DHS amplía la IA para el procesamiento de FOIA, pero la verdadera prueba es la revisión humana

El Departamento de Seguridad Nacional planea ampliar el procesamiento de FOIA asistido por IA después de cerrar el ejercicio fiscal de 2025 con 245.572 solicitudes pendientes. El departamento afirma que la automatización puede reducir el trabajo administrativo y ayudar a los empleados a gestionar un volumen creciente de solicitudes de registros públicos. El conflicto es sencillo: un procesamiento más rápido solo tiene valor si las búsquedas, clasificaciones y redacciones resultantes siguen siendo precisas.

DHS recibió más de 1 millón de solicitudes bajo la Ley de Libertad de Información durante el ejercicio fiscal. Procesó casi la misma cantidad, pero su inventario pendiente aun así creció desde las 221.068 solicitudes al comienzo del año. Según el departamento, su retraso formal equivalía al 16 por ciento de las solicitudes recibidas.

Estas cifras ayudan a explicar por qué las agencias federales ven la automatización como algo más que un experimento. Sin embargo, DHS está considerando la IA para decisiones que influyen en qué registros reciben las personas. Esto convierte el plan en una prueba de rendición de cuentas, no simplemente en un proyecto de modernización administrativa.

El departamento ya incluye un caso de uso previo al despliegue para identificar y redactar contenido sensible. Customs and Border Protection también utiliza software de revisión documental capaz de aprender de los revisores y clasificar los registros según su relevancia. Defensores de las libertades civiles advierten que estos sistemas pueden reproducir patrones existentes de redacción excesiva mientras reducen el espacio para una revisión humana cuidadosa.

DHS está incorporando la IA más profundamente en el flujo de trabajo de FOIA

El cambio importante no es que DHS use software, sino que la IA se está acercando a decisiones de revisión con consecuencias.

DHS lleva años utilizando herramientas electrónicas para aceptar solicitudes, gestionar casos, compartir archivos, eliminar duplicados y entregar registros. Estas funciones sustituyen la gestión manual sin decidir necesariamente qué puede ver el público. Los casos de uso más recientes se adentran más en la identificación y la redacción de documentos.

El informe anual de FOIA del departamento indica que su Oficina de Privacidad continúa desarrollando e implementando nueva tecnología para procesar solicitudes. DHS espera lanzar herramientas adicionales de automatización durante el próximo año. Describe los objetivos como mejorar la eficiencia y eliminar el trabajo administrativo repetitivo.

Esa descripción abarca una amplia gama de funciones posibles. Un sistema automatizado podría completar campos de casos, detectar archivos duplicados, convertir páginas escaneadas en texto consultable o dirigir registros a la oficina correspondiente. Cada función puede ahorrar tiempo sin sustituir un criterio jurídico.

La capacidad de respuesta de un documento es más sensible. Un registro pertinente se encuentra dentro del alcance de la búsqueda de un solicitante, incluso si posteriormente parte de la información debe retenerse. Si un sistema clasifica por error ese registro como irrelevante, es posible que el solicitante nunca sepa que existió.

La redacción añade otra capa de riesgo. FOIA permite a las agencias retener información en virtud de exenciones legales específicas, incluidas protecciones relacionadas con la seguridad nacional, la aplicación de la ley y la privacidad personal. Aplicar esas exenciones a menudo exige contexto, interpretación jurídica y una valoración del perjuicio previsible.

DHS ha identificado un caso de uso de IA destinado a agilizar la identificación y la redacción de material sensible. El departamento clasificó ese uso previsto como no de alto impacto, según su inventario público. Esa designación importa porque los sistemas de alto impacto están sujetos a expectativas más estrictas de gestión de riesgos en virtud de la política federal de IA.

El inventario describe el sistema como previo al despliegue. Eso significa que el registro público aún no establece con qué amplitud DHS lo utilizará, qué componentes participarán ni qué porcentaje de sus sugerencias aceptarán los empleados.

Una herramienta independiente ya forma parte del panorama. DHS incluye RelativityOne como un sistema comercial de IA para la recuperación de conocimiento. Un análisis de privacidad de Customs and Border Protection describe su función con mayor precisión, incluido el apoyo a respuestas oportunas a las solicitudes de FOIA.

Dentro de la división FOIA de CBP, la plataforma puede aprender de las decisiones de los revisores y etiquetar documentos como pertinentes o irrelevantes. Esta técnica suele denominarse revisión asistida por tecnología, lo que significa que el software utiliza ejemplos etiquetados por personas para priorizar o clasificar una colección más amplia.

