Guía de herramientas para anonimizar datos antes de utilizar inteligencia artificial

Usar ChatGPT, Copilot, Gemini, Claude u otras herramientas de inteligencia artificial con información de una empresa plantea una pregunta que debería resolverse antes de escribir el prompt:

¿Necesita realmente la IA conocer los datos personales que aparecen en ese documento?

En muchas ocasiones, la respuesta es no.

Para resumir un contrato, mejorar un informe, clasificar reclamaciones, extraer información de documentos o analizar determinados textos, el modelo puede realizar perfectamente su trabajo aunque sustituyamos previamente nombres, teléfonos, direcciones, DNI, números de cuenta y otros identificadores.

Ahí entra en juego la anonimización o desidentificación previa como una primera capa de protección.

No sustituye a una política adecuada de uso de IA, a la elección correcta de la herramienta, a la configuración de privacidad ni al cumplimiento del RGPD. Pero puede reducir significativamente la cantidad de información personal que terminamos compartiendo con un sistema de inteligencia artificial.

Primero: anonimizar no significa simplemente borrar el nombre

Este matiz es importante.

El RGPD reserva un tratamiento diferente para los datos que han sido verdaderamente anonimizados, es decir, aquellos que ya no permiten identificar razonablemente a una persona.

En cambio, si sustituimos:

María López → PERSONA_01

y conservamos en algún lugar la posibilidad de saber que PERSONA_01 es María López, estaremos normalmente ante una seudonimización, no ante una anonimización irreversible.

Lo mismo ocurre cuando simplemente ocultamos determinados campos.

Por eso, muchas de las herramientas que veremos se describen comercialmente como herramientas de anonimización, redacción o de-identification, aunque jurídicamente el resultado deberá valorarse según el tratamiento realizado y la posibilidad real de volver a identificar a las personas.

Para el uso cotidiano de IA, aun así, esta técnica tiene muchísimo sentido: podemos aplicar una capa de minimización antes de enviar el contenido al modelo.

Por ejemplo:

Documento original

María García, con DNI 12345678X, trabaja en la empresa Ejemplo SL y ha solicitado una reducción de jornada. Su teléfono es 600 000 000.

Versión preparada para trabajar con IA

EMPLEADA_01 trabaja en EMPRESA_01 y ha solicitado una reducción de jornada.

Si queremos pedir a una IA que nos ayude a mejorar la redacción de una comunicación laboral, probablemente no necesita conocer ni el nombre, ni el DNI, ni el teléfono de la trabajadora.

1. Anonymisation de la Comisión Europea: una opción gratuita especialmente interesante

Una de las opciones que más merece la pena conocer en Europa procede de la propia Comisión Europea.

Dentro de sus servicios de inteligencia artificial y herramientas lingüísticas existe una herramienta denominada Anonymisation, diseñada para detectar y eliminar o sustituir datos personales contenidos en documentos.

Permite cargar documentos que contengan nombres, ubicaciones y otros identificadores personales y obtener una versión en la que esa información haya sido sustituida o redactada. La Comisión menciona expresamente su utilización para preparar documentos antes de compartirlos, publicar información, elaborar casos de estudio o tratar correspondencia sensible.

La herramienta forma parte de los servicios lingüísticos de IA de la Comisión y está disponible gratuitamente para determinados usuarios, entre ellos:

• pequeñas empresas;

• trabajadores autónomos;

• administraciones públicas;

• universidades y centros académicos;

• ONG;

• determinados proyectos europeos.

Las organizaciones o personas deben estar establecidas en la Unión Europea o en un país asociado al programa Digital Europe. La Comisión señala además que estos servicios no tienen cuota de suscripción ni límite de uso para los usuarios elegibles y que los datos no se utilizan para entrenar modelos comerciales de IA.

Para muchas pymes españolas puede ser una de las primeras opciones que probaría.

Precio: gratuito para usuarios elegibles.

Nivel técnico: bajo.

Especialmente interesante para: pymes, autónomos, profesionales y organizaciones que quieran preparar documentos antes de introducirlos en otra herramienta de IA.

Aun utilizando una herramienta automática, conviene revisar el documento resultante antes de enviarlo al modelo. Ningún sistema de detección automática debería considerarse infalible.

2. Microsoft Presidio: gratuito, abierto y con posibilidad de trabajar en tu propia infraestructura

Para organizaciones con departamento técnico existe una opción especialmente potente: Microsoft Presidio.

Presidio es un proyecto de código abierto orientado a detectar y anonimizar información personal.

Puede trabajar con nombres, teléfonos, direcciones, identificadores y otras categorías de información personal, y permite instalar los componentes de análisis y anonimización mediante Python o Docker. También dispone de herramientas para redactar información en imágenes.

