格式碎片化的现实
一个法律文件生产请求到达。生产范围包括：
- 来自文档管理系统的PDF合同
- 来自法律审查的Word文档
- 来自财务的Excel电子表格
- 来自CRM的CSV导出
- 来自API审计跟踪的JSON日志
五种格式。该公司的当前工具包：用于PDF编辑的Adobe Acrobat，DOCX的Word宏，XLSX的Excel内置“查找和替换”，CSV的手动审查，以及JSON没有任何工具。
这并不罕见。2025年Everlaw电子发现报告将格式碎片化识别为首要运营挑战，法律团队在涉及混合格式的文件生产中平均使用3.2种不同工具。运营开销是显著的，合规风险更是显著。
为什么工具碎片化会造成合规差距
对不同格式使用不同工具会造成三种合规漏洞：
实体覆盖不一致： Adobe Acrobat内置的编辑功能搜索显式文本字符串——它不进行实体检测。用Acrobat生成的PDF只会编辑操作员明确搜索的文本字符串。Word宏仅检测其被编程查找的实体类型（通常是姓名和电子邮件，而不是所有285+种实体类型）。Excel的查找和替换不会捕捉到未明确输入的内容。PDF合同和Excel电子表格中的相同社会安全号码可能由两个不同的工具以两种不同的检测标准处理。
审计跟踪碎片化： 每个工具生成自己的日志（或根本没有日志）。对于GDPR数据主体访问请求，数据保护机构要求“证明关于该个人的所有个人数据都已被识别并适当处理”，来自三个不同工具的分开审计日志覆盖不同部分的文档集并不是一个令人信服的合规叙述。
配置漂移： 不同工具有不同的配置。法律运营团队六个月前配置的PDF编辑标准可能与上周由不同团队成员更新的Word宏设置不匹配。这种不一致在造成生产错误之前是不可见的。
一致性要求并非理论。法院对电子发现生产错误的制裁特别解决了不一致问题：在同一生产中对不同文档类型应用不同标准是法院所期望的系统性过程的失败。
DSAR一致性要求
GDPR数据主体访问请求在法律标准中嵌入了明确的一致性要求。第15条要求数据主体接收关于“所有”持有的个人数据的信息，而不是“所有PDF中的个人数据和大多数Word文档中的个人数据”。
信息专员办公室的DSAR指导明确：组织必须采取系统性的方法来识别为数据主体持有的所有个人数据，跨所有系统和格式。系统性的方法，按定义，需要一致的方法论——而不是具有不同标准的格式特定工具。
对于在DSAR投诉后进行的DPA调查，审计员会问：
- 用于识别所有个人数据的过程是什么？
- 哪些工具处理了哪些文档类型？
- 在每种格式中搜索了哪些实体类型？
- 什么审计跟踪文档了响应的完整性？
“我们对PDF使用Adobe，对Word使用宏，对电子表格使用Excel的查找功能，但我们没有每种实体类型的具体日志”并不是对问题3和4的令人满意的回答。
统一引擎的优势
统一处理引擎以相同的检测逻辑处理所有格式，使得：
统一适用的配置预设： 配置了32种实体类型的“DSAR EU个人”预设处理来自同一DSAR的PDF、DOCX、XLSX和CSV，具有相同的实体覆盖。Excel电子表格中的社会安全号码与PDF合同中的社会安全号码以相同的置信度阈值进行检查。
单一审计跟踪： 一个处理日志覆盖批次中的所有文件，无论格式如何。审计报告显示：文件名、文件类型、检测到的实体、置信值、采取的行动——对于生产集中的每个文件。单一文档提供整个生产的合规证据。
跨格式的参考完整性： 如果“Sarah Johnson”出现在PDF合同、Word通信记录和Excel账户电子表格中，跨所有三种格式的一致性假名化可以用相同的标记（PERSON_0001）替换她的名字——使数据主体能够追踪他们在生产中的记录。
混合格式批处理处理： 将15个不同格式的文件放入一个批次。使用一个预设进行处理。接收15个匿名输出和一个合并的审计报告。运营工作流程显著简化，而不是管理三个独立工具的工作流程。
联邦机构FOIA申请
美国联邦政府2025年推动FOIA自动化特别提到多格式处理作为一个关键要求。联邦机构接收跨越所有想象中的格式存储记录的FOIA请求——固定宽度文本的遗留主机导出、来自现代协作系统的Word文档、来自纸质档案的扫描PDF，以及CSV和JSON中的数据库导出。
司法部和卫生与公共服务部都试点了自动化编辑系统，特别是因为手动多格式处理无法满足他们的请求量。这些系统的核心要求：在所有格式中一致地应用相同的豁免标准，并有文档化的审计跟踪。
对于面临类似多格式合规要求的联邦政府以外的组织，同样的原则适用：跨格式的一致性处理是可辩护的合规文档的基础。
法律事务所DSAR实践的实施
一家中型法律事务所处理企业客户的GDPR DSAR，实施了统一格式处理以应对其DSAR响应工作流程：
之前：
- PDF合同：Adobe Acrobat（手动文本搜索）
- DOCX通信：Word宏（仅姓名+电子邮件）
- XLSX账户记录：Excel查找和替换（手动输入）
- CSV导出：手动审查
- 每个DSAR的处理时间：8-12小时
- 在所有格式中一致检查的实体类型：2-3（姓名，电子邮件）
之后（统一引擎，批处理）：
- 所有格式：使用“DSAR EU个人”预设的单一批次
- 在所有格式中一致检查的32种实体类型
- 每个DSAR的处理时间：45分钟（包括输出审查）
- 每个DSAR的单一审计报告供数据保护官签署
- 在所有格式中一致检查的实体类型：32
合规改进：该事务所现在可以在DSAR生产中展示所有文档类型的一致实体覆盖，并为每个响应提供单一审计文档。每个DSAR的处理时间从8-12小时降至不到1小时——使事务所能够将DSAR合规作为可扩展的服务。
来源：