DHS amplia IA para processamento de FOIA, mas a revisão humana é o verdadeiro teste

O Departamento de Segurança Interna planeja ampliar o processamento de FOIA com assistência de IA após encerrar o ano fiscal de 2025 com 245.572 solicitações pendentes. O departamento afirma que a automação pode reduzir o trabalho administrativo e ajudar os funcionários a lidar com um volume crescente de pedidos de registros públicos. O conflito é simples: o processamento mais rápido só tem valor se as buscas, classificações e redações resultantes permanecerem precisas.

O DHS recebeu mais de 1 milhão de solicitações da Lei de Liberdade de Informação durante o ano fiscal. Processou quase o mesmo número, mas seu estoque pendente ainda cresceu em relação às 221.068 solicitações no início do ano. Segundo o departamento, seu acúmulo formal permaneceu equivalente a 16% das solicitações recebidas.

Esses números ajudam a explicar por que as agências federais veem a automação como mais do que um experimento. No entanto, o DHS está considerando a IA para decisões que influenciam quais registros as pessoas recebem. Isso torna o plano um teste de prestação de contas, e não apenas um projeto de modernização de escritório.

O departamento já lista um caso de uso pré-implantação para identificar e redigir conteúdo sensível. A Alfândega e Proteção de Fronteiras também usa software de revisão documental que pode aprender com os revisores e classificar registros por relevância. Defensores das liberdades civis alertam que esses sistemas podem reproduzir padrões existentes de redação excessiva, ao mesmo tempo em que reduzem o espaço para uma revisão humana cuidadosa.

DHS está levando a IA mais profundamente para o fluxo de trabalho de FOIA

A mudança importante não é que o DHS use software, mas que a IA está se aproximando de decisões de revisão com consequências.

O DHS usa ferramentas eletrônicas há anos para aceitar solicitações, gerenciar casos, compartilhar arquivos, remover duplicatas e entregar registros. Essas funções substituem o manuseio manual sem necessariamente decidir o que o público pode ver. Os casos de uso mais recentes avançam para a identificação e a redação de documentos.

O relatório anual de FOIA do departamento informa que seu Escritório de Privacidade continua desenvolvendo e implantando novas tecnologias para processar solicitações. O DHS espera lançar ferramentas adicionais de automação durante o próximo ano. Ele descreve os objetivos como melhorar a eficiência e eliminar trabalhos administrativos repetitivos.

Essa descrição abrange uma ampla gama de funções possíveis. Um sistema automatizado pode preencher campos de casos, detectar arquivos duplicados, converter páginas digitalizadas em texto pesquisável ou encaminhar registros ao escritório correto. Cada função pode economizar tempo sem substituir uma avaliação jurídica.

A responsividade de documentos é mais sensível. Um registro responsivo está dentro do escopo da busca de um solicitante, mesmo que algumas informações precisem ser posteriormente retidas. Se um sistema classificar erroneamente esse registro como irrelevante, o solicitante talvez nunca saiba que ele existiu.

A redação cria outra camada de risco. A FOIA permite que agências retenham informações sob isenções legais específicas, incluindo proteções relacionadas à segurança nacional, à aplicação da lei e à privacidade pessoal. Aplicar essas isenções frequentemente exige contexto, interpretação jurídica e uma avaliação sobre danos previsíveis.

O DHS identificou um caso de uso de IA destinado a agilizar a identificação e a redação de material sensível. O departamento classificou esse uso planejado como de baixo impacto, segundo seu inventário público. Essa designação importa porque sistemas de alto impacto enfrentam expectativas mais rigorosas de gestão de riscos sob a política federal de IA.

O inventário descreve o sistema como em pré-implantação. Isso significa que o registro público ainda não estabelece quão amplamente o DHS o usará, quais componentes participarão ou qual porcentagem de suas sugestões os funcionários aceitarão.

Uma ferramenta separada já faz parte do cenário. O DHS lista o RelativityOne como um sistema comercial de IA para recuperação de conhecimento. Uma análise de privacidade da Alfândega e Proteção de Fronteiras descreve seu papel de forma mais específica, incluindo apoio a respostas oportunas a solicitações de FOIA.

Na divisão de FOIA da CBP, a plataforma pode aprender com decisões dos revisores e marcar documentos como relevantes ou irrelevantes. Essa técnica é comumente chamada de revisão assistida por tecnologia, o que significa que o software usa exemplos rotulados por pessoas para priorizar ou classificar uma coleção maior.

