Cómo anonimizar datos antes de usar una IA

Son las siete de la noche, tienes un reporte con 300 clientes y decides pegar la tabla entera en un chatbot. En segundos funciona, pero acabas de compartir datos sensibles que nadie te autorizó a exponer. Aprender a anonimizar datos antes de usarlos en una IA es la habilidad que separa resolver tu noche de exponer a 300 personas que confiaron en ti.

Este contenido es para cualquier persona que use inteligencia artificial en tareas operativas y maneje información de clientes, colaboradores o terceros sin darse cuenta del riesgo.

Por qué una IA puede filtrar los datos que le escribes

Cada vez que le escribes a una IA es como dejar un documento en un archivador enorme y compartido. Lo sueltas ahí, pero ya no controlas quién lo abre, cuánto tiempo se queda ni para entrenar qué.

En el minuto [01:11] se explican las cinco rutas por las que una IA puede exponer información:

1. El prompt, el texto que escribes en la cajita.
2. Las salidas cuando la IA busca dentro de tus documentos.
3. El historial de tus conversaciones.
4. Los registros técnicos que guarda por dentro.
5. Las bibliotecas de conocimiento que la empresa conecta.

Y aquí viene lo interesante: de esas cinco, cuatro las controla quien construyó el sistema, no tú. Solo una está totalmente en tus manos, y es justo el prompt.

¿Cuántas formas tiene una IA de filtrar datos? Cinco: el prompt, las salidas sobre tus documentos, el historial, los registros técnicos y las bibliotecas de conocimiento conectadas. Cuatro las controla el proveedor y solo el prompt depende de ti.

Cuando pegas una tabla con 300 clientes, no haces una consulta rápida: metes a 300 personas reales en ese archivador compartido.

Cómo anonimizar una tabla sin perder el resultado

El hack central es procesar datos sin revelar la identidad de clientes o personas ajenas. En el minuto [02:05] se muestra el paso a paso con un LLM de confianza.

Primero se pega un prompt claro: organizar la tabla por nivel de cargo de mayor a menor, devolverla limpia en columnas y sin inventar datos. El problema es que al pegar la tabla original expusiste todo.

La solución es regresar a la fuente y crear una copia anonimizada antes de enviarla:

• Cambia el nombre real (María Gómez) por una etiqueta neutra como Persona A.
• Sustituye el cargo por una categoría sin género, como nivel gerencia comercial.
• Reemplaza el correo por mail: redactado.
• Reemplaza el teléfono por teléfono: redactado.
• Haz lo mismo con el salario y el resto de la información.

Con la tabla ya anonimizada, se pega el prompt otra vez. El resultado, comparado frente a frente en el minuto [03:37], es idéntico: la IA ordenó los datos por cargo sin necesidad de nombres, correos ni números.

¿Se puede usar IA con datos de clientes sin exponer su identidad? Sí. Reemplaza nombres, correos, teléfonos y cargos por etiquetas neutras antes de pegar el texto. Le das contexto, no identidad, y obtienes el mismo resultado con cero exposición.

La idea clave es esta: le diste contexto, no identidad. Mismo trabajo, misma tabla limpia, pero sin el dato real de nadie.

Por qué prohibir la IA vuelve invisible el riesgo

La reacción típica cuando alguien se asusta es prohibir: aquí no se usa la IA. Pero mira lo que pasa de verdad, según se explica en el minuto [04:33].

La gente la sigue usando, solo que en su celular, con su cuenta personal y sin decirle a nadie. Prohibir no elimina el riesgo, lo vuelve invisible. Y un riesgo invisible no se puede gestionar.

Cómo armar el inventario de IA que casi ninguna empresa tiene

En lugar de prohibir, arma con tu equipo un inventario de las IA que de verdad usan. Ahí aparecen dos capas:

• Las que la empresa ya aprobó, casi siempre pegadas al sistema que usas, con contrato empresarial y reglas negociadas sobre tus datos.
• Las que la gente usa por fuera porque resuelven algo mejor que la aprobada, sin ningún contrato que te respalde.

El punto no es prohibirte usar una IA externa. El punto es que si la usas, revises con muchísimo más cuidado qué datos le entregas, porque nadie te cubre.

Qué interruptores debes apagar hoy en tu IA

Hay algo que puedes revisar hoy mismo. En la IA que ya usas, busca tres interruptores y aprende a apagarlos y borrarlos:

• El de entrenamiento.
• El de memoria.
• El del historial.

Dos minutos hoy te ahorran un problema mañana. En la caja de recursos encuentras el semáforo de datos sensibles y una guía para localizar estos ajustes.

Volvamos a las siete de la noche, con el reporte a medias y 300 clientes en el portapapeles. Esa tabla sí se puede pegar, pero anonimizada. Esa es toda la diferencia.

¿Cuántas IA crees que se están usando de verdad en tu equipo, contando las que nadie reportó? Déjalo en los comentarios.