Enmascarar la PII de una instrucción para IA significa sustituir los datos que identifican a una persona (nombres, datos de contacto, números de cuenta y de identificación, fechas de nacimiento) por etiquetas neutras antes de pegar el texto en ChatGPT, Claude o Gemini. Conserva los papeles, los importes y las fechas de los hechos que la IA necesita, enmascara todo lo que indique quién es la persona y vuelve a leer el texto enmascarado antes de enviarlo.
Qué es la PII y en qué se diferencia de los datos personales
PII son las siglas en inglés de «información de identificación personal». Es un término de EE. UU. que viene de las directrices federales. La OMB Circular A-130 la define como la información que puede usarse para distinguir o rastrear la identidad de una persona, por sí sola o combinada con otra información vinculada o vinculable a esa persona. La NIST SP 800-122, la guía del NIST para proteger la confidencialidad de la PII, da ejemplos: nombre, número de la seguridad social, fecha y lugar de nacimiento, registros biométricos e información vinculada a una persona, como datos médicos, financieros o laborales.
La UE y el Reino Unido usan otro término. Según el artículo 4, punto 1, del RGPD, y el mismo artículo del UK GDPR, son datos personales «toda información sobre una persona física identificada o identificable», incluida la identificación mediante datos de localización, un identificador en línea o elementos propios de la identidad física, económica, cultural o social de esa persona.
En una instrucción, la diferencia es sobre todo de costumbre. Quien piensa en «PII» tiende a buscar campos: nombre, número de la seguridad social, correo. La definición del RGPD te obliga a preguntarte además si una frase, leída junto con el resto, apunta a una sola persona. Si tus clientes están en la UE o en el Reino Unido, trabaja con esa definición más amplia. Si un uso concreto de la IA es lícito para tu empresa es una pregunta para tu abogado o tu delegado de protección de datos, no para una herramienta de enmascaramiento.
Por qué los datos inofensivos se suman
Los identificadores se dividen en dos grupos. Los identificadores directos apuntan a una persona por sí solos: un nombre completo, un número de pasaporte, una dirección de correo. Los cuasiidentificadores no, pero acotan el campo: un código postal, una fecha de nacimiento, un cargo, un diagnóstico poco común.
La medición más conocida de lo rápido que lo acotan es de Latanya Sweeney. Con datos del censo de EE. UU. de 1990, estimó en «Simple Demographics Often Identify People Uniquely» que el 87 % de la población de EE. UU. probablemente era única con solo tres campos: código postal de 5 dígitos, sexo y fecha de nacimiento. Un nuevo análisis posterior de Philippe Golle situó la cifra en torno al 63 % para el censo de 2000. En cualquier caso, tres datos corrientes bastaban para señalar a la mayoría de las personas.
En una instrucción, los cuasiidentificadores suelen esconderse en el texto libre: «la única socia de la oficina de Leeds», «el cliente que vendió la panadería de Main Street la primavera pasada». Nuestra lista de lo que hay que quitar antes de enviar un documento a la IA repasa estas combinaciones tipo por tipo.
Enmascarar, tachar, seudonimizar: qué puede seguir haciendo la IA
Las tres palabras se usan a menudo sin precisión. En una instrucción, lo que importa es con qué deja trabajar a la IA cada una. Toma una frase: «Anna Weber escribió a Tom Hale el 3 de mayo; Anna discute la factura de Tom».
| Método | La frase queda así | Qué puede seguir haciendo la IA | ¿Puedes restaurar los nombres? |
|---|---|---|---|
| Tachado (quitar o tapar en negro) | «[█████] escribió a [█████] el 3 de mayo; [█████] discute la factura de [█████]». | Poco: no puede saber quién escribió, quién discute y a quién se le debe. | No |
| Enmascarar con una etiqueta de tipo | «[NAME] escribió a [NAME] el 3 de mayo; [NAME] discute la factura de [NAME]». | Sabe que son personas, pero no cuál es cuál. | No |
| Seudonimización (marcadores coherentes) | «Person_1 escribió a Person_2 el 3 de mayo; Person_1 discute la factura de Person_2». | Seguir quién hizo qué y responder en los mismos términos. | Sí, con la tabla que vincula los marcadores con los nombres, guardada en tu lado |
Para la mayoría de las tareas de IA, los marcadores coherentes dan las mejores respuestas, porque la IA puede seguir la historia. El RGPD lo llama seudonimización (artículo 4, punto 5) y sigue considerando el resultado como datos personales. Nuestro artículo sobre anonimización, seudonimización y tachado explica los tres términos en detalle.
Qué enmascarar en una instrucción y qué conservar
Enmascara lo que identifica a la persona. Conserva aquello sobre lo que trata la pregunta.
| Enmascarar | Conservar |
|---|---|
| Nombres de personas y empresas, apodos, iniciales | Papeles: comprador, inquilino, empleado, nuestro cliente, la otra parte |
| Correos electrónicos, teléfonos, direcciones postales | País o jurisdicción, si la respuesta depende de ello |
| Números de cuenta, IBAN, números de tarjeta, números fiscales y de identificación, números de expediente y de póliza | Importes, salvo que el propio importe identifique al cliente |
| Fechas de nacimiento | Fechas de los hechos: firma, notificación, pago, plazo |
| Detalles de texto libre que señalan a alguien: un cargo poco común, un pueblo pequeño, un familiar con nombre | Los hechos de los que depende la pregunta, expresados en general |
La edad es una excepción habitual a «enmascarar las fechas de nacimiento»: si la respuesta depende de si alguien es mayor de 18 años o está cerca de la jubilación, escribe la edad o «mayor de 65» en lugar de la fecha.
