anonym.legal

By · Last updated 2026-04-09

Назад к блогуЮридические технологии

Очередь FOIA: Автоматизированная редакция в госорганах

В FY2024 федеральные ведомства США получили 1,5 миллиона запросов FOIA — рост на 25%. Очередь необработанных запросов выросла на 33% до 267 056. Расходы на обработку составили 723 миллиона долларов.

April 9, 20268 мин чтения
FOIA automationgovernment document redactionpublic records compliancebatch Word processingfederal agency efficiency

Кризис очередей по закону FOIA

В FY2024 федеральные ведомства США получили 1,5 миллиона запросов FOIA — на 25% больше, чем годом ранее. Количество необработанных запросов в очереди выросло на 33% до 267 056. По оценкам, агентства потратили на их обработку 723 миллиона долларов.

Эти цифры указывают на системный дефицит мощностей. Около 5 638 сотрудников, занимающихся вопросами FOIA, работают во всех федеральных ведомствах. При объёме 1,5 миллиона запросов в год каждый специалист обрабатывает примерно 266 запросов ежегодно — чуть больше одного в рабочий день. Здесь нет буфера для крупных и сложных запросов, нет запаса прочности при росте очереди на 33%. Сокращение штата во многих ведомствах усугубляет ситуацию.

Почему обработка каждого запроса занимает так много времени

Большинство федеральных документов хранится в формате Word: юридические меморандумы, политические решения, переписка. Сотрудники вынуждены вручную читать каждую страницу, применять соответствующие исключения, а затем проверять результат перед публикацией.

Одно лишь исключение №6 охватывает имена, адреса, номера социального страхования и даты рождения. В одном документе объёмом 50 страниц могут содержаться десятки точек данных, каждая из которых требует отдельного решения. Умножьте это на тысячи документов — и время обработки превращается из разовой проблемы в системную.

Меньше сотрудников, тот же объём запросов. Математика очередей не улучшается сама по себе.

Что меняет автоматизация

АТФ — Бюро по алкоголю, табаку, огнестрельному оружию и взрывчатым веществам — зафиксировало рост производительности на 20–30% в своём рабочем процессе после внедрения инструментов автоматизированного редактирования. Это реальный результат. И он, вероятно, недооценивает выигрыш для ведомств, по-прежнему работающих в полностью ручном режиме.

Автоматизированный просмотр документа выполняется быстро. Система находит имена, идентификационные номера и другие охраняемые данные — и помечает каждый элемент. Сотрудники затем проверяют отмеченные элементы, а не читают каждую строку. Сканирование занимает секунды. Время специалистов переходит к задачам, требующим профессионального суждения, — там, где оно действительно необходимо.

Для пакетного запроса, включающего 8 000 документов по какому-либо политическому решению, это различие — между выполнимым и невозможным при стандартном уровне укомплектованности.

Выбор подходящего инструмента

Работа с FOIA в государственных органах предъявляет чёткие требования. Документы должны оставаться в формате Word. Форматирование должно сохраняться в процессе обработки. Отслеживаемые изменения, сноски и встроенные объекты — всё это должно оставаться нетронутым. Повреждённый файл даёт заявителям основания для обжалования.

Крупные запросы требуют пакетной обработки. Возможность обрабатывать сотни документов за один проход — это минимум, а не максимум. Кроме того, сотрудники всего ведомства должны применять одни и те же правила исключений каждый раз — а это означает общие, зафиксированные конфигурации пресетов.

Рабочие процессы редактирования на основе пресетов решают именно эту задачу. Один пресет охватывает имена, адреса и номера социального страхования по исключению №6. Другой — совещательные материалы по исключению №5. Сотрудники выбирают нужный пресет и проверяют результаты — вместо того чтобы заново принимать решение по каждой категории в каждом документе. Общую картину соответствия требованиям см. в обзоре безопасности и соответствия.

Результат АТФ показывает, как это выглядит на практике: на 20–30% больше работы от той же команды. Такой прирост важен, когда объём запросов растёт на 25% в год, а штат не увеличивается.

Очередь не рассосётся сама по себе. Инструменты, способные её сократить, уже доступны.

Источники

Готовы защитить ваши данные?

Начните анонимизацию PII с 285+ типов сущностей на 48 языках.

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.