La revisión asistida por tecnología no siempre implica decisiones autónomas de divulgación. Los revisores pueden usar predicciones para ordenar documentos, identificar posibles duplicados o centrar la atención en clasificaciones inciertas. Los documentos públicos dejan sin aclarar detalles importantes, entre ellos cuándo los empleados deben verificar una etiqueta y cómo DHS mide los errores.

Esa brecha genera la tensión central. DHS presenta la IA como apoyo para empleados sobrecargados, pero algunas capacidades documentadas pueden influir en qué registros llegan a esos empleados. La eficiencia depende de reducir los pasos manuales. La rendición de cuentas depende de saber qué pasos no pueden eliminarse de forma segura.

Las cifras de solicitudes explican por qué DHS está automatizando

DHS afronta un problema de carga de trabajo lo bastante grande como para hacer atractiva la automatización, incluso antes de considerar la presión de personal.

El departamento comenzó el ejercicio fiscal de 2025 con 221.068 solicitudes FOIA pendientes. Luego recibió más de 1 millón de nuevas solicitudes y procesó casi el mismo volumen. Sin embargo, DHS terminó con 245.572 solicitudes pendientes, un aumento de 24.504 durante el año.

Una solicitud pendiente y un retraso formal no son idénticos. Una solicitud pasa a estar retrasada cuando permanece sin resolver más allá del plazo legal de respuesta aplicable. DHS afirma que su retraso representaba el 16 por ciento de las solicitudes recibidas, aunque su inventario total pendiente superaba las 245.000.

La distinción es útil, pero no hace pequeño el desafío operativo. Cada caso pendiente sigue requiriendo seguimiento, comunicación, búsqueda, revisión o entrega. Las solicitudes complejas pueden implicar grandes colecciones de correos electrónicos, expedientes migratorios, registros de aplicación de la ley, video o material custodiado por varios componentes.

DHS lleva mucho tiempo concentrando una proporción inusualmente grande de la carga federal de trabajo de FOIA. Sus agencias incluyen Customs and Border Protection, Immigration and Customs Enforcement, la Agencia Federal para el Manejo de Emergencias, la Administración de Seguridad en el Transporte y U.S. Citizenship and Immigration Services.

Varios de esos componentes conservan registros que las personas necesitan por motivos personales o legales inmediatos. Las solicitudes de inmigración pueden implicar el expediente oficial de una persona. Las solicitudes relacionadas con desastres pueden referirse a decisiones gubernamentales tras una emergencia. Periodistas y organizaciones de supervisión buscan registros de políticas, contratos, comunicaciones y datos de cumplimiento.

Por tanto, la necesidad de rapidez va más allá de la conveniencia. Un registro demorado puede afectar litigios, reportajes, procedimientos migratorios, investigación histórica o el escrutinio público de una política activa.

Los cambios en la fuerza laboral federal añaden presión. Más de 600 especialistas gubernamentales en información dejaron el servicio federal después de que comenzara la segunda administración Trump, según datos citados en el informe inicial. Casi 100 de esas salidas procedían de DHS.

La categoría de especialistas gubernamentales en información incluye a muchos empleados que procesan solicitudes FOIA. Las salidas no se traducen directamente en una reducción idéntica de la capacidad de FOIA porque las funciones laborales varían. Aun así, los datos sobre la fuerza laboral federal muestran una contracción más amplia que afecta a agencias que ya enfrentaban cargas crecientes de registros.

Menos revisores experimentados crean un ciclo difícil. Los empleados restantes reciben más casos, los directivos buscan herramientas más rápidas y los revisores tienen menos tiempo para inspeccionar los resultados automatizados. La tecnología destinada a aliviar la presión puede entonces volverse más difícil de supervisar adecuadamente.

DHS no está solo en este cambio. La Oficina de Servicios de Información Gubernamental de los Archivos Nacionales informó que el 18,6 por ciento de las agencias que respondieron utilizaban IA o aprendizaje automático en el procesamiento de FOIA. Ese hallazgo muestra que la adopción está en marcha, aunque la mayoría de las agencias aún no habían informado del uso de estas herramientas.

Otros departamentos están explorando funciones similares. El Departamento de Salud y Servicios Humanos ha descrito trabajos relacionados con funciones automatizadas de flujo de trabajo, plataformas de descubrimiento documental y una prueba de concepto de IA. Funcionarios de Defensa también han examinado IA agéntica, generativa y predictiva para las operaciones de FOIA.

