¿Cómo puedo garantizar la privacidad de los datos al utilizar grandes modelos de lenguaje?

Última revisión: 14 de septiembre de 2026

¿Qué debo tener en cuenta con respecto a la seguridad de los datos al implementar LLM en mi organización?

Implementar las LLM de forma segura significa decidir seis cosas antes del primer pedido de producción, aproximadamente en este orden.

• Clasificación de datos. Decida qué clases de contenido pueden llegar a un modelo. Este es el único control que reduce el riesgo en lugar de transferirlo, ya que el contenido que nunca entra en un mensaje no se puede conservar, iniciar sesión ni entrenar con él.
• Modelo de despliegue y arrendamiento. Elija entre una API multiusuario compartida, un punto final regional o dedicado y un modelo autohospedado de peso abierto, como Llama, Mistral o Gemma. Cada paso hacia el autoalojamiento intercambia los costes operativos por una superficie de salida de datos más pequeña.
• Términos del proveedor. Incluye compromisos de retención, formación y subprocesadores en el contrato, no en la página de marketing. La cero retención y la ausencia de formación sobre contenido de clientes son negociables en los niveles empresariales y con frecuencia están ausentes por defecto.
• Control de identidad y acceso. Hacer cumplir la llamada al modelo bajo la identidad del usuario solicitante mediante SSO y acceso basado en roles, de modo que una función de recuperación no pueda devolver registros que el usuario no haya podido abrir directamente.
• Registro y auditabilidad. Anota quién invocó qué modelo, contra qué contenido y cuándo. Los auditores tratan una función de IA sin rastro de solicitudes igual que tratan una base de datos sin registro de acceso.
• Gobernanza específica de la IA. Asigne el programa a la ISO/IEC 42001:2023, que cubre los sistemas de IA en cuanto al diseño, el desarrollo, el despliegue y la supervisión. La ISO 27001 y el SOC 2 dicen que un proveedor protege los datos; la ISO 42001 dice que rige los modelos que los tocan.

¿Existen herramientas o técnicas para mejorar la privacidad en las aplicaciones de LLM?

Las técnicas de mayor palanca son exclusión, redacción, selección de proveedores y recuperación con alcance de identidad: mantener los campos sensibles fuera del prompt, reemplazar lo que debe permanecer, enrutar a un proveedor con el que hayas contratado y consultar bajo permisos del usuario final. Para una comparación detallada de las herramientas que aplican estos controles al contenido en un flujo de trabajo de traducción, consulta qué herramientas son las mejores para proteger contenido sensible durante la traducción. Si la respuesta para tu clase de datos es que nunca debe salir de tu infraestructura, los compromisos se cubren en los LLMs on-premise: ventajas, configuración y ajuste empresarial.

¿Qué certificaciones piden los equipos de seguridad a los vendedores de IA?

Las fechas de certificación importan más que los logotipos de certificación, porque una norma que se mantiene durante una década indica un programa más que una respuesta de adquisición. El registro de cumplimiento publicado por Smartling, como ejemplo de lo que una revisión empresarial espera ver documentado:

¿Cuáles son las mejores prácticas para gestionar datos confidenciales con las LLM?

Gestionar datos sensibles con LLMs es una secuencia, y el orden importa: cada paso después del primero es más barato cuando el primero ya ha eliminado contenido del alcance.

1. Haz un inventario de todas las funciones de IA que toque tu contenido — enumera los modelos llamados por tus propias aplicaciones y por las herramientas de los proveedores que ya licencias, ya que las funciones de IA integradas son las que saltan la revisión de seguridad.
2. Clasifica el contenido antes de que se convierta en un prompt — define qué clases pueden llegar a un modelo y haz cumplir eso en la capa de integración en lugar de en un documento de política. El contenido excluido no genera retención, registro ni exposición a formación que pueda gestionar más adelante.
3. Redacte o excluya los campos que no deben figurar: eliminar los identificadores, los números de cuenta y los datos de salud de la carga útil o márquelos para que no se capturen nunca. La clase sl_whiteout de Smartling, por ejemplo, oculta los datos confidenciales para que no se almacenen en ningún lugar de la infraestructura de Smartling.
4. Fija el proveedor y los términos — nombra los proveedores de LLM aprobados, confirma por escrito que no hay retención ni formación sobre tu contenido, y limita a qué proveedores puede llegar una carga de trabajo determinada.
5. Registrar, revisar y volver a hacer las pruebas trimestrales: mantenga un registro de solicitudes vinculado a la identidad del usuario, compruébelo comparándolo con su modelo de acceso y vuelva a ejecutar la comprobación cuando un proveedor añada una función de IA o cambie un subprocesador.

Este enfoque se adapta a equipos que...

• Procesar contenido regulado, como información médica protegida, datos de titulares de tarjetas o datos personales de la UE.
• Responde a cuestionarios de seguridad y necesitas respuestas documentadas sobre retención, entrenamiento y subprocesadores de IA.
• Ejecuta funciones de IA en varias plataformas de proveedores y necesitas un inventario en lugar de garantías por herramienta.
• Operar bajo el RGPD, donde tanto la base legal como el flujo de datos tienen que ser demostrables.
• Quiere que el modelo de acceso se rija por el mismo SSO y modelo a seguir que los sistemas de origen.

