By · Last updated 2026-04-09

Tilbake til BloggJuridisk Teknologi

FOIA-etterslep: Automatisert sladding for offentlig sektor

Amerikanske FOIA-forespørsler nådde 1,5 millioner i FY2024 — en økning på 25 %. Etterslepet vokste 33 % til 267 056 ventende forespørsler. Staten brukte 723 millioner dollar på behandlingen.

April 9, 20268 min lesing
FOIA automationgovernment document redactionpublic records compliancebatch Word processingfederal agency efficiency

Den føderale FOIA-etterslepskrisen

Amerikas føderale etater mottok 1,5 millioner FOIA-forespørsler i FY2024 — en økning på 25 % fra året før. Ventende etterslep vokste 33 % til 267 056 forespørsler. Etatene brukte anslagsvis 723 millioner dollar på å behandle dem.

Dette avslører et kapasitetsproblem. Rundt 5 638 FOIA-ansatte jobber på tvers av alle føderale etater. Med 1,5 millioner forespørsler per år håndterer hver person omtrent 266 forespørsler i året. Det er knapt én per arbeidsdag. Det er ingen buffer for store, komplekse forespørsler. Det er ingen margin for 33 % ettersleppsvekst. Bemanningskutt i mange etater gjør det verre.

Hvorfor hver forespørsel tar så lang tid

De fleste føderale dokumenter er Word-filer. Juridiske notater, politiske beslutninger og korrespondanse lagres alle i Word. Ansatte må lese hver side. De må anvende hvert unntak. Deretter må de kontrollere arbeidet sitt før utlevering.

Unntak 6 alene dekker navn, adresser, personnummer og fødselsdatoer. En enkelt 50-siders fil kan inneholde dusinvis av datapunkter som hver krever en separat vurdering. Multiplisert med tusenvis av dokumenter blir behandlingstiden strukturell — ikke et engangstilfelle.

Færre ansatte, samme volum. Etterslepssituasjonen bedrer seg ikke av seg selv.

Hva automatisering endrer

ATF — Bureau of Alcohol, Tobacco, Firearms and Explosives — krediterte automatiserte sladdingsverktøy med 20–30 % produktivitetsgevinst i behandlingsarbeidsflyten. Dette er et reelt resultat. Og det undervurderer trolig gevinsten for etater som fortsatt bruker fullstendig manuell gjennomgang.

En automatisert gjennomgang av et dokument er rask. Systemet finner navn, ID-numre og andre beskyttede data. Det merker hvert enkelt. Ansatte sjekker deretter merkede elementer i stedet for å lese hver linje. Skanningen tar sekunder. Menneskelig tid flyttes til vurderinger — der den gir reell verdi.

For en batchforespørsel med 8 000 dokumenter knyttet til en politisk beslutning er denne forskjellen det som skiller gjennomførbart fra umulig med normal bemanning.

Å velge riktig verktøy til jobben

Offentlig FOIA-arbeid har klare behov. Dokumenter må forbli i Word-format. Formatering må overleve prosessen. Sporede endringer, fotnoter og innebygde objekter må alle komme gjennom intakt. En ødelagt fil gir anmodere grunnlag for en klage.

Store forespørsler trenger batchkapasitet. Å kjøre hundrevis av dokumenter per gjennomgang er gulvet, ikke taket. Og ansatte på tvers av en etat må anvende de samme unntaksreglene hver gang — noe som krever delte, låste forhåndsinnstillingskonfigurasjoner.

Forhåndsinnstillingsbaserte sladdingsarbeidsflyter gjør nettopp dette. En forhåndsinnstilling dekker navn, adresser og personnummer under Unntak 6. En annen dekker deliberativt materiale under Unntak 5. Ansatte velger riktig forhåndsinnstilling og gjennomgår resultater — i stedet for å ta hver kategoribeslutning fra bunnen av på hvert dokument. For et bredere samsvarsbilde, se oversikten over sikkerhet og samsvar.

ATF-resultatet viser hvordan dette ser ut i praksis. Tjue til tretti prosent mer produksjon fra det samme teamet. Den typen gevinst betyr noe når forespørselsvolumet øker med 25 % per år og bemanningen ikke holder tritt.

Etterslepet vil ikke løse seg selv. Verktøyene for å bremse det er tilgjengelige nå.

Kilder

Klar til å beskytte dataene dine?

Begynn å anonymisere PII med 285+ enhetstyper på 48 språk.

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.