Ciberseguridad Inteligencia Artificial Microsoft 365 Protección de datos

Dolores Fuertes, ¿paciente o síntoma? Lo que la IA ha cambiado en el DLP

Resumen rápido

Resumen

  • Hace unos años, en el DLP de una gran empresa del sector de la salud, no podíamos distinguir a una paciente llamada Dolores Fuertes de un informe que decía «dolores fuertes». Con patrones y diccionarios era imposible.
  • Los modelos de lenguaje actuales clasifican cada palabra según la frase en la que aparece. En MEDDOCAN, un banco de pruebas de casos clínicos en español, los mejores sistemas superaron un F1 de 0,97. La búsqueda por coincidencia exacta se quedó en 0,43.
  • Varios fabricantes de DLP ya anuncian clasificación con modelos de lenguaje. Las cifras de precisión que publican las calculan ellos mismos.
  • A 20 de noviembre de 2026, Microsoft Purview no usa el contexto para resolver este caso en español. Su detección de nombres funciona con diccionarios. La de términos médicos y los clasificadores entrenables de salud solo trabajan en inglés. La IA generativa de Purview actúa después de la detección: ordena alertas e investiga incidentes.
  • Lo que sí lo resuelve en Purview es Exact Data Match, que compara el contenido con la lista real de pacientes. No es IA: es una búsqueda exacta sobre valores convertidos en hashes.

Estado a 20 de noviembre de 2026.

El caso: Dolores Fuertes

Hace unos años trabajé en el DLP de una gran empresa del sector de la salud. Lo que más había que proteger eran los datos de pacientes: un nombre junto a un diagnóstico es un dato de salud, una de las categorías especiales del artículo 9 del RGPD.

Uno de los mayores retos que me encontré tenía nombre propio. Dolores Fuertes puede ser una paciente. «Dolores fuertes» es también lo que escribe un médico en cualquier informe: «refiere dolores fuertes en la zona lumbar». Para el motor de DLP las dos cadenas eran la misma, y no había forma de separarlas. En un DLP sanitario eso es crítico, porque la regla que tenía que detectar nombres de pacientes saltaba con la descripción de un síntoma.

Tampoco era un caso aislado. En español hay muchos nombres de pila que son también palabras corrientes, y algunos aparecen a diario en un hospital: Dolores, Consuelo, Remedios, Amparo, Socorro. Muchos apellidos son adjetivos: Fuertes, Delgado, Calvo, Moreno, Blanco. Las mayúsculas no ayudan, porque una frase empieza con mayúscula, hay informes escritos enteros en mayúsculas y el texto que sale de un documento escaneado llega como llega.

Por qué las reglas no podían resolverlo

Un DLP clásico detecta con patrones. En Microsoft Purview, un tipo de información confidencial combina un elemento principal (una expresión regular, una lista de palabras o un diccionario) con elementos de apoyo que deben aparecer cerca para subir la confianza. Funciona muy bien con lo que tiene forma: un DNI, un IBAN o un número de tarjeta con su dígito de control.

Un nombre no tiene forma. La única manera de buscarlo con reglas es un diccionario de nombres y apellidos, y el diccionario no entiende la frase. Con eso quedan dos opciones, y las dos son malas:

  • Una regla sensible salta con cada informe que menciona dolores fuertes. Las alertas se cuentan por cientos, nadie las revisa y la política se queda en modo aviso indefinidamente.
  • Una regla estricta, que excluye los nombres conflictivos o pide mucho más contexto, deja escapar justo lo que había que proteger.

Lo que quedaba era ajustar a mano: excepciones, umbrales y palabras de apoyo, revisados una y otra vez. Mucho trabajo para un equilibrio que se rompía con el siguiente tipo de documento.

