Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
La privacidad ya no depende solo de lo que una persona revela de forma directa.
Gartner pronostica que, para 2029, la mayoría de los incidentes de privacidad procederán de inferencias generadas por la Inteligencia Artificial. El cambio es profundo porque el riesgo ya no se limita al dato expuesto, sino a lo que una máquina puede deducir a partir de rastros dispersos.
La IA extrae retratos íntimos sin tocar el dato original
Durante años, muchas organizaciones levantaron sus defensas alrededor del dato bruto. Ahora el problema aparece después, cuando algoritmos capaces de cruzar patrones de comportamiento, métricas de uso y datos agregados reconstruyen identidades y hábitos que nadie entregó de forma explícita.
Bart Willemsen, analista de Gartner, sitúa ahí el giro del problema.
"Históricamente, las organizaciones se han centrado en proteger los datos personales sin procesar, pero la IA ahora puede reconstruir información muy personal sin infringir los controles de datos tradicionales". - Bart Willemsen, analista de Gartner
No hace falta imaginar un expediente secreto para entenderlo. Basta con combinar información anonimizada con señales tomadas de redes sociales, viajes o pruebas médicas para reidentificar a una persona y deducir datos sensibles sobre su vida.
El anonimato cede cuando los patrones encajan
A veces la trampa está en creer que un dato aislado no dice gran cosa. El problema llega cuando la IA encuentra relaciones entre piezas pequeñas y levanta un perfil completo, una lógica que también ha aparecido en cuentas anónimas vinculadas a identidades reales en cuestión de minutos.
Eso complica incluso la detección del ataque. Willemsen advierte que los ataques de inferencia suelen eludir los mecanismos de detección convencionales, de modo que una organización puede creer que protegió sus bases de datos mientras el daño aparece en la capa de las deducciones.
La suplantación gana escala cuando personalizar cuesta poco
Además del riesgo de reidentificación, la IA abarata otro frente conocido y muy cotidiano. Las campañas de suplantación de identidad personalizadas pasan a ser rentables y pueden ejecutarse a escala en menos tiempo, porque redactar mensajes creíbles y adaptados a cada víctima deja de exigir semanas de trabajo manual.
Ahí aparece una contradicción incómoda. La misma capacidad que permite detectar patrones útiles en grandes volúmenes de información también facilita fabricar engaños más precisos, del mismo modo que ya se ha visto en filtraciones de números privados generadas por modelos que recombinan datos aprendidos.
La defensa empieza por guardar menos
Frente a ese escenario, Gartner plantea una respuesta menos vistosa que cualquier promesa técnica, pero más directa. Las organizaciones deben recopilar solo la información indispensable y eliminar el resto, porque cada dato almacenado añade material para futuras inferencias.
Guardar menos datos reduce la superficie desde la que una IA puede reconstruir información personal. La advertencia no gira alrededor de una brecha clásica, sino de algo más resbaladizo, que una máquina pueda saber demasiado incluso cuando nadie vea el dato original.