FOIA: AI kutter sladding fra uker til timer
Oppdatert for 2026.
Den føderale regjeringen brukte anslagsvis 500 millioner dollar på FOIA-behandling i 2024. Mesteparten av kostnaden var manuell sladding. DOJs restanse passerte 100 000 åpne forespørsler.
ARPA-H utlyste i 2025 en anskaffelse av AI-programvare for sladding. HHS fant at CMS-avdelingen trengte AI-drevne verktøy. Manuelt arbeid hadde skapt restanser som de ansatte ikke klarte å arbeide ned.
Spørsmålet har endret seg. Det handler ikke lenger om hvorvidt man skal automatisere. Det handler om hvordan man gjør det på en måte som holder i retten.
Den føderale restansen
Etter 5 U.S.C. §552 må myndighetene svare innen 20 virkedager. I praksis bruker mange måneder. Noen bruker år.
DOJs restanse på over 100 000 forespørsler tilsvarer omtrent 2 milliarder minutter manuell gjennomgang. Det forutsetter bare 20 minutter per forespørsel. Med statlige timepriser går arbeidskostnaden opp i milliarder.
Mesteparten av tiden går til én oppgave. Ansatte skanner sider etter navn, adresser og telefonnumre. Det krever ikke juridisk skjønn. Det krever mønstergjenkjenning. En algoritme gjør det på sekunder.
Hva ARPA-H og HHS krevde
ARPA-H søkte AI-programvare for sladding til behandling av FOIA-dokumenter. Deres oppgitte krav var:
- Automatisk identifisering av personopplysninger som omfattes av Exemption 6 og 7(C).
- Batchbehandling av store dokumentsett.
- Støtte for blandede formater: PDF, Word og e-post.
- Dokumentasjon i form av revisjonsspor.
- Forsvarlig resultat for FOIA-svar.
HHS/CMS kom til samme konklusjon. Økende volum og uendret bemanning gjorde manuell gjennomgang uholdbar. Disse etatene jaktet ikke på ny teknologi. De løste en etterlevelseskrise.
Delstater og kommuner: Færre ressurser, samme regler
Føderale etater har egne FOIA-kontorer og juridiske budsjetter. Delstater og lokale myndigheter har de samme juridiske pliktene med langt færre ressurser.
Californias CPRA krever svar innen 10 kalenderdager. Et county med et juridisk team på tre personer kan ikke arbeide seg gjennom 2 000 dokumenter innenfor det vinduet. Alternativene er begrenset:
- Avslå eller utsette – noe som skaper juridisk risiko.
- Ansette midlertidig personale – dyrt og tregt.
- Automatisere den mekaniske sladdefasen.
Alternativ 3 er nå innen rekkevidde. Den samme batchbehandlingen som føderale etater bruker, er tilgjengelig for juridiske avdelinger i counties. Ingen lange anskaffelsesprosesser er nødvendige. Se vår etterlevelsesoversikt for hvordan reglene om offentlige dokumenter gjelder på tvers av jurisdiksjoner.
EUs DSAR-er: Det samme problemet
Innsynsforespørsler fra den registrerte (DSAR-er) etter GDPR artikkel 15 skaper en tilsvarende utfordring for EU-organisasjoner. I motsetning til FOIA gjelder DSAR-pliktene alle organisasjoner som behandler personopplysninger. Et lite SaaS-selskap kan motta like mange DSAR-er som en stor bank.
Den praktiske utfordringen ligner FOIA. En organisasjon må utlevere alle data den har om en bestemt person. Tredjeparters personopplysninger må sladdes i svaret. Fristen er 30 dager.
Hver DSAR som berører e-postarkiver, supportsaker og ordreregistre kan bety hundrevis av dokumenter som må kontrolleres. For organisasjoner som håndterer 20–50 DSAR-er i måneden, krever manuell gjennomgang én eller flere heltidsansatte. Batchautomatisering reduserer det til deltidsarbeid.
Skrivebordsbehandling av sensitive dokumenter
Noen etater kan ikke bruke nettbaserte verktøy. Data som må bli innenfor etatens systemer, krever lokal behandling.
anonym.legals Desktop App er bygget for dette bruksområdet:
- Desktop-appen leser filer på etatens egen maskinvare; gjenkjenningen kjører på den EU-vertede API-en, den ene tillatte rundturen.
- Forbindelsen er internettbasert og begrenset til anonym.legal alene via en tillatelsesliste – en aktiv forbindelse er påkrevd.
- Batchkjøringer håndterer 1–5 000 filer om gangen.
- Støttede formater: PDF, DOCX, XLSX, TXT, CSV, JSON, XML.
- Behandlede filer pakkes som et ZIP-arkiv.
- CSV- og JSON-eksport med metadata per fil er inkludert.
