ChatGPT y Claude son demasiado útiles para ignorarlos en un despacho: cuadres, resúmenes de expedientes, borradores de informes, detección de errores en un Excel de 4.000 filas. La pregunta ya no es "¿lo uso?", es "¿qué hago con los datos de mis clientes antes de usarlo?".
En la práctica hemos visto tres vías. Te contamos las tres con sus riesgos reales — incluida la tercera, que es la nuestra.
Vía 1 — Subirlo tal cual ("total, nadie lo va a ver")
Es la más común y la más incómoda de admitir: exportar el Excel con DNIs, IBANs y razones sociales y pegarlo directamente en el chat.
Lo que estás haciendo, en términos RGPD: comunicar datos personales de tus clientes a un tercero (el proveedor de IA), normalmente sin contrato de encargo del tratamiento (Art. 28), sin base jurídica clara para esa cesión (Art. 6) y sin que tus clientes lo sepan. En los planes gratuitos y estándar, además, el proveedor puede retener esos datos según sus términos.
El matiz honesto: los planes empresariales (ChatGPT Enterprise, API con DPA firmado) mejoran mucho el cuadro contractual — hay encargo, hay compromisos de no-entrenamiento. Pero incluso con el mejor DPA del mundo sigues mandando los DNIs reales de tus clientes a la infraestructura de un tercero en cada consulta, y respondiendo tú si algo sale mal. Las multas reales de la AEPD a despachos son precisamente por dejar que datos reales lleguen adonde no debían — aquí tienes cuatro, con expediente.
Veredicto: la comodidad de hoy es el incidente de mañana. Si esta es tu vía, al menos que sea una decisión informada y por escrito, no una costumbre.
Vía 2 — Borrar columnas a mano antes de subir
La vía del despacho prudente sin herramientas: duplicar el Excel, eliminar las columnas de nombre y DNI, y subir "lo que queda".
Dónde se rompe:
- El dato personal no vive solo en su columna. Vive en los conceptos ("Recibo García e Hijos S.L. marzo"), en observaciones, en encabezados de impresión, en comentarios de celda, en el valor cacheado de una fórmula. Lo que se ve se borra; lo que no se ve, viaja.
- Pierdes el contexto que necesitas. Sin un identificador consistente no puedes preguntar "¿cómo evoluciona el cliente de la fila 12?" — has roto la relación entre filas que era justo lo que querías analizar.
- No hay vuelta atrás. Si la IA te señala un caso concreto, reconstruir quién era exige cruzar a mano contra el original.
- Es trabajo manual repetido en cada exportación, y el error humano en tareas repetidas es exactamente lo que sancionan las resoluciones de la AEPD.
Veredicto: mejor que la vía 1, pero frágil: depende de que un humano no se deje nada, cada vez.
Vía 3 — Pseudonimización reversible antes de subir
La tercera vía sustituye cada identificador por una etiqueta consistente (Juan Pérez → PERSONA_001, en todo el archivo) y guarda la equivalencia en un mapa cifrado que no sale de tu equipo. Es la figura que el RGPD describe en su Art. 4.5, y la que usamos nosotros: Anoply nació en una asesoría real que se negaba a subir datos de clientes a una IA y estaba cansada de la vía 2.
Lo que resuelve:
- La detección cubre lo que el ojo no ve: DNI con letra válida, IBAN con dígitos de control, nombres en texto libre, razones sociales en conceptos bancarios, y las superficies escondidas del Excel (comentarios, encabezados, valores cacheados).
- La consistencia se mantiene: misma persona, misma etiqueta — tus análisis de evolución funcionan.
- Es reversible solo por ti: el mapa va cifrado con tu passphrase y la reversión ocurre en tu navegador. Cuando la IA devuelve el trabajo, recuperas los nombres reales en un clic, aunque hayas añadido columnas.
- En el caso de Anoply, además, el archivo nunca sale del navegador: ni para detectar, ni para sustituir, ni para revertir. Puedes verificarlo en las DevTools — lo explicamos en /confianza.
Los límites, dichos claramente: un archivo pseudonimizado sigue siendo dato personal mientras el mapa exista — la pseudonimización reduce drásticamente la exposición, no te "saca" del RGPD ni elimina tu responsabilidad. Y la etiqueta no protege lo que no es identificador: si el patrón de salarios de tu Excel solo encaja con una empresa del pueblo, esa inferencia sigue ahí.
En una tabla
| | Vía 1: tal cual | Vía 2: columnas fuera | Vía 3: pseudonimizar | |---|---|---|---| | Datos reales llegan al proveedor de IA | Sí, todos | Los que se escapan | No | | Consistencia para analizar | Total | Rota | Total (etiquetas) | | Reversible después | — | A mano | En un clic, en local | | Esfuerzo por archivo | Cero | Alto y repetido | Un arrastre | | Riesgo RGPD | Alto | Medio (error humano) | Reducido (no eliminado) |
Pruébalo sin registrarte
La mejor forma de entender la vía 3 es verla: abre la demo con un archivo de ejemplo o arrastra uno tuyo — la detección corre en tu navegador y el archivo no sale de tu equipo. Y si gestionas nóminas, tenemos una guía específica.