TechCrunch는 2026년 9월 10일 AI 에이전트가 민원과 복지, 주거, 금융 등 공공 서비스 요청을 높은 빈도로 대신 제출하는 현상을 다룬 연구를 보도했다. 연구진은 11개 관할권에서 ‘잠재적’ agentic flooding 사례 84건을 정리했다. 이 용어는 자동화 시스템이 짧은 시간에 많은 요청을 만들어 기관에 추가 부하를 줄 수 있다는 뜻이다. 중요한 것은 ‘잠재적’이라는 표현이다. 84건 모두가 AI 때문이라고 입증한 것도 아니고 공공 서비스량 증가를 에이전트에 일괄 귀속한 것도 아니다.
연구는 무엇을 발견했나
논문 ‘Characterizing Agentic Flooding of Government Services’는 에이전트가 정부 또는 준공공 서비스에 대규모로 작동할 수 있는 경로를 관찰하는 위험 분류를 만들었다. 신청과 민원, 정보 요청 등이 포함되며 API 호출 수만 세지 않고 경제적 유인과 절차 복잡성, 심사 병목, 자동화 가능성을 함께 본다.
저자들은 단기 위험이 높아지는 조건으로 이용자에게 뚜렷한 금전적 유인이 있고 절차가 복잡하며 인력이 제한된 상황을 꼽는다. 에이전트가 낮은 비용으로 양식이나 민원을 반복 제출하면 정당한 개별 요청과 전략적 대량 제출을 접수 단계에서 구분하기 어려워져 제한과 검증, 우선순위 설계가 필요해진다.
84건은 84건의 확정 사건이 아니다
연구와 보도는 영국 주택 옴부즈만 민원이 2022년 2,600건 이상에서 다음 해 7,000건 이상으로 늘고 미국 소비자금융보호국 민원이 약 5배 증가했다고 언급한다. 주목할 수치는 맞지만 증가 원인이 AI 에이전트라는 증거는 아니다. 인구와 정책, 홍보, 분류 방식도 함께 바뀌었을 수 있다.
따라서 ‘AI가 이미 정부를 마비시켰다’고 쓰는 것은 정확하지 않다. 연구가 보여주는 것은 추적할 가치가 있는 고위험 패턴이며 공공 기관이 1인 1건의 수동 대기열이라는 오래된 가정만으로 접수 창구를 설계할 수 없다는 경고다. 많은 사례는 합법적 민원을 자동화한 사람일 수도 있으므로 모든 에이전트를 악성 트래픽으로 취급하기보다 규모와 반복성, 실제 수요를 측정해야 한다.
증거의 공백은 어디에 있나
핵심 한계는 ‘잠재 사례’와 ‘인과관계가 입증된 사건’의 차이다. 연구진은 공개 자료와 기관 설명, 관찰 가능한 행동에서 자동화 가능성을 추정하지만 많은 서비스는 완전한 user-agent와 IP, 계정 연계, 에이전트 실행 로그를 공개하지 않는다. 이런 정보 없이는 비정상적인 양을 특정 에이전트에 직접 귀속할 수 없다.
방어에는 부작용도 있다. 기관이 속도 제한을 너무 엄격하게 하면 연결이 불안정하거나 도움이 필요하거나 여러 합법 문서를 한 번에 제출해야 하는 사람을 막을 수 있다. 제한이 전혀 없으면 저비용 자동화가 사람의 심사를 밀어낼 수 있다. 연구의 프레임워크는 모든 자동화를 차단하는 규칙보다 단계적 검증과 사람에게 넘기는 설계에 쓰는 편이 낫다.
일반 AI 사용자도 관심을 가져야 하는 이유
에이전트로 양식을 작성하거나 메시지를 보내고 민원을 제출하더라도 내용과 빈도, 수신처를 확인할 책임은 사용자에게 있다. 한 사람에게는 편리하지만 반복되고 맥락이 없거나 검증할 수 없는 요청은 받는 쪽 비용을 높이고 정말 급한 사람을 뒤로 밀 수 있다.
제품 팀에게 이 연구는 에이전트 성공 기준을 ‘작업 완료’ 밖으로 넓힌다. 접수 속도를 지키고 사용자의 의도를 표시하며 반복 전에 멈추고 이의 제기·조사를 위한 기록을 남기는지 물어야 한다. 에이전트가 공공·금융 절차에 가까워질수록 이런 제약은 부가 기능이 아니라 제품 자체가 된다.