A revisão assistida por tecnologia nem sempre significa decisões autônomas de divulgação. Os revisores podem usar previsões para ordenar documentos, identificar prováveis duplicatas ou concentrar a atenção em classificações incertas. Os documentos públicos deixam detalhes importantes pouco claros, incluindo quando os funcionários devem verificar uma marcação e como o DHS mede erros.

Essa lacuna cria a tensão central. O DHS apresenta a IA como apoio a funcionários sobrecarregados, mas algumas capacidades documentadas podem influenciar quais registros chegam a esses funcionários. A eficiência depende de menos etapas manuais. A prestação de contas depende de saber quais etapas não podem ser removidas com segurança.

Os números das solicitações explicam por que o DHS está automatizando

O DHS enfrenta um problema de carga de trabalho grande o suficiente para tornar a automação atraente, mesmo antes de considerar a pressão sobre o quadro de pessoal.

O departamento iniciou o ano fiscal de 2025 com 221.068 solicitações de FOIA pendentes. Em seguida, recebeu mais de 1 milhão de novas solicitações e processou quase o mesmo volume. Ainda assim, o DHS terminou com 245.572 solicitações pendentes, um aumento de 24.504 durante o ano.

Uma solicitação pendente e um acúmulo formal não são idênticos. Uma solicitação passa a estar em atraso quando permanece sem resolução além do prazo legal de resposta aplicável. O DHS afirma que seu acúmulo representava 16% das solicitações recebidas, embora seu estoque total pendente ultrapassasse 245.000.

A distinção é útil, mas não torna o desafio operacional pequeno. Cada caso pendente ainda exige acompanhamento, comunicação, busca, revisão ou entrega. Solicitações complexas podem envolver grandes coleções de e-mails, arquivos de imigração, registros de aplicação da lei, vídeo ou material mantido por diversos componentes.

O DHS há muito tempo concentra uma parcela excepcionalmente grande da carga de trabalho federal de FOIA. Suas agências incluem a Alfândega e Proteção de Fronteiras, a Imigração e Alfândega, a Agência Federal de Gestão de Emergências, a Administração de Segurança nos Transportes e os Serviços de Cidadania e Imigração dos EUA.

Vários desses componentes mantêm registros de que as pessoas precisam por motivos pessoais ou jurídicos imediatos. Solicitações de imigração podem envolver o arquivo oficial de uma pessoa. Solicitações relacionadas a desastres podem tratar de decisões do governo após uma emergência. Jornalistas e organizações de fiscalização buscam registros de políticas, contratos, comunicações e dados de aplicação da lei.

Portanto, a necessidade de velocidade vai além da conveniência. Um registro atrasado pode afetar litígios, reportagens, processos de imigração, pesquisas históricas ou o escrutínio público sobre uma política em vigor.

Mudanças no quadro de trabalho federal aumentam a pressão. Mais de 600 especialistas em informações governamentais deixaram o serviço federal após o início do segundo governo Trump, segundo dados citados na reportagem inicial. Quase 100 dessas saídas ocorreram no DHS.

A categoria de especialista em informações governamentais inclui muitos funcionários que processam solicitações de FOIA. As saídas não se traduzem diretamente em uma redução idêntica da capacidade de FOIA, porque as atribuições variam. Ainda assim, os dados da força de trabalho federal mostram uma contração mais ampla que afeta agências que já enfrentavam cargas crescentes de registros.

Menos revisores experientes criam um ciclo difícil. Os funcionários restantes recebem mais casos, os gestores buscam ferramentas mais rápidas e os revisores têm menos tempo para inspecionar resultados automatizados. A tecnologia destinada a aliviar a pressão pode então se tornar mais difícil de supervisionar adequadamente.

O DHS não está sozinho nessa mudança. O Escritório de Serviços de Informações Governamentais dos Arquivos Nacionais informou que 18,6% das agências respondentes usavam IA ou aprendizado de máquina no processamento de FOIA. Essa constatação mostra que a adoção está em andamento, embora a maioria das agências ainda não tenha informado o uso dessas ferramentas.