Qué ha cambiado: modelos que leen la frase

Los modelos de reconocimiento de entidades (NER) basados en redes neuronales, y después los transformers y los grandes modelos de lenguaje, no buscan una cadena de texto. Clasifican cada palabra a partir de las que la rodean. Para un modelo así, «Dolores Fuertes, 54 años, ingresa por…» y «refiere dolores fuertes en el hemitórax izquierdo» son frases distintas con estructuras distintas.

FraseDiccionario de nombresModelo que lee el contexto
«Dolores Fuertes, 54 años, ingresa por dolor torácico»NombrePersona
«Refiere dolores fuertes en el hemitórax izquierdo»NombreSíntoma
«Firmado: Dra. Consuelo Blanco»NombrePersona (profesional sanitaria)
«Le sirve de poco consuelo»Nombre (si no distingue mayúsculas)Palabra corriente

La tabla muestra lo que cabe esperar de un modelo bien entrenado; ningún estudio que conozca ha probado este par de frases en concreto. Lo que sí está medido es la detección de nombres en texto clínico en español. En 2019, la tarea compartida MEDDOCAN (IberLEF) puso a competir a 18 equipos en la desidentificación de 1.000 casos clínicos sintéticos en español. El mejor sistema obtuvo un F1 de 0,970 al identificar y clasificar entidades, y de 1,000 en los nombres de pacientes. La línea base de coincidencia exacta de cadenas, lo más parecido a un diccionario, se quedó en 0,427. El ganador usaba redes recurrentes. Un año después, un modelo BERT multilingüe de uso general alcanzó 0,967 sin ninguna adaptación al dominio clínico.

Hay que leer esas cifras con cuidado: el corpus es sintético, y los propios organizadores advierten de que los resultados no son directamente comparables con historias clínicas reales. Aun así, la distancia entre 0,43 y 0,97 explica por qué lo que hace unos años era un reto enorme hoy tiene solución técnica.

Cómo lo aplican las herramientas

  • Presidio, el proyecto de código abierto que creó Microsoft y que hoy gestiona una comunidad independiente, combina expresiones regulares, NER (con spaCy, Stanza o modelos transformers) y palabras de contexto que suben la puntuación de un hallazgo. Admite modelos en español y puede devolver por qué marcó algo: qué reconocedor lo detectó y qué palabra de contexto subió la confianza.
  • Google Cloud Sensitive Data Protection tiene tipos para nombres de persona (PERSON_NAME) y términos médicos (MEDICAL_TERM), y reglas de palabras clave cercanas que suben o bajan la probabilidad de un hallazgo. No documenta si esos dos tipos funcionan en español.
  • Palo Alto Networks (Enterprise DLP) usa patrones reforzados con aprendizaje automático y clasificadores de documentos con redes neuronales profundas. En 2024 afirmó que los modelos de lenguaje que usa para entrenarlos habían reducido los posibles falsos positivos en más de un 90 %, sin publicar el método.
  • Netskope clasifica archivos con modelos de lenguaje. Para esas reglas envía parte del texto extraído a su servicio de clasificación. Según su documentación no lo guarda ni lo usa para entrenar, pero lo procesa.
  • Forcepoint pone en el centro de su clasificación (AI Mesh) un modelo de lenguaje pequeño que funciona en CPU, combinado con clasificadores neuronales y reglas.

Ninguno de los tres fabricantes publica cifras de precisión en español.

¿Y Microsoft Purview?

Revisé la documentación oficial el 20 de noviembre de 2026. Esto es lo que hay para un caso como el de Dolores Fuertes:

