Anonimización de datos personales en la era de los modelos de IA potentes
El informe examina la anonimización de datos personales en un momento en que los modelos de IA son capaces de cruzar atributos heterogéneos, inferir las características probables de una persona y reproducir fragmentos de su material de entrenamiento. El estudio responde a cuatro preguntas: cuándo puede considerarse anónima una información en sentido jurídico; cómo evaluar los riesgos residuales de singularización, vinculación e inferencia; qué pruebas debe aportar el desarrollador o titular de un conjunto de datos; y cómo cambia la evaluación al pasar de una tabla desidentificada a un modelo entrenado, un índice vectorial, un conjunto de datos sintéticos o unas estadísticas publicadas.
La base jurídica del análisis la constituyen el RGPD, la jurisprudencia del Tribunal de Justicia de la UE en los asuntos Breyer, IAB Europe y SEPD contra JUR, el Dictamen 28/2024 del EDPB sobre modelos de IA y el proyecto de Directrices 02/2026 sobre anonimización, con sus criterios No Record Isolation, No Linkage y No Inference; en la fecha del informe, el proyecto sigue sometido a consulta pública. Se analizan el k-anonimato, la l-diversidad y la t-cercanía, la privacidad diferencial y la contabilidad de su presupuesto, los datos sintéticos, las PETs y el aprendizaje federado, los ataques de inferencia de pertenencia, la inversión de modelos y la regurgitación, así como la comparabilidad de los enfoques de la UE, el Reino Unido y Estados Unidos.
La conclusión principal es que el anonimato es una valoración contextual, verificable y revisable, y no el nombre de un procedimiento de supresión de identificadores. Ninguna técnica por sí sola sustituye el examen de los medios de identificación que razonablemente puedan utilizarse; un modelo entrenado con datos personales no se vuelve anónimo automáticamente, y los embeddings y los sistemas de retrieval requieren sus propias pruebas. En ámbitos sensibles —búsquedas internacionales, extradición, cumplimiento en materia de sanciones y AML/KYC, migración—, una secuencia única de hechos procesales puede identificar a una persona más rápido que su nombre, y un error puede atribuirle falsamente una condición penal o sancionadora.
El Observatoire ARGA propone una metodología de auditoría independiente del anonimato en seis etapas, un pasaporte probatorio de la anonimización, protocolos de prueba, un programa piloto basado en datos artificiales y un proyecto de comentarios al documento del EDPB. La decisión de no publicar abiertamente se considera un resultado profesional plenamente válido y no un fracaso de la investigación.
El informe tiene carácter normativo y metodológico: no contiene resultados de pruebas de sistemas reales ni de registros de personas buscadas, sus ejemplos numéricos son ilustrativos y la ausencia de un ataque exitoso en un experimento no demuestra que sea imposible una extracción futura. Las plantillas internas, subrayan los autores, no deben denominarse «certificado RGPD».
Normas de citación
- Atribución obligatoria de la fuenteAl utilizar materiales de ARGA Observatory, se debe indicar el nombre completo.
- Indicación de fecha y versiónPara informes analíticos, es obligatorio indicar el año de publicación.
- Enlace al originalLos materiales electrónicos deben ir acompañados de un enlace activo al sitio oficial.
- Preservación del contextoLas citas no deben acortarse ni modificarse de manera que distorsionen el significado original.
- Nota de adaptaciónSi el texto está resumido o traducido, indicar: "adaptado del informe de ARGA Observatory".
- Prohibido el uso comercial sin permiso por escrito de la organización
- Preservación de la exactitud de los datosLos gráficos y tablas deben reproducirse sin cambios.
Consulte a los expertos de ARGA
Cuatro pasos breves. Respondemos en un día hábil.