By · Last updated 2026-05-28

Tillbaka till BloggenTeknisk

FOIA: AI-redigering minskar handläggningstiden från veckor till timmar

Den amerikanska federala regeringen spenderade cirka 500 miljoner dollar på FOIA-ärendehandläggning 2024, huvudsakligen på manuell redigering. ARPA-H sökte uttryckligen AI-programvara för dokumentredigering.

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

FOIA: AI minskar redigering från veckor till timmar

Uppdaterat 2026.

Den amerikanska federala regeringen spenderade cirka 500 miljoner dollar på FOIA-ärendehandläggning 2024. Större delen av den kostnaden var manuell redigering. DOJ:s balans översteg 100 000 öppna ärenden.

ARPA-H utfärdade en förfrågan 2025 om AI-redigeringsprogramvara. HHS konstaterade att dess CMS-division behövde AI-baserade verktyg. Manuellt arbete hade skapat balansräkningar som personalen inte kunde hantera.

Frågan har förändrats. Det handlar inte längre om huruvida man ska automatisera. Det handlar om hur man gör det på ett sätt som håller i domstol.

Det federala balansproblemet

Enligt 5 U.S.C. §552 måste myndigheter svara inom 20 arbetsdagar. I praktiken tar många månader. Vissa år.

DOJ:s balans på över 100 000 ärenden motsvarar ungefär 2 miljarder minuters manuell granskning. Med bara 20 minuter per ärende. Till statliga lönekostnader uppgår den totala kostnaden till miljarder.

Större delen av den tiden går till en enda uppgift. Personal skannar sidor efter namn, adresser och telefonnummer. Det kräver inte en jurists omdöme. Det kräver mönstermatchning. En algoritm gör det på sekunder.

Vad ARPA-H och HHS begärde

ARPA-H sökte AI-redigeringsprogramvara för FOIA-dokumentbearbetning. De angivna kraven var:

  • Automatisk identifiering av personuppgifter enligt undantagen 6 och 7(C).
  • Batchbearbetning av stora dokumentmängder.
  • Stöd för blandade format: PDF, Word och e-post.
  • Dokumentation av granskningslogg.
  • Försvarsbart utdata för FOIA-svar.

HHS/CMS kom till samma slutsats. Ökande volymer och oförändrad personalstyrka gjorde manuell granskning ohållbar. Dessa myndigheter jagade inte ny teknik. De löste en efterlevnadskris.

Statliga och lokala myndigheter: färre resurser, samma regler

Federala myndigheter har dedikerade FOIA-kontor och juridiska budgetar. Statliga och lokala myndigheter möter samma rättsliga skyldigheter med avsevärt mindre resurser.

Kaliforniens CPRA kräver svar inom 10 kalenderdagar. En county med ett juridiskt team på tre personer kan inte bearbeta 2 000 dokument i det fönstret. Alternativen är begränsade:

  1. Avslå eller försena — med åtföljande juridisk risk.
  2. Anlita tillfällig personal — kostsamt och långsamt.
  3. Automatisera den mekaniska redigeringsfasen.

Alternativ 3 är nu tillgängligt. Samma batchbearbetning som federala myndigheter använder finns tillgänglig för juridiska avdelningar i counties. Utan långa upphandlingsprocesser. Se vår efterlevnadöversikt för hur regler om allmänna handlingar gäller i olika jurisdiktioner.

Europeiska DSAr: samma problem

Registrerades begäran om åtkomst (DSAR) enligt Artikel 15 i GDPR skapar en parallell utmaning för europeiska organisationer. Till skillnad från FOIA gäller DSAR-skyldigheterna alla organisationer som behandlar personuppgifter. Ett litet SaaS-företag kan ta emot samma volym av DSAr som en stor bank.

Den praktiska utmaningen speglar FOIA:s. En organisation måste producera alla uppgifter den innehar om en specifik person. Tredje parters personuppgifter måste maskeras från svaret. Fristen är 30 dagar.

Varje DSAR som rör e-postarkiv, supportärenden och beställningar kan innebära hundratals dokument att granska. För organisationer som hanterar 20 till 50 DSAr per månad kräver manuell granskning en eller flera heltidsanställda. Batchautomatisering reducerar detta till deltidsarbete.

Lokal bearbetning för känsliga dokument

Vissa myndigheter kan inte använda webbaserade verktyg. Data som måste stanna i myndighetens system kräver lokal bearbetning.

Skrivbordsappen (anonym.plus) är byggd för detta användningsfall:

  • All bearbetning sker på myndighetens hårdvara.
  • Inga data skickas till externa servrar.
  • Batchkörningar hanterar 1 till 5 000 filer åt gången.
  • Format som stöds: PDF, DOCX, XLSX, TXT, CSV, JSON, XML.
  • Bearbetade filer paketeras som ZIP-arkiv.
  • CSV- och JSON-export med metadata per fil ingår.

För myndigheter med air-gapped nätverk eller strikta regler för datalagring är lokal bearbetning den enda praktiska vägen. Skrivbordsappen använder samma detekteringsmodell — XLM-RoBERTa med över 285 enhetstyper — som webbplattformen. Den fungerar helt offline.

Se vår dokumentation för Skrivbordsappen för konfigurationsdetaljer.

Implementeringsnoter

Granskningsloggar. Offentliga arbetsflöden kräver register över vad som redigerades, på vilken grund och av vem. Batchmetadata täcker de två första aspekterna. Dirigering av undantagsdokument genom personalens granskning täcker resten.

Konsekvens. Ett FOIA-svar som redigerar ett namn i ett dokument men missar det i ett annat skapar rättslig exponering. En automatiserad fast konfiguration eliminerar denna inkonsekvens.

SBU-material. Många myndighetsdokument är känsliga men inte sekretessbelagda. Lokal bearbetning hanterar SBU-filer utan nätverksanvändning. Webbaserad bearbetning med lämpliga DPA-avtal täcker icke-SBU-filer.

Utdataformat. Redact-metoden använder ersättning med svarta streckredigering. Det stämmer överens med hur standard FOIA-redigeringar ser ut och är lämpligt för domstolsproduktion. Token-tillvägagångssättet — som `[REDACTED - Exemption 6]` — lägger till explicit undantagscitat för mer detaljerade dokument.

Slutsatsen

FOIA är en lagstadgad skyldighet. Tidsfristen på 20 arbetsdagar är inte ett mål. När ärendevolymerna överstiger vad personalen kan hantera följer underlåtenhet.

AI-baserad batchredigering ersätter inte juridiskt omdöme. Den eliminerar den mekaniska fasen — att hitta och markera standardiserade personuppgifter i tusentals dokument. Den fasen tar upp 70–80 % av granskningstiden. Personal kan sedan fokusera på de 10–20 % av dokumenten där sammanhang är avgörande.

ARPA-H och HHS/CMS har sett detta. Statliga och lokala myndigheter och europeiska organisationer som möter DSAR-skyldigheter står inför samma utmaning. Se vår säkerhets- och efterlevnadsöversikt för hur försvarbara redigeringsarbetsflöden är strukturerade.

Källor

Redo att skydda din data?

Börja anonymisera PII med 285+ entitetstyper 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.