AI 지원 서류 제출이 공공 서비스 전반에서 급증하며 기관에 압박 가중
새 연구에 따르면 AI 지원 서류 제출이 공공 서비스 전반에서 급증해 신청자의 행정 부담은 줄이지만 기관과 예산에는 부담을 주고 있다.
AI 도구는 더 많은 사람들이 양식을 작성하고, 민원을 제기하고, 공식 이의신청을 진행하는 데 도움을 주고 있으며, 여러 나라의 공공 서비스 요청이 급증하는 결과를 낳고 있다. 이러한 증가는 자격이 되는 청구인들이 이전에는 피했을 수도 있는 시스템에 접근할 수 있게 해주지만, 인력과 예산이 그 속도를 따라가고 있다는 증거가 없는 상황에서 기관들이 훨씬 더 많은 제출물을 처리하도록 만들고 있다.
연구자 Chris Schmitz는 다음 달 AI Ethics and Society 콘퍼런스에서 발표될 예정인 논문에서 이 추세를 기록하고 있다. 그의 검토는 복지 신청, 사법 청원, 의회 청원, 소비자 शिकायत 등을 포함해 11개 관할권의 84개 잠재 사례를 다룬다. 그는 이 패턴을 “agentic flooding”이라고 설명하지만, 연구는 AI가 모든 증가를 직접적으로 초래했다고 입증하지는 않는다.
이 결과는 정부 행정에만 그치지 않는다. AI 어시스턴트가 복잡한 제도를 이용하는 데 필요한 시간, 지식, 자신감을 얼마나 줄이는지, 그리고 그러한 제도들이 갑작스러운 수요 증가를 흡수하도록 설계되어 있지 않을 때 어떤 일이 벌어지는지에 대한 초기 시각을 제공한다.
여러 관할권에서 민원 건수가 증가하고 있다
Schmitz가 확인한 사례들은 소비자 대상 AI 도구가 더 쉽게 사용 가능해진 2022년 이후 비정상적으로 큰 증가를 보여준다. TechCrunch 보도에 따르면 영국에서는 주택 옴부즈만에 접수된 민원이 2022년 약 2,600건에서 다음 해 7,000건 조금 넘는 수준으로 증가했다. 미국의 Consumer Financial Protection Bureau는 같은 기간 민원이 5배 늘었다고 보고서가 전했다.
비슷한 증가는 브라질의 사법 청원과 독일의 의회 청원에서도 나타났다. 더 넓은 데이터셋 전반에서 제출 건수는 2022년 이전에는 대체로 안정적이었고, AI 채택이 확산되면서 더 빠르게 증가하기 시작했다. 대부분의 사례는 아직 뚜렷한 둔화를 보이지 않았으며, 이는 수요가 계속 늘어날 수 있음을 시사한다.
이 수치는 AI의 인과적 효과를 확정적으로 측정한 것이 아니라 상관관계의 증거로 보아야 한다. 논문의 방법론은 각 새로운 제출이 AI 때문이었다는 것을 입증하지 못하며, 제공된 보도만으로는 AI 시스템이 얼마나 많은 서류를 작성하거나 도왔는지 사례별로 분해해 보여주지도 않는다.
이 논의에서 “AI 에이전트”라는 용어도 매우 다양한 행태를 포괄한다. 어떤 사람은 ChatGPT나 Claude를 사용해 답변 초안을 작성하거나 편지를 해석하거나 관련 양식을 찾을 수 있다. 이는 자율 시스템이 스스로 정부 포털을 탐색해 청구를 제출하는 것과는 다르다. 원천 증거는 주로 AI 지원 활동을 설명하며, 완전한 자율 에이전트의 균일한 집단을 보여주지는 않는다.
행정 부담을 줄이면 충족되지 않은 수요가 드러날 수 있다
Schmitz는 TechCrunch에 자신이 검토한 대부분의 사례가 아마도 어떤 혜택을 청구할 자격이 있었고 그 정당한 권리를 추구하던 사람들이었다고 말했다. 이 구분은 정책적 함의에서 매우 중요하다. AI가 이전에는 신청을 포기하게 만들던 행정 부담을 극복하도록 돕고 있다면, 대기열이 길어졌다는 사실만으로 남용의 증거라고 볼 수는 없다.
정부 양식과 이의신청은 종종 신청자가 서류를 모으고, 전문 용어를 이해하고, 일관된 설명을 제시하고, 절차 요건을 충족하도록 요구한다. 시간, 법적 지식, 자신감이 부족한 사람에게는 이러한 단계만으로도 유효한 청구를 포기하게 만들 수 있다. AI 어시스턴트는 편지나 사진을 설명 초안으로 바꾸고, 누락된 정보를 제안하며, 다음 단계를 이해하도록 도와 이 마찰을 줄일 수 있다.
결과는 어려운 균형 문제다. 더 많은 사람이 접근할 수 있게 되므로 공공 기관의 업무는 늘어날 수 있지만, 그 증가는 질 낮은 수요가 아니라 접근성 향상을 의미할 수 있다. AI 지원 제출을 모두 스팸으로 취급하면 디지털 도구가 처음으로 도움을 주고 있는 바로 그 신청자들에게 서비스를 거부할 수 있다.
