Use modelos de IA líderes con tokens en lugar de datos personales detectados. Compare privacidad de prompts, supresión documental y OCR.
En la protección de prompts, Sluis sustituye los valores personales detectados sujetos a protección por tokens tipados y reversibles antes de enviar la solicitud al proveedor del modelo. El modelo puede trabajar con el texto restante sin recibir esos valores originales. Sluis los restaura en la respuesta; los mapas de tokens nunca se envían al proveedor del modelo. Decida por separado si necesita un documento con datos suprimidos para compartir.
Distinga supresión documental de seudonimización
La supresión documental local elimina información seleccionada del documento resultante. En cambio, la tokenización de prompts en Sluis Gateway o Workspace forma parte de un servicio gestionado, no implica procesamiento en su dispositivo o infraestructura propia. Ambos procedimientos actúan sobre valores detectados; puede quedar contexto identificativo y haber rutas no protegidas o no compatibles. Los tokens reversibles no garantizan anonimato completo ni cumplimiento del RGPD.
Escenario ilustrativo: un equipo jurídico necesita una copia para terceros y un resumen interno con IA. Evalúe un documento con datos suprimidos para la entrega y un flujo de prompts seudonimizados para el resumen.
Ejemplo ficticio: una invitación personalizada de recursos humanos
Todos los datos son inventados y solo ilustran el flujo de tokens; no son resultados de una prueba. El ejemplo supone que se detectan el nombre y el correo y que la tokenización está activa.
Antes de la protección, entrada a Sluis: «Redacte una invitación cordial a una reunión de recursos humanos para Ana Ejemplo. Indique ana@empresa.example como contacto».
Lo que recibe el proveedor del modelo: «Redacte una invitación cordial a una reunión de recursos humanos para «PERSON_NAME_1». Indique «EMAIL_1» como contacto». El proveedor no recibe los valores originales ni los mapas de tokens.
Resultado para su equipo tras la restauración: «Estimada Ana Ejemplo: le invitamos a una reunión de recursos humanos. Si tiene alguna pregunta, escriba a ana@empresa.example». Su equipo obtiene un borrador personalizado para revisar.
- Especifique destinatario y formato de salida.
- Decida si debe seguir siendo posible reidentificar.
- Revise el contexto identificativo que permanezca.
Pruebe el procesamiento local con archivos difíciles
La anonimización documental de Sluis usa una API local para PDF, DOCX, imágenes y texto, con OCR. Las zonas ilegibles se destruyen en vez de adivinarse, lo que también puede eliminar contenido útil.
Para procesos recurrentes o por lotes, pruebe archivos reales antes de integrar. Compruebe legibilidad, omisiones, capacidad y comportamiento API; una utilidad puntual no demuestra adecuación para producción.
- Incluya escaneos, imágenes y páginas de mala calidad.
- Inspeccione identificadores omitidos y pérdida de significado.
- Valide requisitos por lotes y límites de procesamiento local.
Entienda cada modo de protección y sus límites
El modo tokenize sustituye los valores detectados de forma reversible. mask sustituye las coincidencias de forma irreversible y block impide enviar la solicitud. allow_log solo registra la detección: el texto sale sin cambios, sin transformación ni bloqueo. Compruebe el modo activo, sin tratar todas las opciones como protección mediante anonimización.
La detección es imperfecta. No se analizan las definiciones de herramientas; las entradas de embeddings pueden enviarse sin análisis según la política. Las imágenes, los vídeos y el audio generados no permiten restaurar tokens a sus valores originales. El análisis de seguridad es opcional; pruebe inyección de prompts y fugas sin presuponer prevención completa.
Una inspección opcional con un modelo alojado recibe el texto admisible restante tras la protección local, que puede contener detalles identificativos no detectados. Sluis valida los hallazgos y tokeniza localmente; los mapas de tokens no se envían al proveedor. Esta opción añade coste de modelo y latencia y debe cumplir su política de residencia.
- Elija un modo por categoría de información.
- Pruebe identificadores omitidos y contexto identificativo indirecto.
- Compruebe análisis y rutas de contenido no protegido.
Separe conservación y auditoría
Revise y configure por separado la conservación del contenido en Sluis, los plazos para valores originales e historial de conversaciones en Workspace y las condiciones del proveedor del modelo. Se conservan metadatos. La tokenización no implica retención cero universal ni que Sluis nunca almacene valores originales.
Una pista de auditoría encadenada mediante hashes ayuda a revisar actividad registrada, pero no demuestra licitud ni detección completa. Acuerde borrado, acceso de revisores y escalado antes de usos sensibles, consultando la documentación.
- Configure conservación antes de enviar datos sensibles.
- Verifique borrado y metadatos que permanecen.
- Documente aprobación y escalado de casos dudosos.
Preguntas antes de elegir
¿La tokenización reversible es anonimización según el RGPD?
La reversibilidad es una razón para no asumirlo. Trátela como seudonimización y evalúe datos restantes, acceso a reidentificación y contexto jurídico con el responsable de privacidad.
¿El OCR puede reconstruir texto ilegible con seguridad?
El proceso descrito destruye zonas ilegibles en lugar de adivinar su contenido. Revise pérdidas y obtenga una fuente mejor si el texto ausente resulta importante.
¿Enmascarar significa que no se guarda nada?
No. Transformación y conservación son controles distintos. Revise por separado la conservación de contenido, valores originales e historial de conversaciones y las condiciones de los proveedores; se conservan metadatos.