Qué cuenta como dato personal en texto libre

La Ley 1581 de 2012, la norma colombiana de protección de datos, llama dato personal a cualquier información que se pueda vincular o asociar a una o varias personas naturales, ya estén identificadas o se puedan llegar a identificar. Esa segunda parte es la que complica el texto libre: no hace falta un nombre ni un número para que una frase señale a alguien. Una descripción lo bastante concreta —un cargo único, una casa reconocible, una combinación de rasgos poco común— apunta a una persona igual que su documento.

La misma norma deja fuera a las personas jurídicas: el número tributario de una sociedad no es un dato personal, aunque tenga el mismo aspecto que muchos que sí lo son. Y separa un grupo de datos sensibles, cuyo uso indebido puede causar discriminación, como los de salud o la afiliación a un sindicato. Un filtro de texto libre tiene que pensar en las tres cosas: identificadores, descripciones que identifican y datos sensibles.

Un filtro solo encuentra lo que sabe buscar. Si nadie le dio un reconocedor para un tipo de dato, ese dato sale en claro aunque sea un identificador tan directo como un documento. Por eso la primera lectura de una revisión humana no es cuánto acertó el filtro, sino qué categorías de dato ni siquiera intenta ver.

Consulta la revisión y busca el fragmento que las revisoras clasificaron como identificador directo y que el filtro no marcó. Después mira la tabla de tipos para entender por qué.

Los datos sensibles suelen llegar sin forma fija: nadie escribe su diagnóstico con un patrón de dígitos. Un reconocedor de patrones no los encuentra, y un modelo genérico de entidades nombradas tampoco, porque busca nombres, lugares y organizaciones, no condiciones de salud. Saber cuántos se escapan en una muestra da la medida del hueco antes de decidir cómo cerrarlo.

El error contrario también existe: el filtro marca algo que no es un dato personal. Con un patrón numérico pasa a menudo, porque muchos números tienen la misma forma. Cada marca de más tapa información que el asesor o el modelo necesitaban, y si son muchas, el equipo empieza a pedir que se apague el filtro.

Quedan las descripciones que identifican sin nombre: la asesora única de una oficina, la casa frente a la escuela de una vereda. Ningún patrón las describe y un modelo de entidades, en el mejor caso, marcaría el nombre del lugar y dejaría el resto. Ahí el detector deja de ser la única defensa.