For etater med strenge regler om dataplassering, men med en tillatt ekstern forbindelse, er dette riktig løsning: Desktop-appen bruker samme gjenkjenningsmodell – XLM-RoBERTa med 273 entitetstyper – som nettplattformen. For etater med et reelt isolert nettverk uten noen ekstern forbindelse kvalifiserer ikke Desktop-appen; vårt søsterprodukt anonym.plus kjører i stedet gjenkjenningen helt på enheten.
Se vår dokumentasjon for Desktop-appen for detaljer om oppsett.
Merknader om gjennomføring
Revisjonsspor. Offentlige arbeidsflyter krever opptegnelser over hva som ble sladdet, på hvilket grunnlag og av hvem. Batchmetadata dekker de to første. Å rute unntaksdokumenter gjennom gjennomgang av ansatte dekker resten.
Konsistens. Et FOIA-svar som sladder et navn i ett dokument, men overser det i et annet, skaper juridisk eksponering. En fast automatisert konfigurasjon fjerner den inkonsistensen.
SBU-materiale. Mange offentlige dokumenter er sensitive, men ikke gradert. Lokal behandling håndterer SBU-filer uten bruk av nettverk. Nettbasert behandling med riktige DPA-avtaler dekker filer som ikke er SBU.
Utdataformat. Redact-metoden bruker erstatning med svart strek. Det samsvarer med utseendet til vanlig FOIA-sladding og passer for fremleggelse i retten. Token-tilnærmingen – for eksempel [REDACTED - Exemption 6] – legger til en uttrykkelig henvisning til unntaket for mer detaljerte saker.
Hovedpoenget
FOIA er en rettslig plikt. Fristen på 20 virkedager er ikke et mål. Når antallet forespørsler overstiger det de ansatte klarer, følger svikt.
AI-drevet batchsladding erstatter ikke juridisk skjønn. Den fjerner den mekaniske fasen – å finne og markere standardiserte personopplysninger i tusenvis av dokumenter. Den fasen sluker 70–80 % av gjennomgangstiden. De ansatte kan da konsentrere seg om de 10–20 % av dokumentene der konteksten har betydning.
ARPA-H og HHS/CMS så begge dette. Delstater, lokale myndigheter og EU-organisasjoner med DSAR-plikter står overfor den samme utfordringen. Se vår oversikt over sikkerhet og etterlevelse for hvordan forsvarlige arbeidsflyter for sladding er bygget opp.
Når denne tilnærmingen har grenser
Å automatisere den mekaniske sladdefasen er riktig arbeidsdeling – de ansattes tid hører hjemme ved de skjønnsmessige avgjørelsene, ikke ved å skanne sider etter navn. Men tre begrensninger gjelder.
Lokal behandling styrer oppbevaringen, ikke gjenkjenningskvaliteten. For etater med en tillatt ekstern forbindelse holder Desktop-appen filene på etatens maskinvare mens gjenkjenningen kjører på anonym.legals servere – det løser spørsmålet om dataplassering, men gjør ikke sladdingen mer treffsikker. For etater helt uten forbindelse kjører anonym.plus i stedet samme klasse av modell helt på enheten. Uansett er et oversett navn oversett, uavhengig av om filen noen gang forlot bygningen. Kontroll over sted og gjenkjenningskvalitet er adskilte garantier, og å behandle lokal behandling som om den attesterte fullstendighet er en kategorifeil som er verdt å benevne tydelig.
En medfølgende offlinemodell blir utdatert uten bevisste oppdateringer. anonym.plus fryser gjenkjenningsmodellen på enheten ved den versjonen som ble installert; nye identifikatorformater, etatsspesifikke saksnumre og skiftende dokumentoppsett vil ikke bli gjenkjent før noen oppdaterer pakken med vilje, og det finnes ingen automatisk oppdatering i et isolert nettverk. anonym.legals vertede gjenkjenning – brukt av Desktop-appen og nettplattformen der det finnes en aktiv forbindelse – oppdateres i stedet automatisk. Planlegg og test modelloppdateringer som en driftsoppgave for offlinetilfellet, og valider på nytt mot aktuelle dokumentprøver etter hver oppdatering, ellers forringes nøyaktigheten i det stille mens flyten ser ut til å fungere akkurat som før.
Standarden for forsvarlighet krever menneskelig skjønn, ikke verktøyresultat. En ren batchrapport og en revisjonslogg støtter et FOIA- eller DSAR-svar, men utgjør det ikke. Avgjørelser om Exemption 6 versus 7(C), skillet mellom offisielle og private personer og spørsmål om privilegier er juridiske vurderinger. Over tusenvis av dokumenter gjentas en systematisk feil i konfigurasjonen tusenvis av ganger, så batchstørrelsen forstørrer en enkelt feil i stedet for å jevne den ut. Den mekaniske fasen kan automatiseres; plikten til rimelig aktsomhet blir hos juristen som foretar gjennomgangen, og unntakskøen må bemannes deretter.