DHS amplia l'uso dell'IA per l'elaborazione FOIA, ma la vera prova è la revisione umana

Il Dipartimento per la Sicurezza Interna prevede di ampliare l'elaborazione delle richieste FOIA assistita dall'IA dopo aver chiuso l'anno fiscale 2025 con 245.572 richieste in sospeso. Il dipartimento afferma che l'automazione può ridurre il lavoro amministrativo e aiutare i dipendenti a gestire un crescente volume di richieste di accesso ai documenti pubblici. Il nodo è semplice: un'elaborazione più rapida ha valore solo se le ricerche, le classificazioni e le oscurature risultanti restano accurate.

Il DHS ha ricevuto oltre 1 milione di richieste ai sensi del Freedom of Information Act durante l'anno fiscale. Ne ha elaborato quasi altrettante, eppure il volume delle richieste in sospeso è comunque salito dalle 221.068 richieste di inizio anno. Secondo il dipartimento, l'arretrato formale equivaleva al 16% delle richieste ricevute.

Questi numeri aiutano a spiegare perché le agenzie federali vedano l'automazione come qualcosa di più di un esperimento. Tuttavia, il DHS sta valutando l'IA per decisioni che influenzano quali documenti riceveranno le persone. Questo rende il piano una prova di responsabilità, non soltanto un progetto di modernizzazione degli uffici.

Il dipartimento indica già un caso d'uso pre-implementazione per l'identificazione e l'oscuramento di contenuti sensibili. Customs and Border Protection utilizza inoltre software di revisione documentale in grado di apprendere dai revisori e classificare i documenti in base alla pertinenza. I sostenitori delle libertà civili avvertono che questi sistemi possono riprodurre modelli esistenti di oscuramento eccessivo, riducendo al contempo lo spazio per un'attenta revisione umana.

Il DHS sta integrando l'IA più profondamente nel flusso di lavoro FOIA

Il cambiamento importante non è che il DHS utilizzi software, ma che l'IA si stia avvicinando a decisioni di revisione dalle conseguenze rilevanti.

Il DHS utilizza da anni strumenti elettronici per accettare richieste, gestire casi, condividere file, rimuovere duplicati e consegnare documenti. Queste funzioni sostituiscono la gestione manuale senza necessariamente decidere cosa il pubblico possa vedere. I nuovi casi d'uso intervengono più a fondo nell'identificazione e nell'oscuramento dei documenti.

La rendicontazione annuale FOIA del dipartimento afferma che il suo Privacy Office continua a sviluppare e implementare nuove tecnologie per l'elaborazione delle richieste. Il DHS prevede di lanciare ulteriori strumenti di automazione nel corso del prossimo anno. Descrive gli obiettivi come un miglioramento dell'efficienza e l'eliminazione del lavoro amministrativo ripetitivo.

Questa descrizione copre un'ampia gamma di possibili funzioni. Un sistema automatizzato potrebbe compilare i campi dei casi, rilevare file duplicati, convertire pagine scansionate in testo ricercabile o inoltrare i documenti all'ufficio corretto. Ogni funzione può far risparmiare tempo senza sostituire una valutazione legale.

La pertinenza dei documenti è più delicata. Un documento pertinente rientra nell'ambito della ricerca di un richiedente, anche se alcune informazioni dovranno essere successivamente trattenute. Se un sistema classifica erroneamente quel documento come irrilevante, il richiedente potrebbe non sapere mai che è esistito.

L'oscuramento crea un ulteriore livello di rischio. Il FOIA consente alle agenzie di trattenere informazioni in base a specifiche esenzioni previste dalla legge, comprese le tutele relative alla sicurezza nazionale, alle forze dell'ordine e alla privacy personale. L'applicazione di tali esenzioni richiede spesso contesto, interpretazione giuridica e una valutazione del danno prevedibile.

Il DHS ha identificato un caso d'uso dell'IA volto a semplificare l'identificazione e l'oscuramento di materiale sensibile. Secondo il suo inventario pubblico, il dipartimento ha classificato tale uso pianificato come non ad alto impatto. Questa designazione è rilevante perché i sistemi ad alto impatto sono soggetti a aspettative più rigorose di gestione del rischio nell'ambito della politica federale sull'IA.

