Qué pasa de verdad con tu información cuando un flujo usa un modelo de IA, y cómo montarlo para que nada salga de donde tú decidas.
«¿Y mis datos?» es la pregunta correcta antes de meter IA en cualquier proceso. La respuesta corta: depende de cómo se monte. La respuesta larga es este artículo.
Y conviene tenerla clara, porque el miedo mal informado hace tanto daño como la confianza ciega. Hay quien no automatiza nada «por si acaso» y sigue reenviando hojas de cálculo con datos de clientes por correo — que es, de lejos, lo más inseguro que puede hacer. Y hay quien pega datos sensibles en la primera herramienta que encuentra sin leer una línea de condiciones. Ni lo uno ni lo otro. La IA se puede usar con datos reales de forma seria; solo hay que saber qué preguntar y cómo montarlo.
01Qué pasa cuando un flujo usa un modelo de IA
Cuando un flujo envía texto a un modelo (por ejemplo, para clasificar un correo), ese texto viaja a la API del proveedor, se procesa y vuelve la respuesta. La pregunta clave es qué hace el proveedor con ello después.
Aquí hay que distinguir dos mundos que la gente mezcla. Una cosa es usar ChatGPT gratis en el navegador — donde, según el plan, tus conversaciones pueden acabar mejorando el modelo. Otra muy distinta es consumir un modelo por API dentro de un flujo controlado, con un plan de empresa. No es el mismo trato ni las mismas garantías, aunque por debajo sea «la misma IA».
- Los planes de empresa y las APIs de los proveedores serios (Anthropic, OpenAI, Google) no usan tus datos de API para entrenar modelos, y así lo firman por contrato.
- Puedes elegir proveedores con procesamiento en la UE cuando el proyecto lo requiere.
- Muchos ofrecen retención cero: procesan la petición y no guardan nada una vez devuelta la respuesta.
- Y para lo más sensible, existen modelos que corren en tu propio servidor: nada sale de tu casa.
02El dato que nunca sale es el más seguro
Suena obvio, pero es el principio que más ahorra disgustos: si un dato no necesita salir, no sale. Buena parte del trabajo de diseñar un flujo con cabeza es decidir qué información llega de verdad al modelo. Para clasificar un correo como «presupuesto», «soporte» o «spam» casi nunca hace falta el cuerpo entero — basta el asunto y las primeras líneas. Para extraer el importe de una factura no hace falta el historial del cliente. Cuanto menos mandas, menos expones y, de paso, más barato y más rápido corre todo.
03Las reglas que aplicamos en cada proyecto
- Minimización: al modelo solo llega lo imprescindible. Si para clasificar basta el asunto, no se envía el correo entero.
- Anonimización cuando aplica: nombres, teléfonos, DNIs o cuentas se enmascaran antes de salir y se reconstruyen al volver.
- Registro: queda traza de qué se envió, cuándo y a qué servicio, para poder auditarlo si algún día hace falta.
- Contrato de tratamiento de datos con cada proveedor implicado (RGPD), no un «acepto» a ciegas.
- Mínimo privilegio: cada integración accede solo a lo que necesita — un agente de soporte no tiene por qué poder borrar registros del CRM.
04On-premise: cuando nada puede salir de tu casa
Hay sectores — salud, legal, banca, administración — donde la respuesta a «¿puede salir este dato?» es sencillamente no. Para esos casos existe el despliegue en tu propia infraestructura: n8n corriendo en tu servidor y modelos abiertos (de la familia Llama, Mistral y compañía) ejecutándose en local. La información se procesa entre tus cuatro paredes y no toca ninguna nube de terceros. Rinde algo por debajo de los modelos comerciales punteros, pero para clasificar, extraer y resumir cumple de sobra — y el que un dato jamás cruce la puerta no tiene precio.
05El RGPD no es el enemigo: es el guion
Mucha gente vive el RGPD como un muro. En la práctica es más bien una checklist que, si la sigues, te deja tranquilo. Base legal para tratar el dato, contrato con quien lo procesa por ti, información clara a las personas, capacidad de borrar cuando lo pidan y medidas técnicas razonables. Un flujo bien montado cumple estos puntos sin que tengas que pensarlos cada mañana, porque están cosidos en el diseño, no pegados encima al final.
Y ojo con una trampa habitual: cumplir con la ley no es lo mismo que estar seguro. Puedes tener todos los contratos firmados y aun así filtrar datos por una clave de API mal guardada. La seguridad técnica (secretos cifrados, accesos revisables, copias de seguridad) va de la mano del papeleo, no lo sustituye.
06Lo que deberías preguntar a cualquier proveedor
¿Dónde se procesan mis datos? ¿Se usan para entrenar? ¿Qué se guarda y durante cuánto tiempo? ¿Puedo auditarlo? Si alguien no sabe (o no quiere) responder estas cuatro preguntas, no le des tus datos.
Nos las hacemos a nosotros mismos en cada proyecto antes de conectar nada. No porque quede bien en una web, sino porque el día que un cliente nos pregunte «¿por dónde ha pasado esto?» queremos poder responder con un diagrama, no con un encogimiento de hombros.
La IA no exige renunciar a la privacidad. Exige diseñar con ella desde el primer día.
Si estás pensando en automatizar algo que toca datos sensibles y no tienes claro por dónde empezar, esa es justo la conversación que mejor se nos da. Cuéntanoslo y te decimos qué se puede montar sin que salga de donde tú quieras.
