Arah · Seguridad e IA
Las herramientas de IA parecen una conversación privada, pero cada frase que escribes viaja al servidor de otra persona. Esta guía te muestra qué datos nunca debes enviar, cuáles son aceptables bajo ciertas condiciones y cómo enmascararlos antes de pulsar Enter.
Introducción
Rina trabaja en recursos humanos en una empresa de distribución con 40 empleados. A final de año debe preparar un resumen de las evaluaciones de desempeño y una propuesta de aumentos salariales. Su hoja de cálculo contiene nombres, números de identidad nacional (NIK), fechas de nacimiento, salarios, puntuaciones de desempeño y notas disciplinarias. A las nueve de la noche, cansada, copia la tabla completa en un asistente de IA y escribe: “Resume esto y hazme una propuesta”. Dos minutos después aparece una respuesta ordenada. Rina se siente eficiente. No se detiene a pensar que las 40 personas cuyos datos acaba de enviar no saben nada de esto.
Rina es un personaje ficticio, pero su hábito es real. En 2023 se informó de que varios ingenieros de Samsung introdujeron código fuente confidencial en ChatGPT para ayudar a corregir una base de datos, y que otros empleados pegaron la grabación completa de una reunión para que les redactara el acta. El 1 de mayo de 2023 la empresa prohibió el uso de herramientas de IA generativa para el trabajo. En agosto de 2025 se encontraron en los resultados de búsqueda de Google varias conversaciones de ChatGPT compartidas mediante enlaces. Incluían nombres completos, direcciones de correo electrónico, currículos y confesiones personales. Después, el proveedor eliminó la función que permitía encontrar las conversaciones.
Mucha gente se enfrenta a este problema. Los empleados aceleran su trabajo. Los autónomos editan documentos de sus clientes. Los dueños de pequeños negocios piden consejo sobre informes financieros. Los desarrolladores pegan código para encontrar errores. Los estudiantes suben datos de investigación sobre los participantes. Los padres preguntan por los resultados de laboratorio de su hijo. Todos escriben en la misma caja, con la misma sensación de que es solo una charla rápida.
Esta decisión importa por tres razones. Primero, los datos enviados no se pueden recuperar con fiabilidad. Segundo, parte de los datos no es tuya, así que el daño recae en personas que no participaron en la decisión. Tercero, Indonesia tiene la Ley n.º 27 de 2022 de Protección de Datos Personales (la Ley PDP), que fija obligaciones para quien trate datos personales. También prevé sanciones penales por revelar y usar datos personales de forma ilícita.
Este artículo presenta una forma de pensar que puedes usar cada vez que vayas a enviar algo a una herramienta de IA. Aprenderás los términos que la gente suele confundir, un marco de tres zonas para clasificar los datos, cómo elegir el canal adecuado y cómo enmascarar datos sin perder tu objetivo. Al final encontrarás un escáner de datos sensibles que funciona en tu navegador, un verificador de decisiones y una hoja de trabajo. Después de leerlo, deberías poder decidir, antes de pulsar Enter, si un dato puede enviarse, por qué canal y en qué forma.
Este artículo ofrece información general y no sustituye el asesoramiento legal o de ciberseguridad de un profesional que conozca tu situación. Los proveedores de IA cambian sus políticas de vez en cuando, así que revisa los ajustes y las condiciones de tu propia cuenta. Todas las cifras y los datos de ejemplo de este artículo son ilustraciones y datos falsos.
Respuesta breve
Ninguna lista única de prohibiciones sirve para todos, porque la respuesta depende del tipo de dato, del canal que uses y de las normas que te obliguen. Hay una regla básica que se sostiene. No envíes datos que te perjudicarían a ti o a otra persona si el personal del proveedor los leyera, si se almacenaran durante mucho tiempo, si se filtraran o si aparecieran en un lugar equivocado.
Aplicas esa regla en cinco pasos, por orden.
- Clasifica los datos. Marca cada tipo de dato que quieras enviar como rojo, amarillo o verde.
- Elige el canal. Una cuenta personal, una cuenta empresarial con contrato, el acceso por API y un modelo local ofrecen distintos niveles de protección.
- Reduce y enmascara. Envía solo la parte que necesitas y sustituye las identidades por códigos.
- Configura la cuenta. Revisa el entrenamiento de modelos, el historial, la memoria, los enlaces para compartir y las conexiones con otras aplicaciones.
- Prepara un plan para cuando ya haya ocurrido. Decide de antemano qué revocarás, a quién avisarás y qué registrarás.
Tres tipos de datos no deben ir, tal como están, a una cuenta personal de un servicio público de IA. Son las credenciales, como contraseñas y claves de API, los datos personales específicos que aún pueden vincularse a una persona y los secretos sujetos a un deber legal o a un acuerdo de confidencialidad. Aparte de estos, la IA puede seguir ayudando con seguridad en mucho trabajo si enmascaras los datos antes.
Este método te da decisiones más meditadas. No te da garantías. El escáner y la hoja de trabajo ayudan a reducir los descuidos, pero no pueden leer el contexto ni garantizar que tus datos estén seguros en el lado del proveedor.
Definiciones y conceptos básicos
Varios de los términos siguientes se usan a menudo como si fueran lo mismo, aunque significan cosas distintas. Las diferencias determinan qué canal puedes usar.
