IA y protección de datos personales: qué puede enviar tu empresa

Introducción

Todos los días, alguien de tu equipo pega un contrato, una planilla de clientes o un fragmento de código en una ventana de chat de inteligencia artificial, sin detenerse a pensar a dónde va ese texto después. El uso de IA en las empresas creció más rápido de lo que cualquier política interna logró acompañar, y la discusión sobre IA y protección de datos personales se volvió urgente para quien decide qué pueden recibir estas herramientas. La pregunta que importa no es si tu empresa puede usar inteligencia artificial: es qué puede escribirse ahí sin convertirse en un problema de seguridad o de cumplimiento. Esta guía trae criterios de clasificación de riesgo y un checklist práctico, sin transformarse en una clase de derecho.

Por qué la LGPD también aplica al uso de inteligencia artificial

Escribir un dato personal en un prompt de inteligencia artificial no es un gesto neutro: es una forma de tratamiento de datos, en el sentido que la ley le da al término. Al pegar un nombre, un número de documento o el historial de compras de un cliente en una herramienta de IA, tu empresa está recolectando, procesando y, en la mayoría de los casos, compartiendo esa información con un tercero, que es el proveedor de la herramienta. Esto no significa que el uso esté prohibido. La relación entre LGPD e inteligencia artificial no es de oposición: la ley no impide que una empresa use datos personales para entrenar modelos, generar insights o automatizar tareas, exige que ese uso tenga base legal, finalidad definida y seguridad compatible con el riesgo del dato involucrado. El punto que suele pasar desapercibido es que el riesgo no vive en la tecnología en sí. Dos empresas pueden usar exactamente el mismo modelo y tener niveles de exposición completamente distintos, según el dato que ingresan, la herramienta elegida y las configuraciones de privacidad activadas. Una cuenta corporativa con contrato de confidencialidad es un escenario; una cuenta gratuita usada por un colaborador con prisa es otro, con consecuencias bien distintas para el mismo tipo de dato.

Datos personales, sensibles e información estratégica: qué no enviar sin evaluación

Este es el núcleo de la pregunta sobre qué datos se pueden compartir con una IA: no todo dato personal tiene el mismo peso. Un dato personal común, como nombre, correo corporativo o teléfono, ya exige cuidado, pero un dato sensible carga un riesgo mayor. Salud, biometría, orientación sexual, convicción religiosa o información de niños y adolescentes entran en esa categoría y piden evaluación previa cada vez que aparecen en un prompt. El problema no se detiene en la clasificación aislada del dato. Información de clientes que parece inofensiva por separado, como ciudad, profesión y rango de edad, puede bastar para reidentificar a una persona cuando se cruza con otras bases ya disponibles públicamente o dentro de la propia empresa. Un ejemplo concreto ilustra el mecanismo: un agente describe, en un prompt para resumir un caso, "clienta de Bogotá, ingeniera, entre 30 y 35 años, quejándose por la demora en la entrega de un producto de nicho". Aislado, esto parece anónimo. Cruzado con un perfil público de redes sociales que menciona la misma profesión, la misma ciudad y una queja reciente sobre el mismo producto, el conjunto apunta a una única persona identificable, incluso sin nombre ni documento en el texto original. Cambiar el nombre por un código no basta cuando el resto del contexto sigue apuntando a alguien específico: la reidentificación depende del conjunto de pistas, no de un único campo aislado.

Datos personales y sensibles de clientes y colaboradores

• Nombre completo, documento de identidad, correo y teléfono combinados con otro identificador, como dirección o fecha de nacimiento
• Datos de salud, biometría o historial médico, incluso en relatos informales de atención
• Orientación sexual, convicción religiosa o afiliación sindical, categorías que la ley ya trata como dato sensible por definición
• Datos de niños y adolescentes, sujetos a protección reforzada incluso en contextos aparentemente inofensivos, como registros escolares
• Combinaciones de datos como ciudad, profesión, rango de edad e historial de compra, que juntas permiten reidentificar a un cliente específico