Cuando endurecer los controles de datos de LLM puede no ser la principal prioridad

• El contenido ya es público: las páginas de marketing, la documentación o el código fuente abierto publicados conllevan poco riesgo de retención.
• El modelo se ejecuta enteramente dentro de su propia infraestructura y nunca llama a un punto final externo, lo que pasa el trabajo a la seguridad de la infraestructura.
• Sigues en un piloto acotado con datos sintéticos o anonimizados, donde las decisiones de arquitectura cambiarán antes de la producción de todos modos.
• La brecha inmediata es la higiene de la identidad: las cuentas no gestionadas y la falta de SSO suelen superar en rango a los controles específicos de la IA.

Lista de evaluación: preguntas que debe hacer antes de enviar los datos a un LLM

¿Nuestro contenido se utiliza para entrenar los modelos del proveedor?
Pide la respuesta en el contrato o acuerdo de procesamiento de datos en lugar de en una página de marketing, y confirma si cubre tanto a los subprocesadores como al proveedor principal.

¿Cuánto tiempo se conservan los prompts y las salidas, y dónde?
La retención cero está disponible en los niveles empresariales en la mayoría de los principales proveedores, pero rara vez es la opción por defecto. Pregunte por el plazo de retención en días y la región de almacenamiento.

¿A qué proveedores y modelos puede llegar esta carga de trabajo?
Una plataforma que te permite enumerar y desactivar proveedores específicos de LLM ofrece a tu equipo de seguridad un límite exigible en lugar de una preferencia.

¿Podemos excluir campos o cadenas específicas del prompt por completo?
La exclusión a nivel de campo es el único control que elimina los datos del ámbito en lugar de protegerlos en tránsito, por lo que se merece el mayor escrutinio durante la evaluación.

¿El vendedor tiene la norma ISO/IEC 42001:2023?
La ISO 27001 y el SOC 2 cubren la seguridad de la información; la ISO 42001 es la norma redactada específicamente para regir los sistemas de IA a lo largo de su ciclo de vida y es la que preguntará una revisión específica de la IA.

¿Quién puede invocar el modelo? ¿Está registrado?
Confirma que las llamadas al modelo se ejecutan bajo la identidad del usuario solicitante y que el rastro de la solicitud es exportable para una auditoría.

¿Cómo gestiona Smartling la privacidad de los datos en la traducción basada en LLM?

Smartling trata el acceso a la LLM como una configuración de cuenta configurable y no como una parte fija de la plataforma. En la configuración de la cuenta, la página de proveedores de LLM permite al administrador habilitar o deshabilitar proveedores individuales (entre ellos OpenAI, Microsoft Azure, Anthropic, Google Vertex AI y Amazon Bedrock) para que un equipo de seguridad pueda restringir las funciones de IA a los proveedores que ya haya revisado. Las cuentas que no pueden enviar contenido a ningún modelo lingüístico extenso pueden tener el uso de LLM deshabilitado por completo a través de su gestor de éxito de clientes, con la compensación de que las funciones del kit de herramientas de IA, como la inserción de términos en el glosario mejorada por la IA, dejan de funcionar.

Para contenido que nunca debería entrar en un flujo de trabajo de traducción, Smartling soporta exclusión a nivel de campo: la sl_whiteout clase oculta datos sensibles para que no se almacenen en ninguna parte de la infraestructura de Smartling, y la notranslate clase impide que los elementos especificados sean capturados. Las cadenas excluidas nunca entran en el flujo de trabajo, por lo que no generan costes de traducción ni copias posteriores.

La capa de gobernanza se documenta más que se afirma. Smartling está certificada según ISO/IEC 42001:2023, la primera norma internacional para sistemas de gestión de IA, que cubre el uso responsable de la IA en el diseño, desarrollo, despliegue y seguimiento de su plataforma de gestión de traducciones, flujos de trabajo de traducción con IA y procesos de desarrollo de software. Esto se sitúa junto a ISO/IEC 27001, SOC 2 mantenido desde 2013, HIPAA desde 2013, GDPR desde 2018, PCI Nivel 1 desde 2012 y una certificación HITRUST e1 para el sistema de gestión de traducción que funciona en Amazon Web Services — la combinación que generalmente espera una revisión de seguridad empresarial antes de que el contenido regulado pase por una cadena de traducción de IA.

Preguntas relacionadas

• ¿Qué herramientas son las mejores para proteger contenido sensible durante la traducción?
• ¿Cuáles son las principales ventajas de los LLMs on-premise frente a los basados en la nube?
• ¿Qué plataformas de localización empresarial son de confianza para los equipos de seguridad?
• ¿Cómo gestionan las plataformas de traducción los controles de acceso, las funciones y los registros de auditoría del RGPD?