Outros departamentos estão explorando funções semelhantes. O Departamento de Saúde e Serviços Humanos descreveu trabalhos envolvendo recursos automatizados de fluxo de trabalho, plataformas de descoberta documental e uma prova de conceito de IA. Autoridades de defesa também examinaram IA agêntica, generativa e preditiva para operações de FOIA.

Isso está se tornando uma resposta de todo o governo à demanda crescente e ao quadro de pessoal limitado. O DHS se destaca por seu volume, registros sensíveis e responsabilidades de aplicação da lei. Um erro nesse ambiente pode afetar tanto solicitantes individuais quanto uma fiscalização pública mais ampla.

A principal troca é entre velocidade e avaliação passível de revisão

A IA pode acelerar a descoberta sem possuir a avaliação jurídica exigida pelas decisões de FOIA.

Algumas tarefas oferecem um caso relativamente claro para automação. O reconhecimento óptico de caracteres pode transformar páginas digitalizadas em texto pesquisável. A detecção de duplicatas pode impedir que revisores leiam repetidamente a mesma conversa por e-mail. A identificação de idioma e a conversão de arquivos podem preparar registros para revisão.

A assistência de busca também pode ajudar funcionários a encontrar registros que uma consulta restrita por palavras-chave poderia não localizar. Sistemas de aprendizado de máquina podem identificar conceitos relacionados, classificar documentos provavelmente responsivos por prioridade e agrupar materiais semelhantes. Essas capacidades são valiosas quando um caso inclui milhares de arquivos.

Cody Venzke, advogado sênior da União Americana pelas Liberdades Civis, reconheceu esse potencial na reportagem original. Ele afirmou que a IA poderia acelerar a descoberta de documentos e reduzir a chance de que solicitações amplas deixem de encontrar material responsivo.

Seu alerta diz respeito ao que acontece em seguida. Uma redação não é simplesmente um exercício de correspondência de padrões. Os revisores precisam identificar uma isenção legal, aplicá-la ao material específico e considerar se a divulgação causaria dano previsível.

O contexto muda a resposta. Um nome pode exigir proteção em um registro, mas já ser público em outro. Uma passagem que descreve deliberações pode conter informações factuais separáveis que ainda devem ser divulgadas. Uma técnica de aplicação da lei pode ser sensível em um momento e amplamente conhecida mais tarde.

Modelos podem atribuir rótulos com base em exemplos anteriores, mas rótulos passados não são necessariamente corretos. As respostas das agências refletem interpretações jurídicas, preferências de risco, histórico de litígios e hábitos dos revisores. Treinar com essas respostas pode reproduzir as mesmas tendências em maior escala.

Essa preocupação é especialmente importante porque as agências são frequentemente acusadas de redigir registros em excesso. Um revisor humano excessivamente cauteloso pode ocultar informação demais em um caso. Um sistema treinado com milhares de decisões cautelosas pode aplicar esse comportamento a milhares de casos.

Abigail Kunkler, pesquisadora jurídica do Centro de Informações sobre Privacidade Eletrônica, argumentou que a automação treinada com respostas existentes refletiria os padrões atuais de redação. Sua preocupação não é apenas que um modelo de IA falhará ocasionalmente. É que o sistema padronizará uma preferência institucional por reter informações.

O erro oposto também importa. Um modelo pode deixar de reconhecer dados pessoais, informações de segurança ou detalhes legalmente protegidos. Isso pode expor indivíduos ou prejudicar uma investigação. Portanto, as agências têm um motivo racional para calibrar sistemas em direção à cautela.

No entanto, calibrar para a cautela desloca os erros em direção à não divulgação. Os solicitantes não conseguem detectar facilmente um registro que um classificador excluiu antes da revisão. Eles podem contestar redações visíveis, mas não podem contestar um documento que nunca receberam ou cuja existência desconheciam.

Essa assimetria torna a classificação de responsividade particularmente importante. Um falso positivo envia um documento irrelevante para um revisor e consome tempo. Um falso negativo pode remover silenciosamente do processo um registro responsivo.

O DHS precisa de métricas de avaliação que reflitam essa diferença. Uma única pontuação de precisão pode ocultar padrões de falha prejudiciais. O departamento deve acompanhar separadamente registros responsivos não identificados, revisões desnecessárias, sugestões incorretas de redação e informações sensíveis expostas.

