บทนำ
ลองนึกภาพว่าการยื่นคำร้องที่เคยต้องใช้เวลาหลายชั่วโมงในการอ่านกฎ เตรียมเอกสาร และเขียนคำชี้แจง วันนี้ AI ช่วยทำให้เสร็จได้ภายในไม่กี่นาที ปัญหาคือ เมื่อเรื่องที่เคย “ยากจนคนจำนวนมากไม่ยื่น” กลายเป็นเรื่องง่าย หน่วยงานรัฐอาจต้องรับคำขอที่มากขึ้นและละเอียดขึ้นจนระบบเดิมรับไม่ไหว
งานวิจัยล่าสุดของ Chris Schmitz, Lewis Hammond และ Alan Chan ศึกษาปรากฏการณ์นี้ผ่านกรณีที่เกิดขึ้นแล้วในหลายประเทศ และเรียกมันว่า “agentic flooding” หรือภาวะที่ AI ช่วยลดต้นทุนในการติดต่อภาครัฐ จนปริมาณหรือความซับซ้อนของคำขอเพิ่มขึ้นและเริ่มกดดันขีดความสามารถของหน่วยงาน
ข้อเท็จจริง: ปัญหาอาจไม่ได้เริ่มจาก “บอทถล่มระบบ”
งานวิจัยรวบรวมกรณีที่เข้าเกณฑ์ 84 กรณีจาก 11 เขตอำนาจศาล และพบรูปแบบที่น่าสนใจว่า การใช้งาน AI ที่พบส่วนใหญ่ยังไม่ใช่ Agent ที่เข้าเว็บไซต์รัฐแทนคนแบบเต็มรูปแบบ แต่เป็นการใช้ LLM ช่วยสร้างข้อความจำนวนมากหรือทำเอกสารให้มีความซับซ้อนขึ้น จากนั้นมนุษย์ยังเป็นผู้ดำเนินขั้นตอน สองแบบ
แบบแรก คือจำนวนเรื่องเพิ่มขึ้น
คนยื่นคำขอมากกว่าเดิม เพราะ AI ทำให้ต้นทุนในการยื่นลดลง
แบบที่สอง คือแต่ละเรื่องหนักขึ้น
จำนวนเรื่องอาจไม่ได้เพิ่มอย่างเดียว แต่เอกสารหนึ่งเรื่องอาจยาว ละเอียด และมีข้อโต้แย้งมากขึ้น ทำให้เจ้าหน้าที่ใช้เวลาตรวจแต่ละเรื่องมากกว่าเดิม
จุดสำคัญคือ ปัญหานี้ไม่ได้เกิดเพราะ AI “ทำสิ่งผิดกฎหมาย” เสมอไป บางกรณีเป็นประชาชนที่มีสิทธิจริงและใช้ AI เพื่อช่วยทำเรื่องให้ได้ดีขึ้น เพียงแต่เมื่อค่าใช้จ่ายในการยื่นลดลง ความต้องการที่เคยไม่แสดงตัวก็สามารถเข้าสู่ระบบพร้อมกันได้
งานวิจัยยังพบว่าบริการที่เสี่ยงมากขึ้นมักมีสองลักษณะร่วมกัน คือ มีผลประโยชน์ทางการเงินหรือสิทธิที่มีมูลค่าสูง และเดิมมีขั้นตอนที่ซับซ้อนจนความยุ่งยากทำหน้าที่เหมือนตัวกรองจำนวนผู้ยื่น เช่น กระบวนการด้านภาษีหรือคดีบางประเภท
อีกเรื่องที่ต้องระวังคือข้อจำกัดของงานวิจัยเอง นักวิจัยระบุชัดว่า 84 กรณีไม่ได้หมายความว่าเป็นสัดส่วนของบริการรัฐทั้งหมด และข้อมูลชุดนี้ยังไม่สามารถใช้สรุปเชิงสถิติว่า AI เป็นสาเหตุของการเพิ่มขึ้นในแต่ละกรณีได้อย่างแน่นอน
ดังนั้น ข่าวที่ควรอ่านจึงไม่ใช่ “AI กำลังถล่มรัฐบาลทั่วโลก” แต่คือ ต้นทุนของการเข้าถึงภาครัฐกำลังลดลงเร็ว และระบบราชการอาจยังออกแบบมาสำหรับโลกที่ต้นทุนเหล่านั้นสูงอยู่
ผลกระทบต่อธุรกิจในประเทศไทย
สำหรับประเทศไทย ประเด็นนี้ควรถูกมองเป็นเรื่องของ capacity ของบริการรัฐ มากกว่าปัญหาเทคโนโลยีอย่างเดียว
ที่ผ่านมาองค์กรรัฐจำนวนมากออกแบบกระบวนการโดยมีสมมติฐานว่า ผู้ใช้จะมีจำนวนจำกัด ผู้ยื่นต้องใช้เวลาอ่านหลักเกณฑ์ ต้องเตรียมเอกสาร ต้องพิมพ์คำชี้แจง หรือจำเป็นต้องพึ่งผู้เชี่ยวชาญบางประเภท ความยุ่งยากเหล่านี้จึงไม่ได้เป็นเพียงอุปสรรค แต่ทำหน้าที่เป็นตัวกรองปริมาณงานโดยปริยาย
AI กำลังเปลี่ยนสมการนี้
เมื่อประชาชนสามารถให้ AI ช่วยอ่านระเบียบ สรุปสิทธิ ตรวจคุณสมบัติ เตรียมเอกสาร และร่างคำร้องได้ง่ายขึ้น จำนวนคนที่ “อยากยื่นแต่ไม่เคยยื่น” อาจเพิ่มขึ้นอย่างรวดเร็ว ยิ่งบริการใดมีมูลค่าทางเศรษฐกิจสูง เช่น การเรียกร้องสิทธิ เงินชดเชย การคืนเงิน การขอประโยชน์ทางภาษี หรือกระบวนการอุทธรณ์ ความต้องการที่ถูกปลดล็อกยิ่งมีเหตุผลทางเศรษฐกิจรองรับ