L'inventario descrive il sistema come in fase pre-implementazione. Ciò significa che il registro pubblico non stabilisce ancora con quale ampiezza il DHS lo utilizzerà, quali componenti vi parteciperanno o quale percentuale dei suoi suggerimenti verrà accettata dai dipendenti.

Un altro strumento fa già parte del quadro. Il DHS elenca RelativityOne come sistema commerciale di IA per il recupero delle conoscenze. Un'analisi sulla privacy di Customs and Border Protection descrive il suo ruolo in modo più specifico, incluso il supporto a risposte tempestive alle richieste FOIA.

All'interno della divisione FOIA del CBP, la piattaforma può apprendere dalle decisioni dei revisori e contrassegnare i documenti come pertinenti o irrilevanti. Questa tecnica viene comunemente chiamata revisione assistita dalla tecnologia, ossia l'uso da parte del software di esempi etichettati dalle persone per stabilire priorità o classificare una raccolta più ampia.

La revisione assistita dalla tecnologia non implica sempre decisioni autonome di rilascio. I revisori possono usare le previsioni per ordinare i documenti, identificare probabili duplicati o concentrare l'attenzione sulle classificazioni incerte. I documenti pubblici lasciano poco chiari dettagli importanti, tra cui quando i dipendenti debbano verificare un contrassegno e come il DHS misuri gli errori.

Questa lacuna crea la tensione centrale. Il DHS presenta l'IA come supporto per dipendenti sovraccarichi, ma alcune capacità documentate possono influenzare quali documenti arrivano a quei dipendenti. L'efficienza dipende da un minor numero di passaggi manuali. La responsabilità dipende dal sapere quali passaggi non possano essere rimossi in sicurezza.

I numeri delle richieste spiegano perché il DHS sta automatizzando

Il DHS affronta un problema di carico di lavoro abbastanza grande da rendere l'automazione allettante, ancor prima di considerare la pressione sul personale.

Il dipartimento ha iniziato l'anno fiscale 2025 con 221.068 richieste FOIA in sospeso. Ha poi ricevuto oltre 1 milione di nuove richieste e ne ha elaborato quasi lo stesso volume. Il DHS ha tuttavia chiuso l'anno con 245.572 richieste in sospeso, un aumento di 24.504 durante l'anno.

Una richiesta in sospeso e un arretrato formale non sono la stessa cosa. Una richiesta entra nell'arretrato quando resta irrisolta oltre il periodo di risposta previsto dalla legge. Il DHS afferma che il suo arretrato rappresentava il 16% delle richieste ricevute, anche se il volume totale delle richieste in sospeso superava le 245.000.

La distinzione è utile, ma non rende modesta la sfida operativa. Ogni caso in sospeso richiede comunque tracciamento, comunicazione, ricerca, revisione o consegna. Le richieste complesse possono coinvolgere ampie raccolte di email, fascicoli di immigrazione, documenti delle forze dell'ordine, video o materiale detenuto presso vari componenti.

Il DHS gestisce da tempo una quota insolitamente ampia del carico di lavoro FOIA federale. Le sue agenzie includono Customs and Border Protection, Immigration and Customs Enforcement, Federal Emergency Management Agency, Transportation Security Administration e U.S. Citizenship and Immigration Services.

Molti di questi componenti conservano documenti di cui le persone hanno bisogno per ragioni personali o legali immediate. Le richieste in materia di immigrazione possono riguardare il fascicolo ufficiale di un individuo. Le richieste legate ai disastri possono riguardare decisioni governative successive a un'emergenza. Giornalisti e organizzazioni di controllo cercano documenti sulle politiche, contratti, comunicazioni e dati di applicazione della legge.

La necessità di rapidità va quindi oltre la semplice comodità. Un documento ritardato può incidere su contenziosi, attività giornalistiche, procedimenti di immigrazione, ricerca storica o scrutinio pubblico di una politica in corso.