Datos personales: generales y específicos
La Ley PDP divide los datos personales en dos grupos en el Artículo 4. Esta división es un buen punto de partida, porque los datos específicos exigen más cuidado.
| Grupo | Qué incluye | Ejemplos en el trabajo diario |
|---|---|---|
| Datos personales específicos | Datos de salud, datos biométricos, datos genéticos, antecedentes penales, datos de menores, datos financieros personales y otros datos según lo dispongan la ley y los reglamentos | Resultados de laboratorio, huellas dactilares o fotos del rostro usadas para verificación, datos de estudiantes, nóminas, extractos bancarios, expedientes disciplinarios de carácter legal |
| Datos personales generales | Nombre completo, sexo, nacionalidad, religión, estado civil y datos personales que, combinados, permiten identificar a una persona | Listas de nombres de clientes, direcciones de correo electrónico y números de teléfono, una combinación de cargo, división y edad que apunta a una sola persona |
El último elemento del grupo de datos generales merece una segunda lectura. Datos que parecen inofensivos, como el cargo, la división y la edad, pueden convertirse en datos personales cuando la combinación corresponde a una sola persona. Quitar solo el nombre no hace que los datos sean anónimos necesariamente.
Credenciales y secretos comerciales
Las credenciales son todo aquello que demuestra que tienes derecho a acceder a algo. Incluyen contraseñas, PIN, códigos OTP, claves de API, tokens de acceso, claves privadas, cadenas de conexión a bases de datos y frases de recuperación de monederos de criptomonedas. Las credenciales no tienen un nivel de sensibilidad negociable. Una vez enviadas, da por hecho que la credencial está expuesta y que hay que reemplazarla.
Los secretos comerciales, o información empresarial confidencial, son información que tiene valor porque los competidores no la conocen. Algunos ejemplos son el código fuente de una empresa, las fórmulas de productos, las listas de clientes, los precios especiales, los planes de productos, los informes financieros no publicados y los documentos cubiertos por un acuerdo de confidencialidad (NDA). Los secretos comerciales no son automáticamente datos personales, pero pueden conllevar obligaciones contractuales igual de pesadas.
Titular de los datos y responsable del tratamiento
Según la Ley PDP, el titular de los datos es la persona cuyos datos se tratan. El responsable del tratamiento es la parte que decide la finalidad y los medios del tratamiento. Rina no es dueña de los datos de esos 40 empleados. La empresa los controla y los empleados son los titulares. Cuando Rina envía la tabla a un servicio de IA, actúa en nombre de la empresa. Si el proveedor de IA actúa como encargado del tratamiento o en otro papel depende del contrato y de las condiciones de servicio vigentes, así que el equipo legal o de protección de datos de tu organización debe evaluarlo.
Almacenados, leídos, usados para entrenar, compartidos
La palabra “privacidad” se usa a menudo para cinco cosas distintas. Separarlas te muestra qué ajuste responde de verdad a tu preocupación.
| Etapa | Qué significa | Qué debes revisar |
|---|---|---|
| Enviados | El texto, los archivos o las imágenes pasan a los servidores del proveedor | El país y la empresa que están detrás del servicio, y las condiciones de servicio |
| Almacenados (retención) | La conversación se conserva durante un periodo determinado, incluso después de que la borres de tu vista | Cuánto tiempo se conserva y qué ocurre cuando la eliminas |
| Leídos | El personal del proveedor, sus contratistas o sus socios pueden acceder al contenido por seguridad, prevención de abusos o desarrollo del servicio | Quién puede leerlo y en qué circunstancias |
| Usados para entrenar | El contenido de las conversaciones se usa para mejorar los modelos futuros | Si el entrenamiento está activado por defecto y si puedes desactivarlo |
| Compartidos | Los enlaces, los espacios de trabajo de equipo o los conectores hacen que el contenido sea visible para otras personas o sistemas | La lista de enlaces para compartir, de miembros del equipo y de aplicaciones conectadas |
Desactivar el entrenamiento de modelos responde solo a una de esas cinco etapas. Los datos se siguen enviando, se pueden seguir almacenando y se pueden seguir leyendo en determinadas condiciones. Por eso “desactivé el entrenamiento” no significa automáticamente que sea seguro enviar tus datos.
Cuenta personal, cuenta empresarial, API y modelo local
El canal que uses también determina cómo se protegen tus datos. Los términos siguientes se citan de las páginas de ayuda oficiales y de los anuncios de dos proveedores en el momento de escribir este artículo, y pueden cambiar.
- Cuenta personal (de consumidor). OpenAI indica que, en los servicios para particulares como ChatGPT, el contenido puede usarse para entrenar modelos salvo que el usuario se excluya. Anthropic actualizó en 2025 sus condiciones para consumidores de modo que los usuarios de los planes Free, Pro y Max eligen si sus conversaciones pueden usarse para entrenamiento. Si lo permiten, los datos se conservan hasta cinco años. Si no lo permiten, el periodo de retención es de 30 días.
- Cuenta empresarial y API. OpenAI indica que ChatGPT Team, ChatGPT Enterprise y la plataforma API no se usan para entrenar modelos. Anthropic indica que las condiciones actualizadas para consumidores no se aplican a los planes Team y Enterprise, a los servicios para gobiernos y educación ni al uso de la API.
- Modelo local. Un modelo que se ejecuta en tu propio dispositivo o servidor no envía datos a un tercero. Su seguridad vuelve a ser responsabilidad tuya, incluidos el dispositivo, los complementos y quién puede acceder a esa máquina.
Seudonimización, anonimización y enmascaramiento
La seudonimización sustituye las identidades por códigos, por ejemplo “K07” para un empleado, mientras guardas la tabla de correspondencias por separado. Los datos aún pueden vincularse de nuevo con la persona si esa tabla cae en manos equivocadas. La anonimización elimina cualquier posibilidad razonable de vincular los datos con un individuo, y su exigencia es mucho mayor. En la práctica cotidiana, la opción realista es el enmascaramiento. Consiste en quitar los identificadores directos, generalizar los valores (la edad pasa a ser un rango, el salario pasa a ser una banda) y comprobar que ninguna combinación de atributos apunte a una sola persona.
