Anonimizar documentos con IA: cómo se hace y cómo se revierte
- Actualizado
- Por
- Equipo de MagnolIA
- En esta página
- 10 min de lectura
Respuesta corta
Anonimizar un documento antes de usar IA consiste en sustituir cada dato personal (nombres, DNI, cuentas, direcciones) por una etiqueta, dejar que la IA trabaje sobre esa copia y devolver después los datos reales al resultado. En MagnolIA Nexus la tabla de equivalencias se queda en tu equipo: sin ella nadie puede deshacer el cambio.
¿Qué es anonimizar un documento?
Es quitar del documento lo que permite saber de quién habla. «Ana García López, DNI 12345678Z» pasa a ser «[PERSONA_1], [DNI_1]». El contrato, el informe o el parte se siguen entendiendo, pero ya no identifican a nadie.
En rigor, hay dos cosas distintas. Anonimizar es eliminar el vínculo con la persona de forma irreversible. Seudonimizar es sustituir los datos y guardar aparte la información que permite recuperarlos. Lo que hace MagnolIA Nexus es lo segundo, en los términos del artículo 4.5 del RGPD: por eso el resultado puede volver con los datos reales.
Lo dicen la Agencia Española de Protección de Datos y el Supervisor Europeo en su documento 10 malentendidos relacionados con la anonimización: el primero de esos malentendidos es creer que seudonimizar y anonimizar son lo mismo, y su respuesta es que «los datos personales seudonimizados también son datos personales».
¿Qué técnicas hay para quitar los datos personales de un documento?
Las más habituales son cinco, y no sirven para lo mismo. Para trabajar con IA importa sobre todo una cosa: que el texto se siga entendiendo después.
| Técnica | Qué hace | ¿Se puede revertir? | ¿Sirve para trabajar con IA? |
|---|---|---|---|
| Tachar o suprimir | Borra el dato o lo tapa con una banda negra. | No. | Poco: el texto pierde quién hizo qué y la IA puede confundir a las personas. |
| Enmascarar | Deja ver solo una parte: «****5678Z». | No. | A medias: vale para números, no para nombres. |
| Sustituir por etiquetas | Cambia cada dato por una etiqueta coherente: «[PERSONA_1]» es siempre la misma persona. | Sí, si se guarda la tabla de equivalencias. | Sí: el texto conserva el sentido y el resultado puede recuperar los datos. |
| Generalizar | Cambia el dato exacto por uno más amplio: «43 años» pasa a «entre 40 y 50». | No. | Sí para estadísticas; no para un documento que hay que devolver completo. |
| Datos ficticios | Sustituye los datos reales por otros inventados y verosímiles. | Solo si se guarda la correspondencia. | Sí, con cuidado: un nombre inventado puede coincidir con una persona real. |
La tercera es la que usa MagnolIA Nexus. Tachar a mano sigue siendo lo adecuado para publicar un documento; para que una IA lo resuma o redacte a partir de él, no.
¿Cómo se anonimiza un documento con IA, paso a paso?
Arrastras el documento
En MagnolIA Nexus, el documento se suelta sobre el Agente anonimizador. No sale de tu red.
Se detectan los datos
Unas reglas encuentran los datos con formato fijo (DNI, IBAN, teléfonos) y un modelo que corre en tu servidor encuentra los que dependen del contexto (nombres, empresas, direcciones, cargos).
Revisas y corriges
Ves cada dato marcado. Lo que falte se selecciona y se añade a mano; lo que sobre se quita.
La IA trabaja sobre la copia
El modelo resume, redacta o responde con la versión sin datos personales. El mismo dato recibe siempre la misma etiqueta dentro de un proyecto, así que el texto conserva el sentido.
El resultado recupera los datos
Lo que produce la IA vuelve con los nombres y los números originales, de forma automática.
¿Qué datos personales detecta?
El anonimizador de MagnolIA reconoce 18 tipos de dato. Se detectan de dos maneras, según tengan o no un formato reconocible.
| Cómo se detecta | Qué datos | Por qué así |
|---|---|---|
| Por reglas | DNI, NIE, CIF, IBAN, tarjetas, números de la Seguridad Social, teléfonos, correos, matrículas, direcciones IP, importes y fechas. | Tienen un formato fijo y, en varios casos, un dígito de control que se puede comprobar. |
| Con el modelo | Nombres de personas, empresas, direcciones y cargos. | No tienen formato: hay que entender la frase para saber que «Mercedes» es una persona y no un coche. |
| A mano | Cualquier otro dato que quieras ocultar: un apodo, una referencia interna, el nombre de un proyecto. | Ningún detector acierta siempre. La revisión de una persona es parte del proceso. |
¿Qué formatos de documento admite?