Su principal ventaja desde el punto de vista de privacidad es que una empresa puede desplegarlo dentro de su propia infraestructura en lugar de depender necesariamente de una aplicación web externa.

Esto permite plantear un flujo como:

Documento → Presidio → eliminación o sustitución de datos → IA

Antes de que la información llegue al modelo de inteligencia artificial, determinados datos personales ya han desaparecido o han sido sustituidos.

Precio: software de código abierto.

Nivel técnico: medio/alto.

Especialmente interesante para: empresas que quieran integrar automáticamente una capa de protección de datos delante de sus aplicaciones de IA.

No es la opción que recomendaría a una persona que únicamente quiere anonimizar ocasionalmente un Word. Es mucho más interesante para una organización que quiera construir un sistema estable.

3. Google Cloud Sensitive Data Protection

Google dispone de una plataforma específica para descubrir y transformar información sensible denominada Sensitive Data Protection, anteriormente conocida como Cloud DLP.

Puede detectar información personal y después aplicar distintas técnicas de desidentificación:

• enmascarar caracteres;

• eliminar datos;

• sustituir información por tokens;

• utilizar valores sustitutos;

• aplicar transformaciones criptográficas.

Google diferencia además entre métodos reversibles y no reversibles. Cuando existe una clave que permite recuperar posteriormente el dato original estamos ante un proceso de seudonimización o tokenización, no necesariamente ante anonimización definitiva.

Puede ser especialmente útil para construir aplicaciones en las que un empleado introduce información y, automáticamente, el sistema detecta los datos personales antes de transmitir el texto a un modelo de IA.

En septiembre de 2026, Google ofrece gratuitamente hasta 1 GiB mensual para determinadas operaciones de inspección y transformación de contenido. Superado ese volumen, el servicio funciona mediante pago por uso. La desidentificación de contenido comienza en 2 dólares por GiB según la modalidad y el volumen procesado.

Precio: pequeño nivel gratuito + pago por uso.

Nivel técnico: medio/alto.

Especialmente interesante para: empresas que ya trabajan con Google Cloud o desarrollan aplicaciones con IA.

4. Microsoft Azure AI Language: detección y redacción de datos personales antes del prompt

Microsoft Azure dispone de funciones específicas de detección y redacción de PII —Personally Identifiable Information— dentro de Azure Language.

Puede utilizarse sobre texto y también existe una funcionalidad orientada a documentos nativos. Actualmente Microsoft permite detectar y redactar información personal en archivos PDF, DOCX y TXT conservando la estructura y el formato del documento resultante.

La funcionalidad para texto resulta especialmente interesante para IA porque Microsoft contempla expresamente entre sus casos de uso el filtrado de prompts y respuestas antes de su procesamiento posterior por sistemas de inteligencia artificial.

Además de sustituir información mediante caracteres, las versiones actuales incorporan diferentes políticas de redacción y Microsoft está desarrollando funciones de sustitución mediante datos sintéticos.

Azure ofrece actualmente 5.000 registros de texto gratuitos al mes para determinadas funcionalidades de Language, entre ellas la detección de PII. A partir de ahí se aplica la tarifa correspondiente al servicio.

Precio: nivel gratuito limitado + pago por uso.

Nivel técnico: medio/alto.

Especialmente interesante para: empresas que trabajan con Microsoft Azure, Copilot, aplicaciones corporativas o desarrollos propios.

5. Amazon Comprehend

AWS también incorpora detección de información personal a través de Amazon Comprehend.

Puede identificar datos como direcciones, números de cuenta, teléfonos y otras categorías de PII. Para textos en inglés y español permite localizar las entidades detectadas y también generar versiones en las que esos datos hayan sido redactados.

Es una alternativa principalmente orientada a desarrolladores y organizaciones que ya utilizan infraestructura de Amazon Web Services.

El servicio funciona mediante pago por uso. AWS calcula el procesamiento en función del volumen de texto y del tipo de operación realizada.

Precio: pago por uso.

Nivel técnico: medio/alto.

Especialmente interesante para: organizaciones que ya utilizan AWS.

6. Redactable: mucho más sencilla para quien trabaja directamente con documentos

No todas las empresas necesitan APIs, servidores o desarrolladores.

Redactable está orientada directamente a la redacción de documentos y utiliza IA para localizar información que debería ocultarse.

Admite redacción automática, OCR para documentos escaneados, detección de firmas, imágenes y otros elementos, así como revisión antes de generar el documento definitivo.

Tiene además una ventaja para quien simplemente quiera probar este tipo de tecnología: actualmente permite procesar gratuitamente hasta tres documentos antes de contratar un plan. También dispone de pago por uso y suscripciones.