El riesgo que acompaña al enmascaramiento es la reidentificación, es decir, que se pueda volver a reconocer a las personas por los atributos que quedan. Una regla práctica habitual es asegurarse de que cada combinación de atributos la compartan al menos cinco personas. Esta regla es una heurística y no un estándar legal, pero te ayuda a detectar casos como el del único gerente de una división concreta.
Datos ocultos dentro de los archivos
Los archivos contienen más de lo que ves en pantalla. Los documentos de Office guardan el nombre del autor, el nombre de la empresa, el historial de revisiones, los comentarios y el texto tachado u oculto. Las hojas de cálculo pueden contener hojas ocultas, columnas ocultas y fórmulas que remiten a otros archivos. Las fotos guardan metadatos como la hora en que se tomaron y, en muchos dispositivos, las coordenadas de ubicación. Las capturas de pantalla suelen incluir notificaciones, nombres de pestañas y otros datos en los bordes de la imagen. Cuando subes un archivo completo a una herramienta de IA, todo eso se envía también.
Por este motivo, subir un archivo es más arriesgado que copiar un fragmento de texto que tú mismo elegiste. Si tienes que subirlo, haz antes una copia limpia. Acepta o rechaza todos los cambios con control de cambios, elimina los comentarios, elimina las hojas y columnas ocultas y después revisa las propiedades del documento. En las imágenes, elimina los metadatos de ubicación o recorta las partes que no necesites.
Ideas equivocadas frecuentes
| Creencia | Lo que es más exacto |
|---|---|
| “Borré el chat, así que ya no existe”. | Borrar una conversación de tu historial no elimina los enlaces para compartir creados antes. Además, el proveedor puede conservar los datos durante un periodo determinado según sus condiciones. |
| “Desactivé el entrenamiento, así que es seguro”. | El entrenamiento es solo una etapa. Siguen existiendo el almacenamiento, el acceso del personal y el riesgo de un ataque informático. Los datos que ya entraron antes en el entrenamiento no se eliminan al cambiar el ajuste. |
| “El mayor riesgo es que la IA filtre mis datos a otros usuarios”. | El Centro Nacional de Ciberseguridad del Reino Unido (NCSC) indica que los modelos no añaden automáticamente tus consultas para compartirlas con otros usuarios. Los riesgos más realistas son que las consultas se almacenen, que las lean el proveedor o sus socios, que sufran un ataque o que se hagan públicas por accidente. |
| “Quité el nombre, así que es anónimo”. | Una combinación de cargo, división, edad y fechas puede apuntar a una sola persona. También hay que revisar los identificadores indirectos. |
| “Un modelo local es seguro automáticamente”. | Los datos no salen de tu máquina, pero el dispositivo, los complementos y el acceso a esa máquina pueden seguir siendo puntos débiles. |
Marco de análisis
Este marco se llama método de las tres zonas. Hace que la decisión de enviar o no enviar sea lo bastante rápida para usarla todos los días. También tiene la estructura suficiente para que no dependas de una intuición cuando tienes prisa. Cada paso indica la información que debes preparar.
- Tarea y necesidadesLo que le pides hacer a la IA
- Inventario de datosTipos y titulares
- ZonaRoja, amarilla, verde
- RutaCuenta, contrato, local
- EnmascaramientoReducir y reemplazar
- Ajustes y registrosCuenta, historial, plan
Paso 1. Escribe la tarea y los datos mínimos que necesita
Empieza con una pregunta. ¿Qué le pido exactamente a la IA y qué datos necesita ver para hacerlo? Muchas veces la tarea es general, como mejorar la redacción, resumir la estructura o sugerir un formato. Los datos personales solo se copian porque están en el documento. Escribe la tarea en una sola frase. Luego marca las partes del documento que de verdad hacen falta. La minimización de datos es el paso más barato y más eficaz, porque los datos que no envías no pueden filtrarse.
Paso 2. Haz un inventario de datos
Enumera los tipos de datos del material que piensas enviar y de quién son. Estas preguntas te sirven de guía. ¿Hay nombres, números de identidad, datos de contacto, datos financieros, datos de salud, datos de menores, secretos comerciales, código o credenciales? ¿Son datos míos o de otra persona? ¿Hay una marca de confidencialidad, como “confidencial” o “solo uso interno”, o una cláusula en un contrato? Los datos que pertenecen a otras personas elevan lo que está en juego, porque ellas cargan con las consecuencias, no tú.
Paso 3. Asigna una zona roja, amarilla o verde
| Zona | Características | Ejemplos | Tratamiento |
|---|---|---|---|
| Rojo | Daño grande o difícil de revertir si se expone | Contraseñas, PIN, OTP, claves de API, frases de recuperación de criptomonedas; números de tarjeta y CVV; número de identidad nacional (NIK), pasaporte, número de contribuyente (NPWP); historiales médicos con identidad; datos de menores; documentos con acuerdo de confidencialidad (NDA) y código fuente de la empresa; datos de clientes o empleados que aún identifican a las personas | No los envíes tal cual a una cuenta personal. Las credenciales nunca se envían. Lo demás, solo después de enmascararlo o por una ruta con contrato y aprobada. |
| Amarillo | Daño limitado, pero puede volverse grande al combinarse con otros datos | Nombres y correos de trabajo, números de teléfono, cargos y divisiones, borradores de correo con nombres de clientes, resúmenes de reuniones internas, datos de ventas agregados | Enmascáralos o envía solo lo necesario. Revisa antes la ruta y los ajustes de la cuenta. |
| Verde | Ya es público, o no apunta a nadie y no tiene valor secreto | Preguntas generales, texto publicado, ideas sin nombres, datos de ejemplo falsos | Permitido en cualquier ruta que tu política autorice. |
Si un mismo material contiene varias zonas, el tratamiento sigue la zona más alta. Un solo NIK en medio de una tabla vuelve roja toda la tabla.
