Antes de entregar tus datos a la IA: Cómo protegerlos, limpiarlos y prepararlos para obtener resultados realmente útiles.

Nov 18, 2026 | Control y Datos, Optimización y Automatización

Cada vez más profesionales suben hojas de cálculo, exportaciones de CRM, informes internos, contratos o listados de clientes a herramientas de inteligencia artificial. La utilidad es evidente: la IA puede resumir información, encontrar patrones, clasificar incidencias y acelerar análisis que antes exigían horas de trabajo. Sin embargo, entre el archivo original y la respuesta obtenida existe una fase que muchas organizaciones todavía no gestionan correctamente: la preparación segura y rigurosa de los datos.

El riesgo no se limita a que aparezca el nombre de una persona. Un cliente puede seguir siendo reconocible por la combinación de su edad, ubicación, nacionalidad, cargo, propiedad, fecha de una operación o situación financiera. Además, un archivo puede no contener datos personales y, aun así, exponer márgenes, contratos, estrategias comerciales u otros secretos empresariales. A esto se suma un segundo problema: una base protegida puede generar una mala decisión si está incompleta, duplicada, desactualizada o mal estructurada.

Por eso, utilizar datos con IA exige trabajar sobre dos dimensiones al mismo tiempo. La primera es la privacidad y la confidencialidad. La segunda es la calidad. Proteger sin ordenar reduce el riesgo, pero no garantiza una respuesta correcta. Limpiar sin proteger mejora el análisis, pero puede exponer a personas y empresas. El proceso solo funciona cuando ambas dimensiones se gestionan de forma conjunta.

    Borrar los nombres no convierte un archivo en anónimo

    Imaginemos una inmobiliaria que quiere comprender por qué algunos compradores abandonan su proceso comercial. Antes de utilizar una herramienta de IA, el equipo exporta los datos de su CRM y elimina nombres, correos electrónicos y teléfonos. A primera vista, el archivo parece anónimo. Sin embargo, una de sus filas todavía indica que se trata de una persona de 47 años, de nacionalidad sueca, que visitó en una fecha exacta una villa concreta valorada en 2,3 millones de euros, tuvo una dificultad de financiación y presentó una reclamación.

    Aunque su nombre haya desaparecido, alguien dentro de la inmobiliaria podría reconocerla en segundos. La identidad no siempre se encuentra dentro de una única columna; muchas veces surge al relacionar varios campos aparentemente normales. Cuanto más singular sea la operación y menor sea el conjunto de personas posibles, mayor será el riesgo de reidentificación.

    El Reglamento General de Protección de Datos considera dato personal cualquier información relacionada con una persona identificada o identificable. La Comisión Europea recuerda, además, que los datos desidentificados, cifrados o seudonimizados continúan siendo datos personales cuando todavía pueden utilizarse para volver a identificar a alguien. Por tanto, borrar identificadores evidentes es un buen comienzo, pero no es el final del proceso.

      Anonimización y seudonimización no significan lo mismo

      Cuando Marta Ruiz se transforma en Cliente 027 estamos ante una seudonimización si existe otra tabla que permite relacionar el código con su identidad. Esta medida reduce la exposición directa y puede ser muy útil para trabajar internamente, pero el conjunto sigue necesitando protección. La tabla de correspondencias debe conservarse por separado, con acceso restringido y sin incluirse en el archivo entregado a la IA.

      La anonimización persigue un resultado más exigente: que la persona ya no pueda ser identificada mediante medios razonablemente probables. El Comité Europeo de Protección de Datos distingue expresamente ambos conceptos y señala que solo los datos verdaderamente anónimos dejan de considerarse datos personales. La Agencia Española de Protección de Datos también advierte que la anonimización debe considerar referencias directas e indirectas y el riesgo de reidentificación posterior.

      Esta diferencia evita una de las confusiones más frecuentes en proyectos de datos: presentar como anónimo un conjunto que simplemente ha sustituido nombres por códigos. La seudonimización es una protección valiosa, pero no elimina por sí sola las obligaciones asociadas al tratamiento de datos personales.

        Los datos que parecen inofensivos pueden revelar demasiado

        Los identificadores directos suelen ser fáciles de reconocer: nombre, DNI, teléfono, correo, dirección, matrícula, cuenta bancaria, fotografía o grabación de voz. El riesgo más difícil de detectar se encuentra en los identificadores indirectos. Una edad exacta, el código postal, el cargo, una fecha, una propiedad visitada o un importe concreto pueden no identificar a nadie por separado, pero sí cuando se combinan con información interna o pública.