Os testes também precisam de dados realistas. Um sistema avaliado com documentos de amostra limpos pode ter desempenho diferente em páginas digitalizadas, anotações manuscritas, cadeias de e-mails, anexos, transcrições de áudio ou registros em vários idiomas. O DHS processa todos esses formatos em seus componentes.

O uso mais sólido da IA manteria o sistema em um papel de assistência. Ele poderia classificar documentos por prioridade, sugerir redações e explicar quais padrões desencadearam uma recomendação. Um funcionário treinado confirmaria a responsividade do registro e tomaria a decisão final de retenção.

Essa estrutura preserva a autoridade humana, mas apenas se a revisão for substancial. Exigir que um funcionário pressione um botão de aprovação não cria supervisão significativa. Os revisores precisam de tempo, treinamento e informações suficientes do sistema para contestar a recomendação.

O DHS Não Explicou o Suficiente Sobre Suas Salvaguardas

O inventário público identifica capacidades de IA, mas não fornece evidências suficientes para avaliar seus controles.

O DHS classificou seu caso de uso planejado para identificação e redação de conteúdo sensível como não sendo de alto impacto. Essa decisão limita os requisitos de gestão de riscos associados ao sistema. Ainda assim, as informações públicas não explicam plenamente por que o caso de uso recebeu essa classificação.

As definições das políticas federais são importantes aqui. Um sistema pode influenciar o acesso a informações governamentais sem tomar uma decisão sobre benefícios, policiamento ou liberdade pessoal. Esse papel mais restrito pode colocá-lo fora das categorias formais de alto impacto.

Ainda assim, uma classificação formal baixa não significa baixo risco para a prestação de contas pública. A FOIA é um dos principais mecanismos legais para examinar agências do Poder Executivo. Uma ferramenta que altera buscas ou redações pode moldar o que jornalistas, litigantes, pesquisadores e cidadãos aprendem sobre a atividade governamental.

A discrepância entre as descrições do DHS merece atenção. O inventário comercial comum categoriza o RelativityOne como um sistema de recuperação de conhecimento. A análise de privacidade da CBP descreve um recurso que aprende com revisores e marca documentos de forma independente quanto à relevância.

Ambas as descrições podem ser tecnicamente precisas. A recuperação de conhecimento inclui encontrar e classificar documentos. No entanto, a denominação mais ampla não comunica a importância de excluir um registro de uma revisão adicional.

Patrick Eddington, pesquisador sênior do Cato Institute, argumentou que essa diferença obscurece a capacidade com maior probabilidade de justificar uma análise mais rigorosa. Sua crítica aponta para um problema de desenho do inventário: uma categoria geral pode satisfazer requisitos de divulgação sem explicar a decisão operacional.

O DHS deve publicar o papel de cada ferramenta em cada etapa. A descrição deve distinguir busca, priorização, classificação de responsividade, recomendação de redação, aprovação final e garantia de qualidade. Combinar essas funções sob “processamento” impede uma avaliação significativa.

O departamento também deve explicar o limiar de revisão humana. Toda marcação de irrelevância recebe verificação ou apenas uma amostra? O software pode liberar um documento redigido sem aprovação linha por linha? O que acontece quando o modelo expressa baixa confiança?

Os registros de auditoria são outra peça ausente. Um sistema defensável deve preservar a versão do modelo, a coleção de entrada, as classificações, as alterações dos revisores e o resultado final. Esses registros ajudariam o DHS a investigar erros e responder a recursos administrativos ou litígios.

Os procedimentos de recurso devem levar em conta a assistência automatizada. Um solicitante que contesta uma busca inadequada precisa saber se a agência usou aprendizado de máquina. Os tribunais que examinam a adequação dessa busca precisam de evidências sobre como o sistema foi configurado e supervisionado.

As aquisições acrescentam mais incerteza. O DHS publicou um aviso de intenção de conceder à Deloitte um contrato para software FOIA personalizado com recursos de IA. Um aviso de intenção sinaliza o caminho de compra planejado pelo departamento, não prova de uma implantação concluída ou de desempenho mensurado.

O software planejado sucede uma vitrine federal de tecnologia FOIA que incluiu quase 40 fornecedores. De acordo com o resumo do evento, quase 85% destacaram recursos de IA. Eles incluíam mascaramento de áudio, redação, varredura de relevância, preenchimento de campos e chatbots voltados ao público.