동시에 원문은 이 상황을 대형 언어 모델의 확산 이후 일부 버그 바운티 프로그램이 받은 저품질·대량 신고의 물결과 비교한다. 공공 서비스는 실제 사람에게서 왔다고 해서 모든 제출이 의미 있다고 가정할 수 없다. 여전히 중복, 불완전한 신청, 악의적 활동, 그리고 사람의 검토가 필요한 청구를 식별할 방법이 필요하다.
기관들은 역량과 신뢰성 문제에 직면한다
가장 즉각적인 운영 위험은 물량이다. 기관이 예산과 인력을 그대로 유지한 채 몇 배 더 많은 요청을 받게 되면, 적체가 커지고 응답 시간이 길어지며, 현장 직원은 해결보다 분류에 더 많은 시간을 쓰게 된다. 수동 검토를 중심으로 설계된 시스템은 더 많은 주민이 그 사용법을 익히는 바로 그때 오히려 덜 신뢰할 수 있게 될 수 있다.
AI는 기관이 이러한 압박을 관리하는 데 도움이 될 수 있지만, 안전하게 도입하는 것은 신청자 측 문제를 단순히 뒤집는 일이 아니다. 자동 분류는 서류가 불완전한 사람, 시스템의 학습 데이터와 언어가 다른 사람, 일반적인 패턴에 맞지 않는 사례를 불리하게 만들지 않도록 해야 한다. 공공 기관은 또한 개인정보 보호, 기록 보존, 이의신청, 인간의 책임성에 대한 명확한 규칙이 필요하다.
제품 팀과 시민 기술 개발자에게 이 증거는 얇은 챗봇 레이어가 아니라 워크플로 재설계를 가리킨다. 유용한 시스템은 자격 요건을 설명하고, 필요한 정보만 요청하며, 불확실성을 식별하고, 증빙 자료를 보존하고, 사람이 추론 과정을 검토하기 쉽게 해야 한다. 신청자는 AI가 생성한 초안을 공식 기록의 일부가 되기 전에 수정할 수 있어야 한다.
이 증거는 단순한 성공담이 아니라 기회를 시사한다
이 이야기에서 가장 강한 주장들은 TechCrunch가 설명한 Schmitz의 진행 중인 연구에서 나온 것이지, 공식적인 범정부 데이터셋이나 독립적으로 검증된 인과 연구에서 나온 것이 아니다. 논문의 전체 데이터셋은 공개되어 있다고 하지만, 제공된 증거만으로는 표본 추출 방법, 각 사례에서 AI의 정확한 역할, 또는 증가가 정책 변화, 대중 인식, 인력, 온라인 접근성에 의해 촉발되었는지 여부를 확정하지 못한다.
보도된 민원 수치 역시 통제된 실험이 아니라 더 넓은 패턴의 사례로 제시된다. 그것들은 생성형 AI가 더 쉽게 이용 가능해진 같은 기간에 공공 서비스 수요가 변했다는 것을 보여준다. 그러나 그것만으로 AI 생성 제출물이 증가의 원인이라고 증명되지는 않는다.
그 불확실성이 이 추세를 중요하지 않게 만드는 것은 아니다. AI가 일부라도 기여했다면, 수요를 제한하기 위해 행정적 마찰에 의존해 온 기관들에게는 큰 의미가 있다. 핵심 질문은 제도들이 AI가 제거한 장벽을 다시 세우지 않으면서도 정당한 접근과 악용성 대량 제출을 구별할 수 있는가 하는 점이다.
앞으로 주목할 점
다음 중요한 신호는 AI Ethics and Society 콘퍼런스에서 Schmitz의 논문이 공개되고 논의되는 것이다. 연구자와 기관은 개별 제출과 AI 지원을 연결하는 보다 세부적인 증거, 그리고 초안 작성 도움과 자율적 행동을 구분하는 자료가 필요하다.
공공 서비스 운영자 역시 AI 지원 수요가 증가함에 따라 적체, 처리 시간, 반복 제출, 거절률의 변화를 공개해야 한다. 이러한 지표는 새로운 물량이 유효하지만 충족되지 않은 수요인지, 절차상의 혼란인지, 자동 중복인지 보여줄 수 있다.
개발자에게 실질적 지표는 기관이 AI 지원 신청에 대한 규칙을 공개하는지, 기계 판독 가능한 양식을 제공하는지, 그리고 사람의 검토가 지원되는 경로를 마련하는지 여부가 될 것이다. 신원, 동의, 문서 처리, 이의신청 권리에 대한 더 명확한 정책은 AI가 적법 절차를 약화시키지 않으면서 마찰을 줄일 수 있는지를 결정할 것이다.
Creati.ai 관점
보도된 급증은 AI 도입이 인터페이스에서 끝나지 않는다는 경고다. 도구가 기존 프로세스를 더 쉽게 만들면, 그 프로세스에 들어오는 사람의 수와 유형을 바꿀 수 있다. 따라서 공공 기관은 현재의 대기열을 단순히 자동화하는 것이 아니라 수요 확대에 대비해 계획해야 한다.
가장 건설적인 대응은 AI 지원 제출을 거부하는 것도, 모든 제출을 자동으로 수용하는 것도 아니다. 기관은 투명한 지원, 강력한 검증, 책임 있는 인간의 결정을 중심으로 서비스를 재설계해야 한다. 새 요청의 대부분이 정당하다면, 과제는 접근을 억누르는 것이 아니라 AI가 가능하게 한 접근을 처리할 수 있는 공공 시스템을 구축하는 것이다.