Esto se está convirtiendo en una respuesta gubernamental de alcance general al aumento de la demanda y a las limitaciones de personal. DHS destaca por su volumen, sus registros sensibles y sus responsabilidades de cumplimiento. Un error en este entorno puede afectar tanto a solicitantes individuales como a una supervisión pública más amplia.

La disyuntiva central es la velocidad frente a un criterio revisable

La IA puede acelerar el descubrimiento sin poseer el criterio jurídico que exigen las decisiones de FOIA.

Algunas tareas ofrecen un caso relativamente claro para la automatización. El reconocimiento óptico de caracteres puede convertir páginas escaneadas en texto consultable. La detección de duplicados puede evitar que los revisores lean repetidamente el mismo hilo de correos electrónicos. La identificación de idiomas y la conversión de archivos pueden preparar registros para su revisión.

La asistencia de búsqueda también puede ayudar a los empleados a encontrar registros que una consulta limitada por palabras clave podría pasar por alto. Los sistemas de aprendizaje automático pueden identificar conceptos relacionados, clasificar documentos probablemente pertinentes y agrupar material similar. Estas capacidades son valiosas cuando un caso incluye miles de archivos.

Cody Venzke, abogado sénior del personal de la American Civil Liberties Union, reconoció ese potencial en el reportaje original. Dijo que la IA podría acelerar el descubrimiento de documentos y reducir la posibilidad de que solicitudes amplias pasen por alto material pertinente.

Su advertencia se refiere a lo que ocurre después. Una redacción no es simplemente un ejercicio de coincidencia de patrones. Los revisores deben identificar una exención legal, aplicarla al material específico y considerar si la divulgación generaría un perjuicio previsible.

El contexto cambia la respuesta. Un nombre puede requerir protección en un registro, pero ya ser público en otro. Un pasaje que describe deliberaciones puede contener información factual separable que aún debería divulgarse. Una técnica de aplicación de la ley podría ser sensible en un momento y ampliamente conocida después.

Los modelos pueden asignar etiquetas basándose en ejemplos previos, pero las etiquetas anteriores no son necesariamente correctas. Las respuestas de las agencias reflejan interpretaciones jurídicas, preferencias de riesgo, historial de litigios y hábitos de los revisores. Entrenar con esas respuestas puede reproducir las mismas tendencias a mayor escala.

Esta preocupación es especialmente importante porque a menudo se acusa a las agencias de redactar registros en exceso. Un revisor humano excesivamente cauteloso puede ocultar demasiada información en un caso. Un sistema entrenado con miles de decisiones cautelosas puede aplicar ese comportamiento a miles de casos.

Abigail Kunkler, becaria jurídica del Electronic Privacy Information Center, sostuvo que la automatización entrenada con respuestas existentes reflejaría los patrones actuales de redacción. Su preocupación no es simplemente que un modelo de IA falle ocasionalmente. Es que el sistema estandarice una preferencia institucional por retener información.

El error opuesto también importa. Un modelo podría no reconocer datos personales, información de seguridad o detalles legalmente protegidos. Eso puede exponer a personas o perjudicar una investigación. Por tanto, las agencias tienen una razón racional para ajustar los sistemas hacia la cautela.

Sin embargo, ajustar el sistema para priorizar la cautela desplaza los errores hacia la no divulgación. Los solicitantes no pueden detectar fácilmente un registro que un clasificador excluyó antes de su revisión. Pueden impugnar las redacciones visibles, pero no pueden cuestionar un documento que nunca recibieron ni supieron que existía.

Esa asimetría hace que la clasificación de pertinencia sea especialmente relevante. Un falso positivo envía un documento irrelevante a un revisor y consume tiempo. Un falso negativo puede eliminar silenciosamente un registro pertinente del proceso.

DHS necesita métricas de evaluación que reflejen esta diferencia. Una única puntuación de precisión puede ocultar patrones de fallo perjudiciales. El departamento debería seguir por separado los registros pertinentes omitidos, las revisiones innecesarias, las sugerencias de redacción incorrectas y la información sensible expuesta.

Las pruebas también necesitan datos realistas. Un sistema evaluado con documentos de muestra limpios puede funcionar de forma distinta con páginas escaneadas, notas manuscritas, cadenas de correos electrónicos, archivos adjuntos, transcripciones de audio o registros que contienen varios idiomas. DHS procesa todos estos formatos en sus distintos componentes.