I cambiamenti nella forza lavoro federale aggiungono pressione. Più di 600 specialisti governativi dell'informazione hanno lasciato il servizio federale dopo l'inizio della seconda amministrazione Trump, secondo i dati citati nella notizia iniziale. Quasi 100 di queste partenze provenivano dal DHS.

La categoria degli specialisti governativi dell'informazione include molti dipendenti che elaborano richieste FOIA. Le partenze non si traducono direttamente in una riduzione identica della capacità FOIA, poiché le mansioni variano. Tuttavia, i dati sulla forza lavoro federale mostrano una contrazione più ampia che interessa agenzie già alle prese con carichi crescenti di documenti.

Un minor numero di revisori esperti crea un ciclo difficile. I dipendenti rimanenti ricevono più casi, i responsabili cercano strumenti più rapidi e i revisori hanno meno tempo per esaminare i risultati automatizzati. La tecnologia pensata per alleviare la pressione può quindi diventare più difficile da supervisionare adeguatamente.

Il DHS non è il solo a seguire questa evoluzione. L'Office of Government Information Services del National Archives ha riferito che il 18,6% delle agenzie rispondenti utilizzava IA o apprendimento automatico nell'elaborazione FOIA. Questo dato mostra che l'adozione è in corso, anche se la maggior parte delle agenzie non aveva ancora segnalato l'uso di questi strumenti.

Altri dipartimenti stanno esplorando funzioni simili. Il Department of Health and Human Services ha descritto attività che coinvolgono funzioni automatizzate del flusso di lavoro, piattaforme di scoperta documentale e una prova di concetto sull'IA. I funzionari della difesa hanno inoltre esaminato IA agentica, generativa e predittiva per le operazioni FOIA.

Questa sta diventando una risposta dell'intero governo alla crescita della domanda e ai vincoli sul personale. Il DHS si distingue per il suo volume, i documenti sensibili e le responsabilità di applicazione della legge. Un errore in questo contesto può riguardare sia i singoli richiedenti sia un più ampio controllo pubblico.

Il compromesso centrale è tra velocità e giudizio verificabile

L'IA può accelerare l'individuazione dei documenti senza possedere il giudizio legale richiesto dalle decisioni FOIA.

Alcune attività offrono un caso relativamente chiaro per l'automazione. Il riconoscimento ottico dei caratteri può trasformare pagine scansionate in testo ricercabile. Il rilevamento dei duplicati può evitare ai revisori di leggere ripetutamente la stessa conversazione email. L'identificazione della lingua e la conversione dei file possono preparare i documenti alla revisione.

Anche l'assistenza alla ricerca può aiutare i dipendenti a trovare documenti che una ricerca ristretta per parole chiave potrebbe non individuare. I sistemi di apprendimento automatico possono identificare concetti correlati, ordinare per priorità documenti probabilmente pertinenti e raggruppare materiale simile. Queste capacità sono preziose quando un caso include migliaia di file.

Cody Venzke, avvocato senior dell'American Civil Liberties Union, ha riconosciuto tale potenziale nella notizia originale. Ha affermato che l'IA potrebbe accelerare l'individuazione dei documenti e ridurre la possibilità che richieste ampie non rilevino materiale pertinente.

Il suo avvertimento riguarda ciò che accade dopo. Un oscuramento non è semplicemente un esercizio di riconoscimento di modelli. I revisori devono identificare un'esenzione legale, applicarla al materiale specifico e valutare se la divulgazione creerebbe un danno prevedibile.

Il contesto cambia la risposta. Un nome potrebbe richiedere protezione in un documento ma essere già pubblico in un altro. Un passaggio che descrive deliberazioni potrebbe contenere informazioni fattuali separabili che dovrebbero comunque essere divulgate. Una tecnica delle forze dell'ordine potrebbe essere sensibile in un dato momento e diventare ampiamente nota in seguito.

I modelli possono assegnare etichette sulla base di esempi precedenti, ma le etichette passate non sono necessariamente corrette. Le risposte delle agenzie riflettono interpretazioni giuridiche, preferenze di rischio, precedenti contenziosi e abitudini dei revisori. Addestrare i sistemi su tali risposte può riprodurre le stesse tendenze su scala maggiore.

