Cuando una empresa estudia un proyecto de IA generativa, la discusión a menudo se centra en los prompts: ¿se puede enviar este texto al modelo? En realidad, los datos circulan en una cadena mucho más amplia. Los documentos se importan, se recortan, se vectorizan, se almacenan en caché, se registran, se citan, se copian en herramientas y, a veces, se conservan para mejorar el servicio.
Un agente añade todavía otros flujos: memoria persistente, conexiones a la mensajería, al CRM o a los archivos, llamadas a subagentes y acciones realizadas en nombre del usuario. Por lo tanto, la conformidad con el RGPD no puede evaluarse únicamente a partir de la interfaz del proveedor.
Este artículo propone un método técnico de cartografía y no constituye un consejo legal. Las elecciones deben ser validadas con el DPO y los asesores competentes.
El modelo no es más que un componente del procesamiento
Una arquitectura generativa puede comprender:
- una interfaz web o móvil;
- un backend aplicativo ;
- un puente de modelos;
- un proveedor de LLM ;
- un servicio de embeddings;
- una base vectorial ;
- un OCR ;
- fuentes documentales;
- conectores de negocio;
- una memoria de conversación ;
- registros, trazas y análisis;
- una herramienta de soporte ;
- copias de seguridad.
Cualquiera puede recibir datos personales. Un componente autoalojado reduce algunas transferencias, pero no elimina las obligaciones de finalidad, minimización, seguridad, duración y derechos.
Comenzar por el objetivo
La pregunta « ¿podemos usar este dato? » no tiene una respuesta abstracta. Es necesario describir el propósito preciso: ayudar a un asesor a encontrar un procedimiento, redactar una respuesta, clasificar una solicitud, extraer una factura o preparar una decisión.
Un objetivo vago como «mejorar la eficiencia mediante la IA» no permite determinar los datos necesarios. Un objetivo preciso ayuda a excluir:
- columnas innecesarias;
- documentos fuera del alcance;
- el historial completo cuando un período es suficiente;
- las identidades cuando se adecuan referencias pseudónimas;
- los registros de contenido cuando son suficientes métricas agregadas.
La minimización se concibe antes de la ingestión, no solo después de un incidente.
Cartografiar la cadena completa
Para cada flujo, documentar:
- la fuente ;
- las categorías de datos;
- las personas concernidas;
- la finalidad;
- el destinatario;
- el papel de cada actor;
- el país o la región;
- el cifrado;
- la duración ;
- la supresión;
- el uso eventual para el entrenamiento;
- los accesos humanos y de máquinas.
La cartografía debe cubrir las copias temporales e indirectas. Un prompt puede aparecer en un rastro de observabilidad, una captura de soporte o una copia de seguridad más tiempo que en la aplicación principal.
Flujo de datos de un RAG agéntico desde el usuario y los documentos hasta el modelo, las herramientas, los registros y la eliminación.
Calificar los datos sin subestimar la identificación indirecta
Un nombre o una dirección es obviamente personal. Otros elementos pueden identificar a una persona por combinación: número de expediente, puesto, ubicación, evento raro, testimonio literal, metadato o historial.
La seudonimización reemplaza un identificador por una referencia controlada, pero el dato sigue siendo personal si una reidentificación es posible. La anonimización exige un análisis más fuerte y contextual. Las directrices del CEPD publicadas en 2026 recuerdan que la evaluación depende especialmente de los medios razonablemente susceptibles de ser utilizados por los actores pertinentes.
Por lo tanto, evita etiquetar un corpus como « anónimo» únicamente porque se hayan eliminado los nombres.
Determinar los roles y responsabilidades
La empresa puede ser responsable del tratamiento para la finalidad empresarial y recurrir a subcontratistas. El proveedor también puede tratar ciertos datos para sus propios fines según su oferta y sus condiciones. Los roles deben ser analizados, no deducidos de un lema comercial.
Verificar:
- instrucciones documentadas ;
- subcontratistas posteriores;
- regiones de tratamiento;
- transferencias fuera del Espacio Económico Europeo;
- seguridad;
- notificación de incidente ;
- asistencia a los derechos;
- supresión y restitución;
- auditoría ;
- cambio de modelo o de política;
- uso de los contenidos para mejorar el servicio.
Un modo «datos no utilizados para entrenar» no responde a todas las preguntas: los contenidos aún pueden ser conservados para la seguridad, el soporte o los registros.
Elegir y documentar la base jurídica
La base jurídica depende del propósito, de la relación y del contexto. Una herramienta interna, un servicio al cliente, una investigación científica y un tratamiento de reclutamiento no se analizan de la misma manera.
El equipo técnico no debe seleccionar automáticamente «interés legítimo». Proporciona al DPO los elementos fácticos: necesidad, datos, personas, impacto, alternativas y medidas. El consentimiento no debe usarse cuando no es libre o cuando el servicio realmente no puede funcionar sin el tratamiento.
Cuando se trate de categorías particulares de datos, se aplican condiciones adicionales.