El uso más sólido de la IA mantendría al sistema en un papel de asistencia. Podría clasificar documentos por prioridad, sugerir redacciones y explicar qué patrones activaron una recomendación. Un empleado capacitado confirmaría la pertinencia del registro y tomaría la decisión final de retenerlo.

Esa estructura preserva la autoridad humana, pero solo si la revisión es sustantiva. Exigir a un empleado que pulse un botón de aprobación no crea una supervisión significativa. Los revisores necesitan tiempo, capacitación e información suficiente del sistema para cuestionar la recomendación.

DHS No Ha Explicado Lo Suficiente Sobre Sus Salvaguardias

El inventario público identifica capacidades de IA, pero no aporta evidencia suficiente para evaluar sus controles.

DHS clasificó su caso de uso previsto para la identificación y redacción de contenido sensible como de bajo impacto. Esa decisión limita los requisitos de gestión de riesgos asociados al sistema. Sin embargo, la información pública no explica plenamente por qué el caso de uso recibió esa clasificación.

Las definiciones de la política federal importan en este caso. Un sistema puede influir en el acceso a información gubernamental sin tomar una decisión sobre beneficios, vigilancia policial o libertad personal. Esa función más limitada podría situarlo fuera de las categorías formales de alto impacto.

Aun así, una clasificación formal baja no implica un riesgo bajo para la rendición de cuentas pública. La FOIA es uno de los principales mecanismos legales para examinar a las agencias del poder ejecutivo. Una herramienta que modifica las búsquedas o las redacciones puede determinar qué aprenden periodistas, litigantes, investigadores y ciudadanos sobre la actividad gubernamental.

La discrepancia entre las descripciones de DHS merece atención. El inventario comercial común clasifica RelativityOne como un sistema de recuperación de conocimientos. El análisis de privacidad de CBP describe una función que aprende de los revisores y etiqueta de forma independiente los documentos según su relevancia.

Ambas descripciones pueden ser técnicamente precisas. La recuperación de conocimientos incluye localizar y clasificar documentos. Sin embargo, la etiqueta más amplia no comunica la importancia de excluir un registro de una revisión posterior.

Patrick Eddington, investigador sénior del Cato Institute, sostuvo que esta diferencia oculta la capacidad que más probablemente justificaría una revisión más estrecha. Su crítica señala un problema de diseño del inventario: una categoría general puede cumplir los requisitos de divulgación sin explicar la decisión operativa.

DHS debería publicar la función que desempeña cada herramienta en cada etapa. La descripción debería diferenciar entre búsqueda, priorización, clasificación de pertinencia, recomendación de redacción, aprobación final y aseguramiento de la calidad. Combinar esas funciones bajo el término «procesamiento» impide una evaluación significativa.

El departamento también debería explicar el umbral de revisión humana. ¿Se verifica cada etiqueta de irrelevancia o solo una muestra? ¿Puede el software divulgar un documento redactado sin aprobación línea por línea? ¿Qué ocurre cuando el modelo expresa baja confianza?

Los registros de auditoría son otra pieza que falta. Un sistema defendible debería conservar la versión del modelo, la recopilación de datos de entrada, las clasificaciones, los cambios realizados por los revisores y el resultado final. Esos registros ayudarían a DHS a investigar errores y responder a recursos administrativos o litigios.

Los procedimientos de apelación deben tener en cuenta la asistencia automatizada. Un solicitante que impugna una búsqueda inadecuada necesita saber si la agencia utilizó aprendizaje automático. Los tribunales que examinan la suficiencia de esa búsqueda necesitan pruebas sobre cómo se configuró y supervisó el sistema.

La contratación añade más incertidumbre. DHS publicó un aviso de intención de adjudicar a Deloitte un contrato para software FOIA personalizado con funciones de IA. Un aviso de intención indica la vía de compra prevista por el departamento, no demuestra un despliegue completado ni un rendimiento medido.

El software previsto sigue a una muestra federal de tecnología FOIA que incluyó a casi 40 proveedores. Según el resumen del evento, casi el 85 por ciento destacó funciones de IA. Entre ellas figuraban el enmascaramiento de audio, la redacción, el análisis de pertinencia, la población de campos y los chatbots de cara al público.