Paso 4. Elige la ruta
Cuando la zona esté clara, relaciónala con una ruta. La matriz de abajo es una guía general y no una ley. Las normas de tu oficina, los contratos y la regulación de tu sector pueden ser más estrictos.
| Tipo de datos | Cuenta personal, ajustes por defecto | Cuenta personal, entrenamiento desactivado | Cuenta empresarial o API con contrato | Modelo local |
|---|---|---|---|---|
| Credenciales | No enviar | No enviar | No enviar | No enviar |
| Datos personales específicos o secretos comerciales con identidad | No enviar | Enmascarar primero | Con cuidado, aprobación por escrito | Con cuidado |
| Datos personales generales | Enmascarar primero | Solo lo necesario | Permitido según la política | Permitido |
| Material interno sin identidad | Con cuidado | Permitido | Permitido | Permitido |
| Información pública o general | Permitido | Permitido | Permitido | Permitido |
Las credenciales llevan “no enviar” en todas las rutas porque no hay una razón de peso para que una IA las tenga. Si la tarea es corregir código que usa una clave, reemplaza la clave por un marcador como API_KEY_AQUI. Después escribe tú mismo el valor real en un lugar seguro.
Paso 5. Reduce y enmascara
El enmascaramiento usa cinco técnicas, empezando por la más sencilla.
- Eliminar. Quita las columnas o los párrafos que la tarea no necesita.
- Reemplazar con códigos. Los nombres pasan a ser K01 a K40 y una empresa cliente pasa a ser “Cliente A”. Guarda la tabla de equivalencias en otro lugar.
- Generalizar. Las fechas de nacimiento pasan a rangos de edad, los salarios a bandas y las direcciones a una ciudad o un distrito.
- Fusionar grupos pequeños. Un grupo de menos de cinco miembros se une a otro para que no apunte a una sola persona.
- Reemplazar con datos falsos. Si la IA solo necesita la forma de los datos, por ejemplo para escribir una fórmula o código, envía un ejemplo inventado con la misma estructura.
Después de enmascarar, vuelve a leer todo el texto antes de enviarlo. Los escáneres automáticos detectan patrones como un NIK o una clave de API. Los nombres, las direcciones y el contexto que apunta a una persona tienes que revisarlos tú.
Paso 6. Configura tu cuenta y tus hábitos
Revisa los ajustes que afectan a las cinco etapas del recorrido de los datos. Son el entrenamiento de modelos (desactívalo si está disponible y se ajusta a lo que necesitas), el historial y la memoria, los enlaces para compartir (elimina los que no uses), los conectores al correo, al almacenamiento en la nube y al calendario (limita el acceso), la seguridad de la cuenta (contraseñas únicas y autenticación en dos pasos) y la separación entre cuentas de trabajo y personales. No uses una cuenta personal para material de trabajo, salvo que las normas de la oficina lo permitan.
Paso 7. Lleva un registro y prepara un plan para cuando envíes datos por error
Anota brevemente la ruta y el motivo de cada decisión que involucre datos de otras personas, para poder explicarla si te lo piden. Prepara también un plan para cuando algo se envíe por error. Este plan se trata en los ejemplos y en las preguntas frecuentes. Si tu organización es responsable del tratamiento y ocurre un fallo en la protección de datos personales, el Artículo 46 de la Ley PDP exige un aviso por escrito a los titulares de los datos y a la autoridad en un plazo máximo de 3 x 24 horas. El aviso debe contener al menos los datos que se expusieron, cuándo y cómo se expusieron, y las medidas tomadas para manejar y recuperar la situación. Esto debe coordinarse con el equipo jurídico o de protección de datos y no decidirse en solitario.
La prueba de cinco segundos antes de pulsar Enter
En un día de mucho trabajo, estas cinco preguntas bastan para detectar la mayoría de los errores.
- ¿Hay aquí algo que otra persona podría usar para entrar en mis cuentas o sistemas?
- ¿Hay un nombre, un número o una combinación de atributos que apunte a una persona que no sabe que envío sus datos?
- ¿El contenido está cubierto por un NDA, un contrato o una marca de confidencialidad?
- ¿Sería un problema que el personal del proveedor leyera esta página o que apareciera en los resultados de búsqueda?
- ¿La IA de verdad necesita ver esta parte para hacer su tarea?
Si respondes que sí a cualquiera de las cuatro primeras preguntas, o que no a la quinta, detente y enmascara primero.
La fórmula de arriba no es un cálculo aritmético. Es una manera de leer la decisión. La zona da el punto de partida. La ruta puede subir o bajar tu nivel de cautela. Un permiso o una prohibición de las autoridades pesa más que todo lo demás. El enmascaramiento puede bajar la zona antes de enviar.
Ejemplos y simulación
Todos los nombres, números y datos de esta sección son ilustraciones y datos falsos. Los números que parecen un NIK o una tarjeta son solo ejemplos para mostrar cómo funciona el método.