  • Tipos de información confidencial clásicos. Siguen siendo patrones con elementos de apoyo dentro de una ventana de proximidad y niveles de confianza. Microsoft los llama clasificadores basados en patrones.
  • Entidades con nombre. «All full names» usa un diccionario de nombres, uno de apellidos y patrones de formación de nombres, distintos por país, y el español está entre los idiomas admitidos. Detectaría a Dolores Fuertes, pero la documentación no dice que use el contexto para descartar unos dolores fuertes. Microsoft describe las entidades con nombre como clasificadores complejos de diccionario y patrones.
  • Términos médicos. «All medical terms and conditions» funciona con diccionario y, según la propia documentación, solo detecta términos en inglés. No reconocería «dolores fuertes» como síntoma.
  • Clasificadores entrenables. Son los que sí usan aprendizaje automático. Los integrados para salud, «Healthcare» y «Health/Medical forms», solo admiten inglés. Los personalizados, también.
  • IA generativa. Data Security Triage Agent, que funciona con Security Copilot y consume unidades de cómputo de pago (SCU), prioriza las alertas de DLP que ya se han generado. Data Security Investigations analiza el contenido después de un incidente, y Data Security Posture Agent, en preview, ayuda a descubrir datos. Son herramientas útiles, pero entran cuando la regla ya ha saltado: si salta con cada informe que menciona dolores fuertes, el agente ayuda a ordenar la cola de alertas y la cola sigue ahí. La documentación tampoco dice qué idiomas admiten.
  • Lo anunciado. En Ignite, el 17 de noviembre de 2026, Microsoft anunció tipos de información confidencial integrados mejorados a partir de enero de 2027, empezando por los más de cien más usados, con la promesa de detectar con precisión y menos ajuste manual. No explicó el método ni habló de idiomas, y los ejemplos que citó son números de tarjeta y de la seguridad social estadounidense. Habrá que probarlo cuando llegue.
En resumen

Hoy, en español, Purview no distingue a Dolores Fuertes de unos dolores fuertes leyendo la frase.

Lo que sí funciona en Purview: Exact Data Match

Exact Data Match (EDM) ataca el problema por otro lado: en vez de adivinar si una palabra es un nombre, comprueba si corresponde a una persona que de verdad está en tus registros.

  1. Preparas una tabla con los datos reales, por ejemplo número de historia clínica, nombre, apellidos y fecha de nacimiento, y la conviertes en hashes con sal. Al servicio solo suben los hashes. La tabla admite hasta 100 millones de filas y se puede actualizar a diario.
  2. La regla necesita primero un elemento principal que se detecta con un patrón, como el número de historia clínica, y después busca cerca los campos de apoyo, como el nombre. La coincidencia se hace comparando hashes.
  3. Así, «dolores fuertes» en un informe solo cuenta si aparece junto al número de historia de una paciente que se llama así.

Microsoft recomienda EDM precisamente para reducir los falsos positivos con datos personales y de salud de personas conocidas. Tiene un coste de operación: hay que mantener la tabla sincronizada con el maestro de pacientes, y las capacidades avanzadas de clasificación de Purview van en planes de nivel E5. Puedes ver qué cubre el tuyo en el simulador de licencias de Purview.

Para afinar el resto de reglas, Purview permite marcar en el explorador de contenido y en las alertas si un hallazgo era correcto o no, y muestra un resumen del contexto en el que apareció. No está disponible para las entidades con nombre ni para EDM, y el marcado no reentrena nada: sirve para que la persona que administra ajuste umbrales, niveles de confianza y exclusiones.

Lo que la IA no resuelve

  • Sigue habiendo un umbral. Un modelo devuelve una puntuación y alguien decide a partir de cuánto salta la regla. Más sensibilidad trae más falsos positivos, y menos sensibilidad deja pasar más.
  • Dónde se clasifica. Si el modelo se ejecuta en un servicio externo, parte del contenido sale de tu entorno. Con datos de salud hay que saber dónde se procesa, con qué contrato de encargo y con qué retención.
  • Los modelos pequeños fallan más. Un estudio publicado en iScience en octubre de 2025 sobre 3.650 registros clínicos británicos midió un F1 de 0,939 para un servicio específico de desidentificación y de 0,898 para GPT-4 con diez ejemplos. Los modelos pequeños se desplomaron: Phi-3 se quedó en 0,448 y Llama 3 de 8.000 millones de parámetros, en 0,198. Los autores observaron que tachaban de más o se inventaban contenido.
  • Latencia. En un DLP que actúa en el momento, en el correo o en el equipo del usuario, cada milisegundo cuenta. Google desaconseja su detector de nombres en operaciones sensibles a la latencia.
  • Explicar la decisión. Si una regla bloquea un envío, alguien preguntará por qué. Presidio devuelve el razonamiento; la mayoría de las herramientas comerciales documentan solo una puntuación.
  • El idioma. Que algo funcione en inglés no garantiza nada en español, y menos en vocabulario clínico.