El interés de los proveedores muestra que DHS tendrá opciones. No demuestra que esas herramientas cumplan un estándar común de precisión, seguridad o explicabilidad. Las demostraciones de productos rara vez reproducen la calidad documental y la ambigüedad legal presentes en las solicitudes controvertidas.

Los términos contractuales pueden convertir las salvaguardias en requisitos exigibles. DHS puede exigir pruebas con registros representativos, divulgación de cambios en el modelo, notificación de incidentes, conservación de registros de auditoría, accesibilidad y límites al uso secundario de datos gubernamentales.

El departamento también puede exigir una evaluación independiente antes de un despliegue más amplio. Las pruebas deberían incluir especialistas en libertades civiles, profesionales experimentados en FOIA, responsables de registros, personal de seguridad y representantes de solicitantes frecuentes.

Sin esos detalles, el público debe inferir las salvaguardias a partir de breves descripciones del inventario y avisos de contratación. Eso no basta para sistemas destinados a respaldar una ley de transparencia.

Las Redacciones de IA en FOIA Necesitan Supervisión Humana Medible

La revisión humana solo resulta creíble cuando DHS mide si las personas detectan los errores del sistema.

Las agencias suelen responder a las preocupaciones sobre IA diciendo que una persona sigue participando en el proceso. La expresión suena tranquilizadora, pero describe muchos modelos operativos distintos. Un revisor podría examinar cada documento, comprobar una pequeña muestra o intervenir solo después de que el sistema señale incertidumbre.

DHS debería definir el modelo de revisión para cada función. La automatización administrativa puede operar con controles rutinarios de calidad. La clasificación de pertinencia necesita una validación más sólida porque los falsos negativos pueden ocultar registros. Las sugerencias de redacción requieren revisión legal antes de la divulgación.

El muestreo puede respaldar el aseguramiento de la calidad, pero la muestra debe reflejar el riesgo. Las comprobaciones aleatorias pueden pasar por alto documentos poco comunes que contienen material pertinente importante. DHS debería sobrerrepresentar las predicciones de baja confianza, los formatos inusuales, los temas sensibles y los casos de amplio interés público.

La agencia también necesita una referencia de base. No puede demostrar mejoras sin comparar la revisión asistida con los procedimientos humanos establecidos. Las métricas deberían incluir el tiempo de procesamiento, la carga de trabajo de los revisores, los registros omitidos, las redacciones revocadas, los resultados de las apelaciones y las conclusiones de los litigios.

La velocidad por sí sola ofrecería un resultado engañoso. Un sistema que cierra casos más rápido al excluir más documentos podría parecer eficiente mientras reduce la divulgación. DHS necesita métricas emparejadas que muestren tanto la puntualidad como la exhaustividad.

La precisión de las redacciones exige más que contar recuadros negros en una página. El departamento debería examinar si cada retención cuenta con una exención válida, si la información no exenta se separó razonablemente y si la agencia aplicó el estándar de daño previsible.

También debería medirse el comportamiento de los revisores. El sesgo de automatización surge cuando las personas dan un peso excesivo a la sugerencia de un sistema. Puede aumentar cuando los revisores enfrentan cargas de trabajo elevadas o suponen que el software ya realizó el análisis difícil.

El diseño de la interfaz puede reducir ese riesgo. Un sistema debería mostrar el texto de respaldo y la información de confianza sin presentar su respuesta como definitiva. Los revisores deberían dejar constancia de por qué aceptaron o rechazaron recomendaciones sensibles.

La capacitación es igualmente importante. Los empleados deben entender qué evalúa el modelo, en qué aspectos funciona mal y cómo los cambios en el material de origen afectan los resultados. La formación jurídica por sí sola no explica los modos de fallo del aprendizaje automático.

DHS invitó a aproximadamente 500 empleados de sus centros de procesamiento FOIA a un programa de capacitación virtual en 2024. Las sesiones incluyeron debate sobre IA y aprendizaje automático en el procesamiento FOIA. Es un punto de partida útil, pero el despliegue requiere una preparación continua y específica para cada herramienta.

La supervisión independiente puede comprobar si los controles resisten la presión operativa. Los inspectores generales, el ombudsman de FOIA de los Archivos Nacionales, los comités del Congreso y los tribunales desempeñan funciones distintas al evaluar la transparencia de las agencias.

Los solicitantes también aportan evidencia. Los patrones de registros faltantes, redacciones inconsistentes o búsquedas inusualmente limitadas pueden revelar problemas que los datos agregados de rendimiento no detectan. DHS necesita un proceso para vincular esas quejas con la evaluación del sistema.

