By · Last updated 2026-05-28

Powrót do blogaTechniczne

FOIA: redakcja dokumentów w godzinach zamiast tygodni

W 2024 roku rząd federalny USA wydał szacunkowo 500 mln USD na obsługę wniosków FOIA — głównie na ręczną redakcję. ARPA-H wprost poszukiwało oprogramowania AI do redakcji.

May 28, 20268 min czytania
FOIA automationgovernment AIARPA-HDSARpublic records redaction

FOIA: AI skraca redakcję z tygodni do godzin

Zaktualizowano dla roku 2026.

W 2024 roku rząd federalny USA wydał szacunkowo 500 mln USD na obsługę wniosków FOIA. Większość tych kosztów to ręczna redakcja. Zaległości DOJ przekroczyły 100 000 otwartych wniosków.

ARPA-H ogłosiło w 2025 roku przetarg na oprogramowanie AI do redakcji. HHS stwierdziło, że jej oddział CMS potrzebuje narzędzi opartych na AI. Praca ręczna tworzyła zaległości, których personel nie był w stanie nadrobić.

Pytanie przestało brzmieć, czy automatyzować. Teraz pyta się, jak to zrobić w sposób, który wytrzyma kontrolę sądową.

Problem zaległości na szczeblu federalnym

Na mocy 5 U.S.C. § 552 agencje muszą odpowiadać w ciągu 20 dni roboczych. W praktyce wiele z nich potrzebuje miesięcy. Niektóre — lat.

Zaległości DOJ wynoszące ponad 100 000 wniosków to równowartość około 2 miliardów minut ręcznego przeglądu — przy założeniu zaledwie 20 minut na wniosek. Przy rządowych stawkach koszt pracy sięga miliardów.

Większość tego czasu pochłania jedno zadanie. Pracownicy przeglądają strony w poszukiwaniu imion i nazwisk, adresów oraz numerów telefonów. Nie wymaga to oceny prawniczej — wymaga dopasowywania wzorców. Algorytm robi to w sekundy.

Czego wymagały ARPA-H i HHS

ARPA-H poszukiwało oprogramowania AI do redakcji dokumentów FOIA. Ich wymagania obejmowały:

  • Automatyczną identyfikację danych osobowych objętych wyłączeniami 6 i 7(C).
  • Przetwarzanie wsadowe dużych zbiorów dokumentów.
  • Obsługę mieszanych formatów: PDF, Word i e-mail.
  • Dokumentację ścieżki audytu.
  • Możliwy do obrony wynik na potrzeby odpowiedzi FOIA.

HHS/CMS doszedł do tych samych wniosków. Rosnące wolumeny i niezmieniony stan zatrudnienia sprawiły, że ręczny przegląd przestał być wykonalny. Agencje te nie gonią za nowinkami technologicznymi — rozwiązują kryzys zgodności z przepisami.

Władze stanowe i lokalne: mniej zasobów, te same przepisy

Agencje federalne mają dedykowane biura FOIA i budżety prawne. Władze stanowe i lokalne mają te same obowiązki prawne przy znacznie mniejszych zasobach.

Kalifornijskie CPRA wymaga odpowiedzi w ciągu 10 dni kalendarzowych. Trzyosobowy zespół prawny w hrabstwie nie jest w stanie przejrzeć 2000 dokumentów w takim oknie. Możliwości są ograniczone:

  1. Odmowa lub opóźnienie — co rodzi ryzyko prawne.
  2. Zatrudnienie pracowników tymczasowych — kosztowne i powolne.
  3. Automatyzacja fazy mechanicznej redakcji.

Opcja 3 jest teraz osiągalna. To samo przetwarzanie wsadowe, którego używają agencje federalne, jest dostępne dla gminnych działów prawnych — bez długich procedur zamówień publicznych. Szczegóły dotyczące przepisów o dostępie do informacji publicznej w różnych jurysdykcjach znajdziesz w naszym przeglądzie zgodności.

Unijne wnioski DSAR: ten sam problem

Wnioski o dostęp do danych osobowych (DSAR) na podstawie art. 15 RODO stanowią analogiczne wyzwanie dla organizacji unijnych. W przeciwieństwie do FOIA, obowiązki wynikające z DSAR dotyczą wszystkich organizacji przetwarzających dane osobowe. Mała firma SaaS może otrzymywać tyle samo wniosków DSAR co duży bank.

