Gobernar antes que adoptar: la disciplina de datos exigida para usar la IA

La mayoría de los entornos laborales utilizan la inteligencia artificial en alguna de sus formas; eso no es ninguna novedad. Según McKinsey, el 88% de los colaboradores utiliza IA de forma habitual en al menos una función del negocio. Pero el desafío de la ecuación es la disciplina que rodea ese uso.

Esa disciplina no está avanzando al mismo ritmo. El 2026 State of Cybersecurity Report de Ivanti revela que solo el 55% de los profesionales de ciberseguridad utiliza lineamientos formales (guardrails) para gobernar cómo se despliegan y operan los sistemas y agentes de IA. Es decir, la mitad del sector confía en el criterio individual, en las configuraciones por defecto de los proveedores para decidir qué datos se pueden ingresar de forma segura en un modelo.

La reidentificación de datos nos atrapa

El supuesto histórico de que la información deja de ser “dato personal” al eliminar nombres, correos electrónicos o números de identificación ya no se sostiene. Cuando los ID de dispositivos, direcciones IP, patrones de comportamiento, metadatos y ubicaciones precisas se cruzan entre diferentes bases de datos, la capacidad de la analítica avanzada puede inferir la identidad de una persona sin necesidad de identificadores tradicionales. Suena inquietante, ¿verdad?

Y hay más: ya se han registrado casos de reversión en conjuntos de datos seudonimizados y desidentificados. Incluso datos anonimizados —considerados el estándar más alto de limpieza de datos— han sido reidentificados en casos documentados al combinarse con un contexto lo suficientemente rico. Para los Oficiales de Protección de Datos (DPO), esto significa que la categoría de “datos no personales” se ha reducido drásticamente. En otras palabras, para quienes ingresan información en herramientas de IA, la idea reconfortante de “no incluyo nombres, así que no hay problema” es cada vez más falaz.

¿Qué ocurre con un prompt?

Un prompt es información. Contiene todo lo que se escribe en él: nombres de clientes, documentos de estrategia, código fuente o el nombre de un proyecto interno que nadie fuera de su equipo debería conocer. Tan pronto como sale del navegador, queda sujeto a las políticas de retención, revisión y entrenamiento del proveedor de la herramienta.

A pesar de que los colaboradores intentan ajustar la configuración de privacidad en sus herramientas buscando mayor discreción, lamentablemente, las conversaciones se almacenan de manera predeterminada en muchas de las herramientas de IA corporativas. Desactivar el historial de chat no implica una eliminación inmediata; los proveedores suelen conservar los datos durante un período determinado, a menudo en servidores externos. Además, si los prompts enviados contienen material confidencial, esa información puede terminar integrada en las respuestas generadas para otros usuarios del mismo servicio.

Gobernar antes que adoptar

Recordar a los colaboradores que “tengan cuidado” no constituye un control de privacidad. Un empleado precavido sigue tomando decisiones bajo la presión del tiempo, y el criterio que aplique sobre si un mapa de ruta (roadmap) es “lo suficientemente confidencial” como para excluirlo de un modelo, no es un parámetro confiable durante una auditoría regulatoria.

La estrategia efectiva consiste en evaluar las herramientas antes de introducirlas en el entorno corporativo. Esto implica entender qué datos recopila cada herramienta, a dónde van, cuánto tiempo se conservan y qué derechos reclama el proveedor sobre ellos. Ese trabajo pertenece a un marco de gobernanza.

El concepto de Privacy by Design and by Default (privacidad desde el diseño y por defecto) ha existido como estándar regulatorio desde la entrada en vigor del Reglamento General de Protección de Datos (RGPD). Aplicarlo a la IA exige realizar ese análisis previo. Una vez que la herramienta está en uso y se han enviado los prompts, la ventana para una evaluación adecuada se ha cerrado.

¿Qué debemos asumir desde hoy?

Para cualquier organización que esté adoptando la IA a un ritmo más rápido que el de su gobernanza, sugiero mantener estos tres supuestos de trabajo:

1. Los datos no se pueden retirar por completo una vez compartidos con un sistema de IA externo.
2. Los datos anonimizados no siempre son anónimos.
3. Las configuraciones de privacidad por defecto benefician al proveedor del modelo, no a su negocio.

Estas son realidades actuales, no advertencias sobre un futuro regulatorio distante. Cuando la fiscalización se intensifique, las autoridades de supervisión no otorgarán atenuantes basados en la “buena voluntad” de los empleados. Y desde mi perspectiva, la ventana para establecer una disciplina real sobre el uso de la IA es más estrecha de lo que parece. Las herramientas ya están aquí. Los datos ya se han movido. Tome el control de lo que sí puede controlar, hoy mismo.