⏱ 6 min de lectura
La conversación sobre inteligencia artificial y datos sensibles suele empezar por el lugar equivocado. Se discute si tal o cual herramienta es segura, si guarda las conversaciones, si entrena con lo que uno escribe. Son preguntas razonables, pero llegan tarde.
La pregunta anterior es otra: qué información de su organización puede salir de su organización. La mayoría no la ha respondido de manera formal. No porque haya descuido, sino porque nunca hizo falta: mientras la información se movía entre correos internos y carpetas compartidas, el perímetro se sostenía solo. La inteligencia artificial no creó el problema. Lo volvió visible.
Sin esa definición previa, cualquier control técnico se aplica sobre una base que nadie estableció. Un colaborador que pega un contrato completo en un chat no está violando una política: está operando donde no hay ninguna.
Lo que sigue son cuatro niveles de solución, del más simple al más costoso. No son alternativas entre sí. En una operación real conviven.
Nivel 0. No mandar el dato
Es el más obvio y el que menos se practica. Conviene notar además que la información que no debe salir de una organización abarca dos cosas distintas: datos personales, cuya protección impone la ley, e información confidencial, cuya protección impone el contrato.
Buena parte del trabajo con inteligencia artificial no requiere el documento. Requiere la estructura del problema. Redactar una cláusula de no competencia para un contrato de prestación de servicios en México no necesita el nombre de las partes, ni el domicilio, ni el monto. Necesita la figura jurídica, la jurisdicción y el objeto.
Antes de decidir cómo proteger un documento, conviene preguntarse qué parte de la tarea depende realmente del dato sensible. La respuesta frecuente es: ninguna. Se manda el archivo completo por comodidad, no por necesidad. Ese hábito no nació con la inteligencia artificial: es el mismo que hace que la información sensible viaje por canales informales como WhatsApp.
Este nivel no cuesta nada y resuelve más casos de los que uno supondría. Vale la pena agotarlo antes de invertir en los demás.
Nivel 1. Sustituir los identificadores
Cuando el documento sí tiene que procesarse completo, la salida es reemplazar los identificadores por claves antes de enviarlo, y restituirlos al recibir el resultado.
El mecanismo es sencillo. Un script recorre el documento, localiza identificadores, los sustituye por marcadores, y guarda la correspondencia en una tabla aparte. Se envía la versión sustituida. Al volver el resultado, se revierte.
Funciona bien con lo que tiene forma fija. El RFC, la CURP, el número de seguridad social, una cuenta bancaria o una CLABE tienen estructura predecible y se detectan con expresiones regulares. Esa parte es confiable.
Con los nombres es distinto, y aquí conviene ser franco. No existe una expresión regular para nombres de personas. Se necesita reconocimiento de entidades, y en español los apellidos compuestos, las partículas y las razones sociales que incluyen nombres propios producen errores en ambas direcciones: identificadores que pasan sin detectar y palabras comunes marcadas como nombres.
Queda además la reidentificación por contexto. Un documento donde todos los nombres fueron sustituidos, pero que describe al director de obra pública de un municipio específico durante un periodo concreto, identifica a la persona con la misma eficacia que si la nombrara.
Y hay un punto que suele pasarse por alto: la tabla de correspondencia. En el momento en que existe un archivo que dice cuál clave equivale a cuál persona, ese archivo concentra toda la sensibilidad del proceso. Dónde vive, quién tiene acceso y cuánto tiempo se conserva es la mitad del problema, no un detalle de implementación.
Conclusión práctica: la sustitución es una capa útil y accesible, no una garantía. Reduce exposición. No la elimina.
Este nivel se desarrolla con más detalle, incluida la evidencia publicada sobre sus límites reales, en Mejores prácticas para tratar información sensible antes de usar IA.
Nivel 2. Un modelo propio, para la tarea correcta
Ejecutar un modelo de lenguaje en infraestructura propia es hoy considerablemente más accesible que hace dos años. Existen herramientas que instalan y ejecutan modelos abiertos con poca configuración, y un servidor de capacidad media basta para modelos de tamaño intermedio. La información no sale de la red de la organización.
Dicho esto, conviene evitar el entusiasmo que produce decepción.
Un modelo abierto de tamaño intermedio no sustituye a un modelo de frontera para razonamiento complejo. La diferencia es real y se nota de inmediato en análisis que requieren seguir varias hipótesis, sostener contexto largo o detectar contradicciones sutiles.
Además, la inferencia sin aceleración por hardware es lenta. Para consultas ocasionales es tolerable; para volumen, no. Y el mantenimiento corre por cuenta propia: actualizaciones, respaldos, seguridad del servidor.
El encuadre correcto no es “monte su propio modelo” sino “monte un modelo para las tareas que le convienen”. Extracción de campos de documentos, clasificación por tipo, detección de duplicados, normalización de nombres, primera pasada de resumen: en todo eso un modelo local rinde bien y ninguna información sale del perímetro. Ese es el uso que justifica la inversión.
Para el análisis que exige capacidad completa, la respuesta está en el siguiente nivel.
Nivel 3. Procesamiento bajo condiciones contractuales
Los proveedores de inteligencia artificial ofrecen modalidades donde la información no se utiliza para entrenamiento y no se conserva más allá del procesamiento. También existe la posibilidad de ejecutar modelos dentro de la infraestructura de nube que la organización ya controla, de modo que los datos no transitan por sistemas de terceros.
El punto central de este nivel es que la protección no es técnica sino contractual. Lo que protege a la organización es lo que quedó firmado: el alcance del tratamiento, el periodo de conservación, las obligaciones de seguridad, la ubicación del procesamiento y las consecuencias del incumplimiento.
Para operaciones en México hay un elemento adicional. Cuando un proveedor trata datos personales por cuenta de la organización, adquiere la calidad de encargado bajo la legislación de protección de datos, y eso conlleva obligaciones específicas. Si además el tratamiento ocurre fuera del territorio nacional, corresponde revisar el régimen de transferencias. No es un trámite: define si el tratamiento es lícito.
Antes de firmar conviene verificar con precisión tres cosas: qué se conserva y por cuánto tiempo, dónde ocurre el procesamiento, y qué sucede con la información al terminar la relación.
Esta capa y la anterior se desarrollan en Modelo propio o contrato: las dos formas de usar IA sin exponer información.
Cómo se combinan
Ninguna organización opera con un solo nivel.
Lo habitual es una combinación: se agota el Nivel 0 en todo lo que admite formulación abstracta; se sustituyen identificadores para el trabajo cotidiano con herramientas comerciales; se procesa localmente el volumen repetitivo que no requiere razonamiento profundo; y se reserva el procesamiento bajo contrato para el análisis que sí exige capacidad completa sobre información completa.
La decisión de qué va en cada nivel no es técnica. Depende de una clasificación previa de la información, y esa clasificación es responsabilidad de la organización, no del proveedor.
Por ahí conviene empezar. Antes de elegir herramienta, definir qué información puede salir, cuál puede salir transformada y cuál no puede salir en ninguna forma. Con esa definición hecha, la elección técnica se vuelve sencilla. Sin ella, cualquier herramienta que se adopte se estará usando a ciegas.