Caso de estudio: Rina y la tabla de 40 empleados
Volvamos a Rina. Su tabla tiene 40 empleados y seis columnas, es decir, 240 celdas de datos. Su tarea es resumir los patrones de las evaluaciones de desempeño por división y redactar una propuesta justa de aumento salarial. Fíjate en que, para esta tarea, la IA no necesita saber el nombre ni el NIK de nadie.
| Columna | Celdas | Tipo de datos | Zona inicial | ¿Se necesita para la tarea? | Tratamiento |
|---|---|---|---|---|---|
| Nombre | 40 | Identificador directo | Rojo | No | Reemplazar con los códigos K01 a K40 |
| NIK | 40 | Número de identidad | Rojo | No | Eliminar |
| Fecha de nacimiento | 40 | Identificador indirecto | Amarillo | En parte (edad) | Cambiar a un rango de edad |
| Salario | 40 | Finanzas personales | Rojo | Sí, en términos relativos | Cambiar a bandas A a D |
| Puntuación de desempeño | 40 | Evaluación laboral | Amarillo | Sí | Conservar, una vez quitados los identificadores |
| Notas disciplinarias | 40 | Registros sensibles | Rojo | No | Eliminar, o resumir como un código de categoría |
| Total | 240 | ||||
Antes del enmascaramiento, 160 de las 240 celdas (las columnas de nombre, NIK, fecha de nacimiento y salario) eran identificadores o datos financieros personales. Después del enmascaramiento, los identificadores directos son cero, pero todavía hay que revisar las combinaciones de atributos. Rina cuenta el tamaño del grupo de cada división.
| División | Número de personas | ¿A salvo de la reidentificación? (mínimo 5) |
|---|---|---|
| Almacén | 12 | Sí |
| Ventas | 10 | Sí |
| Finanzas | 8 | Sí |
| Logística | 7 | Sí |
| Dirección | 3 | No, se fusiona |
| Total | 40 |
La división de dirección tiene solo tres miembros. Si siguiera separada y mostrara la banda salarial D, cualquiera en la empresa podría adivinar quiénes son. Rina fusiona dirección con finanzas en un solo grupo de 11 personas. La tabla que relaciona los códigos con los nombres la guarda en un archivo aparte en su computadora y no la envía.
El prompt que finalmente envía se parece a esto.
El resultado sigue siendo útil porque la tarea trata de patrones y reglas. Rina compara a mano el resultado con los datos originales antes de usarlo, porque la IA puede equivocarse y ella sigue siendo responsable de la decisión final.
Hay una cosa que conviene dejar registrada. Si enviar datos de empleados a un servicio de IA, incluso enmascarados, requiere una base de tratamiento concreta según el Artículo 20 de la Ley PDP depende de los hechos y de la política de la empresa. Por eso Rina lo informa de todos modos a su jefe y al equipo jurídico, y registra la ruta que usó.
Segunda simulación: los resultados de laboratorio de un familiar
Una lectora quiere entender los términos de los resultados de laboratorio de su padre. Los datos de salud son datos personales específicos, y la IA no necesita saber quién es su padre. La diferencia antes y después del enmascaramiento se muestra a continuación.
| Antes (no enviar) | Después (permitido en una ruta razonable) |
|---|---|
| Nombre: Hadi Santoso (ejemplo). Fecha de nacimiento 14-03-1958. NIK 3201011403580001. Se indican el hospital y el número de historia clínica. HbA1c 6,8 %, glucosa en ayunas 132 mg/dL, LDL 160 mg/dL. | Hombre, de unos 60 años. HbA1c 6,8 %, glucosa en ayunas 132 mg/dL, LDL 160 mg/dL. Por favor, explica qué significan los términos y qué preguntas debería hacerle al médico. |
Los valores de laboratorio se quedan porque son lo que hay que explicar. Se elimina todo lo que vincula esos números con una persona. La IA no sustituye a un médico, y el resultado debe llevarse a un profesional de la salud.
Tercera simulación: una clave de API enviada por error
Un desarrollador pega un archivo de configuración en un chatbot para encontrar un error y luego se da cuenta de que el archivo contiene una clave de API de producción. Borrar la conversación no basta, porque la clave ya salió de su dispositivo. La secuencia de acciones es la siguiente.
| Orden | Acción | Motivo |
|---|---|---|
| 1 | Revoca o rota la clave en el proveedor de servicio original | Es el único paso que cierra el riesgo. Borrar el chat no deshace la exposición. |
| 2 | Revisa los registros de uso de la clave desde el momento en que se envió | Confirma que no hubo un uso no reconocido |
| 3 | Elimina la conversación y los enlaces para compartir | Reduce los rastros restantes y no sustituye el paso 1 |
| 4 | Avisa al equipo de seguridad o a tu jefe | El equipo debe evaluar el impacto y las obligaciones de notificación |
| 5 | Pasa la clave a una variable de entorno o a un gestor de secretos, y usa marcadores en el código compartido | Para que no vuelva a ocurrir un incidente parecido |
La lección es sencilla. Con las credenciales, prevenir cuesta mucho menos que recuperarse, y la recuperación siempre empieza revocando la clave, no borrando la conversación.
