民眾用 AI 寫陳情，機關接得住嗎？從英國「AI 申訴潮」與臺南 AI 1999，看公部門受理流程怎麼改

民眾開始用 AI 寫陳情與申請，信件變長、錯誤變多。受理端要靠結構化表單、AI 摘要加人工確認接住，而不是只加門檻。

英國的「AI 申訴潮」：問題在每封信都變長

英國公部門遇到的壓力，主要不是件數暴增，而是每一件都變長、變難判讀。

英國《衛報》11 月 8 日報導，並經 TVBS 與韓國《首爾經濟日報》轉述：代表地方政府律師的組織 Lawyers in Local Government 執行長 Deborah Evans 表示，聊天機器人普及前，地方政府收到的申訴平均約 2 頁，她所知最長的一份已達約 200 頁。她也看過 AI 引用不適用當地的外國判例，甚至編造案例。一位工黨國會議員辦公室的資深助理估計，辦公室收到的信件約有一半帶有 AI 撰寫的痕跡。

倫敦交通局（TfL）的資料提供了另一個角度。根據 TfL 稽核委員會的報告，2025/26 年度資訊公開申請的申覆（internal review）從前一年的 154 件增加到 224 件，報告提到申請人使用 AI 工具產生申覆的情形明顯增加，讓申覆處理的量與複雜度都上升。TfL 正在考慮提供標準申覆範本。

不過，並不是所有增加都能歸因給 AI。《衛報》報導英國就業法庭 4 到 6 月新收的單一申請人案件約 14,000 件，年增 28%，但《首爾經濟日報》轉述時也註明，目前還無法確定增幅是否由 AI 造成。

研究者的命名：agentic flooding

最容易被灌爆的，是開放、免費、可以不限字數輸入的線上管道。

柏林 Hertie School 與 AI 治理研究機構的研究者，今年 8 月在 arXiv 發表論文〈Characterizing Agentic Flooding of Government Services〉，整理 11 個司法管轄區、84 個疑似案例。依英國法律媒體 Local Government Lawyer 的報導，研究的主要發現如下：

約九成案例屬於「質」的灌爆，也就是申請變長、變複雜；60% 屬於「量」的灌爆；約一半兩者都有。
87% 的案例，是民眾用大型語言模型低成本產生看起來合乎法律格式的文字，再透過既有管道手動送出。研究者目前沒有找到自主 AI 代理直接操作政府網站的證據。
最容易受影響的服務，是接受不限長度自由文字的開放數位管道，例如資訊公開申請、公共諮詢與公眾意見程序。

研究也整理了政府的反應。17% 的案例選擇增加摩擦，例如收費、身分驗證、每人申請上限或封鎖 IP；25% 的案例引入自己的 AI 工具，例如大量分析公眾意見。研究者提醒，收費與增加摩擦部署得快，卻會不成比例地擋下經濟較弱勢與數位能力較低的民眾。第一作者 Chris Schmitz 也說明，這套方法無法支持因果或量化結論，實際受影響的服務數量可能更多。

臺灣的受理端：臺南 AI 1999 把人工確認放進流程

臺灣地方政府已經在受理端導入 AI，而且把「人確認後才回覆」設計在流程裡。

臺南市政府 11 月 5 日啟動「AI 市政服務引擎」，第一個驗證案例是 AI 1999 智慧客服。依中時新聞網與蕃新聞的報導，系統協助話務人員把民眾來電轉成文字、檢索市政知識、摘要案情並建議回覆，民眾用臺語講的地名也能辨識；回覆民眾前，由話務人員確認內容。

這個架構有兩個設計值得參考。一是能力共用：市府表示語音辨識、知識檢索與大型語言模型能力可以讓其他局處沿用，減少重複開發。二是韌性：市府與工研院、AMD 建置讓 AI 1999 與既有平台互為備援的架構，並表示同步落實資料治理與資安控管。

臺北市 1999 今年也導入 AI 語音轉文字與智慧輔助系統。依旺得富理財網報導，臺北市研考會表示 1999 每月約有 10 萬通來電，下一階段計畫讓常見問題經 AI 自動帶到話務人員電腦上。

為什麼學校、機關與企業都該留意

只要單位有線上申辦、意見信箱或客服表單，就站在同一條線上。

大專校院的申訴與意見信箱、機關的人民陳情與資訊申請、企業的客訴表單，本質都是「開放文字輸入，加上人工處理」。當寫一封長信的成本趨近於零，處理端的成本卻沒有下降，壓力就會落在承辦人身上。

英國單位的應對方式可以分成三類：

調整入口：部分監察機構開始設字數上限，或改用線上範本限制附件數量；TfL 考慮推出標準申覆範本。
在處理端用 AI：Wiltshire 郡議會正在評估用 AI 摘要長篇電子郵件並草擬初步回覆。
守住底線：據報導，英國政府給公務員的指引要求查證 AI 提供的資訊、不要輸入個人資料，並由人做最後決定。英國資訊專員辦公室（ICO）的指引則提醒，AI 寫的申請只要合規，仍須依既有規定處理；內容不清楚時，機關可以請申請人釐清。

受理流程可以怎麼改

比較穩的做法，是把「自由文字」拆成結構化欄位，再讓 AI 處理剩下的長文，最後由人確認。

英國國會與衛生服務監察使建議，用 AI 寫申訴的民眾應寫清楚三件事：發生了什麼、造成什麼影響、希望怎麼解決，並在送出前確認內容符合自己的經歷。這三件事也可以直接變成表單欄位。欄位清楚，申請人比較不會貼上一大段 AI 產生的長文，承辦人也能先看到重點。

長篇附件與補充說明，則適合交給 AI 做摘要與分類，但摘要要能對回原文段落，方便承辦人核對。AI 引用的法條或判例，系統可以標記為「待查證」，避免承辦人把編造的內容當真。

最後是資料邊界。陳情與申訴常含個資，摘要與檢索最好在機關可控的環境執行，存取權限與紀錄也要跟既有系統一致。臺南把語音辨識、知識檢索等能力做成共用服務，同時強調資料治理與資安控管，就是一個可以參考的方向。

對企業的建議

盤點所有接受自由文字的入口，包括意見信箱、客服表單、線上申辦的補充說明欄，先找出最容易被長文灌爆的地方。
把表單改成結構化欄位，至少拆出「發生了什麼、造成什麼影響、希望怎麼解決」，並設定合理的字數或附件上限。
用 AI 做摘要、分類與法條標記，但回覆前一定由承辦人確認；摘要要能對回原文。
先劃好個資與資安邊界，再決定 AI 要放在雲端還是地端，並把存取紀錄納入既有的資安管理。
加門檻前先評估對弱勢使用者的影響。收費或強制身分驗證見效快，也可能把真正需要協助的人擋在門外。

如果單位正在檢視既有線上申辦或陳情系統的表單與資料流，頡亨的政府與校園資訊系統團隊可以協助一起盤點。