FOIA: AI kortar maskering från veckor till timmar
Uppdaterad för 2026.
Den federala regeringen lade uppskattningsvis 500 miljoner dollar på FOIA-hantering 2024. Det mesta av kostnaden var manuell maskering. DOJ:s ärendeskuld passerade 100 000 öppna begäranden.
ARPA-H utlyste 2025 en upphandling av AI-programvara för maskering. HHS fann att dess CMS-avdelning behövde AI-drivna verktyg. Manuellt arbete hade skapat ärendeskulder som personalen inte kunde arbeta bort.
Frågan har förändrats. Den handlar inte längre om huruvida man ska automatisera. Den handlar om hur man gör det på ett sätt som håller i domstol.
Den federala ärendeskulden
Enligt 5 U.S.C. §552 måste myndigheter svara inom 20 arbetsdagar. I praktiken tar många månader. Vissa tar år.
DOJ:s ärendeskuld på över 100 000 begäranden motsvarar ungefär 2 miljarder minuter manuell granskning. Då har vi räknat med bara 20 minuter per begäran. Med statliga timkostnader löper arbetskostnaden upp i miljarder.
Det mesta av tiden går till en enda uppgift. Personalen skannar sidor efter namn, adresser och telefonnummer. Det kräver inget juridiskt omdöme. Det kräver mönsterigenkänning. En algoritm gör det på sekunder.
Vad ARPA-H och HHS krävde
ARPA-H sökte AI-programvara för maskering vid hantering av FOIA-dokument. Deras angivna krav var:
- Automatisk identifiering av personuppgifter som omfattas av Exemption 6 och 7(C).
- Batchbehandling av stora dokumentmängder.
- Stöd för blandade format: PDF, Word och e-post.
- Dokumentation i form av granskningsspår.
- Försvarbara utdata för FOIA-svar.
HHS/CMS kom till samma slutsats. Växande volymer och oförändrad bemanning gjorde manuell granskning ohållbar. De här myndigheterna jagade inte ny teknik. De löste en efterlevnadskris.
Delstater och kommuner: Färre resurser, samma regler
Federala myndigheter har särskilda FOIA-kontor och juridiska budgetar. Delstater och lokala myndigheter har samma juridiska skyldigheter med betydligt färre resurser.
Kaliforniens CPRA kräver svar inom 10 kalenderdagar. Ett county med ett juridiskt team på tre personer kan inte arbeta igenom 2 000 dokument inom det fönstret. Alternativen är begränsade:
- Avslå eller dröja – vilket skapar juridisk risk.
- Anlita tillfällig personal – dyrt och långsamt.
- Automatisera den mekaniska maskeringsfasen.
Alternativ 3 är nu inom räckhåll. Samma batchbehandling som federala myndigheter använder finns tillgänglig för juridiska avdelningar i counties. Inga långa upphandlingstider krävs. I vår efterlevnadsöversikt beskrivs hur reglerna om allmänna handlingar gäller över jurisdiktioner.
EU:s DSAR: Samma problem
Begäranden om registerutdrag (DSAR) enligt artikel 15 i GDPR skapar en motsvarande utmaning för EU-organisationer. Till skillnad från FOIA gäller DSAR-skyldigheterna alla organisationer som hanterar personuppgifter. Ett litet SaaS-bolag kan få lika många DSAR som en stor bank.
Den praktiska utmaningen liknar FOIA. En organisation måste lämna ut alla uppgifter den har om en viss person. Tredje parts personuppgifter måste maskeras i svaret. Tidsfristen är 30 dagar.
Varje DSAR som berör e-postarkiv, supportärenden och orderregister kan innebära hundratals dokument att kontrollera. För organisationer som hanterar 20–50 DSAR per månad kräver manuell granskning en eller flera heltidsanställda. Batchautomatisering minskar det till deltidsarbete.
Skrivbordsbehandling av känsliga handlingar
Vissa myndigheter kan inte använda webbaserade verktyg. Data som måste stanna inom myndighetens system kräver lokal behandling.
anonym.legals Desktop App är byggd för det här användningsfallet:
- Desktop-appen läser filer på myndighetens egen hårdvara; identifieringen körs på det EU-hostade API:et, den enda tillåtna rundturen.
- Anslutningen är internetbaserad och begränsad via en tillåtelselista till enbart anonym.legal – en aktiv anslutning krävs.
- Batchkörningar hanterar 1–5 000 filer åt gången.
- Format som stöds: PDF, DOCX, XLSX, TXT, CSV, JSON, XML.
- Bearbetade filer paketeras som ett ZIP-arkiv.
- Export till CSV och JSON med metadata per fil ingår.