Una instrucción breve, antes y después:
Antes:
María López (nacida el 12 de marzo de 1981, maria.lopez@example.com) alquila
un piso a Greenfield Lettings Ltd. No le devolvieron la fianza de 2400 dólares
después de dejar el piso el 30 de junio. ¿Qué puede hacer?
Después:
Person_1 (nacida el Date_1, Email_1) alquila un piso a Company_1.
No le devolvieron a Person_1 la fianza de 2400 dólares después de que Person_1
dejara el piso el 30 de junio. ¿Qué puede hacer Person_1? Mantén los marcadores tal como están.El importe y la fecha de salida se quedan, porque la respuesta depende de ellos. Si la fecha de nacimiento no aporta nada a la pregunta, bórrala en lugar de enmascararla.
Tres formas de enmascarar
A mano
Para una instrucción corta, lee el texto y sustituye tú cada identificador. Apunta la lista de marcadores en una nota sobre la marcha (Person_1 = María López), para que la misma persona reciba siempre la misma etiqueta. Enmascarar a mano es lento y falla en textos largos: un nombre que aparece doce veces se sustituye once.
Con buscar y reemplazar por patrones
Algunos identificadores siguen un patrón fijo, y una búsqueda con expresiones regulares los encuentra todos a la vez. Editores de texto como Notepad++ y VS Code lo admiten, y Word tiene una búsqueda con comodines con su propia sintaxis. Dos patrones para empezar:
Email: [A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}
IBAN: \b[A-Z]{2}[0-9]{2}(?: ?[A-Z0-9]){11,30}\bEl patrón del IBAN sigue la estructura del SWIFT IBAN Registry: un código de país de dos letras, dos dígitos de control y después hasta treinta letras y dígitos. Los patrones detectan formatos, no significados. Se les escapa un teléfono escrito como «seis-uno-dos», y nunca encontrarán un nombre.
Con una herramienta de detección
Las herramientas de detección buscan nombres, empresas y lugares además de patrones. En un documento largo son mucho más rápidas que el trabajo manual, pero ninguna lo encuentra todo. La documentación del kit de detección de código abierto Presidio lo dice claramente: como usa detección automática, «no hay garantía de que Presidio encuentre toda la información sensible».
Por eso la detección necesita un paso de revisión. Repasa lo que encontró la herramienta y desmarca las coincidencias falsas, como el nombre de una calle que también es un apellido. Después lee el texto buscando lo que se le pasó: apodos, nombres en minúscula, una persona descrita en lugar de nombrada. Qué mirar en una herramienta de seudonimización compara los tipos de herramientas disponibles.
En ClientSafe, añades los documentos a un caso y encuentra en tu PC nombres, empresas, direcciones, teléfonos, correos electrónicos, números de cuenta y de identificación y fechas de nacimiento. Desmarcas lo que no son datos personales y marcas lo que se le pasó. Después copias la copia segura en el chat de IA. La misma persona recibe el mismo marcador en todos los documentos del caso.
La respuesta vuelve con marcadores
El enmascaramiento funciona en los dos sentidos. La IA responde en los mismos términos que usaste, así que su respuesta dice «Person_1 puede pedir a Company_1...» y no «María López puede pedir...». Pedirle que mantenga los marcadores tal como están, como en el ejemplo de arriba, lo hace más probable.
Vuelve a poner los nombres reales en tu propio ordenador, no en el chat: con buscar y reemplazar usando tu lista de marcadores, o con la misma herramienta con la que enmascaraste. Después lee una vez la respuesta restaurada: un marcador que la IA cambió («Person 1» en lugar de «Person_1») puede no haberse restaurado. Nuestra guía para restaurar los nombres reales en la respuesta de la IA explica el proceso de ida y vuelta paso a paso.
Preguntas frecuentes
¿El texto enmascarado es anónimo?
Normalmente no. Si guardas una tabla que vincula los marcadores con los nombres, el texto está seudonimizado y, según el RGPD, sigue siendo un dato personal. Enmascarar reduce lo que recibe el servicio de IA. No saca el texto del ámbito de la ley de protección de datos.
¿Debo enmascarar los nombres de empresas?
Enmascara la empresa del cliente y cualquier empresa que lo identifique, como un pequeño negocio familiar. Una gran empresa cotizada que aparece como proveedor o contraparte a menudo puede quedarse, si la pregunta lo necesita.
¿Enmascarar empeora la respuesta de la IA?
Con marcadores coherentes, rara vez: la IA sigue viendo quién hizo qué. Empeora cuando la respuesta depende de algo que enmascaraste, como el país o la edad de una persona. Vuelve a añadir ese dato de forma general.
¿Puedo simplemente decirle a la IA que ignore los datos personales?
No. Cuando la IA lee la instrucción, los datos ya se han enviado. El enmascaramiento tiene que hacerse antes de pegar.
ClientSafe sustituye en tu PC los nombres, direcciones, teléfonos, correos electrónicos, números de cuenta y de identificación y fechas de nacimiento por marcadores, y devuelve los nombres reales a la respuesta de la IA. La detección no es perfecta, así que revisa la lista antes de copiar.