        También deben revisarse las columnas de observaciones. Los textos libres pueden contener nombres, entidades financieras, enfermedades, conflictos laborales, reclamaciones, circunstancias familiares o valoraciones subjetivas. No basta con eliminar determinadas palabras de forma automática. Es necesario comprender el contexto y decidir si ese texto puede sustituirse por una categoría normalizada o si debe excluirse por completo.

        La protección tampoco termina en los datos personales. Una empresa puede borrar correctamente toda referencia a clientes y, aun así, compartir precios negociados, previsiones, márgenes, contratos, credenciales, estrategias o incidencias internas. La pregunta previa no debe ser únicamente si el archivo contiene datos personales, sino también si contiene información que la organización no entregaría a un tercero sin autorización.

        La mejor protección empieza por no entregar lo que no se necesita

        Antes de limpiar o anonimizar un archivo conviene definir qué queremos averiguar. Una petición como “analiza estos clientes” es demasiado abierta. Una pregunta concreta —por ejemplo, identificar los motivos de abandono más frecuentes según zona, tipo de propiedad, periodo y rango presupuestario— permite determinar qué columnas aportan valor y cuáles son prescindibles.

        Si el objetivo es analizar el abandono comercial, la IA probablemente no necesita conocer el nombre del comprador, su teléfono, la dirección exacta, la entidad bancaria o las notas privadas del agente. Puede ser suficiente trabajar con rangos de edad, zonas generales, tipos de propiedad, trimestres, segmentos presupuestarios y motivos normalizados.

        Este enfoque responde al principio de minimización: tratar únicamente datos adecuados, pertinentes y necesarios para una finalidad determinada. La exactitud y la limitación del tiempo de conservación completan este criterio. La pregunta correcta no es cómo subir toda la base de datos de forma segura, sino qué parte de la base resulta verdaderamente necesaria para resolver la cuestión planteada.

        Cómo conservar utilidad sin mantener una precisión innecesaria

        Proteger los datos no significa destruir su valor analítico. Muchas veces podemos reducir precisión sin perder la capacidad de analizar tendencias. Una edad de 47 años puede convertirse en un rango de 45 a 54; una urbanización concreta puede transformarse en Costa del Sol; una fecha exacta puede expresarse como trimestre; y un importe de 2.375.000 euros puede convertirse en el segmento de dos a dos millones y medio.

        El mismo criterio puede aplicarse a las propiedades, sustituyendo la referencia exacta por una categoría como villa, apartamento o parcela. Una nota que menciona que una hipoteca fue rechazada por una entidad concreta puede reemplazarse por “dificultad de financiación”. Así se conserva información útil para el análisis sin mantener detalles que aumentan la exposición.

        No existe, sin embargo, una transformación universal. Un rango demasiado amplio puede ocultar diferencias importantes, mientras que uno demasiado estrecho puede permitir reconocer a una persona. La decisión debe adaptarse al tamaño del conjunto, al contexto, a la finalidad y a la posibilidad de relacionarlo con otras fuentes.

        La privacidad protege a las personas y la calidad protege la decisión

        Después de proteger la información todavía queda por resolver la calidad. Una IA puede procesar un archivo desordenado y devolver una explicación bien redactada, segura y convincente. Esa apariencia no demuestra que la conclusión sea correcta.

        Si Marbella aparece como “Marbella”, “MARBELLA”, “Marbella, Málaga” y “Málaga – Marbella”, el sistema puede interpretar que existen categorías diferentes. Algo parecido ocurre cuando se mezclan euros y dólares, las fechas utilizan formatos incompatibles, una celda vacía se interpreta como cero, un mismo cliente aparece duplicado o las categorías cambian a lo largo del tiempo.

        La calidad exige comprobar si la información está completa, es válida, mantiene reglas comunes, evita duplicidades injustificadas y continúa vigente. También requiere distinguir una ausencia real de un dato no recogido. Una celda vacía puede significar que la información es desconocida, que no se aplica, que hubo un error de exportación o que el registro quedó incompleto. Convertir automáticamente todos los vacíos en cero crea una certeza que no existía.

        Los duplicados tampoco deberían eliminarse a ciegas. Dos filas pueden representar un error, pero también dos visitas, dos oportunidades, una actualización o dos integrantes de una misma unidad familiar. Antes de borrar es necesario definir qué combinación de campos constituye realmente un duplicado para ese proceso de negocio.

