FOIA: AI रिडैक्शन को हफ़्तों से घंटों में समेट देता है
2026 के लिए अद्यतन।
अमेरिकी संघीय सरकार ने 2024 में FOIA प्रोसेसिंग पर अनुमानतः 500M डॉलर खर्च किए। इस लागत का अधिकांश हिस्सा मैन्युअल रिडैक्शन था। DOJ का बैकलॉग 100,000 से अधिक लंबित अनुरोधों को पार कर गया।
ARPA-H ने 2025 में AI रिडैक्शन सॉफ़्टवेयर के लिए एक खरीद-प्रक्रिया जारी की। HHS ने पाया कि उसके CMS प्रभाग को AI-संचालित टूल की ज़रूरत है। मैन्युअल काम ने ऐसे बैकलॉग बना दिए थे जिन्हें कर्मचारी निपटा नहीं पा रहे थे।
सवाल बदल गया है। अब बात यह नहीं है कि स्वचालन करना है या नहीं। बात यह है कि इसे ऐसे तरीके से कैसे करें जो अदालत में टिके।
संघीय बैकलॉग की समस्या
5 U.S.C. §552 के तहत एजेंसियों को 20 कार्य-दिवसों के भीतर उत्तर देना होता है। व्यवहार में कई को महीने लग जाते हैं। कुछ को वर्ष लग जाते हैं।
DOJ का 100,000+ अनुरोधों का बैकलॉग मैन्युअल समीक्षा के लगभग 2 billion मिनट के बराबर है। यह मानकर कि प्रति अनुरोध केवल 20 मिनट लगते हैं। सरकारी बिलिंग दरों पर श्रम-लागत अरबों में पहुँचती है।
इस समय का अधिकांश हिस्सा एक ही काम में जाता है। कर्मचारी नाम, पते और फ़ोन नंबर खोजने के लिए पन्ने स्कैन करते हैं। इसके लिए वकील के विवेक की ज़रूरत नहीं है। इसके लिए पैटर्न मिलान चाहिए। एक एल्गोरिदम इसे सेकंडों में कर देता है।
ARPA-H और HHS को क्या चाहिए था
ARPA-H ने FOIA दस्तावेज़ प्रोसेसिंग के लिए AI रिडैक्शन सॉफ़्टवेयर माँगा। उनकी घोषित आवश्यकताएँ ये थीं:
- छूट 6 और 7(C) के निजी डेटा की स्वतः पहचान।
- दस्तावेज़ों के बड़े सेटों की बैच प्रोसेसिंग।
- मिश्रित प्रारूपों का समर्थन: PDF, Word और ईमेल।
- ऑडिट ट्रेल का दस्तावेज़ीकरण।
- FOIA उत्तर के लिए रक्षणीय आउटपुट।
HHS/CMS इसी निष्कर्ष पर पहुँचे। बढ़ती मात्रा और स्थिर कर्मचारी-संख्या ने मैन्युअल समीक्षा को अस्थिर कर दिया। ये एजेंसियाँ नई तकनीक के पीछे नहीं भाग रही थीं। वे अनुपालन-संकट को हल कर रही थीं।
राज्य और स्थानीय: कम संसाधन, वही नियम
संघीय एजेंसियों के पास समर्पित FOIA कार्यालय और कानूनी बजट होते हैं। राज्य और स्थानीय सरकारों पर वही कानूनी कर्तव्य हैं, पर संसाधन कहीं कम हैं।
कैलिफ़ोर्निया का CPRA 10 कैलेंडर दिनों के भीतर उत्तर माँगता है। तीन सदस्यों की कानूनी टीम वाली एक काउंटी उस अवधि में 2,000 दस्तावेज़ों से नहीं निपट सकती। विकल्प सीमित हैं:
- अस्वीकार करना या देरी करना — जिससे कानूनी जोखिम पैदा होता है।
- अस्थायी कर्मचारी रखना — महँगा और धीमा।
- रिडैक्शन के यांत्रिक चरण को स्वचालित करना।
विकल्प 3 अब पहुँच में है। जो बैच प्रोसेसिंग संघीय एजेंसियाँ इस्तेमाल करती हैं, वही काउंटी के कानूनी विभागों को उपलब्ध है। लंबी खरीद-समय-सीमाओं की ज़रूरत नहीं। विभिन्न क्षेत्राधिकारों में सार्वजनिक रिकॉर्ड नियम कैसे लागू होते हैं, यह जानने के लिए हमारा अनुपालन अवलोकन देखें।
EU DSAR: वही समस्या
GDPR अनुच्छेद 15 के डेटा सब्जेक्ट एक्सेस अनुरोध (DSAR) EU के संगठनों के सामने एक समानांतर चुनौती खड़ी करते हैं। FOIA के विपरीत, DSAR के दायित्व उन सभी संगठनों पर लागू होते हैं जो निजी डेटा संभालते हैं। एक छोटी SaaS कंपनी को भी उतने ही DSAR मिल सकते हैं जितने किसी बड़े बैंक को।