Diseñar el RAG con la protección de datos
Un RAG puede reducir las alucinaciones y limitar la necesidad de ajuste fino, pero crea un índice derivado de los documentos. Los embeddings no deben considerarse anónimos por defecto. Pueden revelar información o permitir coincidencias según el contexto.
Los controles útiles incluyen:
- filtrado de fuentes antes de la ingestión;
- derechos de acceso propagados al índice ;
- separación por propietario o dominio;
- metadatos mínimos ;
- cifrado ;
- eliminación sincronizada entre la fuente, los fragmentos y el índice;
- citas con control de autorización;
- pruebas de fuga entre usuarios;
- reindexación versionada.
Una base vectorial única accesible por todos es un error frecuente cuando los documentos de origen poseen derechos finos.
Enmarcar prompts, salidas y comentarios
El usuario puede introducir más datos de los necesarios. La interfaz debe informarle y, cuando sea posible, detectar o ocultar algunas categorías antes del envío.
Las salidas pueden repetir un dato fuente, inferir una información o combinar varios elementos. Por lo tanto, están sujetas a los mismos controles de acceso y conservación.
La retroalimentación « buena/mala respuesta » puede contener el texto completo y convertirse en un corpus de mejora. Definir quién puede leerlo, cuánto tiempo se conserva y si se reutiliza para entrenar o evaluar.
Dominar los registros y la observabilidad
Sin rastros, es difícil explicar un error. Con rastros exhaustivos, la empresa crea una nueva base sensible. Hay que separar:
- métricas técnicas sin contenido;
- identificadores de correlación;
- instrucciones y salidas muestreadas;
- diarios de acciones;
- errores;
- datos de seguridad.
Aplicar control de acceso, cifrado, enmascaramiento, duración corta y auditoría. Los registros detallados pueden activarse temporalmente para un incidente con un procedimiento definido.
Gestionar la memoria y los agentes
Una memoria persistente puede acumular preferencias, relaciones, salud, opiniones o hábitos. Debe ser visible, modificable y eliminable. Su alcance está limitado a lo que realmente mejora el servicio.
Para un agente, cada conector amplía el procesamiento. La CNIL y el CIANum destacaron en julio de 2026 los riesgos relacionados con la circulación entre servicios, la memoria persistente, la hiperpersonalización y la dificultad de atribuir responsabilidades.
Se aplica el principio de menor privilegio: acceso a demanda, alcance limitado, duración corta, confirmación para las acciones sensibles y registro comprensible por el usuario.
Preparar los derechos de las personas
La empresa debe saber recuperar, corregir, exportar o eliminar los datos pertinentes. Esto implica vincular la identidad a las diferentes capas sin crear un índice aún más intrusivo.
Probar el recorrido:
- recuperar los prompts;
- identificar los documentos fuente;
- eliminar fragmentos y embeddings;
- vaciar la memoria;
- tratar las copias de seguridad según la política;
- corregir un dato fuente;
- evitar su reaparición en la próxima indexación.
Un derecho teórico sin procedimiento técnico es difícil de ejercer.
Determinar si se necesita un AIPD
Un análisis de impacto relativo a la protección de datos puede ser requerido cuando el tratamiento sea susceptible de generar un riesgo elevado. Los factores incluyen en particular vigilancia, datos sensibles, personas vulnerables, escala, cruce, innovación y decisiones importantes.
Incluso cuando no es obligatoria, un análisis estructurado ayuda a comparar las variantes de arquitectura y medidas. Debe actualizarse cuando haya un cambio de finalidad, de modelo, de dato o de autonomía.
No confundir entrenamiento, afinación fina y uso
Un proveedor puede no usar los prompts para el entrenamiento mientras ejecuta el procesamiento en su infraestructura. Un fine-tuning puede memorizar ejemplos. Un RAG conserva los datos en un índice. Cada mecanismo produce riesgos distintos.
Para el entrenamiento o la personalización, documentar el origen, los derechos, la necesidad, la filtración, las pruebas de extracción, las duraciones y la capacidad de retirada. La recolección a gran escala de datos personales está sujeta a directrices del CEPD publicadas para consulta en julio de 2026.
Una arquitectura de privacidad por defecto
Una solución robusta combina:
- clasificación de datos;
- pasarela centralizada;
- modelos autorizados por nivel;
- enmascaramiento antes del envío;
- accesos propagados;
- retención mínima;
- troncos controlados ;
- regiones y contratos verificados;
- pruebas de fuga ;
- procedimiento de derechos e incidentes.
Partitech puede realizar la cartografía técnica, diseñar los controles de acceso, la indexación, la puerta de enlace y los mecanismos de eliminación. El DPO y los consejos de la empresa validan las bases jurídicas, la información y los análisis. El resultado esperado es una arquitectura cuyos flujos sean conocidos y controlables, no una promesa abstracta de confidencialidad.
Hablemos de su proyecto
Cartografiar y asegurar los flujos de datos de su proyecto de IA con Partitech, su DPO y sus asesores. Contacte a Partitech.