Qué redactar antes de enviar datos a un LLM

El primer riesgo de privacidad con IA no suele ser el modelo. Es el prompt: una pregunta útil con nombres, emails, números de contrato o datos de pago pegados como contexto. Con agentes pasa lo mismo, pero de forma automática y en cada petición.

La regla general:

• Conservar lo que el modelo necesita para hacer la tarea.
• Enmascarar los valores cuya estructura importa pero cuyo valor real no.
• Bloquear lo que nunca debe salir.
• Pasar a una persona cuando el dato es demasiado sensible para decidir de forma automática.

Qué buscar

Identificadores personales

Nombres, emails, teléfonos, DNI y pasaportes, identificadores de empleado. Si el modelo no necesita la identidad, sustitúyela por un marcador estable:

• María López → [PERSONA_01]
• maria@acme.es → [EMAIL_01]
• 12345678Z → [ID_01]

Referencias de contratos y cuentas

Los números de referencia parecen inofensivos, pero pueden revelar una relación con un cliente o un expediente.

• CT-48291 → [CONTRATO_01]
• FAC-1042 → [FACTURA_01]

Importes

El modelo puede necesitar saber que hay un importe, no la cifra exacta.

• 48.200 EUR → [IMPORTE_01]

Salud y otros datos regulados

Diagnósticos, notas de tratamiento y siniestros necesitan algo más que enmascarar. Normalmente la respuesta es una ruta aparte con una política explícita, a menudo con un modelo privado.

Secretos

Claves de API, tokens, contraseñas, URLs internas y detalles de productos no lanzados no deben ir en un prompt. Se bloquean; no se enmascaran.

Conservar el sentido

Una redacción que destruye la tarea fracasa, porque la gente vuelve a pegar los datos en bruto. Conserva el tipo de entidad, las relaciones, la secuencia de hechos y la escala cuando importa:

"Resume el riesgo de renovación de [PERSONA_01] en [EMPRESA_01]. El contrato es [CONTRATO_01] y el importe pendiente es [IMPORTE_01]."

El modelo puede seguir razonando. Simplemente no ve de quién se trata.

Errores habituales

• Limpiar después. Cuando el dato en bruto está en un chat, ya ha salido. El control tiene que estar antes del modelo.
• Redactarlo todo. Sin contexto, las respuestas empeoran y la gente busca cómo saltarse el control.
• Tratar todas las herramientas igual. Una app de chat de consumo, un espacio de equipo y un gateway privado son rutas distintas y necesitan reglas distintas.

Antes de que salga cualquier prompt

1. ¿Contiene datos personales, financieros, de salud o confidenciales del negocio?
2. ¿Necesita el modelo el valor exacto?
3. ¿Se pueden sustituir los identificadores por marcadores?
4. ¿Debería ir a un modelo privado o a una persona?
5. ¿Queda registrado el prompt final?

Hacerlo a mano no escala, y menos cuando son los agentes quienes envían las peticiones. Ese es el trabajo de una capa de control como nuestro Privacy Gateway; mira también IA privada.