व्यावहारिक चुनौती FOIA जैसी ही है। संगठन को किसी विशिष्ट व्यक्ति के बारे में रखा गया सारा डेटा प्रस्तुत करना होता है। उत्तर से तीसरे पक्ष का निजी डेटा रिडैक्ट करना होता है। समय-सीमा 30 दिन है।
ईमेल अभिलेखागार, सपोर्ट टिकट और ऑर्डर रिकॉर्ड को छूने वाले हर DSAR का अर्थ सैकड़ों दस्तावेज़ों की जाँच हो सकता है। जो संगठन हर महीने 20–50 DSAR संभालते हैं, उनके लिए मैन्युअल समीक्षा में एक या अधिक पूर्णकालिक कर्मचारी लगते हैं। बैच स्वचालन इसे अंशकालिक काम तक घटा देता है।
संवेदनशील रिकॉर्ड के लिए डेस्कटॉप प्रोसेसिंग
कुछ एजेंसियाँ वेब-आधारित टूल इस्तेमाल नहीं कर सकतीं। जो डेटा एजेंसी के सिस्टम के भीतर ही रहना चाहिए, उसे लोकल प्रोसेसिंग चाहिए।
anonym.legal का Desktop App इसी उपयोग-मामले के लिए बना है:
- Desktop App फ़ाइलें एजेंसी के अपने हार्डवेयर पर पढ़ता है; डिटेक्शन EU-होस्टेड API पर चलता है, यही एकमात्र अनुमत राउंड ट्रिप है।
- कनेक्शन इंटरनेट-आधारित है और केवल anonym.legal तक अनुमत-सूची में सीमित है — लाइव कनेक्शन आवश्यक है।
- बैच रन एक बार में 1–5,000 फ़ाइलें संभालते हैं।
- समर्थित प्रारूप: PDF, DOCX, XLSX, TXT, CSV, JSON, XML।
- प्रोसेस की गई फ़ाइलें ZIP आर्काइव के रूप में पैक की जाती हैं।
- प्रति-फ़ाइल मेटाडेटा के साथ CSV और JSON एक्सपोर्ट शामिल हैं।
कड़े डेटा-निवास नियमों वाली, लेकिन बाहरी कनेक्शन की अनुमति वाली एजेंसियों के लिए यही उपयुक्त है: Desktop App वही डिटेक्शन मॉडल इस्तेमाल करता है जो वेब प्लेटफ़ॉर्म करता है — 273 एंटिटी प्रकारों वाला XLM-RoBERTa। जिन एजेंसियों का नेटवर्क वास्तव में एयर-गैप्ड है और बाहरी कनेक्टिविटी बिल्कुल नहीं है, उनके लिए Desktop App उपयुक्त नहीं है; हमारा सहोदर उत्पाद anonym.plus इसके बजाय डिटेक्शन पूरी तरह डिवाइस पर चलाता है।
सेटअप के ब्योरे के लिए हमारे Desktop App दस्तावेज़ देखें।
क्रियान्वयन संबंधी टिप्पणियाँ
ऑडिट ट्रेल। सरकारी कार्यप्रवाहों में रिकॉर्ड चाहिए कि क्या, किस आधार पर और किसके द्वारा रिडैक्ट किया गया। बैच मेटाडेटा पहले दो को कवर करता है। अपवाद वाले दस्तावेज़ों को कर्मचारी समीक्षा में भेजना बाकी को कवर करता है।
एकरूपता। जो FOIA उत्तर एक दस्तावेज़ में किसी नाम को रिडैक्ट करता है पर दूसरे में चूक जाता है, वह कानूनी जोखिम पैदा करता है। एक स्थिर स्वचालित कॉन्फ़िगरेशन इस असंगति को हटा देता है।
SBU सामग्री। कई सरकारी दस्तावेज़ संवेदनशील हैं पर वर्गीकृत नहीं। लोकल प्रोसेसिंग SBU फ़ाइलों को बिना नेटवर्क के संभालती है। उचित DPA समझौतों के साथ वेब-आधारित प्रोसेसिंग गैर-SBU फ़ाइलों को कवर करती है।
आउटपुट प्रारूप। Redact विधि काली पट्टी से प्रतिस्थापन का उपयोग करती है। यह मानक FOIA रिडैक्शन के रूप से मेल खाती है और अदालती प्रस्तुति के लिए उपयुक्त है। टोकन तरीका — जैसे [REDACTED - Exemption 6] — अधिक विस्तृत रिकॉर्ड के लिए छूट का स्पष्ट उद्धरण जोड़ता है।
निष्कर्ष
FOIA एक कानूनी कर्तव्य है। 20 कार्य-दिवस की समय-सीमा कोई लक्ष्य नहीं है। जब अनुरोधों की मात्रा कर्मचारियों की क्षमता से अधिक हो जाती है, तो विफलताएँ होती हैं।
