GuíasIA y cumplimiento
Seudonimizar los datos antes de enviarlos a una IA
El principio
- 1DetectarNombres, correos, teléfonos, IBAN, direcciones.
- 2SustituirPor etiquetas estables.
- 3EnviarEl texto sin identidades al modelo.
- 4ReponerLos valores reales en la respuesta.
Ejemplo
| Antes | Enviado al modelo |
|---|---|
| María García llamó desde el 612 34 56 78 | PERSONA_1 llamó desde el TEL_1 |
| maria.garcia@ejemplo.es | EMAIL_1 |
| Su asesor, Pablo Martín | Su asesor, PERSONA_2 |
El código, en sencillo
function seudonimizar(texto: string) {
const tabla = new Map<string, string>();
let n = 0;
const salida = texto.replace(/[\w.+-]+@[\w-]+\.[\w.]+/g, (v) => {
const clave = `EMAIL_${++n}`;
tabla.set(clave, v);
return clave;
});
return { salida, tabla }; // la tabla se queda en tu servidor
}
const reponer = (texto: string, tabla: Map<string, string>) =>
[...tabla].reduce((t, [clave, v]) => t.replaceAll(clave, v), texto);
Los límites
- Detección imperfectaUn nombre raro o mal escrito puede colarse.
- Contexto revelador«El alcalde del pueblo» identifica a alguien.
- Tabla sensibleHay que protegerla como los datos.
El marco: IA, RGPD y AI Act. Una alternativa: un modelo de IA local para datos sensibles.
Preguntas frecuentes
- ¿Los datos seudonimizados son anónimos?
- No. Para el RGPD siguen siendo datos personales, ya que la tabla permite volver a identificar a las personas. La seudonimización reduce el riesgo, no saca del RGPD.
- ¿Cómo se detectan los nombres automáticamente?
- Las expresiones regulares bastan para correos, teléfonos y números. Para nombres y direcciones, herramientas como Microsoft Presidio (open source) o un pequeño modelo local hacen la detección.
- ¿Se mantiene la calidad de la respuesta?
- En general sí, si las etiquetas son coherentes (PERSONA_1 sigue siendo la misma persona en todo el texto). El modelo razona igual de bien sobre una etiqueta que sobre un nombre.