Credenciales e información estratégica del negocio

• Contraseñas, claves de API, tokens de acceso y cadenas de conexión a bases de datos, incluso en pruebas rápidas de código
• Contratos y propuestas comerciales en negociación, cuya filtración puede costar toda una ventaja competitiva
• Roadmap de producto, planes de lanzamiento e información financiera no pública
• Código fuente propietario y algoritmos que constituyen ventaja competitiva de la empresa
• Actas de reunión con decisiones estratégicas todavía no comunicadas al mercado ni a los propios empleados

Qué se puede compartir con menor riesgo

No todo lo que pasa por una IA representa un riesgo alto. Existe un espacio legítimo de uso liberado, siempre que el origen del dato y el nivel de anonimización de datos para IA estén claros antes del envío. El contenido ya público, como el texto del propio sitio, material de marketing ya publicado o datos de mercado abiertos, carga un riesgo bajo por naturaleza, porque no hay secreto que proteger ahí. Los datos verdaderamente anonimizados, sin ninguna posibilidad práctica de reidentificación, también reducen el riesgo de forma real, pero una anonimización mal hecha, que solo cambia el nombre y mantiene fecha de nacimiento, código postal y profesión, no cuenta como protección y engaña a quien cree estar seguro. Las tareas de productividad genéricas, como resumir un texto público o revisar la gramática de un borrador sin dato sensible, son candidatas naturales a ese uso liberado. Aun así, incluso estas categorías necesitan estar previstas en una política interna. La decisión sobre qué es lo suficientemente seguro no debería quedar a criterio individual de cada colaborador: necesita un criterio único, probado y revisado por la empresa.

Cuando ese uso liberado empieza a crecer, las soluciones corporativas de inteligencia artificial a medida ofrecen un entorno más controlado para expandir la adopción sin multiplicar el riesgo.

Shadow AI: el problema de usar ChatGPT, Gemini y Claude sin control corporativo

Esa política interna, sin embargo, casi nunca existe donde se instala el shadow AI en las empresas. El término describe el uso de herramientas de inteligencia artificial por iniciativa individual, fuera de cualquier contrato corporativo y sin visibilidad de TI ni del área de seguridad de la información. Un colaborador crea una cuenta gratuita una tarde, resuelve un problema real y nunca más avisa a nadie, aunque ese flujo termine manejando datos de clientes cada semana. El detalle que pocas empresas verifican es que las cuentas gratuitas de herramientas públicas, según la configuración y el plan contratado, pueden usar el contenido enviado para entrenar el propio modelo. Esto significa que un contrato en negociación, pegado en una cuenta personal de ChatGPT, Gemini o Claude, puede terminar incorporado al historial de entrenamiento de un producto que ni siquiera pertenece a la empresa. El riesgo central no es la marca de la IA usada. Es la ausencia de control sobre dónde termina almacenado ese dato ingresado, por cuánto tiempo y quién más puede acceder a él.

El problema del shadow AI nunca fue la herramienta elegida por el colaborador. Es que la empresa no sepa que esa herramienta está en uso.

Al momento de elegir un socio para poner orden en este escenario, importa evaluar experiencia real en gobernanza, no solo capacidad técnica; ese es justamente el criterio que desarrollamos en el artículo sobre cómo elegir una consultora de inteligencia artificial. Aquí el recorte es otro: no es el agente construido por el equipo de negocio, es el dato que cualquier persona puede escribir en una ventana de chat.

Checklist antes de enviar un dato a una IA

Antes de decidir si un dato puede ir a una IA, conviene correr un checklist corto. No reemplaza una política formal, pero evita la mayoría de los errores que ocurren por prisa o por falta de criterio en el día a día, y cada punto de abajo ya trae la prueba práctica que puedes aplicar en el momento.

• ✓Finalidad: existe una razón de negocio clara para que ese dato específico entre a la IA, y no solo conveniencia. Pedirle a la IA "resumir esta atención" es una finalidad legítima; pegar toda la base de clientes solo para "ver qué opina la herramienta" no lo es
• ✓Necesidad y minimización: es posible usar una versión reducida, resumida o anonimizada de la misma información. Cambiar nombre y documento por un número de protocolo interno ya resuelve buena parte de los casos de resumen de atención, sin perder lo que la IA necesita para ayudar
• ✓Proveedor y contrato: la herramienta tiene una cláusula explícita de no retención o de no entrenamiento con los datos enviados. Esto suele estar en los términos del plan empresarial, no en el plan gratuito usado en la computadora personal
• ✓Almacenamiento y acceso: está claro dónde queda el dato después del procesamiento y quién tiene permiso para acceder a él. Si nadie del equipo puede responder esa pregunta en una frase, el dato probablemente no debería haberse enviado
• ✓Política interna: esa categoría de dato está explícitamente autorizada por la política de uso de IA de la empresa, no solo tolerada en la práctica. Uso tolerado y uso autorizado parecen lo mismo hasta el día en que algo sale mal y nadie puede mostrar la regla que estaba vigente

