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17日に公開された研究論文が名付け、定義しました。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が法律の言い回しを使った長い文面を作ることで、1件の読解と審査に時間がかかる形です。論文が集めた、社会保障をめぐる訴えを扱うドイツの社会裁判所の事例では、4,000ページを超える書面もありました。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か国で候補に挙がった2,288のサービスを調べ、基準をすべて満たした84件を整理しました（候補の20件に1件未満）。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。論文は、税の申告や裁判所への訴えのように、うまくいった時の見返りが大きく、これまで専門知識や手間が申請の壁になってきた分野ほど、近いうちに影響を受けやすいとみています。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。

日本の事例もあります。論文は意見募集のような行政との接点も対象に含めており、一覧に載っているのがエネルギー基本計画の意見募集（パブリックコメント）。2025年2月の報道によると、経済産業省の調べでは、約4万1千件の意見のうち、10件以上送った46人だけで計3,940件と約1割を占め、生成AIを使ったとみられています。1人で最大457件を送った例もありました。

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？

まず、論文の見立ては落ち着いています。これまでに確認された影響は中程度で、手数料の再導入などの対応も効いているように見えるとし、行政に深刻な運用上のリスクをもたらすとは示していません。問われているのは「止められるか」より「どう止めるか」です。

対応は大きく2つ。一つは、手数料、回数制限、対面での手続きなどで需要を抑える方法です。すぐに導入できる反面、所得の低い人やデジタル機器に不慣れな人など、立場の弱い利用者ほど遠ざけやすくなります。しかも回数制限は件数には効いても、1件が長くなる質的フラッディングは和らげにくい手段です。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、自由記述から決まった入力項目への申請画面の作り直し、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。論文が心配するのは、急増の最中に間に合う手段が需要を抑える側しかなく、それが結局いつもの対応になる筋書きです。

そこで論文が勧めるのが、平時の3つの備えです。サービスごとに狙われやすさを点検して優先順位を付けること、最も狙われやすいサービスにデジタルの本人確認を組み込むこと、どの対策が今の法律で許されるかを先に確かめておくこと。本人確認があれば1人あたりの申請上限を機械的に適用でき、組織的な大量申請も難しくなります。

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。