

研究は、2つの形を分けています。「量的フラッディング」は、AIが対象の制度を探したり入力を助けたりすることで、申請者や申請件数が増える形。「質的フラッディング」は、AIが長く法的に複雑な文面を作ることで、1件の読解と審査に時間がかかる形です。両方が同時に起き、待ち時間や未処理を増やす場合もあります。

論文は、12か国の2,288候補サービスを広く調べ、基準を満たす、11の法域にまたがる84件を整理しました。ただし、この84件は発生率やAIと需要増加の因果関係を示す統計ではありません。研究者も、データは探索的で、国別比較や行政全体への一般化には使えないと明記しています。

証拠の強さも同じではありません。84件のうち58件は、行政機関の担当者がAIの関与を指摘し、残り26件は信頼できる第三者のみが言及した事例です。また、一部の需要データはChatGPTの一般公開前から上昇していました。「異常な増加の近くでAI利用が言及された」ことと、AIが増加の全てを起こしたことは分けて読む必要があります。

どの行政サービスが影響を受けやすい？

共通するのは、自由記述文をオンラインで受け付け、文字数や提出回数に構造的な制約が少ないサービスです。税、給付、訴訟など、成功時の便益が大きく、従来は専門知識や作業量が参入の壁だった分野は影響を受けやすいと考えられています。それまで手間によって抑えられていた需要が、AIで表面化するという見方です。

ここで注意したいのは、不正申請だけの問題ではないこと。論文には故意の悪用も含まれますが、多くは利用者が正当な手続きを進める事例です。AIが制度へのアクセスを良くする一方、行政側の予算や審査体制が従来の申請量を前提にしていると、制度が約束した権利と処理能力の差が広がります。

行政はどう備えるべき？

対応は大きく2つ。一つは、手数料、回数制限、対面での確認などで需要を抑える方法です。緊急時に導入しやすい反面、所得が低い人、移動が難しい人、デジタル利用に不慣れな人ほど強く抑制する可能性があります。処理を楽にするための制限が、正当な利用者の排除を招かないかを検証しなければなりません。

もう一つは、人員の増強、受付と振り分けへのAI利用、申請データの構造化、本人確認などで処理能力を増やす方法です。設備投資と部署間調整に時間がかかるため、混雑が起き始めてからでは間に合わないおそれがあります。そこで、自由記述の量、審査にかかる時間、待ち件数、同一人からの提出頻度を平時から測ります。

事前監査では、「AIがブラウザ操作で大量送信する」だけを想定しては足りません。利用者がAIで長い文面を作り、人の手で提出するパターンは、通常のアクセス監視だけでは識別しにくいためです。入口でAIを見分けることに依存せず、受け付ける情報の構造、処理順位、人への上申、平時の余力までを一体で設計します。

Agentic Floodingに関するよくある質問

民間企業の問い合わせ窓口に同じ言葉を使えますか？

2026年の論文が定義した対象は政府・行政サービスです。民間の問い合わせがAIで急増する現象を分析する参考にはなりますが、論文と同じ範囲の実証があるとは言えません。「件数」と「1件の処理負担」を分けて測る観点は応用できます。

CAPTCHAを設ければ防げますか？

CAPTCHAだけでは十分とは限りません。論文は、技術的に人とAIを見分ける方法が弱くなり得る点と、正当な利用者を排除する副作用を指摘しています。本人単位の制限、構造化した受付、異常の監視、処理能力の確保を組み合わせる必要があります。

申請をAIで自動判定して却下すれば解決しますか？

受付や振り分けの補助と、権利・給付に関わる最終判断は分けて設計すべきです。論文も、行政による自動処理には法的・倫理的な制約があると記しています。管轄地域の法制度を確認し、理由の記録、人への上申、誤判定の是正経路を確保します。