- Ofimática: Word, Excel y PowerPoint (también .doc, .xls y .ppt), OpenDocument, Pages, Numbers y Keynote.
- PDF e imágenes.
- Correo: EML, MSG y MBOX.
- Datos: CSV, JSON, XML, YAML, SQL y SQLite.
- Archivos comprimidos: ZIP.
También revisa los datos incrustados dentro del archivo, como campos en base64 o en hexadecimal, que a simple vista no se ven.
¿Cómo se revierte y quién guarda la clave?
Cada sustitución se guarda como una equivalencia: «[PERSONA_1] = Ana García López». Esa tabla es la clave. Con ella, cualquier texto que contenga las etiquetas recupera los datos reales; sin ella, nadie puede deshacer la anonimización.
La clave se guarda en el equipo del usuario y nunca sale de él. La IA no la recibe: solo ve las etiquetas.
Esto permite algo más. Si tu organización decide usar también un modelo de un proveedor externo, ese modelo recibe únicamente la copia sin datos personales, y el resultado se completa de vuelta en tu equipo. Es una de las piezas de una IA privada para empresas.
¿Qué puede fallar al anonimizar un documento?
Quitar los nombres no siempre basta. Estos son fallos conocidos, con cualquier herramienta.
- Identificadores indirectos
- «La jefa de pediatría del hospital de una ciudad pequeña» identifica a una persona sin decir su nombre. Un cargo, una fecha, un lugar o una enfermedad poco frecuente pueden señalar a alguien por sí solos o combinados.
- Datos que el detector no ve
- Un apodo, un nombre mal escrito, una referencia interna o un dato dentro de una imagen. Ningún detector automático lo encuentra todo.
- Lo que no está en el texto
- El autor en los metadatos del archivo, los comentarios, el control de cambios o el nombre del propio fichero.
- La tabla de equivalencias mal guardada
- Quien tiene la copia y la tabla tiene el documento original. La tabla se custodia con el mismo cuidado que el documento.
- Etiquetas incoherentes
- Si la misma persona recibe dos etiquetas, o dos personas la misma, la IA razona sobre un texto que ya no dice lo que decía el original.
¿Qué comprobar antes de dar un documento a una IA? Lista de comprobación
¿Necesita la IA saber de quién se trata?
Si la tarea es resumir, traducir o redactar, casi nunca. Entonces el dato sobra.
¿Están marcados todos los datos directos?
Nombres, DNI o NIE, teléfonos, correos, direcciones, cuentas, matrículas y números de expediente.
¿Queda algún identificador indirecto?
Cargos únicos, fechas señaladas, lugares pequeños, diagnósticos raros. Lee el texto como lo leería alguien que conoce a la persona.
¿Están limpios los metadatos, los comentarios y el nombre del archivo?
Se olvidan con facilidad.
¿Dónde queda la tabla de equivalencias?
En tu equipo, no junto a la copia ni en un correo.
¿A dónde va la copia?
A una IA en tu red o a un servicio externo. En el segundo caso, la copia sigue siendo un dato personal para ti, que tienes la clave.
¿Has revisado el resultado?
Al recuperar los datos, comprueba que cada etiqueta ha vuelto a su sitio.
¿Hace falta anonimizar si la IA ya está en tu red?
No para evitar que el documento se envíe a un proveedor externo: con una IA on-premise no sale de tu red. Sigue siendo útil en tres casos.
- Para no tratar más datos de los necesarios. Es el principio de minimización: si la tarea no necesita la identidad, mejor que el modelo no la vea.
- Para compartir el resultado. Un resumen o un informe sin datos personales se puede enseñar a más gente dentro de la organización, o a un cliente.
- Para usar un modelo externo en un caso concreto. El modelo de fuera recibe solo la copia y los datos vuelven en tu equipo.
Dónde conviene que esté la IA según el tipo de documento se compara en IA on-premise frente a IA en la nube. Y cómo se usa el anonimizador en el trabajo diario, junto al resto de herramientas, en IA en la oficina.
¿Cómo encaja con el RGPD?
Tres artículos del Reglamento General de Protección de Datos hablan de lo que hace un anonimizador reversible.
- Artículo 4.5
- Define la seudonimización: tratar los datos de modo que no puedan atribuirse a una persona sin información adicional, que debe figurar por separado y estar protegida.