O interesse dos fornecedores mostra que o DHS terá opções. Não demonstra que essas ferramentas atendam a um padrão comum de precisão, segurança ou explicabilidade. Demonstrações de produtos raramente reproduzem a qualidade dos documentos e a ambiguidade jurídica encontradas em solicitações contestadas.

Os termos contratuais podem transformar salvaguardas em requisitos executáveis. O DHS pode exigir testes com registros representativos, divulgação de alterações de modelo, comunicação de incidentes, retenção de registros de auditoria, acessibilidade e limites para o uso secundário de dados governamentais.

O departamento também pode exigir avaliação independente antes de uma implantação mais ampla. Os testes devem incluir especialistas em liberdades civis, profissionais experientes de FOIA, responsáveis por registros, pessoal de segurança e representantes de solicitantes frequentes.

Sem esses detalhes, o público precisa inferir salvaguardas a partir de breves descrições de inventário e avisos de aquisição. Isso não é suficiente para sistemas destinados a apoiar uma lei de transparência.

As Redações de FOIA com IA Precisam de Supervisão Humana Mensurável

A revisão humana só se torna crível quando o DHS mede se as pessoas detectam os erros do sistema.

As agências frequentemente respondem às preocupações com IA dizendo que uma pessoa continua no circuito. A expressão soa tranquilizadora, mas descreve muitos modelos operacionais diferentes. Um revisor pode examinar cada documento, verificar uma pequena amostra ou intervir apenas depois que o sistema sinaliza incerteza.

O DHS deve definir o modelo de revisão para cada função. A automação administrativa pode operar com verificações rotineiras de qualidade. A classificação de responsividade precisa de validação mais rigorosa porque falsos negativos podem ocultar registros. Sugestões de redação exigem revisão jurídica antes da divulgação.

A amostragem pode apoiar a garantia de qualidade, mas a amostra precisa refletir o risco. Verificações aleatórias podem não identificar documentos raros que contenham material responsivo importante. O DHS deve superamostrar previsões de baixa confiança, formatos incomuns, tópicos sensíveis e casos que envolvam amplo interesse público.

A agência também precisa de uma linha de base. Ela não pode demonstrar melhoria sem comparar a revisão assistida com procedimentos humanos estabelecidos. As métricas devem incluir tempo de processamento, carga de trabalho dos revisores, registros não identificados, redações revertidas, resultados de recursos e conclusões de litígios.

A velocidade por si só produziria um resultado enganoso. Um sistema que encerra casos mais rapidamente ao excluir mais documentos pode parecer eficiente enquanto reduz a divulgação. O DHS precisa de métricas combinadas que mostrem tanto a pontualidade quanto a completude.

A precisão das redações exige mais do que contar caixas pretas em uma página. O departamento deve examinar se cada retenção possui uma isenção válida, se as informações não isentas foram razoavelmente separadas e se a agência aplicou o padrão de dano previsível.

O comportamento dos revisores também deve ser medido. O viés de automação ocorre quando as pessoas atribuem peso excessivo à sugestão de um sistema. Ele pode aumentar quando os revisores enfrentam altas cargas de trabalho ou presumem que o software já concluiu a análise difícil.

O desenho da interface pode reduzir esse risco. Um sistema deve mostrar o texto de apoio e informações de confiança sem apresentar sua resposta como definitiva. Os revisores devem registrar por que aceitaram ou rejeitaram recomendações sensíveis.

O treinamento é igualmente importante. Os funcionários precisam entender o que o modelo avalia, em que situações ele apresenta baixo desempenho e como mudanças no material de origem afetam os resultados. O treinamento jurídico por si só não explica os modos de falha do aprendizado de máquina.

O DHS convidou cerca de 500 funcionários de seus centros de processamento de FOIA para um programa de treinamento virtual em 2024. As sessões incluíram discussão sobre IA e aprendizado de máquina no processamento de FOIA. Esse é um ponto de partida útil, mas a implantação exige preparação contínua e específica para cada ferramenta.

A supervisão independente pode testar se os controles resistem à pressão operacional. Inspetores-gerais, o ombudsman de FOIA dos Arquivos Nacionais, comitês do Congresso e tribunais têm papéis distintos na avaliação da transparência das agências.

