Karakterisering van agentische overspoeling van overheidsdiensten

Samenvatting

AI-agenten maken het voor het publiek gemakkelijker om met de overheid te communiceren, bijvoorbeeld door hen te helpen bij het aanvragen van uitkeringen, het begrijpen van complexe regelgeving en het laten horen van hun mening. Hoewel het verbeteren van de toegankelijkheid van diensten gunstig is, kunnen de resulterende surges in de vraag een zware belasting vormen voor onvoorbereide overheidsdiensten.

Wij noemen dergelijke surges "agentische overspoeling van overheidsdiensten" ("overspoeling") en leveren drie bijdragen:

• Analyse van huidige trends: Op basis van een verzamelde dataset van 84 potentiële gevallen van overspoeling in 11 rechtsgebieden, stellen we dat overspoeling waarschijnlijk vandaag de dag op grote schaal voorkomt, voornamelijk door grote taalmodellen (LLM's) die goedkoop tekst kunnen genereren.
• Evaluatie van risico's: We evalueren welke diensten het meest blootstaan aan overspoeling. We ontwikkelen een risicomatrix om de blootstelling van een dienst te analyseren en suggereren dat het risico op korte termijn het hoogst is voor diensten die financieel aantrekkelijk maar complex zijn.
• Overheidsreacties: We brengen mogelijke reacties van overheden op overspoeling in kaart. Precedenten suggereren dat deze reacties waarschijnlijk voldoende zullen zijn om de meeste gevallen van overspoeling te stoppen. Echter, de maatregelen die het snelst kunnen worden ingevoerd — wrijvingsverhogende maatregelen zoals leges — gaan vaak ten koste van de rechtvaardige toegang tot openbare diensten.

Wij sluiten af met aanbevelingen voor acties op korte termijn waarmee overheden overspoeling kunnen beperken zonder deze afweging tussen effectiviteit en rechtvaardige toegang te hoeven maken.