ผลกระทบต่อภาคธุรกิจจึงเกิดได้อย่างน้อยสามชั้น
ชั้นแรกคือ ต้นทุนขององค์กรรัฐ หากระบบยังเน้นให้คนตรวจทีละแฟ้ม หน่วยงานอาจต้องเพิ่มเจ้าหน้าที่หรือยอมรับคิวสะสมมากขึ้น
ชั้นที่สองคือ ต้นทุนของธุรกิจที่ต้องพึ่งพารัฐ หากการอนุมัติ การคืนเงิน การออกใบอนุญาต หรือการพิจารณาคำร้องช้าลง ธุรกิจไม่ได้เสียแค่เวลา แต่เสียโอกาสทางรายได้และเงินทุนหมุนเวียนด้วย
ชั้นที่สามและน่ากังวลที่สุดคือ การแก้ปัญหาด้วยการเพิ่ม friction เช่น เพิ่มค่าธรรมเนียม เพิ่มการตรวจแบบมนุษย์ เพิ่มข้อกำหนดในการยื่น หรือจำกัดช่องทางดิจิทัล วิธีเหล่านี้อาจลดปริมาณงานได้เร็ว แต่ก็อาจทำให้คนที่มีสิทธิจริงและไม่มีทรัพยากรสูงเข้าถึงบริการได้ยากขึ้น งานวิจัยเองเตือนว่ามาตรการลดความต้องการด้วยการเพิ่มความยุ่งยากมีความเสี่ยงต่อความเท่าเทียมในการเข้าถึงบริการรัฐ
นี่คือจุดที่ไทยต้องคิดให้ไกลกว่าเรื่อง “กันบอท”
เพราะโจทย์จริงคือ เมื่อ AI ทำให้ประชาชนเข้าถึงรัฐได้ง่ายขึ้น รัฐควรสร้างกำแพงเพิ่ม หรือ ควรสร้าง capacity ใหม่ให้รับความต้องการนั้นได้
คำตอบระยะยาวควรเอนมาทางอย่างหลังมากกว่า เช่น ใช้ข้อมูลที่มีโครงสร้าง ลดการกรอกข้อมูลซ้ำ ใช้ Digital ID ในบริการที่มีความเสี่ยงสูง และออกแบบกระบวนการให้เรื่องที่ตรวจได้ด้วยระบบถูกคัดแยกโดยอัตโนมัติ ก่อนส่งเฉพาะกรณีที่ต้องใช้ดุลพินิจให้เจ้าหน้าที่ตรวจ งานวิจัยเสนอแนวทางในทิศทางเดียวกัน โดยเน้นการประเมินความเสี่ยงของบริการล่วงหน้า การพัฒนาโครงสร้าง Digital Identity และการทำให้ฐานกฎหมายของมาตรการรับมือมีความชัดเจน
สำหรับธุรกิจไทย นี่หมายความว่า GovTech ในอนาคตไม่ควรแข่งขันกันเพียงว่า “ทำให้คนยื่นเรื่องง่ายขึ้น” แต่ต้องตอบอีกคำถามหนึ่งพร้อมกันว่า “เมื่อทุกคนยื่นง่ายขึ้น ระบบหลังบ้านจะรับไหวหรือไม่?”
สิ่งที่ควรทำต่อ
- หน่วยงานรัฐควรทำ AI-Flooding Risk Assessment
ตรวจบริการที่มีมูลค่าทางเศรษฐกิจสูงและเดิมมีขั้นตอนซับซ้อนเป็นพิเศษ - แยก “จำนวนเรื่อง” ออกจาก “ความหนักของเรื่อง”
อย่าดูเพียงจำนวนคำขอ แต่ควรวัดความยาว ความซับซ้อน และเวลาที่เจ้าหน้าที่ใช้ต่อหนึ่งเรื่องด้วย - ตรวจว่าระบบรองรับ Digital Identity และข้อมูลที่มีโครงสร้างหรือไม่
เพราะการยืนยันตัวบุคคลและข้อมูลที่จัดรูปแบบดีสามารถช่วยลดทั้งการยื่นซ้ำและภาระการประมวลผล - อย่าใช้การเพิ่มค่าธรรมเนียมหรือขั้นตอนเป็นคำตอบแรก
ทุกมาตรการที่เพิ่ม friction ควรประเมินด้วยว่า คนที่ถูกกันออกไปคือ AI Agent จริง หรือเป็นประชาชนที่มีสิทธิจริงด้วย - เตรียมกรอบกฎหมายสำหรับการรับมือ AI Agent ตั้งแต่ก่อนเกิดปัญหา
หน่วยงานควรตอบให้ได้ล่วงหน้าว่า การจำกัดช่องทาง การกำหนด rate limit การยืนยันตัวตน หรือการเปลี่ยนวิธีรับคำขอ ทำได้แค่ไหนภายใต้กฎหมายที่ใช้อยู่
แหล่งอ้างอิง
ต้นฉบับ: arXiv — Characterizing Agentic Flooding of Government Services
Chris Schmitz, Lewis Hammond, Alan Chan, เวอร์ชัน v2 ลงวันที่ 19 สิงหาคม 2026