Questa preoccupazione è particolarmente importante perché le agenzie vengono spesso accusate di oscurare eccessivamente i documenti. Un revisore umano troppo prudente può nascondere troppe informazioni in un caso. Un sistema addestrato su migliaia di decisioni prudenti può applicare quel comportamento a migliaia di casi.

Abigail Kunkler, fellow legale presso l'Electronic Privacy Information Center, ha sostenuto che l'automazione addestrata sulle risposte esistenti rifletterebbe i modelli di oscuramento esistenti. La sua preoccupazione non è semplicemente che un modello di IA fallisca occasionalmente. È che il sistema standardizzi una preferenza istituzionale per trattenere informazioni.

Anche l'errore opposto è importante. Un modello potrebbe non riconoscere dati personali, informazioni di sicurezza o dettagli protetti dalla legge. Ciò può esporre le persone o danneggiare un'indagine. Le agenzie hanno quindi una ragione razionale per configurare i sistemi verso la prudenza.

Tuttavia, privilegiare la cautela sposta gli errori verso la mancata divulgazione. I richiedenti non possono facilmente rilevare un documento che un classificatore ha escluso prima della revisione. Possono contestare le omissioni visibili, ma non un documento che non hanno mai ricevuto né saputo che esistesse.

Questa asimmetria rende la classificazione della pertinenza particolarmente rilevante. Un falso positivo invia un documento irrilevante a un revisore e richiede tempo. Un falso negativo può rimuovere silenziosamente un documento pertinente dal processo.

DHS ha bisogno di misure di valutazione che riflettano questa differenza. Un singolo punteggio di accuratezza può nascondere schemi di errore dannosi. Il dipartimento dovrebbe monitorare separatamente i documenti pertinenti mancati, le revisioni non necessarie, i suggerimenti di omissione errati e le informazioni sensibili esposte.

Anche i test devono usare dati realistici. Un sistema valutato su documenti campione puliti può comportarsi diversamente su pagine scansionate, note scritte a mano, catene di email, allegati, trascrizioni audio o documenti in più lingue. DHS gestisce tutti questi formati nelle sue componenti.

L'impiego più efficace dell'AI manterrebbe il sistema in un ruolo di supporto. Potrebbe ordinare i documenti per priorità, suggerire omissioni e spiegare quali schemi hanno attivato una raccomandazione. Un dipendente qualificato confermerebbe la pertinenza del documento e prenderebbe la decisione finale sul diniego.

Questa struttura preserva l'autorità umana, ma solo se la revisione è sostanziale. Richiedere a un dipendente di premere un pulsante di approvazione non crea una supervisione significativa. I revisori hanno bisogno di tempo, formazione e informazioni di sistema sufficienti per contestare la raccomandazione.

DHS Non Ha Spiegato Abbastanza le Sue Misure di Protezione

L'inventario pubblico identifica le capacità dell'AI ma non fornisce prove sufficienti per valutarne i controlli.

DHS ha classificato il previsto caso d'uso per l'identificazione e l'omissione di contenuti sensibili come non ad alto impatto. Questa decisione limita i requisiti di gestione del rischio associati al sistema. Eppure, le informazioni pubbliche non spiegano pienamente perché il caso d'uso abbia ricevuto tale classificazione.

Le definizioni delle politiche federali sono importanti in questo caso. Un sistema può influenzare l'accesso alle informazioni governative senza prendere decisioni su benefici, attività di polizia o libertà personale. Questo ruolo più circoscritto potrebbe collocarlo al di fuori delle categorie formali ad alto impatto.

Tuttavia, una bassa classificazione formale non significa un basso rischio per la responsabilità pubblica. Il FOIA è uno dei principali meccanismi giuridici per esaminare le agenzie dell'esecutivo. Uno strumento che modifica ricerche o omissioni può influenzare ciò che giornalisti, ricorrenti, ricercatori e cittadini apprendono sull'attività governativa.

La discrepanza tra le descrizioni di DHS merita attenzione. L'inventario commerciale comune classifica RelativityOne come un sistema di recupero della conoscenza. L'analisi sulla privacy di CBP descrive una funzionalità che apprende dai revisori e assegna autonomamente tag ai documenti in base alla pertinenza.

