Privacidad en IA: reducir campos antes de integrar

La integración suele empezar con una frase sencilla: "conectemos el CRM para que la IA tenga contexto". El problema aparece cuando "el CRM" significa clientes, contactos, notas internas, cotizaciones, pagos, documentos adjuntos y años de historial, aunque la primera tarea solo consista en clasificar solicitudes nuevas.

Abrir la fuente completa parece ahorrar trabajo. En realidad, deja varias preguntas sin responder: qué campos usa el sistema, quién puede consultarlos, cuánto tiempo se conservan, qué ocurre con las copias y cómo se revoca el acceso si el piloto no continúa.

La privacidad en IA se puede tratar de una forma más concreta. Antes de integrar, reduzca la tarea a una capacidad comprobable y quite cada campo que no sea necesario para demostrarla. La decisión no se toma por el tamaño de la base, sino por el trabajo que el sistema debe realizar.

Una integración no necesita conocer toda la historia del cliente

Supongamos que una empresa quiere que la IA clasifique los mensajes que llegan a su correo de soporte. Para esa función pueden bastar el texto del mensaje, el canal, la fecha de entrada y la categoría que una persona asignó en casos anteriores. El saldo del cliente, sus documentos de identidad, sus conversaciones comerciales y sus pagos pendientes no mejoran necesariamente la clasificación.

Si el objetivo cambia y la IA debe preparar un resumen para un agente de soporte, quizá necesite el ticket, las respuestas del caso y la guía técnica vigente. Eso tampoco significa que deba leer las oportunidades comerciales del cliente o los expedientes de otras personas.

La inteligencia artificial aplicada debe partir de esta frontera. La integración sirve a un recorrido definido; no convierte cada repositorio conectado en contexto disponible para cualquier pregunta.

Una forma útil de expresarlo es con un verbo: clasificar, extraer, resumir, comparar, sugerir o enrutar. "Conocer al cliente" no describe una capacidad evaluable. "Proponer la categoría de una solicitud de soporte y enviar los casos dudosos a revisión" sí permite discutir datos, permisos y resultado.

El inventario de campos cambia la conversación

Antes de construir la conexión, prepare una lista de campos candidatos. No tiene que ser un documento pesado. Para cada campo, indique qué tarea ayuda a resolver, qué tan sensible es, de dónde sale, quién lo puede usar y cuánto tiempo se necesita.

El ejercicio suele mostrar que la exportación original tiene más información de la que el caso requiere. Un nombre completo puede sustituirse por un identificador interno si la prueba no necesita mostrar la identidad. Una dirección exacta puede reducirse a una zona si solo se debe enrutar una solicitud. Una fecha de nacimiento puede quedar fuera si no participa en la clasificación.

También hay campos que parecen inocuos hasta que se combinan. Una empresa pequeña, una fecha, una sucursal y una descripción libre pueden identificar a una persona aunque no aparezca su número de documento. Los comentarios escritos por colaboradores suelen incluir teléfonos, condiciones comerciales o detalles de salud que nadie pensó al diseñar la integración.

La tabla mínima debería responder tres preguntas:

No se trata de eliminar información a ciegas. Se trata de poder explicar por qué cada dato cruza el límite de la fuente y qué pasaría si se retira.

La prueba de sustracción es más útil que una exportación completa

Una prueba común agrega datos hasta que la respuesta parece más completa. Conviene hacer también lo contrario. Ejecute el mismo conjunto de casos con menos campos y compare el resultado.

Si el modelo mantiene la clasificación al retirar el teléfono, ese dato no era necesario para la tarea. Si la calidad cae al quitar la fecha de entrada, hay que entender qué decisión depende de ella y quién puede verla. Si las respuestas mejoran al excluir notas antiguas, el problema no era la falta de contexto: era la competencia entre fuentes de distinta vigencia.

La prueba debe incluir casos normales y casos incómodos. Use mensajes incompletos, textos con dos motivos, solicitudes que pertenecen a otro departamento y entradas que el sistema debería rechazar. Pruebe también una pregunta que intente recuperar un campo no autorizado. Una integración puede funcionar bien con los casos fáciles y fallar justo cuando la persona pide más de lo necesario.