För myndigheter med strikta regler om dataplacering men med en tillåten extern anslutning är detta rätt lösning: Desktop-appen använder samma identifieringsmodell – XLM-RoBERTa med 273 entitetstyper – som webbplattformen. För myndigheter med ett verkligt isolerat nätverk utan någon extern anslutning kvalificerar sig inte Desktop-appen; vår systerprodukt anonym.plus kör i stället identifieringen helt på enheten.
I vår dokumentation för Desktop-appen finns detaljer om installation.
Anmärkningar om genomförandet
Granskningsspår. Statliga arbetsflöden kräver uppgifter om vad som maskerades, på vilken grund och av vem. Batchmetadata täcker de två första. Att dirigera undantagsdokument genom granskning av personal täcker resten.
Konsekvens. Ett FOIA-svar som maskerar ett namn i ett dokument men missar det i ett annat skapar juridisk exponering. En fast automatiserad konfiguration tar bort den inkonsekvensen.
SBU-material. Många statliga dokument är känsliga men inte klassificerade. Lokal behandling hanterar SBU-filer utan nätverksanvändning. Webbaserad behandling med rätt DPA-avtal täcker filer som inte är SBU.
Utdataformat. Redact-metoden använder ersättning med svart stapel. Det motsvarar utseendet hos vanlig FOIA-maskering och passar för framläggande i domstol. Tokenmetoden – till exempel [REDACTED - Exemption 6] – lägger till en uttrycklig hänvisning till undantaget för mer detaljerade handlingar.
Sammanfattning
FOIA är en rättslig skyldighet. Tidsfristen på 20 arbetsdagar är inte ett mål. När antalet begäranden överstiger vad personalen klarar följer misslyckanden.
AI-driven batchmaskering ersätter inte juridiskt omdöme. Den tar bort den mekaniska fasen – att hitta och markera standardiserade personuppgifter i tusentals dokument. Den fasen förbrukar 70–80 % av granskningstiden. Personalen kan då fokusera på de 10–20 % av dokumenten där sammanhanget spelar roll.
ARPA-H och HHS/CMS insåg båda detta. Delstater, lokala myndigheter och EU-organisationer med DSAR-skyldigheter står inför samma utmaning. I vår översikt över säkerhet och efterlevnad beskrivs hur försvarbara arbetsflöden för maskering är uppbyggda.
När det här tillvägagångssättet har gränser
Att automatisera den mekaniska maskeringsfasen är rätt arbetsfördelning – personalens tid hör hemma vid de omdömesbaserade avgörandena, inte vid att skanna sidor efter namn. Men tre begränsningar gäller.
Lokal behandling styr förvaringen, inte identifieringskvaliteten. För myndigheter med en tillåten extern anslutning håller Desktop-appen filerna på myndighetens hårdvara medan identifieringen körs på anonym.legals servrar – det löser frågan om dataplacering men gör inte maskeringen mer träffsäker. För myndigheter helt utan anslutning kör anonym.plus i stället samma klass av modell helt på enheten. Hur som helst är ett missat namn missat, oavsett om filen någonsin lämnade byggnaden. Kontroll över plats och identifieringskvalitet är skilda garantier, och att behandla lokal behandling som om den intygade fullständighet är ett kategorifel som är värt att benämna tydligt.
En medföljande offlinemodell blir föråldrad utan medvetna uppdateringar. anonym.plus fryser sin identifieringsmodell på enheten vid den version som installerades; nya identifierarformat, myndighetsspecifika ärendekoder och föränderliga dokumentlayouter kommer inte att kännas igen förrän någon uppdaterar paketet med avsikt, och det finns ingen automatisk uppdatering i ett isolerat nätverk. anonym.legals hostade identifiering – som används av Desktop-appen och webbplattformen där det finns en aktiv anslutning – uppdateras i stället automatiskt. Schemalägg och testa modelluppdateringar som en driftuppgift för offlinefallet, och validera om mot aktuella dokumentprov efter varje uppdatering, annars försämras noggrannheten i det tysta medan flödet verkar fungera precis som förut.
Standarden för försvarbarhet kräver mänskligt omdöme, inte verktygsutdata. En ren batchrapport och en granskningslogg stöder ett FOIA- eller DSAR-svar, men de utgör inte ett. Avgöranden om Exemption 6 kontra 7(C), skillnaden mellan tjänsteperson och privatperson samt frågor om privilegier är juridiska bedömningar. Över tusentals dokument upprepas ett systematiskt fel i konfigurationen tusentals gånger, så batchstorleken förstorar ett enskilt fel i stället för att jämna ut det. Den mekaniska fasen går att automatisera; skyldigheten till rimlig aktsamhet ligger kvar hos den granskande juristen, och undantagskön måste bemannas därefter.