Cómo estructurar una política corporativa de uso de IA

Pasar del uso informal de IA a una adopción corporativa controlada no exige un proyecto de meses. Exige una secuencia clara de decisiones, tomadas una vez y revisadas con regularidad, lo que también es el antídoto directo contra el shadow AI descrito en la sección anterior. Ya detallamos cómo estructurar este tipo de implementación de IA en las empresas desde el punto de vista de caso de uso; aquí el foco es la política que decide qué puede alimentar esos casos de uso.

1. 1Definir herramientas autorizadasElige qué herramientas de IA la empresa contrata oficialmente, con plan empresarial y contrato firmado, y veta el uso de cuentas personales para cualquier tarea corporativa, incluso en cuentas gratuitas usadas de buena fe
2. 2Clasificar los datos por nivel de riesgoMapea las categorías de dato que la empresa produce, desde el contenido ya público hasta el dato sensible de cliente, y define en una tabla simple qué categoría puede ir a qué herramienta, con base en los criterios de este artículo
3. 3Capacitar a los equipos de forma recurrenteUn documento publicado en la intranet sin capacitación no cambia comportamientos; refuerza la política en el onboarding y en ciclos periódicos, usando ejemplos reales del propio sector de la empresa, no solo el texto genérico de la norma
4. 4Monitorear el uso real y revisar la políticaSigue de cerca qué herramientas realmente circulan en la empresa, mediante encuestas directas a los equipos o herramientas de visibilidad de red, y actualiza los criterios a medida que aparecen nuevos casos de uso y nuevos modelos

Este proceso gana consistencia cuando está conectado a una estructura de gobernanza de IA y seguridad en inteligencia artificial dedicada, como el frente de Safe AI de Agence, apoyado en las certificaciones que sostienen el método detrás de cada entrega.

IA pública vs. IA corporativa: por qué esa diferencia lo cambia todo

La diferencia entre una IA pública y una IA corporativa no está en el nombre del modelo, está en el contrato detrás de él. Una herramienta gratuita, usada con una cuenta personal, normalmente opera bajo términos de uso genéricos, sin contrato dedicado y con posibilidad real de retener el contenido enviado para entrenar futuras versiones del modelo. Una IA corporativa o empresarial, contratada formalmente por la empresa, suele venir con cláusulas de confidencialidad, entorno aislado y, en la mayoría de los planes, garantía de que el input no se usa para entrenar el modelo. La diferencia práctica no es la marca del modelo usado, es el tipo de cuenta, el contrato firmado y la configuración de privacidad efectivamente activada: el mismo ChatGPT, por ejemplo, se comporta de formas bien distintas según esté corriendo en una cuenta personal gratuita o en un plan empresarial con términos negociados. La siguiente tabla resume los dos escenarios lado a lado.

En la práctica, esto significa que la pregunta correcta antes de cualquier envío no es "¿esta IA es confiable?", es "¿en qué condiciones de contrato y configuración estoy usando esta IA ahora?". La misma tecnología puede estar en cualquiera de los dos lados de esa línea dependiendo solo de cómo tu empresa la contrató.

Preguntas frecuentes sobre IA y LGPD

Lleva tu estrategia de IA a un entorno seguro con Agence

El objetivo de todo esto nunca fue frenar el uso de inteligencia artificial en tu empresa, fue darte criterio para usarla con confianza. Solo que estructurar la clasificación de datos, escribir la política de uso y capacitar a los equipos consume un tiempo que el equipo de TI rara vez tiene de sobra, junto con una experiencia específica en gobernanza que pocas empresas construyeron internamente. Conversa con Agence sobre cómo aplicar seguridad y gobernanza de IA en la práctica, sin frenar la productividad que la tecnología ya trajo a tu negocio.

Habla con un especialista