Cómo lo plantearía hoy

  1. Empezaría por la información. Qué datos de salud hay, dónde están, quién llega a ellos y por qué canales salen. La herramienta viene después.
  2. Separaría lo que tiene forma de lo que no. DNI, número de la Seguridad Social o número de historia clínica, con patrones. Los nombres de pacientes, con EDM contra el maestro de pacientes.
  3. Combinaría condiciones. Número de historia más nombre más término clínico dice mucho más que un nombre suelto.
  4. Probaría cualquier herramienta con IA con documentos propios y en español. Un conjunto de prueba con casos como Dolores Fuertes, midiendo falsos positivos y falsos negativos antes y después.
  5. Preguntaría dónde corre el modelo y qué parte del contenido se envía.
  6. Desplegaría primero en modo aviso y dejaría registrado cada ajuste antes de pasar a bloqueo.
  7. Usaría la IA de triaje para lo que sirve: ordenar y explicar alertas. Una regla mal planteada no se arregla poniéndole un agente detrás.

Es la forma de trabajar del servicio de Data Loss Prevention. Si además usáis Microsoft 365 Copilot o agentes, la guía de DLP para Copilot y agentes explica cómo encajan permisos, etiquetas y políticas.

Preguntas frecuentes

¿La IA elimina los falsos positivos del DLP?

No. Reduce los que dependen del contexto, como un nombre que también es una palabra corriente, pero cualquier modelo devuelve una puntuación y hay que decidir el umbral. Subirlo deja pasar más; bajarlo, genera más alertas.

¿Microsoft Purview distingue un nombre de un síntoma en español?

A 20 de noviembre de 2026, no por contexto. «All full names» admite español, pero funciona con diccionarios y patrones; «All medical terms and conditions» y los clasificadores entrenables de salud solo trabajan en inglés. Para datos de pacientes conocidos, Microsoft recomienda Exact Data Match, que compara con la lista real de pacientes convertida en hashes.

¿Puedo mandar datos de salud a un modelo de IA para clasificarlos?

Depende de dónde se procese. Los datos de salud son una categoría especial del artículo 9 del RGPD. Si el modelo está fuera de tu entorno, revisa el contrato de encargo, la ubicación del tratamiento y la retención, y prefiere opciones que clasifiquen dentro de tu propio entorno.

¿Qué licencia de Microsoft necesito?

Los tipos de información confidencial básicos están en planes intermedios. Las entidades con nombre y el resto de clasificadores avanzados piden planes de nivel E5 o complementos. El simulador de licencias de Purview te dice qué cubre tu plan, y conviene confirmarlo en los términos de producto vigentes.

Cualquier duda, aquí estoy. Sin humo.

Seguir leyendo

¿Tu DLP salta tanto que nadie lo mira?

Una estrategia de DLP que se pueda poner en bloqueo

Te ayudo a diseñar la estrategia de DLP de tu organización: qué información proteger y dónde está, qué método de detección conviene en cada caso (patrones, Exact Data Match, clasificadores o IA), cómo medir los falsos positivos con tus propios documentos y cómo pasar de aviso a bloqueo sin parar el trabajo. Normalmente sobre Microsoft Purview; si estás valorando otra herramienta, te ayudo a definir las pruebas para compararlas.

Cuéntame qué te preocupa que salga y en qué punto estás, y te digo por dónde empezaría. Te respondo personalmente, sin humo y sin compromiso.

Hablemos de tu estrategia de DLP →