Los precios publicados actualmente comienzan en torno a los 19 dólares mensuales en determinadas modalidades de suscripción anual, aunque los planes y precios pueden cambiar.

Precio: prueba gratuita limitada + planes de pago.

Nivel técnico: bajo.

Especialmente interesante para: despachos, departamentos administrativos, RRHH o profesionales que trabajen principalmente con PDF y documentos.

7. Private AI: una solución orientada a organizaciones

Private AI está especializada precisamente en la detección, redacción y sustitución de información personal.

Puede trabajar con documentos, PDF, imágenes, audio y otros formatos, identifica más de 50 tipos de entidades y dispone de soporte para numerosos idiomas, incluido el español.

Su enfoque es claramente empresarial y permite integrar la detección de PII dentro de procesos tecnológicos más amplios.

Puede resultar especialmente interesante para construir sistemas en los que la información se desidentifica antes de enviarse a un LLM.

Precio: comercial; consultar con el proveedor según despliegue y necesidades.

Nivel técnico: medio/alto.

Especialmente interesante para: organizaciones con gran volumen de información sensible y proyectos de IA corporativos.

8. CaseGuard: para documentos, imágenes, audio y vídeo

Hay situaciones en las que el problema no está únicamente en el texto.

Una grabación puede contener nombres o información médica. Un vídeo puede mostrar caras o matrículas. Una fotografía puede contener documentación, pantallas o identificadores.

CaseGuard está orientada precisamente a estos escenarios.

Su plataforma puede redactar información en documentos, correos electrónicos, fotografías, audio y vídeo. En documentos utiliza IA para detectar diferentes categorías de PII y permite revisar el resultado antes de exportarlo.

Es una solución considerablemente más especializada y también más cara. Su plan para documentos aparece actualmente publicado desde 279 dólares por usuario y mes facturado anualmente.

Precio: de pago.

Nivel técnico: bajo/medio.

Especialmente interesante para: organizaciones que gestionan grandes cantidades de documentación, grabaciones, imágenes o vídeo.

¿Cuál elegir para una empresa pequeña?

No hace falta convertir la anonimización en otro proyecto tecnológico.

Para una pyme o un profesional que quiere empezar a utilizar IA con mayor prudencia, plantearía este orden:

La anonimización debe producirse antes de utilizar la IA

Este es probablemente el punto más importante.

Si copiamos primero un contrato con datos personales en una IA y después le pedimos:

“Anonimiza este documento”

la herramienta de inteligencia artificial ya ha recibido los datos originales.

Desde el punto de vista de minimización, es mucho más interesante realizar el proceso anteriormente:

Documento original → detección de información sensible → eliminación o sustitución → revisión humana → IA

Así, el modelo recibe únicamente la información que necesita para realizar la tarea.

Podemos incluso sustituir datos manteniendo el contexto:

• Ana Martínez → CLIENTE_01

• Transportes Murcia SL → EMPRESA_01

• 675 123 456 → TELÉFONO_01

• ana@empresa.es → EMAIL_01

• 12.345.678-X → DNI_01

El modelo sigue entendiendo perfectamente la estructura del documento.

Pero anonimizar no resuelve todos los riesgos

Eliminar nombres y teléfonos puede ser insuficiente.

Imaginemos este texto:

Director financiero de una empresa familiar de 17 trabajadores situada en una pequeña localidad de Murcia que sufrió un accidente el 3 de marzo.

Aunque eliminemos el nombre, el conjunto de información podría permitir identificar a esa persona.

La información personal también puede aparecer en:

• nombres de archivos;

• propiedades y metadatos de documentos;

• comentarios y control de cambios;

• imágenes;

• tablas;

• encabezados y pies de página;

• información contextual;

• documentos anexos.

Por eso una herramienta automática debe considerarse una ayuda dentro del proceso, no una garantía absoluta de anonimización.

Una regla sencilla antes de abrir ChatGPT, Copilot, Gemini o Claude

Antes de introducir documentación empresarial en una IA, podemos incorporar una pregunta al procedimiento interno:

¿Puede realizarse esta tarea sin enviar estos datos personales?

Si la respuesta es sí, eliminarlos previamente suele ser la opción más coherente con el principio de minimización de datos.

Las herramientas de anonimización permiten automatizar buena parte de ese trabajo.

Pero deben combinarse con algo más importante: saber qué herramienta de IA estamos utilizando, qué condiciones ofrece, qué ocurre con la información que introducimos, quién puede acceder a ella, durante cuánto tiempo se conserva y si realmente necesitamos comunicar esos datos para conseguir el resultado que buscamos.

La anonimización previa puede convertirse así en una medida sencilla y muy útil dentro de una política de uso responsable de inteligencia artificial en la empresa.