Entrambe le descrizioni possono essere tecnicamente accurate. Il recupero della conoscenza include la ricerca e la classificazione dei documenti. Tuttavia, l'etichetta più ampia non comunica l'importanza di escludere un documento da ulteriore revisione.

Patrick Eddington, senior fellow del Cato Institute, ha sostenuto che questa differenza oscura la capacità che più probabilmente giustifica un esame più approfondito. La sua critica evidenzia un problema nella progettazione dell'inventario: una categoria generale può soddisfare i requisiti di divulgazione senza spiegare la decisione operativa.

DHS dovrebbe pubblicare il ruolo svolto da ciascuno strumento in ogni fase. La descrizione dovrebbe distinguere tra ricerca, definizione delle priorità, classificazione della pertinenza, raccomandazione di omissione, approvazione finale e garanzia della qualità. Riunire queste funzioni sotto “elaborazione” impedisce una valutazione significativa.

Il dipartimento dovrebbe inoltre spiegare la soglia per la revisione umana. Ogni tag di irrilevanza viene verificato, o soltanto un campione? Il software può rilasciare un documento con omissioni senza un'approvazione riga per riga? Cosa accade quando il modello esprime una bassa confidenza?

I registri di audit sono un altro elemento mancante. Un sistema difendibile dovrebbe conservare la versione del modello, la raccolta di input, le classificazioni, le modifiche dei revisori e l'esito finale. Questi registri aiuterebbero DHS a indagare sugli errori e a rispondere a ricorsi amministrativi o contenziosi.

Le procedure di ricorso devono tenere conto dell'assistenza automatizzata. Un richiedente che contesta una ricerca inadeguata deve sapere se l'agenzia ha usato il machine learning. I tribunali che esaminano l'adeguatezza di tale ricerca necessitano di prove su come il sistema sia stato configurato e supervisionato.

L'approvvigionamento aggiunge ulteriore incertezza. DHS ha pubblicato un avviso di intenzione di assegnare a Deloitte un contratto per software FOIA personalizzato con funzionalità AI. Un avviso di intenzione segnala il percorso di acquisto pianificato dal dipartimento, non dimostra un'implementazione completata o prestazioni misurate.

Il software previsto segue una vetrina federale sulle tecnologie FOIA che ha incluso quasi 40 fornitori. Secondo il riepilogo dell'evento, quasi l'85 per cento ha evidenziato funzionalità AI. Tra queste figuravano il mascheramento audio, l'omissione, la scansione della pertinenza, la compilazione di campi e chatbot rivolti al pubblico.

L'interesse dei fornitori mostra che DHS avrà opzioni. Non dimostra che tali strumenti soddisfino uno standard comune di accuratezza, sicurezza o spiegabilità. Le dimostrazioni di prodotto raramente riproducono la qualità dei documenti e l'ambiguità giuridica presenti nelle richieste contestate.

Le clausole contrattuali possono trasformare le misure di protezione in requisiti applicabili. DHS può richiedere test su documenti rappresentativi, la divulgazione delle modifiche al modello, la segnalazione degli incidenti, la conservazione dei registri di audit, l'accessibilità e limiti all'uso secondario dei dati governativi.

Il dipartimento può anche richiedere una valutazione indipendente prima di un'implementazione più ampia. I test dovrebbero coinvolgere specialisti delle libertà civili, professionisti FOIA esperti, responsabili dei documenti, personale di sicurezza e rappresentanti dei richiedenti più frequenti.

Senza questi dettagli, il pubblico deve dedurre le misure di protezione da brevi descrizioni dell'inventario e avvisi di approvvigionamento. Non è sufficiente per sistemi destinati a sostenere una legge sulla trasparenza.

Le Omissioni FOIA Basate sull'AI Richiedono una Supervisione Umana Misurabile

La revisione umana diventa credibile solo quando DHS misura se le persone individuano gli errori del sistema.

Le agenzie spesso rispondono alle preoccupazioni sull'AI affermando che una persona resta nel processo. L'espressione sembra rassicurante, ma descrive molti modelli operativi diversi. Un revisore potrebbe esaminare ogni documento, controllare un piccolo campione o intervenire solo dopo che il sistema ha segnalato incertezza.