El resultado no debe ser solo una medida de precisión. Registre qué campos se consultaron, qué fuente se usó, qué respuesta produjo el sistema y cuándo intervino una persona. Esa evidencia permite retirar permisos sin discutir sobre impresiones.

Los permisos deben seguir la tarea, no la comodidad técnica

Dar a la integración una cuenta con acceso de lectura a toda la base puede parecer una solución neutral. No lo es. Una cuenta amplia facilita el primer prototipo, pero también hace más difícil saber qué información participó en cada respuesta y qué debe revocarse después.

Es preferible separar funciones. La clasificación de solicitudes nuevas puede consultar una vista reducida. El resumen de un ticket puede acceder al caso activo y a la documentación técnica aprobada. La preparación de una respuesta sobre facturación puede requerir un permiso distinto y una revisión antes de mostrar datos al cliente.

Los controles de seguridad y gobernanza de IA deben cubrir el acceso, la fuente y el uso de la salida. Ocultar un campo en la pantalla no corrige que el modelo haya recibido el registro completo. Tampoco basta con bloquear una respuesta si el contenido quedó en registros técnicos, historial de herramientas o archivos temporales.

La pregunta práctica es: si quitamos este permiso, ¿qué función deja de operar? Si la respuesta es "ninguna que estemos probando", el permiso sobra. Si la función sí se afecta, todavía falta definir el rol autorizado, el contexto de uso y la forma de registrar la consulta.

Panamá: el propósito debe acompañar al dato

La Ley 81 de 2019 sobre protección de datos personales establece el marco panameño para el tratamiento de datos personales. Su reglamentación mediante el Decreto Ejecutivo 285 de 2021 desarrolla criterios y obligaciones aplicables a ese tratamiento.

Para una integración con IA, esto vuelve importante documentar el propósito y el alcance. Conectar datos porque están disponibles no demuestra que sean necesarios para la capacidad que se quiere implementar. Tampoco resuelve por sí solo qué ocurre con las entradas, las salidas, los registros de ejecución o los proveedores que reciben la información.

La revisión debe seguir el recorrido completo: fuente original, transformación, envío, consulta del modelo, respuesta, almacenamiento temporal, pantalla de revisión y exportación. En cada etapa conviene preguntar si se necesita el contenido completo o si basta un identificador, una categoría o una referencia controlada.

El AI Risk Management Framework de NIST propone gestionar los riesgos durante el diseño, desarrollo, uso y evaluación de los sistemas de IA. Para una empresa, eso se traduce en revisar la integración antes del despliegue y después de cada cambio de fuente, permiso o modelo.

Automatizar la reducción evita volver a copiarlo todo

La minimización no debería depender de que alguien recuerde borrar columnas antes de cada prueba. Una automatización de procesos puede generar una vista de prueba con los campos autorizados, reemplazar valores directos por identificadores controlados y marcar los casos que necesitan revisión.

El flujo también puede tener una fecha de retiro. Al cerrar el piloto, revoca accesos, elimina las copias previstas y conserva solo la evidencia necesaria para explicar el resultado. Si el piloto avanza, no convierta la exportación experimental en la fuente de producción por inercia. La operación definitiva necesita sus propios permisos, retención, monitoreo y responsable.

La automatización ayuda, pero no decide qué datos son legítimos. Esa decisión pertenece al dueño del proceso y a quienes deben revisar privacidad, seguridad y cumplimiento. El sistema puede aplicar una regla; no puede inventar el propósito que la organización nunca definió.

Una integración prudente deja una respuesta clara

Al terminar la evaluación, la empresa debería poder contestar algo más preciso que "la IA funciona con nuestros datos". Debería saber qué tarea asiste, qué campos necesita, qué fuente tiene autoridad, qué casos se escalan, quién puede detener el flujo y qué se elimina cuando termina una prueba.

Reducir campos antes de integrar no vuelve inútil a la IA. Hace visible su alcance. También evita que una conexión amplia se convierta en una dependencia difícil de auditar. Cuando cada dato tiene una razón y cada permiso corresponde a una tarea, resulta más sencillo medir el resultado, corregir la fuente y ampliar el sistema sin entregar toda la empresa a una sola integración.