Os solicitantes também fornecem evidências. Padrões de registros ausentes, redações inconsistentes ou buscas excepcionalmente restritas podem revelar problemas que os dados agregados de desempenho não detectam. O DHS precisa de um processo para conectar essas reclamações à avaliação do sistema.

O departamento deve divulgar incidentes relevantes. Se um modelo omitir registros responsivos ou expuser informações protegidas, o DHS deve documentar o escopo, a correção e as mudanças preventivas. Corrigir silenciosamente uma solicitação deixaria o risco subjacente intacto.

A comunicação pública não exige a divulgação de registros sensíveis ou código proprietário. O DHS pode publicar métodos de teste, resultados agregados, requisitos de revisão e categorias de erro. Essas divulgações permitiriam que pessoas externas avaliassem a governança sem expor segredos operacionais.

A lição mais ampla se aplica além da FOIA. Uma agência não pode compensar a falta de funcionários qualificados simplesmente adicionando uma etapa de aprovação após a automação. Supervisão significativa exige pessoas com tempo, autoridade, treinamento e evidências.

Três Sinais Mostrarão se o Plano Melhora o Acesso

O próximo teste é saber se o DHS publica evidências operacionais, e não se anuncia ferramentas adicionais de IA.

O primeiro sinal é um inventário de IA mais detalhado. O DHS deve identificar quais componentes usam cada sistema, quais etapas de processamento recebem automação e quais decisões exigem confirmação humana. Também deve explicar a base de suas classificações de impacto.

Divulgações mais claras fortaleceriam o argumento de eficiência do departamento. Elas mostrariam que o DHS separou tarefas administrativas de baixo risco de decisões que afetam o acesso a registros. Outra descrição geral de “recuperação de conhecimento” enfraqueceria a confiança.

O segundo sinal é a estrutura da aquisição da Deloitte e de qualquer ordem de serviço resultante. O aviso de aquisição deve levar a requisitos que cubram testes de precisão, trilhas de auditoria, revisão humana, alterações de modelo, proteção de dados e comunicação de incidentes.

Um contrato que contenha controles mensuráveis transformaria promessas públicas em obrigações do fornecedor. Um contrato focado principalmente em volume de processamento e velocidade de implantação deslocaria o risco para funcionários de FOIA e solicitantes.

O terceiro sinal é o desempenho no próximo ciclo de relatórios. O DHS deve divulgar se o inventário pendente cai de 245.572 enquanto a qualidade do processamento permanece estável. Reversões em recursos, conclusões de litígios e reclamações fundamentadas sobre buscas podem fornecer contrapontos importantes aos totais de encerramentos.

Um acúmulo menor sustentaria o argumento do DHS apenas se a automação melhorar o acesso. Respostas mais rápidas com redações mais amplas ou registros ausentes representariam progresso administrativo sem maior transparência.

O público também deve acompanhar o quadro de pessoal. O relatório do Ombudsman da FOIA mostra que a adoção de IA está se espalhando pelas agências. Ele não comprova que o software possa substituir profissionais experientes em gestão de registros.

Se as saídas de especialistas continuarem, o DHS poderá ter dificuldade para realizar a revisão que suas salvaguardas pressupõem. Se o departamento mantiver equipes treinadas e usar a automação para preparação e priorização, as ferramentas terão melhores chances de reduzir o trabalho repetitivo com segurança.

O desfecho mais crível não seria um escritório de FOIA totalmente automatizado. Seria um sistema que localiza mais registros pertinentes, elimina o tratamento rotineiro e dá aos funcionários mais tempo para análise jurídica. O DHS então publicaria evidências suficientes para que pessoas externas possam verificar esse resultado.

A automação da FOIA merece escrutínio justamente porque a tecnologia está inserida em um processo de transparência. Um erro oculto pode determinar quais ações do governo permanecem ocultas. Isso faz da auditabilidade um recurso central, e não uma camada opcional de conformidade.

O DHS agora tem a oportunidade de estabelecer um modelo viável para o processamento de registros públicos assistido por IA. O departamento deve definir a autoridade humana, testar modos de falha realistas e divulgar resultados que vão além da velocidade bruta.

Solicitantes, jornalistas e grupos de supervisão devem fazer três perguntas à medida que a implementação avança: Quais decisões a IA influencia, quem verifica essas decisões e quais evidências mostram que essas verificações funcionam? As respostas determinarão se o DHS reduz atrasos ou apenas automatiza a retenção de informações.