        Un procedimiento práctico antes de utilizar IA

        El proceso comienza conservando el archivo original sin modificar, en una ubicación autorizada y con acceso restringido. La limpieza debe realizarse sobre una copia. A continuación se define la pregunta de negocio y se crea un inventario de campos que identifique para qué sirve cada columna, si es necesaria, qué sensibilidad tiene y qué acción se aplicará.

        Después se eliminan los campos prescindibles y se transforman los que todavía resultan útiles. Los identificadores directos pueden borrarse o sustituirse por códigos; las edades, fechas, ubicaciones e importes pueden generalizarse; y las observaciones pueden clasificarse en categorías controladas. Si existe una tabla que relaciona códigos con identidades, debe separarse del conjunto analítico y mantenerse bajo permisos específicos.

        La siguiente fase consiste en normalizar formatos y catálogos. Todas las fechas deben seguir el mismo criterio; las monedas deben estar identificadas; las ubicaciones y motivos deben ajustarse a valores permitidos; y los rangos no deben solaparse. Una vez estandarizado el archivo, se revisan vacíos, duplicados, valores imposibles, categorías no reconocidas, registros singulares y combinaciones que puedan facilitar una reidentificación.

        La revisión humana sigue siendo imprescindible, especialmente en textos libres, reclamaciones y casos excepcionales. Finalmente se crea una copia independiente que contenga únicamente valores y columnas aprobadas. Esa copia no debería incluir hojas ocultas, comentarios, fórmulas innecesarias, tablas de correspondencias, conexiones externas ni información auxiliar utilizada durante la preparación.

        La herramienta también forma parte del riesgo

        Preparar el archivo no basta si se desconoce qué ocurre después de subirlo. Antes de utilizar una plataforma de IA conviene comprobar si la cuenta es personal o empresarial, qué condiciones contractuales se aplican, dónde se procesan los datos, durante cuánto tiempo se conservan, si pueden utilizarse para entrenar o mejorar servicios y quién puede acceder a ellos.

        La AEPD recomienda evaluar también metadatos, registros y telemetría. Una versión empresarial puede ofrecer mejores garantías de gobierno y control, pero no convierte cualquier tratamiento en legítimo ni hace innecesaria la minimización. La protección depende de la combinación entre contrato, configuración, permisos, procedimiento interno y comportamiento de los usuarios.

        El prompt forma parte del tratamiento. Una empresa puede preparar correctamente el archivo y, después, solicitar a la IA que deduzca quién es cada persona, infiera características sensibles o genere perfiles no autorizados. Las instrucciones deben limitarse a la finalidad definida y la respuesta debe ser revisada antes de utilizarse en decisiones comerciales, laborales, financieras, médicas, legales o contractuales.

        Grietas que suelen pasar desapercibidas

        Los metadatos son una de las grietas menos visibles. Un documento de Office o un PDF puede conservar el autor, la empresa, comentarios, revisiones, nombres de usuarios, rutas internas y propiedades del archivo. Eliminar el contenido visible no garantiza que estos elementos hayan desaparecido.

        En Excel, la información puede permanecer dentro de hojas o columnas ocultas, rangos con nombre, tablas dinámicas, conexiones, consultas, comentarios o fórmulas. Por eso resulta más seguro crear un archivo final independiente y pegar únicamente los valores autorizados que reutilizar el libro de trabajo original.

        Los grupos pequeños son otra fuente de riesgo. Incluso después de generalizar edades y ubicaciones, una combinación puede seguir siendo única: la única clienta de determinada nacionalidad, la única operación superior a cinco millones o la única reclamación registrada durante un trimestre. La evaluación debe observar cuántas personas comparten realmente cada combinación.

        También existe un riesgo de enlace. Un archivo puede parecer seguro por sí solo y dejar de serlo cuando se combina con redes sociales, anuncios inmobiliarios, registros públicos, calendarios, correos o información conocida por los trabajadores. La anonimización debe evaluarse considerando fuentes externas razonablemente accesibles, no únicamente las columnas visibles.

        Los escenarios futuros amplían el perímetro de riesgo

        El siguiente salto no será simplemente utilizar mejores asistentes de texto. Las organizaciones están conectando la IA con correos, CRM, carpetas, calendarios, bases de conocimiento y aplicaciones internas. En estos entornos, una instrucción maliciosa incluida dentro de un documento, una página web o un correo puede intentar alterar el comportamiento del sistema, extraer información o provocar una acción no autorizada.