Ejemplos de prompts: de arriesgado a más seguro
La mayoría de las tareas diarias no necesitan los datos reales. La tabla de abajo muestra cuatro tareas comunes. Los nombres, números y direcciones de la columna izquierda son datos falsos.
| Tarea | Prompt arriesgado | Versión más segura |
|---|---|---|
| Responder a la queja de un cliente | “Responde a este correo. Estimada Sra. Dewi Ejemplo, el pedido n.º A-20931 a la calle Melati 12 no ha llegado y ya transferí Rp2.400.000...” (Rp es la rupia indonesia.) | “Escribe una respuesta cortés a una clienta cuyo pedido lleva tres días de retraso. Ofrece un reenvío o un reembolso. El tono debe ser amable y firme.” |
| Encontrar un error en el código | “Aquí está mi archivo de configuración, ¿por qué hay un error?” junto con la cadena de conexión a la base de datos y su contraseña | “Esta función de conexión lanza un timeout. He incluido el fragmento de código con el valor reemplazado por DB_URL_AQUI. ¿Cuáles pueden ser las causas?” |
| Redactar un acta de reunión | Pegar la transcripción completa de una reunión de la junta directiva, con las cifras de beneficios y los nombres de los participantes | “Crea un formato de acta con secciones para decisiones, seguimientos, responsables y plazos. El contenido lo escribiré yo.” |
| Mejorar un CV | Pegar un CV completo con dirección de casa, número de teléfono y fecha de nacimiento | “Mejora las siguientes descripciones de experiencia para que sean más concisas. He quitado mi nombre, mis datos de contacto y mi fecha de nacimiento.” |
El patrón se repite. La versión más segura describe la situación y el resultado deseado sin cargar datos que no hacen falta. La calidad de la respuesta de una IA rara vez depende del nombre del cliente o del número de pedido. Depende mucho de lo claras que sean la tarea, el tono y los límites. Si la IA de verdad necesita una estructura de datos, envía un ejemplo inventado con la misma forma y luego aplica tú mismo el resultado a los datos reales en tu propia computadora.
¿Qué tiene que ver esto con la ley?
La Ley PDP prohíbe a cualquier persona obtener o recopilar de forma ilícita datos personales de otra persona, en beneficio propio o ajeno, de un modo que pueda perjudicar al titular de los datos (Artículo 65, párrafo 1), revelar de forma ilícita datos personales de otra persona (Artículo 65, párrafo 2) y usar de forma ilícita datos personales de otra persona (Artículo 65, párrafo 3). Las sanciones penales del Artículo 67 son prisión de hasta 5 años y/o multa de hasta Rp5.000 millones por obtener y usar, y prisión de hasta 4 años y/o multa de hasta Rp4.000 millones por revelar.
Si enviar datos a un servicio de IA cuenta como uno de estos actos prohibidos depende mucho de los hechos, de la finalidad y de la base de tratamiento, y no saco una conclusión por ti. Lo que sí es seguro es que la frase “solo le pedí a la IA que lo resumiera” no responde a la pregunta sobre la base de tratamiento. Según lo informado en febrero de 2026, la autoridad de protección de datos personales que ordena la Ley PDP aún se está formando, y por ahora la supervisión la ejerce el Ministerio de Comunicación y Asuntos Digitales (Komdigi). Este estado puede haber cambiado, así que consulta las noticias más recientes.
Herramientas interactivas
Las dos herramientas de abajo funcionan por completo en tu navegador. El script no envía tu texto a ningún lugar, y puedes comprobarlo desconectándote de internet antes de usarlas. Aun así, prueba las herramientas primero con datos de muestra. Las dos vienen con ejemplos falsos para que veas enseguida cómo funcionan.
Escáner de datos sensibles
Pega el texto que piensas enviar a una herramienta de IA. El escáner busca patrones fáciles de reconocer: números de identidad nacional (NIK), números de tarjeta (verificados con el algoritmo de Luhn), números de contribuyente (NPWP) en formato con puntos, correos electrónicos, teléfonos indonesios, claves de API y tokens, frases como “password:” o “PIN:”, números de cuenta con etiqueta, fechas de nacimiento con etiqueta, montos de salario, direcciones IP y marcas de confidencialidad. Los nombres de personas, las direcciones y el contexto no se detectan, así que vuelve a leer tú mismo el resultado.
Verificador de decisión: enviar o no
Responde seis preguntas. Esta herramienta aplica la matriz de zonas y rutas de la sección del marco de análisis. Después muestra la decisión si envías los datos tal como están y si los enmascaras antes.
Hoja de trabajo de aplicación
Esta hoja de trabajo te ayuda a escribir tus reglas personales antes de que llegue la próxima tentación. Rellénala de arriba abajo y luego crea un resumen que puedas copiar en tus notas o compartir con tu equipo. Los campos están vacíos a propósito para que escribas desde tu propia situación.
1. Contexto
2. Los datos que manejo
Escribe los tipos reales de datos que pasan con frecuencia por tu mesa. Las zonas y las formas de enmascarar siguen la sección del marco de análisis.
3. Mis reglas personales
Escribe cada regla como una orden corta. Ejemplo: “Nunca pegues contraseñas, claves ni OTP.”
4. Revisión de los ajustes de cuenta
5. Plan si ya enviaste algo
Biblioteca de prompts seguros
Un buen prompt ayuda a proteger tus datos. El método es simple. Primero enmascaras los datos. Después le dices a la IA que los datos están enmascarados, cuál es la tarea y qué no debe pedir. Así la IA entiende tu intención, no pide los datos reales y responde con los mismos marcadores, de modo que tú completas los datos reales en tu propio computador.
| Parte | Propósito | Frase de ejemplo |
|---|---|---|
| Contexto | Le cuenta a la IA tu situación y tu puesto | Trabajo en atención al cliente de una tienda en línea. |
| Declaración de enmascaramiento | Explica que los datos se reemplazaron por marcadores | Reemplacé todos los nombres y números por marcadores entre corchetes. |
| Tarea | Indica el resultado que quieres | Escribe una respuesta por correo, cortés y firme. |
| Restricciones | Impide que la IA pida o invente datos reales | No pidas datos reales. Usa los mismos marcadores en tu respuesta. |
| Formato | Define la forma de la salida | Tres párrafos, sin promesas que no pueda cumplir. |
Plantillas de prompts listas para copiar
Elige una tarea, lee cuándo se aplica la plantilla y qué datos debes quitar primero, y luego copia el prompt. Reemplaza cada marcador entre corchetes por datos que ya hayas enmascarado.
