Si gestionas nóminas, manejas a diario uno de los documentos con más datos personales por centímetro cuadrado que existen. Y si quieres usar ChatGPT o Claude para analizarlas —cuadrar costes, detectar errores, preparar un informe— tienes un problema: no puedes subirlas tal cual.
En 2024 la AEPD sancionó a UNIQLO con 270.000 € (expediente PS/00238/2024, rebajada desde 450.000 €) porque recursos humanos respondió a un empleado que pedía SU nómina… con las nóminas de 447 compañeros: nombre, DNI, número de afiliación a la Seguridad Social y cuenta bancaria. No fue un hacker. Fue un adjunto.
Qué lleva una nómina exactamente
Un Excel de nóminas típico de asesoría concentra, por fila:
- Nombre y apellidos del trabajador.
- DNI/NIE.
- Número de afiliación a la Seguridad Social (NAF).
- IBAN de la cuenta de abono.
- Salario y conceptos — que no identifican por sí solos, pero combinados con lo anterior convierten el archivo en exactamente lo que el RGPD no quiere ver circulando.
- A menudo, la empresa cliente (razón social, CIF) si llevas varias.
Es decir: identificadores directos de personas físicas + datos económicos + el vínculo laboral. Todo junto.
Por qué "borrar columnas a mano" no funciona
La reacción instintiva es duplicar el Excel y borrar la columna de nombres. Falla por tres sitios:
- El dato vive fuera de su columna. "Transferencia nómina Marta López — marzo" en un concepto, un DNI dentro de una observación, el nombre del trabajador en el encabezado de impresión. El find & replace manual no los ve todos; las resoluciones de la AEPD están llenas de "no los vi".
- Pierdes la consistencia. Si analizas evolución salarial necesitas saber que la fila 12 de enero y la 31 de marzo son la misma persona. Borrando nombres pierdes el hilo; inventando códigos a mano ("TRAB1, TRAB2…") acabas con un segundo Excel de equivalencias sin cifrar, que es otro problema de datos personales.
- No es reversible. Cuando la IA te devuelve "revisa el caso de TRAB14", toca reconstruir a mano quién era TRAB14.
El flujo con pseudonimización reversible
La pseudonimización (Art. 4.5 RGPD) sustituye cada identificador por una etiqueta consistente y guarda la equivalencia aparte, protegida. Con Anoply el flujo completo es así:
1. Exporta y arrastra
Exporta las nóminas a .xlsx o CSV desde tu programa (Holded, A3, Sage…) y arrástralo a Anoply. El archivo no se sube a ningún servidor: la detección corre dentro de tu navegador — puedes comprobarlo con la pestaña Red de las DevTools.
2. Revisa la detección
El motor detecta DNIs/NIEs (validando la letra), IBANs (validando los dígitos de control), números de Seguridad Social, nombres, razones sociales y fechas. La misma persona recibe la misma etiqueta en todo el archivo — la fila de enero y la de marzo siguen siendo PERSONA_004, así que tus análisis de evolución funcionan.
3. Descarga dos archivos
El Excel anonimizado (con fórmulas, tablas, estilos y fechas intactos) y un mapa .anpx cifrado con AES-256 bajo una passphrase que solo tú conoces. Ese mapa nunca toca nuestros servidores.
4. Trabaja con la IA
Sube el anonimizado a ChatGPT o Claude y pregunta lo que necesites: cuadres, desviaciones, errores de cálculo, informes. La IA ve PERSONA_004 y EMPRESA_002; nunca a Marta ni a tu cliente.
5. Revierte
Cuando la IA te devuelva el archivo trabajado, súbelo a /revert con tu .anpx y tu passphrase: recuperas los nombres reales en local, incluso si añadiste columnas o filas nuevas.
Lo que la pseudonimización NO hace (honestidad obligada)
Un Excel pseudonimizado sigue siendo dato personal a efectos del RGPD mientras exista el mapa que permite revertirlo — tú sigues siendo responsable del tratamiento y de custodiar ese mapa. Lo que cambia, y no es poco, es la superficie de exposición: lo que circula (por email, por IA, por carpetas) ya no identifica a nadie por sí solo. El incidente de UNIQLO con un archivo pseudonimizado habría sido una anécdota interna, no una resolución de seis cifras.
Pruébalo con un archivo de ejemplo
No hace falta cuenta para ver cómo funciona: abre la demo y mira la detección sobre un archivo de ejemplo, o arrastra uno tuyo — recuerda que no sale de tu navegador. Si quieres ver cómo queda Anoply frente a las alternativas (Private AI, Presidio…), tienes la comparativa honesta aquí.