AI-संचालित बैच रिडैक्शन कानूनी विवेक की जगह नहीं लेता। यह यांत्रिक चरण को हटा देता है — हज़ारों दस्तावेज़ों में मानक निजी डेटा को खोजना और चिह्नित करना। यह चरण समीक्षा के 70–80% समय को खा जाता है। तब कर्मचारी उन 10–20% दस्तावेज़ों पर ध्यान दे सकते हैं जहाँ संदर्भ मायने रखता है।
ARPA-H और HHS/CMS दोनों ने यह देखा। DSAR दायित्वों का सामना कर रही राज्य और स्थानीय सरकारें और EU के संगठन भी इसी चुनौती का सामना करते हैं। रक्षणीय रिडैक्शन कार्यप्रवाह कैसे गठित होते हैं, यह जानने के लिए हमारा सुरक्षा और अनुपालन अवलोकन देखें।
जब इस तरीके की सीमाएँ हैं
रिडैक्शन के यांत्रिक चरण को स्वचालित करना श्रम का सही विभाजन है — कर्मचारियों का समय विवेक वाले निर्णयों पर लगना चाहिए, नाम खोजने के लिए पन्ने स्कैन करने पर नहीं। लेकिन तीन सीमाएँ लागू होती हैं।
लोकल प्रोसेसिंग अभिरक्षा को नियंत्रित करती है, डिटेक्शन की गुणवत्ता को नहीं। बाहरी कनेक्शन की अनुमति वाली एजेंसियों के लिए, Desktop App फ़ाइलों को एजेंसी के हार्डवेयर पर रखता है जबकि डिटेक्शन anonym.legal के सर्वरों पर चलता है — इससे डेटा-निवास हल होता है, पर रिडैक्शन अधिक सटीक नहीं बनता। जिन एजेंसियों में वास्तव में कोई कनेक्टिविटी नहीं है, उनके लिए anonym.plus उसी श्रेणी का मॉडल पूरी तरह डिवाइस पर चलाता है। दोनों तरह से, छूटा हुआ नाम छूटा हुआ ही है, चाहे फ़ाइल कभी इमारत से बाहर गई हो या नहीं। स्थान का नियंत्रण और डिटेक्शन की गुणवत्ता अलग-अलग गारंटियाँ हैं, और लोकल प्रोसेसिंग को ऐसे मानना मानो वह पूर्णता प्रमाणित करती हो, एक श्रेणी-त्रुटि है जिसे साफ़ शब्दों में नाम देना ज़रूरी है।
बंडल किया हुआ ऑफ़लाइन मॉडल जान-बूझकर किए गए अपडेट के बिना पुराना पड़ जाता है। anonym.plus अपने ऑन-डिवाइस डिटेक्शन मॉडल को उसी संस्करण पर जमा देता है जो इंस्टॉल किया गया था; नए पहचानकर्ता प्रारूप, एजेंसी-विशिष्ट केस कोड और बदलते दस्तावेज़ लेआउट तब तक पहचाने नहीं जाएँगे जब तक कोई जान-बूझकर बंडल अपडेट न करे, और अलग-थलग नेटवर्क पर कोई स्वचालित रिफ़्रेश नहीं है। anonym.legal का होस्टेड डिटेक्शन — जिसे Desktop App और वेब प्लेटफ़ॉर्म वहाँ इस्तेमाल करते हैं जहाँ लाइव कनेक्शन है — इसके बजाय अपने-आप अपडेट होता है। ऑफ़लाइन मामले के लिए मॉडल अपडेट को एक परिचालन कार्य के रूप में निर्धारित और परीक्षित करें, और हर अपडेट के बाद वर्तमान दस्तावेज़ नमूनों के विरुद्ध पुनः-सत्यापन करें, वरना सटीकता चुपचाप घटती जाती है जबकि पाइपलाइन बिल्कुल पहले जैसी चलती दिखती है।
रक्षणीयता के मानक को मानवीय विवेक चाहिए, टूल का आउटपुट नहीं। एक साफ़ बैच रिपोर्ट और ऑडिट लॉग FOIA या DSAR उत्तर का समर्थन करते हैं, पर वे स्वयं उत्तर नहीं हैं। छूट 6 बनाम 7(C) के निर्णय, सरकारी बनाम निजी व्यक्ति के भेद और विशेषाधिकार के प्रश्न कानूनी निर्धारण हैं। हज़ारों दस्तावेज़ों में कॉन्फ़िगरेशन की एक व्यवस्थित चूक हज़ारों बार दोहराई जाती है, इसलिए बैच का पैमाना एक अकेली गलती का औसत नहीं निकालता, उसे बढ़ा देता है। यांत्रिक चरण स्वचालित हो सकता है; उचित-सावधानी का दायित्व समीक्षा करने वाले वकील पर ही रहता है, और अपवाद-कतार में उसी के अनुरूप कर्मचारी तैनात होने चाहिए।