Araştırma, hükümet hizmetlerini dolduran LLM metinlerine ilişkin 84 şüpheli vakayı belgeliyor

Yeni yayımlanan bir ön baskıya göre hükümet hizmetleri, yapay zekâ tarafından üretilmiş başvuru, itiraz ve yorum dalgasını şimdiden emiyor ve kurumlar, bu hizmetlerden yararlanması amaçlanan insanlara zarar vermeden buna yanıt verecek iyi yollardan yoksun. "Characterizing Agentic Flooding of Government Services" adlı makale Ağustos 2026'da arXiv'de yayımlandı ve Hacker News ana sayfasına ulaşıarak uygulayıcıların ilgisini çekti. Temel iddiası şu: cilalı yazıyı neredeyse ücretsiz hale getiren araçlar, çok daha düşük hacimli el yapımı başvurulara göre ölçeklenmiş kamu kurumlarıyla çarpışıyor.

Ortaya çıkan bir soruna yeni bir ad

Araştırmacılara olumlu tarafla başlıyorlar. Yapay zekâ ajanları hükümete erişimi gerçekten iyileştirebilir; insanlara sosyal yardım başvurusu yapma, yoğun politika metinlerini çözme ve öneriler hakkındaki görüşlerini iletme konusunda yardımcı olabilir. Sorun, bu kolaylık ölçeklendiğinde ortaya çıkıyor. Bir kurumla iletişim kurmak zaman ve emek açısından neredeyse hiçbir şeye mal olmadığında, talep, alan tarafın işleyebileceğinin ötesine yükselebilir. Makale bu dalgaları "agentic flooding" olarak adlandırıyor ve kısaltılmış haliyle "flooding" diyor.

Şimdiye kadarki kanıtlar

Etkinin şimdiden ne kadar gerçek olduğunu ölçmek için yazarlar, 11 yetki alanına yayılmış 84 potansiyel flooding vakasından oluşan bir veri seti oluşturdu. "Potansiyel" kelimesi önemli: Bu, denetimden geçmiş bir sayım değil, şüpheli örneklerden oluşan bir koleksiyon. Yine de bu kanıtlara dayanarak araştırmacılar, flooding'in bugün muhtemelen yaygın biçimde gerçekleştiği ve bunun büyük kısmının, daha karmaşık özerk sistemlerden ziyade metni sıfıra yakın maliyetle üreten büyük dil modellerinden kaynaklandığı görüşünü ortaya atıyor.

Riskin yoğunlaştığı yerler

Makalenin ikinci katkısı, belirli bir hizmetin ne kadar maruz kaldığını puanlamak için bir risk matrisi. Bunu uygulayan yazarlar, yakın dönem tehlikenin, maddi getiri ile idari karmaşıklığın birleştiği hizmetlerde olduğuna hükmediyor. Mantık kolayca takip edilebilir: Para dağıtan bir program insanlara başvuru için güçlü bir neden verir ve karmaşık bir başvuru ya da itiraz süreci, en eksiksiz görünen evrakı üretebileni ödüllendirir; LLM'in tam da ucuz yaptığı şey budur.

Yanıt ikilemi

Üçüncü katkı, hükümetlerin gerçekte ne yapabileceğini haritalıyor. Öncüllere bakılırsa yazarlar, mevcut yanıtların çoğu flooding vakasını durdurmak için yeterli olacağını öngörüyor. Peki, hangi yanıtların en hızlı devreye alınabilir olduğu. Sürtünme ekleyen önlemler — başta gelen örnek olarak ücretler gösteriliyor — hızla uygulanabilir ama sürtünme, en az zamana ve paraya sahip başvuru sahiplerini en çok etkiler. En hızlı kolu çeken bir hükümet, adil erişimi feda etme riskiyle karşı karşıya kalır ve yapay zekânın ilk place getirmesi beklenen erişilebilirlik kazanımlarını tersine çevirmiş olur. Makale, bu ödünleşimi tetiklemeden flooding'i hafifletmeye yönelik yakın dönem eylemler önererek kapanıyor; ancak özetinde bu eylemlerin ne olduğu açıklanmıyor.

Neden önemli

Bu, tüketici yapay zekâsının ikinci derece bir etkisini adlandırma ve ölçme girişimidir: Modellerin neler yapabildiği değil, herkes onları aynı anda kullanabildiğinde kurumlara ne olduğu. Kurumlar için risk matrisi, hangi başvuru süreçlerinin önce güçlendirileceğine karar vermede pratik bir tarama aracı sunuyor. Politika yapıcılar için tartışmayı yeniden çerçeveliyor: Sorun makine yazısı hacmine yanıt verip vermek değil, sürtünmeyle mi yoksa kapasiteye yönelik daha yavaş, yapısal değişikliklerle mi yanıt vermek olduğu. Makalenin Hacker News'te gördüğü ilgi, bu sistemleri kuran ve işleten insanların düzenleyicilerden önce bu örüntüyü fark ettiğini gösteriyor.