就业法庭案件一年内增加39%，邮箱堆积超过7000封。原本指望用来省时间的AI，正把公共系统推向瘫痪。
先说结论：
- AI工具并未提升公共系统效率，反而引发投诉、法庭索赔和求职信的信息海啸。
- 当公众和雇主同时使用AI生成内容时，系统瓶颈从处理慢变成了无法分辨有效信息。
- 单纯依靠AI过滤AI生成的垃圾信息存在盲区，涉及弱势群体时仍需人工介入。
这不仅是效率工具的失效，更是系统博弈论的翻车。当降低交互门槛的成本趋近于零，恶意或无意义的请求就会呈指数级爆发。产品经理和战略决策者必须意识到，任何没有引入摩擦力的AI应用，最终都会被自身的便利性反噬。
信息海啸如何压垮公共系统
前公务员Sam Freedman在Substack发文中指出，全球政府在采用ChatGPT后，遭遇了投诉和监管请求的异常激增。在英格兰、苏格兰和威尔士，就业法庭案件在一年内飙升了39%。许多负担不起律师费用的索赔人利用AI起草诉求，甚至引用不存在的判例。法官和治安法官不得不耗费大量精力去拆解这些机器生成的文本，试图在荒谬的机器幻觉中找出真实的诉求。
白厅的特别顾问抱怨各部门被AI生成的信息自由请求淹没。议员的办公室同样被AI生成的信件塞满，因为害怕漏掉选民的真正诉求，这些信件必须全部由人工阅读。原本旨在赋能个人的系统，正在被机器生成的无意义内容堵塞。对于正在规划政务或客服AI系统的决策者来说，这是一个明确的警告：不要盲目追求零门槛交互。在设计AI Agent或自动化流程时，必须引入验证摩擦力。例如，在用户提交长文本前，强制要求回答几个基于上下文的细节问题，或者要求上传物理凭证。这不仅能过滤掉大批量的生成请求，还能确保真正有需求的用户得到精准服务。降低门槛不等于提升体验，无门槛往往意味着系统崩溃。
从职场招聘到城市交通的连锁反应
这种AI洪水不仅限于政府机构，私营部门同样在承受反噬。在招聘端，雇主使用AI筛选简历，求职者则用AI批量投递。双方都在自动化，导致HR无法从海量完美简历中筛选出真正匹配的人才。在邮件端，邮箱积压量轻松突破7000封，人们像对待灰尘一样对待未读邮件，因为清空后瞬间又会被填满。
原文提到，如果公众开始大规模采用代理型AI（Agentic AI），瘫痪风险将急剧增加。早期用户或许能体验到效率提升，但当所有人都使用捷径时，捷径就会变成瓶颈。这就像城市交通，当每个人都试图通过开车来缩短通勤时间时，伦敦市中心白天的平均交通速度降至刚刚超过7mph，这几乎和骑马的速度一样。这种系统级的拥堵，是任何单一AI工具都无法解决的。在落地AI自动化时，必须明确其失败条件。如果你的业务场景是高频、低客单价、标准化的C端交互，全面放开AI自动回复和自动处理极易触发公地悲剧。一旦黑产或羊毛党发现接口无门槛，他们会用脚本结合大模型生成海量合法但无意义的请求，瞬间耗尽你的算力资源和人工复核产能。这类场景的AI化，必须配合严格的设备指纹、行为验证码和速率限制，否则系统上线之日就是瘫痪之时。
深度阅读与参考信源
原文提供了多个详实的案例和数据分析，建议产品经理和战略分析师直接查阅一手信源，了解AI在公共系统和私营部门的具体翻车细节。以下是原文提及的核心参考链接：
前公务员Sam Freedman关于AI导致信息过载的分析：
英格兰、苏格兰和威尔士就业法庭案件激增的报道：
关于AI法庭索赔和法院系统压力的BBC报道：
IBM关于Agentic AI的主题解析：
伦敦市中心交通速度降至7mph的数据来源：
原文作者提及的Quentin Crisp相关背景：
从行业走势来看，AI的下一波竞争焦点将从生成能力转向防御与过滤能力。当所有人都能用大模型生成完美的公文、索赔书和求职信时，内容本身的信用价值将归零。未来的系统架构师需要设计的不是更聪明的生成器，而是更严苛的验证网关。对于创业者而言，开发能够精准识别机器生成意图并还原人类真实诉求的中间件，将是一个极具潜力的细分赛道。别去卷生成速度了，去卷如何证明屏幕后面是个活人。
评论区唠唠
你也觉得全面普及AI Agent会加速系统瘫痪吗？
往期推荐
- ·Kimi K3 vs 标准vLLM，16张GB300吞吐飙升2倍
- ·
- ·
点击公众号头像 → 历史消息，可翻阅以上文章
