El nombre que ves en pantalla no siempre es texto. En un contrato escaneado, una carta fotografiada o una captura de pantalla de un correo electrónico pegada en un informe, el nombre es una imagen. Buscar y reemplazar no puede verlo. Una herramienta de IA quizá sí.
Dónde se ocultan los datos personales en las imágenes
- PDF escaneados. Cada página es una imagen. Todo el texto, incluidos los nombres y los números, está formado por píxeles.
- Fotos de documentos. Una foto tomada con el teléfono de una carta, una factura o un formulario.
- Capturas de pantalla en Word o PowerPoint. Un correo electrónico o un chat pegado como imagen para «mostrar lo que se dijo».
- Bloques de firma y sellos. A menudo son imágenes que incluyen un nombre.
- Membretes y logotipos. El nombre y la dirección de la empresa en un encabezado gráfico.
- Tarjetas de visita, pizarras y formularios fotografiados durante una reunión.
- Metadatos de las fotos. Las imágenes pueden incluir la fecha, el dispositivo y, a veces, la ubicación donde se tomaron.
Por qué importa con las herramientas de IA
Las herramientas de IA pueden leer imágenes. Si subes un escaneo del contrato de un cliente, la herramienta lee los nombres que contiene igual que si estuvieran escritos a máquina. Quitar los nombres de las partes escritas de un archivo y dejar las imágenes expone al cliente.
También ocurre lo contrario. Un archivo que parece contener solo texto puede incluir un apéndice escaneado con toda la información. Abre todas las páginas, no solo la primera.
Una prueba rápida: ¿puedes seleccionar el texto?
Abre el PDF e intenta seleccionar una línea con el cursor. Si puedes resaltar palabras individuales, la página tiene una capa de texto. Si la selección abarca toda la página como un bloque, o no selecciona nada, la página es una imagen. Son habituales los archivos mixtos: páginas escritas a máquina y una página de firmas o un apéndice escaneados al final. Comprueba las últimas páginas, no solo la primera.
La misma prueba funciona en Word: haz clic en una captura de pantalla; si se selecciona como una sola imagen, su contenido no es texto que se pueda buscar.
Capturas de pantalla de chats y correos electrónicos
Merecen una mención aparte porque parecen inofensivas. Una captura de pantalla de una conversación por mensajes de texto muestra un número de teléfono o el nombre del contacto en la parte superior, el nombre de la otra persona en cada globo de mensaje y, a menudo, una hora y un lugar en los mensajes. Una captura de pantalla de un correo electrónico muestra el encabezado completo con ambas direcciones. Si necesitas el contenido, copia las palabras, sustituye los nombres y deja fuera la imagen. Si una captura de pantalla constituye la prueba, trátala como un documento por derecho propio y no la insertes en medio de un informe que tengas previsto compartir con una herramienta de IA.
Cómo tratarlo manualmente
- Localiza las imágenes. Desplázate por el documento y anota todos los escaneos, capturas de pantalla e imágenes.
- Decide si las necesitas. A menudo, la respuesta es no, o el texto que contienen ocupa una o dos líneas que puedes volver a escribir.
- Si necesitas el contenido, vuelve a escribirlo o copia el texto y añade los marcadores de posición; después, deja fuera la imagen.
- No lo difumines. A menudo, un nombre difuminado sigue siendo legible, y a veces el difuminado se puede revertir. Una forma sólida superpuesta y aplanada en la imagen es más segura. Mejor aún, deja fuera la imagen.
- Elimina los metadatos de la foto si tienes que enviar la imagen.
Qué puede hacer una herramienta
Los PDF escaneados se leen como texto, página por página. En archivos de Word, PowerPoint, Excel, correos electrónicos y formatos similares, el texto que aparece dentro de las imágenes se reconoce y se coloca donde estaba la imagen, en un bloque marcado como «Texto de la imagen». A partir de ahí, pasa por los mismos pasos que el resto del documento: se buscan los nombres y los números, los revisas y se convierten en marcadores de posición. Las imágenes en sí no se incluyen en la copia segura. Se omiten los iconos pequeños y los elementos decorativos.
En ClientSafe, la franja situada encima de la copia segura muestra cuántas imágenes se han leído como texto. Se leen textos en inglés, español, francés, alemán y árabe.
Un caso realista
Un cliente envía una carpeta: un acuerdo escrito a máquina, una carta bancaria escaneada, tres fotos de una nota manuscrita y un hilo de correo electrónico con capturas de pantalla de mensajes de texto. El acuerdo es sencillo. El resto esconde nombres. Una herramienta que solo trabaje con texto escrito a máquina pasará por alto la mayoría de ellos, y una búsqueda rápida en el acuerdo dará el resultado «limpio». Buscar texto no equivale a revisar los escaneos. La revisión debe incluir las páginas que se han leído a partir de imágenes.
Dónde falla el reconocimiento
La lectura del texto de las imágenes no es exacta. La escritura a mano, las fotos de baja resolución, las páginas torcidas, los sellos sobre el texto y las fuentes poco habituales pueden provocar errores. Es posible que un nombre mal leído pase inadvertido porque ya no parece un nombre. Si la lectura es incierta, ClientSafe marca el documento como «Necesita revisión». Considera que esos documentos son los que debes leer dos veces y compara la copia segura con la página original.
Una firma dibujada como imagen no contiene texto legible. Si hay un nombre escrito a máquina junto a ella, como en «Firmado: Maria Lopez», ese texto sí se detecta.
Preguntas frecuentes
¿Puedo dejar las imágenes y simplemente confiar en que no pase nada?
No. La imagen de un documento es el documento. Si contiene nombres, una herramienta de IA que lea imágenes podrá verlos.
¿Se trata un PDF escaneado como un archivo de Word?
Primero se lee como texto. Después pasa por los mismos pasos.
¿La copia segura incluye mis fotos?
No. Las imágenes se excluyen. El texto que contienen, cuando se puede leer, se incluye y se protege.
¿Y qué pasa con las notas manuscritas?
Es probable que se pasen por alto algunas cosas. La escritura a mano es el caso más difícil para cualquier reconocimiento de texto, así que revisa esas páginas con especial cuidado o vuelve a escribirlas.
ClientSafe lee los PDF escaneados y el texto dentro de las imágenes de los documentos; luego encuentra y reemplaza nombres y números igual que hace con el texto escrito a máquina. El paso de revisión muestra lo que se encontró, y los documentos sobre los que tiene dudas se marcan como Requiere revisión.