Praktyczne wyzwanie jest lustrzanym odbiciem FOIA. Organizacja musi udostępnić wszystkie dane przechowywane o konkretnej osobie. Dane osobowe stron trzecich muszą zostać wyredagowane z odpowiedzi. Termin wynosi 30 dni.

Jeden wniosek DSAR dotyczący archiwów e-mail, zgłoszeń obsługi i zamówień może oznaczać setki dokumentów do sprawdzenia. Dla organizacji obsługujących 20–50 wniosków DSAR miesięcznie ręczny przegląd wymaga jednego lub kilku pełnoetatowych pracowników. Automatyzacja wsadowa redukuje to do pracy w niepełnym wymiarze.

Lokalne przetwarzanie dokumentów wrażliwych

Niektóre agencje nie mogą korzystać z narzędzi webowych. Dane, które muszą pozostać w systemach agencji, wymagają lokalnego przetwarzania.

Aplikacja desktopowa (anonym.plus) jest stworzona właśnie dla takich przypadków:

  • Całe przetwarzanie odbywa się na sprzęcie agencji.
  • Żadne dane nie są przesyłane na zewnętrzne serwery.
  • Przetwarzanie wsadowe obsługuje 1–5000 plików naraz.
  • Obsługiwane formaty: PDF, DOCX, XLSX, TXT, CSV, JSON, XML.
  • Przetworzone pliki pakowane są jako archiwum ZIP.
  • Dostępny eksport CSV i JSON z metadanymi per plik.

Dla agencji z sieciami izolowanymi (air-gapped) lub rygorystycznymi wymogami dotyczącymi lokalizacji danych lokalne przetwarzanie jest jedyną wykonalną opcją. Aplikacja desktopowa używa tego samego modelu detekcji — XLM-RoBERTa z ponad 285 typami encji — co platforma webowa. Działa w pełni offline.

Szczegóły konfiguracji znajdziesz w dokumentacji aplikacji desktopowej.

Uwagi implementacyjne

Ścieżki audytu. Procesy rządowe wymagają dokumentacji tego, co zostało wyredagowane, na jakiej podstawie i przez kogo. Metadane wsadowe pokrywają dwa pierwsze aspekty. Kierowanie dokumentów z wyjątkami przez pracowników uzupełnia resztę.

Spójność. Odpowiedź FOIA redagująca imię w jednym dokumencie, ale pomijająca je w innym, rodzi ryzyko prawne. Stała konfiguracja automatyczna eliminuje tę niespójność.

Materiały SBU. Wiele dokumentów rządowych jest wrażliwych, lecz niejawnych (sensitive but unclassified). Lokalne przetwarzanie obsługuje pliki SBU bez użycia sieci. Przetwarzanie webowe z odpowiednimi umowami DPA pokrywa pliki inne niż SBU.

Format wyjściowy. Metoda Redact stosuje czarne pasy — odpowiedniki standardowych redakcji FOIA, odpowiednie do produkcji sądowej. Podejście tokenowe, np. `[REDACTED - Exemption 6]`, dodaje wyraźne odwołanie do podstawy wyłączenia w bardziej szczegółowych dokumentach.

Konkluzja

FOIA to obowiązek prawny. Termin 20 dni roboczych to nie cel — to wymóg. Gdy liczba wniosków przekracza możliwości personelu, dochodzi do naruszeń.

AI do redakcji wsadowej nie zastępuje oceny prawniczej. Eliminuje fazę mechaniczną — wyszukiwanie i oznaczanie standardowych danych osobowych w tysiącach dokumentów. Ta faza pochłania 70–80% czasu przeglądu. Personel może skupić się na 10–20% dokumentów, w których ważny jest kontekst.

ARPA-H i HHS/CMS to dostrzegły. Władze stanowe i lokalne oraz organizacje unijne obsługujące wnioski DSAR stoją przed tym samym wyzwaniem. Szczegóły dotyczące struktury możliwych do obrony procesów redakcji znajdziesz w naszym przeglądzie bezpieczeństwa i zgodności.

Źródła

Gotowy, aby chronić swoje dane?

Rozpocznij anonimizację PII z 285+ typami podmiotów w 48 językach.

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.