DHS dovrebbe definire il modello di revisione per ciascuna funzione. L'automazione amministrativa può operare con controlli di qualità di routine. La classificazione della pertinenza necessita di una convalida più rigorosa perché i falsi negativi possono nascondere documenti. I suggerimenti di omissione richiedono una revisione legale prima del rilascio.

Il campionamento può sostenere la garanzia della qualità, ma il campione deve riflettere il rischio. I controlli casuali possono non individuare documenti rari che contengono materiale pertinente importante. DHS dovrebbe sovracampionare le previsioni a bassa confidenza, i formati insoliti, gli argomenti sensibili e i casi di ampio interesse pubblico.

L'agenzia necessita anche di un parametro di riferimento. Non può dimostrare un miglioramento senza confrontare la revisione assistita con procedure umane consolidate. Le misure dovrebbero includere tempi di elaborazione, carico di lavoro dei revisori, documenti mancati, omissioni annullate, esiti dei ricorsi e risultati dei contenziosi.

La sola velocità fornirebbe un risultato fuorviante. Un sistema che chiude i casi più rapidamente escludendo più documenti potrebbe apparire efficiente, pur riducendo la divulgazione. DHS ha bisogno di misure abbinate che mostrino sia la tempestività sia la completezza.

L'accuratezza delle omissioni richiede più che contare i riquadri neri su una pagina. Il dipartimento dovrebbe esaminare se ogni diniego ha un'esenzione valida, se le informazioni non esenti sono state ragionevolmente separate e se l'agenzia ha applicato lo standard del danno prevedibile.

Anche il comportamento dei revisori dovrebbe essere misurato. Il bias dell'automazione si verifica quando le persone attribuiscono un peso eccessivo al suggerimento di un sistema. Può aumentare quando i revisori affrontano carichi di lavoro elevati o presumono che il software abbia già completato l'analisi più difficile.

La progettazione dell'interfaccia può ridurre questo rischio. Un sistema dovrebbe mostrare il testo di supporto e le informazioni sulla confidenza senza presentare la propria risposta come definitiva. I revisori dovrebbero registrare perché hanno accettato o respinto raccomandazioni sensibili.

Anche la formazione è altrettanto importante. I dipendenti devono comprendere cosa valuta il modello, dove ottiene risultati scarsi e in che modo le modifiche nel materiale di origine influenzano i risultati. La sola formazione legale non spiega le modalità di fallimento del machine learning.

Nel 2024 DHS ha invitato circa 500 dipendenti dei suoi centri di elaborazione FOIA a un programma di formazione virtuale. Le sessioni includevano una discussione sull'AI e sul machine learning nell'elaborazione FOIA. È un utile punto di partenza, ma l'implementazione richiede una preparazione continua e specifica per gli strumenti.

La supervisione indipendente può verificare se i controlli resistono alla pressione operativa. Gli ispettori generali, l'ombudsman FOIA dei National Archives, le commissioni congressuali e i tribunali hanno tutti ruoli diversi nella valutazione della trasparenza delle agenzie.

Anche i richiedenti forniscono prove. Schemi di documenti mancanti, omissioni incoerenti o ricerche insolitamente ristrette possono rivelare problemi che i dati aggregati sulle prestazioni non colgono. DHS necessita di un processo per collegare tali reclami alla valutazione del sistema.

Il dipartimento dovrebbe divulgare gli incidenti rilevanti. Se un modello omette documenti pertinenti o espone informazioni protette, DHS dovrebbe documentare l'ambito, la correzione e le modifiche preventive. Correggere silenziosamente una richiesta lascerebbe intatto il rischio sottostante.

La rendicontazione pubblica non richiede il rilascio di documenti sensibili o codice proprietario. DHS può pubblicare metodi di test, risultati aggregati, requisiti di revisione e categorie di errore. Queste divulgazioni consentirebbero a soggetti esterni di valutare la governance senza esporre segreti operativi.