Un prompt no cambia lo que el proveedor guarda o lee. La frase “no pidas datos reales” solo orienta a la IA. No es una barrera de seguridad. La protección real viene de los datos que enmascaraste antes de enviar, así que ejecuta primero el escáner de arriba y vuelve a leer el texto.
Riesgos y limitaciones
El método de las tres zonas y las herramientas de esta página reducen los descuidos, pero no eliminan el riesgo. Conviene que conozcas algunos de sus supuestos y límites.
Lo que estas herramientas y este método no pueden garantizar
- El escáner solo reconoce patrones. No detecta nombres de personas, domicilios, nombres de proyectos secretos ni frases que revelan una identidad por el contexto. Un resultado de “sin hallazgos” significa que no se reconoció ningún patrón. No significa que el texto sea seguro.
- El enmascaramiento puede fallar. Una combinación de atributos que quedan puede apuntar a una sola persona. La regla de al menos cinco personas por grupo es solo una heurística.
- Las políticas de los proveedores cambian. Los ajustes de entrenamiento, los periodos de retención y las funciones para compartir se actualizan cada cierto tiempo. Las citas de este artículo reflejan las fuentes en el momento de escribirlo y pueden haber cambiado cuando lo leas.
- Los ajustes no son una garantía. Desactivar el entrenamiento no elimina el almacenamiento, el acceso del personal o de socios, ni el riesgo de una brecha en el lado del proveedor.
- La matriz es una guía general. Las normas sectoriales, los contratos con clientes y las políticas de las instituciones pueden ser más estrictos, y esas son las que se aplican a ti.
Otros riesgos además de escribir datos
El análisis anterior se centra en lo que tú introduces. Otros riesgos funcionan en sentido contrario. La respuesta de un modelo puede contener información sensible, y OWASP incluye la divulgación de información sensible entre los principales riesgos de las aplicaciones basadas en modelos de lenguaje de gran tamaño, con fugas de datos personales, datos de negocio y credenciales a través de las respuestas. Las funciones de memoria y los conectores con el correo, el almacenamiento en la nube o el calendario amplían lo que la IA puede ver más allá del texto que escribes. Los agentes de IA que actúan en tu nombre suman otro riesgo, que incluye instrucciones ocultas en las páginas o los documentos que el agente lee. Trata cada permiso de acceso que concedas como si le dieras acceso a una persona nueva.
Cuando este método no basta
Las organizaciones que procesan datos a gran escala, o que trabajan en sectores regulados como la salud, las finanzas y el derecho, deben redactar su política de uso de IA junto con sus equipos jurídico, de seguridad de la información y de protección de datos. Esa política debe incluir una evaluación de riesgos, acuerdos con los proveedores y capacitación del personal. El método de este artículo sirve para hábitos individuales y equipos pequeños. No sustituye a un programa de cumplimiento. Una emergencia con una fuga real también requiere que las autoridades competentes gestionen el incidente, y una hoja de trabajo no basta.
El artículo y las herramientas de esta página ofrecen una forma de pensar e información general. No son asesoría jurídica ni una garantía de cumplimiento de la Ley PDP o de cualquier otra norma, y el autor no es tu asesor jurídico ni de seguridad. La decisión final es tuya, teniendo en cuenta las reglas que se aplican a tu organización y a los servicios que uses.
Preguntas frecuentes
Si desactivo el entrenamiento de modelos, ¿es seguro enviar mis datos?
No necesariamente. Ese ajuste solo responde a si tus conversaciones se usan para entrenar modelos. Los datos igualmente viajan a los servidores del proveedor y aún pueden almacenarse. Con las condiciones para consumidores de Anthropic que cita este artículo, por ejemplo, el periodo de retención de 30 días sigue aplicándose a los usuarios que no permiten el entrenamiento. Usa el ajuste como una capa extra. No lo tomes como permiso para enviar datos de la zona roja.
¿Eliminar una conversación hace desaparecer los datos?
No del todo. Eliminar una conversación no borra los enlaces para compartir que creaste. En ChatGPT, los enlaces para compartir se eliminan desde los ajustes de Controles de datos y el menú de Enlaces compartidos, y los resultados de búsqueda que ya están indexados pueden permanecer durante un tiempo. Además, los proveedores pueden conservar los datos por un periodo fijo según sus condiciones. Cambiar el ajuste de entrenamiento no recupera los datos que ya se usaron.
¿Y el chat temporal o el modo incógnito?
Modos como estos suelen reducir el rastro en el historial de tu cuenta. El texto se sigue enviando al proveedor para su procesamiento. Lee las condiciones de ese modo en el servicio que uses, y no lo tomes como motivo para enviar datos de la zona roja.
¿Puedo subir un contrato o un informe de la empresa?
Depende del contrato, de las reglas del trabajo y de la ruta que uses. Los documentos sujetos a un acuerdo de confidencialidad (NDA) o que contienen datos de clientes no deben subirse a una cuenta personal. En una cuenta empresarial con contrato, asegúrate igualmente de tener permiso por escrito de la parte autorizada y, cuando sea posible, envía solo las partes que necesitas.
