By · Last updated 2026-04-09

بازگشت به وبلاگفناوری حقوقی

تراکم FOIA: ویرایش خودکار اسناد دولتی

درخواست‌های FOIA در سال مالی ۲۰۲۴ به ۱.۵ میلیون مورد رسید — افزایشی ۲۵ درصدی. تراکم پرونده‌ها ۳۳ درصد رشد کرد و به ۲۶۷٬۰۵۶ درخواست معلق رسید. دولت ۷۲۳ میلیون دلار برای پردازش هزینه کرد.

April 9, 20268 دقیقه مطالعه
FOIA automationgovernment document redactionpublic records compliancebatch Word processingfederal agency efficiency

بحران تراکم FOIA در سطح فدرال

سازمان‌های فدرال ایالات متحده در سال مالی ۲۰۲۴ با ۱.۵ میلیون درخواست FOIA روبرو شدند — افزایشی ۲۵ درصدی نسبت به سال قبل. تراکم درخواست‌های معلق ۳۳ درصد رشد کرد و به ۲۶۷٬۰۵۶ مورد رسید. سازمان‌ها تخمیناً ۷۲۳ میلیون دلار برای پردازش آن‌ها هزینه کردند.

این آمار نشان‌دهنده شکاف ظرفیتی جدی است. حدود ۵٬۶۳۸ کارمند FOIA در تمام سازمان‌های فدرال فعالیت می‌کنند. با ۱.۵ میلیون درخواست در سال، هر نفر باید سالانه حدود ۲۶۶ درخواست را مدیریت کند — یعنی بیش از یک مورد در هر روز کاری. هیچ حاشیه‌ای برای درخواست‌های بزرگ و پیچیده وجود ندارد. هیچ ظرفیت اضافه‌ای برای مقابله با رشد ۳۳ درصدی تراکم نیست. کاهش نیروی کار در بسیاری از سازمان‌ها اوضاع را بدتر می‌کند.

چرا هر درخواست اینقدر طول می‌کشد

بیشتر اسناد فدرال در قالب Word هستند. یادداشت‌های حقوقی، تصمیمات سیاستی و مکاتبات همه در Word ذخیره می‌شوند. کارکنان باید هر صفحه را بخوانند، هر معافیت را اعمال کنند و سپس کارشان را پیش از انتشار بررسی کنند.

معافیت ۶ به تنهایی شامل نام‌ها، آدرس‌ها، شماره‌های تامین اجتماعی و تاریخ تولد می‌شود. یک فایل ۵۰ صفحه‌ای ممکن است ده‌ها نقطه داده داشته باشد که هر کدام نیاز به بررسی جداگانه دارند. این را در هزاران سند ضرب کنید تا بفهمید چرا زمان پردازش به مشکلی ساختاری تبدیل شده — نه یک مشکل گاه‌گاهی.

نیروی کار کمتر، حجم کار یکسان. معادله تراکم به خودی خود بهتر نمی‌شود.

اتوماسیون چه تغییری ایجاد می‌کند

ATF — اداره الکل، تنباکو، اسلحه‌گرم و مواد منفجره — از ابزارهای ویرایش خودکار نام برد که ۲۰ تا ۳۰ درصد بهبود بهره‌وری در فرایند پردازش آن‌ها ایجاد کرده است. این نتیجه واقعی است و احتمالاً برای سازمان‌هایی که هنوز کاملاً دستی کار می‌کنند، دست کم گرفته شده.

یک پردازش خودکار بر روی یک سند سریع است. سیستم نام‌ها، شماره‌های شناسایی و سایر داده‌های پوشش‌داده‌شده را پیدا می‌کند و علامت‌گذاری می‌نماید. کارکنان سپس موارد علامت‌گذاری‌شده را بررسی می‌کنند به جای اینکه هر سطر را بخوانند. اسکن چند ثانیه طول می‌کشد. زمان انسانی صرف قضاوت‌های تخصصی می‌شود — جایی که ارزش واقعی اضافه می‌کند.

برای یک درخواست دسته‌ای ۸٬۰۰۰ سندی مربوط به یک تصمیم سیاستی، این تغییر رویکرد تفاوت میان شدنی و ناممکن بودن است.

انتخاب ابزار مناسب برای کار

کار FOIA دولتی نیازهای مشخصی دارد. اسناد باید در قالب Word باقی بمانند. قالب‌بندی باید در طول فرایند حفظ شود. تغییرات ردیابی‌شده، پاورقی‌ها و اشیاء جاسازی‌شده باید دست نخورده باشند. یک فایل خراب به درخواست‌کنندگان بهانه‌ای برای اعتراض می‌دهد.

درخواست‌های بزرگ به قابلیت پردازش دسته‌ای نیاز دارند. پردازش صدها سند در هر بار حداقل نیاز است، نه سقف. کارکنان یک سازمان باید هر بار قوانین معافیت یکسانی را اعمال کنند — که این یعنی پیکربندی‌های از پیش تعریف‌شده و قفل‌شده مشترک.

جریان‌های کاری ویرایش مبتنی بر پیش‌تنظیم دقیقاً همین کار را می‌کنند. یک پیش‌تنظیم نام‌ها، آدرس‌ها و شماره‌های تامین اجتماعی را تحت معافیت ۶ پوشش می‌دهد. پیش‌تنظیم دیگری مواد مشورتی را تحت معافیت ۵ پوشش می‌دهد. کارکنان پیش‌تنظیم مناسب را انتخاب می‌کنند و نتایج را بررسی می‌کنند — به جای اینکه در هر سند برای هر دسته از ابتدا تصمیم بگیرند. برای تصویر کامل‌تر از انطباق، مرور امنیت و انطباق را ببینید.

نتیجه ATF نشان می‌دهد این رویکرد در عمل چگونه است. بیست تا سی درصد خروجی بیشتر از همان تیم. این نوع بهبود زمانی اهمیت دارد که حجم درخواست‌ها سالانه ۲۵ درصد رشد می‌کند ولی نیروی انسانی همگام نمی‌شود.

تراکم به خودی خود رفع نخواهد شد. ابزارهای کاهش آن همین الان در دسترس هستند.

منابع

آماده‌اید داده‌های خود را محافظت کنید؟

شروع به ناشناس‌سازی PII با بیش از ۲۸۵ نوع نهاد در ۴۸ زبان.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.