La anonimización se realiza mediante procesos automáticos de detección de patrones y entidades que identifican datos personales y los sustituyen por identificadores irreversibles. Esta sustitución se adapta a cada caso, previa petición, según la información a proteger (por ejemplo: números de cuenta, DNI/NIE, códigos numéricos, nombres propios, fechas o referencias sensibles como información médica). Cuando el cliente lo solicita, estos datos pueden ser también pseudonimizados antes de su procesamiento.

Mediante procesos de sustitución, la tasa es del 100%.

Los modelos de IA están aislados en la red privada, sin conexión a servicios externos, y protegidos por segmentación de red, firewalls, WAF e IDS/IPS. El acceso está controlado mediante RBAC, MFA y políticas de mínimo privilegio, con trazabilidad completa de todas las acciones. Todas las comunicaciones se cifran con TLS 1.3/SSL y los cambios pasan por CI/CD seguro con validación y escaneo de vulnerabilidades. Además, un SOC 24/7 monitoriza cualquier intento de intrusión o manipulación. Únicamente personal autorizado del departamento de IT tiene acceso a los servidores con modelos IA.

La integridad y confidencialidad se garantizan mediante entornos aislados, segmentación entre entrenamiento/validación/producción, cifrado TLS 1.3/SSL y control de acceso RBAC+MFA. Los despliegues pasan por CI/CD seguro con auditoría y escaneo de vulnerabilidades, y un SOC 24/7 monitoriza cualquier anomalía o intento de manipulación.

Sí, mínimo mensualmente. eAlicia realiza evaluaciones periódicas de riesgos, auditorías éticas y revisiones de sesgos en todos los modelos de IA, incluyendo los generativos, analíticos y de transcripción. Estos análisis buscan detectar vulnerabilidades, desviaciones, sesgos discriminatorios o comportamientos anómalos. Además, se aplican calibraciones y validaciones mensuales con supervisión humana para garantizar seguridad y equidad. Todo ello forma parte de un programa formal de monitorización continua y cumplimiento del AI Act y GDPR, evitando exposición accidental de datos sensibles.

Se realizan test unitarios de validación de anonimización de los datos solicitados.

Bajo petición del cliente (no en todos los casos es necesario), se realiza anonimización previa al envío a los modelos IA, sustituyendo todos los datos personales por identificadores irreversibles. Además, se aplican auditorías éticas, revisiones periódicas de sesgos y supervisión humana, asegurando que ningún dato sensible quede incrustado o residual en los modelos.

No es necesario aplicar differential privacy porque no se entrenan modelos con datos de cliente. Las consultas a los modelos (LLM) se utilizan únicamente para analizar el contexto recibido en ese momento, sin que exista retención ni aprendizaje sobre esa información. Además, los datos pueden anonimizarse previamente, y el análisis se centra exclusivamente en el comportamiento de los agentes, las conversaciones y la calidad de las interacciones, evitando cualquier riesgo de exposición.

El cumplimiento se garantiza mediante una arquitectura totalmente aislada, donde todos los datos se procesan exclusivamente dentro de nuestra red privada y nunca se envían a servicios externos. Las consultas a los modelos se realizan únicamente desde los procesos internos de eAlicia, sin posibilidad de acceso desde el exterior, lo que asegura un control absoluto del flujo de información. Además, cuando el cliente lo solicita, los datos pueden ser anonimizados o pseudonimizados antes del procesamiento, reforzando la protección de la privacidad y el cumplimiento de normativas como GDPR y LGPD.

Modelos open source y propios trabajando en local.
Nuestra IA se basa en modelos open-source auditables (Whisper, Llama, Mistral) y en modelos propios entrenados internamente, todos ejecutados exclusivamente en nuestros servidores dentro del CPD. La tecnología subyacente utiliza frameworks como PyTorch, TensorFlow y HuggingFace, instalados en local y sin conexión a servicios externos. No empleamos APIs ni nubes públicas de terceros, por lo que ningún dato se envía fuera de nuestra infraestructura. Todo el procesamiento se realiza en entornos privados, aislados y bajo control absoluto. Esto garantiza confidencialidad total y soberanía del dato.

El uso de la herramienta es cerrado por diseño, porque todos los modelos de IA se ejecutan únicamente en nuestra infraestructura privada, aislada y sin conexión a servicios externos. Los datos de cada cliente se procesan en instancias lógicamente separadas, con bases de datos independientes que impiden cualquier mezcla entre proyectos. No existe entrenamiento continuo ni aprendizaje cruzado: los modelos no reutilizan información ni incorporan datos de clientes a su funcionamiento interno. Todo el acceso está regulado por RBAC, auditoría y circuitos de autorización, garantizando que solo personal autorizado pueda interactuar con los entornos. Además, los compromisos contractuales refuerzan que la información del Cliente se utiliza exclusivamente para su propio servicio y nunca se comparte ni aplica fuera de su perímetro.

La plataforma protege los modelos mediante aislamiento total en la red privada, sin exposición a servicios externos, junto con segmentación estricta entre entrenamiento, validación y producción. Además, emplea firewalls, WAF, IDS/IPS, cifrado TLS 1.3, RBAC, MFA y monitorización SOC 24/7, evitando accesos no autorizados o intentos de extracción. Finalmente, las auditorías éticas, revisiones periódicas de sesgos y trazabilidad completa del ciclo de vida del modelo aseguran que no pueda inferirse ni extraerse información sensible.