Elimina o sustituye los datos personales evidentes antes de enviar texto a un asistente de chat con IA y revisa tanto el texto enmascarado como el informe de detección para encontrar lo que se haya escapado. Este tutorial usa un ejemplo sintético pequeño y no modifica el archivo original.
La traducción se ha realizado con IA. Comprueba el código, las unidades y los valores junto con el original. La revisión por hablantes nativos de cada idioma aún no se ha completado. English
Para quién esPara personas que quieren hacer una comprobación práctica antes de enviar a una IA textos de trabajo que puedan contener nombres, correos electrónicos o teléfonos.
Este ejemplo es completamente sintético. Los nombres, correos electrónicos, números de teléfono, datos de empresa y contenido del mensaje son inventados para el tutorial. El objetivo es practicar cómo retirar datos personales evidentes antes de que el texto salga de tu entorno local.
Guarda el siguiente texto como message.txt. Contiene dos nombres, dos direcciones de correo, dos números de teléfono y una referencia deliberadamente ambigua que una regla de enmascarado simple no detectará.
Project review notes
Alice Kim asked us to send the revised table to alice.kim@example.com.
If the file is delayed, call Alice at 010-1234-5678.
Bob Lee will review the second draft. His email is bob.lee@example.com and his office number is 02-345-6789.
The final approval should also be checked with A. Kim before Friday.
Puedes preguntar a un asistente de IA cómo diseñar reglas de enmascarado sin enviarle el documento sensible real. Describe las categorías y usa ejemplos inventados.
Una respuesta útil debe distinguir entre identificadores estructurados y lenguaje no estructurado. Los correos electrónicos y teléfonos suelen tener patrones reconocibles. Los nombres humanos son más difíciles: palabras comunes pueden ser nombres, pueden aparecer iniciales o distintos sistemas de escritura, y una misma persona puede mencionarse de varias formas.
Para este ejemplo sintético, usa una pequeña lista aprobada para los nombres y expresiones regulares para correos y teléfonos. Este enfoque es intencionadamente más limitado que un detector general de datos personales.
| Tipo de dato | Regla | Marcador |
|---|---|---|
| Nombre completo | Sustituir solo los nombres exactos aprobados Alice Kim y Bob Lee | [NAME_1], [NAME_2] |
| Correo | Detectar patrones comunes con parte local, @ y dominio | [EMAIL_1], [EMAIL_2] |
| Teléfono | Detectar los dos formatos de teléfono presentes en este ejemplo | [PHONE_1], [PHONE_2] |
| Otro texto | Dejarlo sin cambios para revisión manual | Sin sustitución automática |
Los marcadores coherentes permiten mantener comprensibles las referencias repetidas sin conservar el identificador original. El script de abajo asigna el mismo marcador a las apariciones repetidas del mismo valor detectado.
El siguiente script de Python lee message.txt, aplica las reglas aprobadas y escribe los resultados en una nueva carpeta outputs. También crea un informe replacements.csv con cada valor original detectado y su marcador. Se detiene si outputs ya existe y nunca sobrescribe message.txt.
import csv
import re
import sys
from pathlib import Path
INPUT = Path("message.txt")
OUTPUT_DIR = Path("outputs")
MASKED_FILE = OUTPUT_DIR / "message_masked.txt"
REPORT_FILE = OUTPUT_DIR / "replacements.csv"
KNOWN_NAMES = ["Alice Kim", "Bob Lee"]
EMAIL_RE = re.compile(
r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b"
)
PHONE_RE = re.compile(
r"(?<!\d)(?:010-\d{4}-\d{4}|02-\d{3}-\d{4})(?!\d)"
)
def make_replacer(kind, mapping, rows):
def replace(match):
original = match.group(0)
if original not in mapping:
placeholder = f"[{kind}_{len(mapping) + 1}]"
mapping[original] = placeholder
rows.append(
{
"type": kind,
"original": original,
"replacement": placeholder,
}
)
return mapping[original]
return replace
def mask_known_names(text, mapping, rows):
for name in KNOWN_NAMES:
if name not in text:
continue
if name not in mapping:
placeholder = f"[NAME_{len(mapping) + 1}]"
mapping[name] = placeholder
rows.append(
{
"type": "NAME",
"original": name,
"replacement": placeholder,
}
)
text = text.replace(name, mapping[name])
return text
def main():
if not INPUT.is_file():
sys.exit(f"Input file not found: {INPUT}")
if OUTPUT_DIR.exists():
sys.exit(f"Stop: {OUTPUT_DIR} already exists. Review or rename it first.")
original = INPUT.read_text(encoding="utf-8")
rows = []
name_map = {}
email_map = {}
phone_map = {}
masked = mask_known_names(original, name_map, rows)
masked = EMAIL_RE.sub(make_replacer("EMAIL", email_map, rows), masked)
masked = PHONE_RE.sub(make_replacer("PHONE", phone_map, rows), masked)
OUTPUT_DIR.mkdir()
MASKED_FILE.write_text(masked, encoding="utf-8")
with REPORT_FILE.open("x", encoding="utf-8", newline="") as target:
writer = csv.DictWriter(
target,
fieldnames=["type", "original", "replacement"],
)
writer.writeheader()
writer.writerows(rows)
print(f"Unique names masked: {len(name_map)}")
print(f"Unique emails masked: {len(email_map)}")
print(f"Unique phones masked: {len(phone_map)}")
print(f"Masked copy: {MASKED_FILE}")
print(f"Replacement report: {REPORT_FILE}")
if __name__ == "__main__":
main()
Coloca mask_personal_data.py junto a message.txt y ejecuta python mask_personal_data.py. Para este ejemplo exacto, el resultado esperado es que se oculten 2 nombres únicos, 2 correos únicos y 2 teléfonos únicos.
Calcula las sustituciones esperadas antes de confiar en el resultado. El script debería registrar seis valores únicos detectados.
| Tipo | Original | Sustitución |
|---|---|---|
| NAME | Alice Kim | [NAME_1] |
| NAME | Bob Lee | [NAME_2] |
| alice.kim@example.com | [EMAIL_1] | |
| bob.lee@example.com | [EMAIL_2] | |
| PHONE | 010-1234-5678 | [PHONE_1] |
| PHONE | 02-345-6789 | [PHONE_2] |
Alice Kim aparece dos veces en el texto original, pero debe usar [NAME_1] en ambas. El informe contiene valores únicos detectados, no una fila por cada aparición.
La sustitución automática es solo la primera pasada. Abre outputs/message_masked.txt y lee todo el resultado antes de pegarlo en ningún sitio. En este ejemplo, el último párrafo todavía contiene A. Kim. El script no puede saber a partir de su lista aprobada que esa referencia podría corresponder a Alice Kim.
En flujos de trabajo reales, define qué debe eliminarse según el documento, la política aplicable y el objetivo de la tarea con IA. Cuando sea posible, proporciona solo el mínimo texto necesario para la tarea en lugar de enmascarar un documento grande y enviarlo completo.
2026-09-21 · hand-checked example · Python 3.12
Las explicaciones y los ejemplos son de elaboración propia. Puedes consultar los comportamientos y conceptos relacionados en las siguientes fuentes oficiales.