El departamento debería divulgar los incidentes relevantes. Si un modelo omite registros pertinentes o expone información protegida, DHS debería documentar el alcance, la corrección y los cambios preventivos. Corregir discretamente una solicitud dejaría intacto el riesgo subyacente.

La información pública no exige divulgar registros sensibles ni código propietario. DHS puede publicar métodos de prueba, resultados agregados, requisitos de revisión y categorías de error. Esas divulgaciones permitirían a terceros evaluar la gobernanza sin exponer secretos operativos.

La lección más amplia se aplica más allá de la FOIA. Una agencia no puede compensar la falta de empleados cualificados simplemente añadiendo un paso de aprobación tras la automatización. Una supervisión significativa requiere personas con tiempo, autoridad, capacitación y evidencia.

Tres Señales Mostrarán Si el Plan Mejora el Acceso

La próxima prueba es si DHS publica evidencia operativa, no si anuncia herramientas adicionales de IA.

La primera señal es un inventario de IA más detallado. DHS debería identificar qué componentes utilizan cada sistema, qué etapas de procesamiento reciben automatización y qué decisiones requieren confirmación humana. También debería explicar la base de sus clasificaciones de impacto.

Divulgaciones más claras reforzarían el argumento de eficiencia del departamento. Mostrarían que DHS ha separado las tareas administrativas de bajo riesgo de las decisiones que afectan el acceso a los registros. Otra descripción general de «recuperación de conocimientos» debilitaría la confianza.

La segunda señal es la estructura de la contratación de Deloitte y de cualquier orden de trabajo resultante. El aviso de contratación debería dar lugar a requisitos que aborden pruebas de precisión, pistas de auditoría, revisión humana, cambios en el modelo, protección de datos y notificación de incidentes.

Un contrato que contenga controles medibles convertiría las promesas públicas en obligaciones para el proveedor. Un contrato centrado principalmente en el rendimiento y la velocidad de despliegue trasladaría el riesgo hacia los empleados de FOIA y los solicitantes.

La tercera señal es el rendimiento durante el próximo ciclo de informes. DHS debería divulgar si el inventario pendiente disminuye desde 245.572 mientras la calidad del procesamiento se mantiene estable. Las revocaciones en apelaciones, las conclusiones de litigios y las quejas fundamentadas sobre búsquedas pueden proporcionar contrapesos importantes a los totales de cierre.

Una acumulación menor de casos respaldaría la postura de DHS solo si la automatización mejora el acceso. Respuestas más rápidas con redacciones más amplias o registros faltantes representarían progreso administrativo sin una transparencia más sólida.

El público también debería vigilar la dotación de personal. El informe del Defensor del Pueblo de la FOIA muestra que la adopción de IA se está extendiendo entre las agencias. No establece que el software pueda sustituir a profesionales de gestión documental con experiencia.

Si continúan las salidas de especialistas, DHS podría tener dificultades para proporcionar la revisión que presuponen sus salvaguardas. Si el departamento mantiene equipos capacitados y utiliza la automatización para la preparación y la priorización, las herramientas tendrán más posibilidades de reducir el trabajo repetitivo de forma segura.

El resultado más creíble no sería una oficina de FOIA totalmente automatizada. Sería un sistema que encuentre más registros pertinentes, elimine la gestión rutinaria y dé a los empleados más tiempo para el análisis jurídico. DHS publicaría entonces pruebas suficientes para que terceros pudieran verificar ese resultado.

La automatización de la FOIA merece escrutinio precisamente porque la tecnología se integra en un proceso de transparencia. Un error oculto puede determinar qué acciones gubernamentales permanecen ocultas. Eso convierte la auditabilidad en una característica fundamental, no en una capa opcional de cumplimiento.

DHS tiene ahora la oportunidad de establecer un modelo viable para el procesamiento de registros públicos asistido por IA. El departamento debería definir la autoridad humana, probar modos de fallo realistas e informar de resultados que vayan más allá de la velocidad bruta.

Los solicitantes, periodistas y grupos de supervisión deberían plantear tres preguntas a medida que avance la implementación: ¿En qué decisiones influye la IA, quién verifica esas decisiones y qué pruebas demuestran que las verificaciones funcionan? Las respuestas determinarán si DHS reduce las demoras o simplemente automatiza las denegaciones.