        OWASP sitúa la inyección de prompts y la divulgación de información sensible entre los principales riesgos de las aplicaciones basadas en modelos de lenguaje. La protección no puede depender únicamente de una instrucción que diga “no compartas información”. Se necesitan permisos mínimos, separación entre sistemas, controles de acceso, registros de actividad y validación antes de ejecutar acciones.

        Las bases de conocimiento corporativas plantean otro desafío. Una empresa puede cargar contratos, manuales, expedientes y propuestas para facilitar búsquedas internas. Sin embargo, si la IA no respeta correctamente los permisos de cada documento, una persona podría consultar información a la que no tendría acceso desde el sistema original. El control debe aplicarse al dato, al usuario y a la acción, no confiarse exclusivamente al modelo.

        La acumulación de conversaciones también merece atención. Un mensaje aislado puede parecer inocuo, pero cientos de interacciones pueden reconstruir estrategias, listas de clientes, problemas operativos y decisiones financieras. Las organizaciones necesitarán políticas de conservación y eliminación que incluyan historiales, archivos adjuntos, registros y copias intermedias.

        Los datos sintéticos pueden ayudar, pero tampoco son automáticamente seguros. Si reproducen con demasiada fidelidad las combinaciones del conjunto original, pueden mantener singularidades o permitir inferencias. Será necesario evaluar al mismo tiempo su utilidad analítica y la distancia que conservan respecto a personas reales.

        Regulación, gobierno y responsabilidad

        El Reglamento Europeo de Inteligencia Artificial introduce un marco basado en riesgos y establece obligaciones diferentes según el tipo de sistema y el papel de cada organización. Sin embargo, no sustituye al RGPD. Cuando una herramienta de IA procesa datos personales, las normas de protección de datos continúan siendo aplicables.

        El NIST AI Risk Management Framework propone integrar la confiabilidad y la gestión del riesgo durante el diseño, uso y evaluación de los sistemas. Su perfil específico para IA generativa refuerza la necesidad de documentar usos, evaluar riesgos y mantener supervisión durante todo el ciclo de vida, no solamente en el momento de contratar una herramienta.

        Una política interna útil debe explicar qué herramientas están autorizadas, qué datos no pueden introducirse, qué usos requieren aprobación, cómo preparar la información, quién revisa los resultados, durante cuánto tiempo se conservan las copias y cómo se gestiona un incidente. La formación debe ofrecer ejemplos concretos: esto puede utilizarse; esto necesita anonimización; esto requiere autorización; esto no debe compartirse.

        Cuando se procesan datos de salud, menores, información biométrica, grandes volúmenes, perfiles o decisiones con efectos relevantes, una plantilla no sustituye una evaluación jurídica y técnica. Si el tratamiento puede implicar un alto riesgo para los derechos y libertades, debe valorarse una Evaluación de Impacto relativa a la Protección de Datos. La AEPD ofrece herramientas de apoyo como GESTIONA RGPD, pero recuerda que estas no reemplazan el análisis de necesidad, proporcionalidad y riesgo que corresponde a la organización responsable.

        Qué debería comprobar una organización antes de compartir un archivo

        Antes de subir información, la organización debería poder demostrar que la pregunta está definida, que trabaja sobre una copia, que cada campo ha sido clasificado y que se han eliminado datos innecesarios. También debería haber revisado identificadores directos e indirectos, textos libres, combinaciones singulares, rangos, catálogos, duplicados, vacíos y registros imposibles.

        El archivo final debe contener solamente la información aprobada, sin elementos ocultos ni auxiliares. La herramienta y el caso de uso tienen que estar autorizados, las condiciones de tratamiento deben ser conocidas y una persona debe validar el resultado antes de actuar. También conviene establecer cuándo se eliminará la copia preparada. Si alguno de estos controles continúa pendiente, el archivo todavía no está listo para compartirse.

        Recursos prácticos para aplicar el proceso

        Para convertir estos principios en un procedimiento aplicable, Doctor Tecnológico pone a disposición dos recursos complementarios. El manual práctico explica cómo clasificar la información, detectar identificadores, reducir el riesgo de reidentificación, transformar datos sensibles, limpiar archivos y seleccionar herramientas según su nivel de sensibilidad.

        La plantilla reutilizable de Excel permite aplicar el proceso directamente. Incluye un ejemplo resuelto, inventario de campos, clasificación de riesgos, catálogos de normalización, controles de calidad, registro de transformaciones, checklist y una hoja final preparada para entregar a una herramienta de IA.

