Data Anonymizer
Data Anonymizer busca datos personales dentro de un texto y los sustituye por valores ficticios. Por ejemplo, “Laura Gómez” pasa a ser otro nombre inventado y su teléfono, otro número. Además, guarda la relación entre cada dato real y su sustituto, para que después puedas devolver el texto a su forma original con Data Deanonymizer.
Así puedes enviar información a un modelo de IA o a un servicio externo sin exponer datos de tus clientes. El idioma del texto se detecta automáticamente.
Cuándo usarlo
- Analizar con IA correos o tickets de clientes sin enviar sus nombres, correos ni teléfonos.
- Compartir ejemplos reales de conversaciones con un proveedor externo sin datos personales.
- Preparar documentos internos (contratos, expedientes) antes de procesarlos con un agente.
- Cumplir tus políticas de protección de datos en flujos que trabajan con información sensible.
Configuración
| Campo | Qué hace |
|---|---|
| Data | Los registros que contienen el texto que quieres anonimizar. |
| Source data input key | Nombre del campo de cada registro que contiene el texto. Por defecto, text. |
| Analyze Fields | Tipos de datos que se buscan y sustituyen: PERSON (personas), ORGANIZATION (empresas y organizaciones), LOCATION (lugares), DATE_TIME (fechas y horas), EMAIL_ADDRESS (correos), PHONE_NUMBER (teléfonos), IBAN (cuentas bancarias), DNI y CREDIT_CARD (tarjetas). Por defecto: personas, organizaciones, correos y teléfonos. |
| NER Model Name | Cómo se detectan los datos. spacy (por defecto) usa el reconocimiento integrado en la plataforma. gemma3:12b usa un modelo de IA para localizarlos. |
| Remark Anonymization | Con la opción gemma3:12b, marca cada valor sustituido entre asteriscos (***valor***) para que se vea qué se ha cambiado. Desactivado por defecto. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Model Size | Tamaño del reconocimiento integrado (small, medium o large). Uno mayor suele detectar mejor, pero tarda más. Por defecto, medium. Solo se aplica con spacy. |
| Spacy Ignore Entities | Tipos de elementos que el reconocimiento integrado no debe tener en cuenta, para evitar sustituciones innecesarias. Por defecto: MISC, WORK_OF_ART y PRODUCT. |
Resultado
La salida Data devuelve los mismos registros con dos campos nuevos:
- text_anonymized: el texto con los datos personales sustituidos.
- anonymizer_mapping: la relación entre cada dato real y su valor ficticio. Guárdala si vas a necesitar recuperar el texto original.
Ejemplo
Quieres que un agente clasifique las reclamaciones de clientes sin que el modelo vea sus datos.
- Conecta las reclamaciones a Data.
- Deja en Analyze Fields personas, correos y teléfonos, y añade
IBANsi los clientes suelen incluir su cuenta. - Envía el campo text_anonymized al agente.
- Si el agente redacta una respuesta, usa Data Deanonymizer con el anonymizer_mapping para volver a poner los datos reales antes de enviarla.
Buenas prácticas
- Revisa algunos resultados antes de usar el flujo con datos reales: ningún sistema de detección es perfecto.
- Activa solo los tipos de datos que necesitas. Activar
LOCATIONoDATE_TIMEpuede sustituir información útil para el análisis.