Ya introduje una contraseña o una clave de API. ¿Qué hago?
Cambia o revoca esa credencial ahora y luego revisa sus registros de uso. Después elimina la conversación y los enlaces para compartir, avisa al equipo de seguridad y traslada los secretos a un lugar seguro. Cambiar la credencial es el único paso que cierra de verdad el riesgo.
¿Un modelo local es seguro automáticamente?
Los datos no se envían a un tercero, así que el riesgo baja mucho. Sin embargo, la seguridad del dispositivo, de los complementos y del acceso a esa máquina es responsabilidad tuya. Un modelo local al que muchas personas acceden sin controles no es más seguro que una cuenta empresarial bien administrada.
¿Qué pasa con las funciones de memoria y los conectores con el correo o el disco?
Ambos amplían los datos que la IA puede ver, incluidos datos que no escribiste ese día. Actívalos solo cuando haga falta, limita los permisos a carpetas o etiquetas concretas y revisa con regularidad los datos almacenados. En una cuenta de trabajo, sigue la política de tu organización.
¿Cómo enmascaro bien los datos?
Elimina las columnas que no necesitas, reemplaza los nombres por códigos, convierte los valores exactos en rangos, une los grupos pequeños y luego vuelve a leer todo el texto. Guarda la tabla de correspondencias en un lugar aparte. Si la IA solo necesita la forma de los datos, reemplaza todo el contenido por datos falsos con la misma estructura.
¿Enviar datos de clientes o de empleados a una IA infringe la Ley PDP?
No hay una respuesta única. Depende de la base del tratamiento (el Artículo 20 de la Ley PDP enumera seis bases, entre ellas el consentimiento válido y la obligación legal), de la finalidad, del acuerdo con el proveedor y del tipo de datos. Consulta tu caso con el equipo jurídico o de protección de datos de tu organización. Para decisiones de alto riesgo, consulta a un asesor jurídico.
¿Y las fotos de documentos de identidad, los selfies o las capturas de pantalla?
Trátalos igual que el texto. La foto de un documento de identidad contiene el número de identidad nacional (NIK), una foto del rostro y otros datos de identidad. Los selfies y las fotos del rostro cuentan como datos biométricos cuando se usan para reconocimiento. Las capturas de pantalla suelen llevar nombres, notificaciones y datos en el borde de la imagen que no sabías que estaban ahí. Recorta o tapa las partes que no necesitas antes de subirlas.
¿Qué debe incluir una política de uso de IA para un equipo pequeño?
Basta una página. Debe enumerar los datos de la zona roja que están prohibidos, las herramientas y los tipos de cuenta permitidos, las reglas de enmascaramiento, los ajustes de cuenta obligatorios y los pasos a seguir si ya se envió algo. Usa la sección de la hoja de trabajo como primer borrador y luego consigue la aprobación de la dirección y del equipo jurídico.
Fuentes y referencias
Puedes comprobar tú mismo las referencias de abajo. Los ejemplos y las cifras del artículo son ilustrativos y los inventó el autor. Las condiciones de los proveedores se citan de páginas oficiales en el momento de escribir y pueden cambiar, así que revisa la página vigente antes de apoyarte en ellas para una decisión.
- Ley n.º 27 de 2022 sobre Protección de Datos Personales, en particular el Artículo 4 (tipos de datos personales), el Artículo 20 (bases del tratamiento), el Artículo 46 (fallos de protección) y los Artículos 65 y 67 (prohibiciones y sanciones penales). pasal.id
- OWASP GenAI Security Project. LLM02:2025 Sensitive Information Disclosure (Divulgación de información sensible), sobre fugas de datos personales, datos de negocio y credenciales en aplicaciones de modelos de lenguaje de gran tamaño y cómo mitigarlas. genai.owasp.org
- Centro Nacional de Ciberseguridad del Reino Unido (NCSC). ChatGPT and large language models: what’s the risk? (ChatGPT y los modelos de lenguaje de gran tamaño: ¿cuál es el riesgo?), 2023, sobre las consultas almacenadas que los proveedores pueden leer y el consejo de no introducir información sensible. ncsc.gov.uk
- Bitdefender. Your shared ChatGPT chats may be publicly searchable (Tus chats compartidos de ChatGPT pueden ser localizables públicamente), 1 de agosto de 2025 (actualizado el 22 de abril de 2026), sobre las conversaciones compartidas que indexan los buscadores y cómo eliminar los enlaces. bitdefender.com
- Fortune. Reportaje del 2 de mayo de 2023 sobre la prohibición de Samsung a sus empleados de usar herramientas de IA generativa, después de que se introdujeran en ChatGPT código fuente y grabaciones de reuniones. fortune.com
- Centro de ayuda de OpenAI. How your data is used to improve model performance (Cómo se usan tus datos para mejorar el rendimiento del modelo), sobre el uso del contenido para el entrenamiento, la exclusión voluntaria y las diferencias entre los servicios individuales y empresariales. help.openai.com
- Anthropic. Updates to our consumer terms (Actualizaciones de nuestras condiciones para consumidores), 2025, sobre las opciones de entrenamiento de modelos, los periodos de retención de datos y qué planes se ven afectados. anthropic.com
- CNBC Indonesia. Telat 2 Tahun, Komdigi Janji Badan Penjaga Data Warga RI Berdiri 2026 (Con dos años de retraso, el Ministerio de Comunicación y Asuntos Digitales (Komdigi) promete que la agencia de protección de datos se creará en 2026), 4 de febrero de 2026, sobre el estado de la creación de la agencia de protección de datos personales. cnbcindonesia.com