        Recurso

        Contenido y descarga

        Manual práctico

        Procedimiento completo de privacidad y calidad, ejemplos, herramientas y checklist.
        [INSERTAR ENLACE DEL MANUAL]

        Plantilla de Excel

        Aplicación paso a paso con ejemplo, controles, catálogos y copia final para IA.
        [INSERTAR ENLACE DE LA PLANTILLA]

        Estos materiales son orientativos y deben adaptarse a la naturaleza de los datos, la finalidad del tratamiento, las herramientas utilizadas y las obligaciones aplicables en cada organización.

        Conclusión

        La conversación sobre inteligencia artificial suele centrarse en qué herramienta utilizar o qué prompt escribir. Sin embargo, muchas respuestas incorrectas, filtraciones y riesgos de privacidad comienzan antes, en el archivo que entregamos.

        Borrar nombres no siempre anonimiza. Anonimizar no garantiza calidad. Tener datos limpios no autoriza cualquier uso. Y utilizar una versión empresarial no elimina la necesidad de decidir qué información debe compartirse.

        Una utilización responsable de la IA comienza definiendo qué queremos averiguar, utilizando únicamente los datos necesarios, protegiendo y validando la información antes de compartirla y revisando humanamente los resultados antes de actuar. La IA no necesita todos los datos que posee una organización. Necesita los datos correctos, preparados para un propósito concreto y gestionados dentro de un proceso seguro.

        Fuentes y recursos relacionados

        1. Agencia Española de Protección de Datos. Innovación y Tecnología
        2. AEPD. Guía básica de anonimización
        3. AEPD. Adecuación al RGPD de tratamientos que incorporan inteligencia artificial
        4. AEPD. Seguridad de los tratamientos
        5. AEPD. Herramienta GESTIONA RGPD
        6. Comité Europeo de Protección de Datos. Anonimización y seudonimización
        7. Comisión Europea. Principios del RGPD
        8. Unión Europea. Reglamento de Inteligencia Artificial
        9. NIST. Artificial Intelligence Risk Management Framework
        10. NIST. Generative Artificial Intelligence Profile
        11. OWASP. Top 10 Risks for LLM and Generative AI Applications
        12. ENISA. Pseudonymisation techniques and best practices

          Recursos prácticos para preparar tus datos antes de utilizar IA

          Manual práctico en Word

          Guía detallada para proteger, limpiar y preparar datos antes de utilizarlos con inteligencia artificial. Incluye procedimientos paso a paso, ejemplos, criterios de privacidad y calidad, herramientas recomendadas y pautas para trabajar con archivos Excel, CSV y exportaciones de CRM.

          Plantilla práctica en Excel

          Herramienta reutilizable para aplicar el proceso directamente sobre tus datos. Incluye un ejemplo resuelto, inventario de campos, clasificación de riesgos, catálogos de normalización, controles de calidad, registro de transformaciones, checklist de privacidad y una hoja final preparada para entregar a la IA.

          Qué significa esto para una empresa

          En una empresa, esto no es solo una herramienta puntual, sino una oportunidad para mejorar la forma en la que se crean, gestionan y escalan los procesos internos. Integrar este tipo de soluciones permite optimizar tiempos, reducir la dependencia de tareas manuales y generar resultados más consistentes.

          Además, abre la puerta a nuevas formas de producción de contenido, automatización y toma de decisiones basadas en datos, lo que impacta directamente en la eficiencia operativa y la capacidad de crecimiento del negocio.

          La clave no está únicamente en usar la tecnología, sino en integrarla dentro de un sistema bien estructurado que conecte procesos, equipos y objetivos estratégicos.

          Este contenido forma parte de un sistema empresarial más amplio

          Este contenido no debe entenderse de forma aislada, sino como parte de un sistema empresarial más amplio donde cada elemento cumple una función dentro del crecimiento del negocio.

          La arquitectura define la base sobre la que operan los procesos, la automatización permite escalar sin aumentar la carga operativa, el control asegura la toma de decisiones con información clara, y el crecimiento se construye a partir de sistemas que funcionan de forma coordinada. Todo ello apoyado por la tecnología como facilitador.

          Entender cómo se conectan estos elementos es lo que permite pasar de acciones puntuales a un modelo de negocio más estructurado, eficiente y escalable.

          Artículos relacionados

          Convierte este conocimiento en mejoras reales para tu empresa

          Si quieres aplicar estos conceptos en tu negocio, analizamos la estructura, los procesos y el sistema de crecimiento de tu empresa para identificar oportunidades de mejora.
          1
          Escanea el código
          Resumen de privacidad

          Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.