Si trabajas con datos sensibles o tienes clientes que se preocupan (con justa razón) por su privacidad al usar inteligencia artificial, la última novedad de OpenAI te va a interesar. Acaban de lanzar el Filtro de Privacidad (Privacy Filter), un modelo diseñado específicamente para encontrar y ocultar información personal identificable (PII) en textos antes de que lleguen a un LLM o a una base de datos.
Lo más interesante de este lanzamiento no es solo su precisión, sino cómo se ejecuta.
El fin de enviar datos a terceros
Si querías limpiar datos sensibles de un texto, muchas veces tenías que depender de costosos servicios en la nube. La gran ventaja del Filtro de Privacidad es que es un modelo de pesos abiertos (open-weights) con licencia Apache 2.0.
¿Qué significa esto en la práctica? Que lo puedes descargar desde GitHub o Hugging Face y correrlo de forma 100% local en tu propia máquina o servidor. No tienes que enviar los datos de tus usuarios a la API de OpenAI ni a ninguna otra empresa externa. Todo el escaneo y la censura de los datos ocurren en tu propia infraestructura, lo cual es un alivio inmenso para cumplir con normativas de privacidad.
Cómo funciona por dentro
A nivel técnico, es un modelo ligero de 1.500 millones de parámetros, pero lo suficientemente robusto como para procesar documentos larguísimos de una sola vez, gracias a su ventana de contexto de 128.000 tokens.
A diferencia de las reglas tradicionales que buscan patrones fijos y suelen fallar con el contexto, este filtro entiende la estructura del lenguaje. Está entrenado para rastrear y enmascarar ocho categorías clave:
- Nombres y direcciones.
- Correos electrónicos y teléfonos.
- Fechas y URLs.
- Números de cuenta bancaria o tarjetas de crédito.
- Secretos de software: Esta función es vital, ya que detecta y oculta contraseñas o claves de API (API keys) que a veces se filtran accidentalmente en los logs de código.
¿Vale la pena frente a otras opciones?
Ya existen jugadores pesados en este sector, como Google Cloud Data Loss Prevention (DLP), Microsoft Azure Content Moderator o Macie de AWS. Son excelentes, pero suelen estar atados a sus propios ecosistemas y a modelos de pago por uso.
La propuesta de OpenAI ataca un ángulo distinto: te da un modelo gratuito, que puedes afinar a medida (fine-tuning) para que entienda la jerga específica de tu empresa, y que te garantiza que la información nunca salga de tus servidores. Si estás armando un flujo de trabajo con IA y la privacidad es innegociable, este filtro es el punto de partida ideal.