Borrar el nombre antes de usar una IA puede seguir dejando a la persona dentro

Cambias el nombre por «persona A» y pegas el resto. Quedan el municipio, una profesión poco frecuente, el día del accidente y una secuencia familiar muy singular. El nombre ha desaparecido; la posibilidad de reconocer a alguien puede seguir ahí. La privacidad también depende de cómo se combinan los detalles.

Rocher y sus colaboradores analizaron en 2019 la reidentificación en conjuntos de datos incompletos mediante modelos generativos. Mostraron que retirar identificadores evidentes y disponer solo de una parte de una población no garantiza un riesgo bajo. El estudio trabajó con datos estructurados: no calculó la probabilidad de identificar a una persona en cualquier conversación con una IA.

La conexión práctica es una inferencia: antes de trasladar una historia a una herramienta externa, conviene preguntar qué combinaciones la hacen reconocible. Una fecha exacta puede parecer inocente hasta que se une a una noticia pública. Una localidad amplia puede estrecharse mucho al añadir un cargo único. Revisar cada dato por separado puede dejar fuera esa suma.

Haz el ejercicio con un caso completamente inventado. Redacta una consulta como si necesitaras organizar un análisis. Después crea una segunda versión que conserve solo el problema: «¿Cómo diferenciar observación, interpretación y fuente en una cronología?». Compara qué detalles de la historia eran necesarios para responder y cuáles solo la hacían más identificable.

Si necesitas ejemplos, construye escenas ficticias sin combinarlas con sucesos de una persona real. Cuando el trabajo sí requiera documentación auténtica, la decisión depende del servicio concreto, sus condiciones y el entorno autorizado para esos datos. Sustituir palabras no demuestra por sí solo que una carga esté protegida. Tampoco un asistente puede certificar la anonimización porque diga que no reconoce a nadie.

Este artículo no audita una plataforma ni ofrece un porcentaje universal de riesgo. El estudio de 2019 no evaluó los modelos actuales. El objetivo del ejercicio es detectar información prescindible antes de compartirla. Empieza por la tarea que quieres resolver y exige una razón para cada detalle que añades. Muchas consultas útiles necesitan una buena pregunta metodológica; no necesitan que viaje con ella una vida entera.