Entornos de prueba sin datos reales

Hay tres caminos y no valen lo mismo. Copia de producción: datos reales, máxima fidelidad, máximo riesgo. Enmascarado: se copian y se transforman columnas; solo protege lo que la regla cubre y la copia existe, aunque sea un rato, sin transformar. Datos sintéticos: se generan desde cero con la forma y las reglas de los reales, y no hay ningún paciente detrás.

Para datos de salud, lo defendible es que los datos reales no salgan de producción hacia entornos de menor protección. El enmascarado es un parche cuando algo ya está hecho; lo sintético evita el problema de origen.

Un pipeline es evidencia de lo que de verdad ocurre. En el archivo de trabajos de la clínica hay uno que corre cada domingo y mueve datos entre entornos. Busca el que restaura una copia de producción en el entorno de pruebas.

El enmascarado cubre las columnas que alguien escribió en una lista. Una columna que no está en la lista pasa intacta, aunque tenga el dato más sensible de la tabla. Compara las columnas de la muestra con las reglas de enmascarado y detecta la que quedó sin cubrir.

El estado del paso de enmascarado dice «parcial»: se cortó a las tres horas. Eso significa que algunas filas se transformaron y otras no. Contar cuántas filas de la muestra conservan el documento original muestra el tamaño del problema y sirve para el informe.

El entorno de pruebas tiene catorce personas del equipo, tres de un proveedor externo y salida a internet. Los datos reales de pacientes no deberían estar ahí ni por un rato. Mejorar el enmascarado ayuda, pero la copia sin transformar sigue existiendo durante la restauración.