- Artículo 5.1.c
- Principio de minimización: los datos deben ser adecuados, pertinentes y limitados a lo necesario. Si la IA no necesita saber quién es el paciente para resumir un informe, no debería recibirlo.
- Artículo 32
- Cita «la seudonimización y el cifrado de datos personales» entre las medidas técnicas para garantizar la seguridad del tratamiento.
Anonimizar ayuda, pero no basta por sí solo: no sustituye el análisis de cada tratamiento, que sigue siendo tarea de tu organización. El marco completo está en la guía de IA y RGPD, ENS y AI Act.
¿Dónde se puede probar?
En el LAB de MagnolIA, gratis y desde el navegador. Lo que subes se cifra en tu navegador antes de salir de tu equipo y el servidor borra su copia al devolverte el resultado, como tarde a los 10 minutos.
- El anonimizador de documentos online sustituye los datos personales de un archivo de hasta 3 MB y te entrega la copia y su clave.
- La herramienta para revertir un documento anonimizado devuelve los datos reales a un texto con etiquetas, usando esa clave.
- El Detector de fugas marca los datos personales de un texto antes de pegarlo en una IA pública. No pide correo.
En una instalación, el anonimizador forma parte de MagnolIA Nexus y el modelo que detecta los nombres corre en tu propio servidor. Ese servidor se puede montar con medios propios o contratar: la comparación está en servidor de IA propio o gestionado, y lo que incluye la cuota de MagnolIA, en cuánto cuesta la IA on-premise.
Preguntas frecuentes sobre anonimización
¿Cómo se anonimiza un documento con IA?
En MagnolIA Nexus arrastras el documento al Agente anonimizador. Reglas y un modelo que corre en tu servidor marcan cada dato personal; tú revisas y corriges. La IA trabaja sobre la copia sin datos personales y, al terminar, el resultado recupera los datos originales de forma automática.
¿Se puede revertir un documento anonimizado?
Un documento anonimizado con MagnolIA Nexus se puede revertir con su clave. Cada sustitución se guarda como equivalencia en el equipo del usuario, y lo que produce la IA vuelve con los datos reales. Esa clave nunca sale de tu equipo: sin ella nadie puede deshacer la anonimización. El mismo dato recibe siempre la misma etiqueta dentro de un proyecto.
¿Qué diferencia hay entre anonimizar y seudonimizar?
Anonimizar es eliminar el vínculo con la persona de forma irreversible. Seudonimizar es sustituir los datos y guardar aparte la información para recuperarlos. Lo que hace MagnolIA Nexus es, en términos del RGPD (artículo 4.5), seudonimizar: la tabla de equivalencias se queda en tu equipo y la IA nunca la recibe.
¿Qué puede fallar al anonimizar un documento con IA?
Al anonimizar un documento con IA pueden quedar identificadores indirectos (un cargo, una fecha, un lugar), datos que el detector no reconoce y metadatos o comentarios. Ningún detector acierta siempre: la AEPD y el Supervisor Europeo de Protección de Datos señalan que la intervención de una persona experta es necesaria. Por eso el anonimizador de MagnolIA deja revisar cada dato.
¿Hace falta anonimizar si la IA ya está en mi red?
Con la IA en tu red, anonimizar ya no hace falta para evitar que el documento llegue a un proveedor externo, porque no sale. Sigue siendo útil para que el modelo trate solo los datos necesarios, para compartir el resultado con más personas y para usar un modelo externo puntualmente, que recibe solo la copia sin datos personales.
¿Basta con anonimizar los documentos para cumplir el RGPD?
Anonimizar no basta por sí solo. Lo que hace MagnolIA Nexus es seudonimizar (artículo 4.5 del RGPD): sustituye los datos y guarda aparte, en tu equipo, la información para recuperarlos. Es una medida técnica que el artículo 32 cita y aplica la minimización de datos, pero no sustituye el análisis de cada tratamiento.
Fuentes
Los datos externos de esta página enlazan a su fuente original.
AEPD y Supervisor Europeo de Protección de Datos. 10 malentendidos relacionados con la anonimización (PDF). www.aepd.es/guias/10-malentendidos-anonimizacion.pdf
EUR-Lex. Reglamento (UE) 2016/679, Reglamento General de Protección de Datos (RGPD). eur-lex.europa.eu/eli/reg/2016/679/oj
Usa IA con tus documentos sin exponer a nadie
Cuéntanos con qué documentos trabajáis y qué datos llevan dentro. Te enseñamos el anonimizador con un caso como el vuestro y vemos cómo sería un piloto.
Solicitar piloto