La lezione più ampia si applica oltre il FOIA. Un'agenzia non può compensare la riduzione di dipendenti qualificati semplicemente inserendo una fase di approvazione dopo l'automazione. Una supervisione significativa richiede persone con tempo, autorità, formazione e prove.

Tre Segnali Mostreranno se il Piano Migliora l'Accesso

Il prossimo test sarà verificare se DHS pubblicherà prove operative, non se annuncerà ulteriori strumenti AI.

Il primo segnale è un inventario AI più dettagliato. DHS dovrebbe identificare quali componenti usano ciascun sistema, quali fasi di elaborazione ricevono automazione e quali decisioni richiedono conferma umana. Dovrebbe inoltre spiegare la base delle proprie classificazioni d'impatto.

Divulgazioni più chiare rafforzerebbero l'argomentazione del dipartimento sull'efficienza. Mostrerebbero che DHS ha separato le attività amministrative a basso rischio dalle decisioni che incidono sull'accesso ai documenti. Un'altra descrizione generale di “recupero della conoscenza” indebolirebbe la fiducia.

Il secondo segnale è la struttura dell'approvvigionamento Deloitte e di qualsiasi ordine di lavoro risultante. L'avviso di approvvigionamento dovrebbe portare a requisiti che coprano test di accuratezza, tracce di audit, revisione umana, modifiche del modello, protezione dei dati e segnalazione degli incidenti.

Un contratto contenente controlli misurabili trasformerebbe le promesse pubbliche in obblighi per il fornitore. Un contratto incentrato soprattutto sulla produttività e sulla velocità di implementazione sposterebbe il rischio verso i dipendenti FOIA e i richiedenti.

Il terzo segnale sono le prestazioni nel prossimo ciclo di rendicontazione. DHS dovrebbe divulgare se l'inventario in sospeso scende da 245.572 mentre la qualità dell'elaborazione resta stabile. Annullamenti in sede di ricorso, esiti dei contenziosi e reclami fondati sulle ricerche possono fornire importanti contrappesi ai totali delle pratiche chiuse.

Un arretrato più ridotto sosterrebbe la posizione di DHS solo se l'automazione migliora l'accesso. Risposte più rapide con omissioni più ampie o documenti mancanti rappresenterebbero un progresso amministrativo senza una maggiore trasparenza.

Il pubblico dovrebbe inoltre monitorare il personale. Il rapporto del FOIA Ombudsman mostra che l’adozione dell’AI si sta diffondendo tra le agenzie. Non dimostra che il software possa sostituire professionisti esperti nella gestione degli archivi.

Se le partenze degli specialisti dovessero continuare, il DHS potrebbe faticare a garantire il controllo previsto dalle sue salvaguardie. Se il dipartimento mantiene team formati e utilizza l’automazione per la preparazione e la definizione delle priorità, gli strumenti avranno maggiori probabilità di ridurre in sicurezza il lavoro ripetitivo.

L’esito più credibile non sarebbe un ufficio FOIA completamente automatizzato. Sarebbe un sistema in grado di individuare più documenti pertinenti, eliminare le attività di gestione ordinaria e lasciare ai dipendenti più tempo per l’analisi legale. Il DHS pubblicherebbe quindi prove sufficienti affinché soggetti esterni possano verificare tale risultato.

L’automazione del FOIA merita attenzione proprio perché la tecnologia opera all’interno di un processo di trasparenza. Un errore nascosto può determinare quali azioni governative restano nascoste. Per questo la verificabilità è una caratteristica essenziale, non un livello facoltativo di conformità.

Il DHS ha ora l’opportunità di definire un modello praticabile per l’elaborazione dei documenti pubblici assistita dall’AI. Il dipartimento dovrebbe definire l’autorità umana, testare modalità di errore realistiche e comunicare risultati che vadano oltre la semplice velocità.

Con l’avanzare dell’implementazione, richiedenti, giornalisti e gruppi di vigilanza dovrebbero porre tre domande: quali decisioni influenza l’AI, chi verifica tali decisioni e quali prove dimostrano che i controlli funzionano? Le risposte determineranno se il DHS ridurrà i ritardi o si limiterà ad automatizzare il diniego di accesso.