Qué ejemplos anonimizados sirven para probar una clasificación documental

Decide qué dificultad quieres conservar

Selecciona documentos que se parezcan a la entrada del despacho en formato, extensión, legibilidad y ambigüedad. Incluye periodos distintos, entidades con nombres parecidos y anexos que puedan confundirse con documentos independientes. No elimines justo las características que el clasificador debe aprender a tratar. Cada ejemplo debe tener una categoría esperada o una decisión de derivar a revisión, acordada por el profesional.

Revisa más que el nombre visible

Busca direcciones, identificadores, firmas, cuentas, referencias, texto libre y combinaciones singulares de hechos. Comprueba también nombre del archivo, metadatos y contenido oculto cuando exista. La AEPD vincula anonimización con que no sea razonable identificar a la persona en el conjunto de datos. Si queda una tabla que permite reconstruir identidades, no declares anonimizado el material por haber sustituido etiquetas.

Utiliza sintéticos para casos delicados

Construye ejemplos ficticios con estructura representativa y marca que son simulados. No uses documentos de clientes como plantillas sin revisar todos sus elementos. Incluye casos en que la respuesta correcta sea no clasificar: páginas incompletas, dos documentos mezclados o ausencia de periodo. Un conjunto perfecto de ejemplos limpios mide un escenario diferente al que encontrará el equipo en recepción.

Separa desarrollo y evaluación

Reserva ejemplos que no se utilicen para ajustar instrucciones. Evita que copias casi idénticas del mismo documento aparezcan en ambos grupos. Registra quién fijó la etiqueta y cómo se resolvieron discrepancias. Si los propios profesionales no acuerdan una categoría, conserva ese desacuerdo como caso de derivación o revisa la definición; no fuerces una etiqueta para mejorar el porcentaje de acierto.

Comprueba utilidad y riesgo residual

Una persona ajena a la preparación intenta reconocer datos de origen y otra revisa que los casos sigan siendo operativamente realistas. Esa comprobación ayuda, pero no certifica anonimización por sí sola. Registra transformaciones, limitaciones y destino autorizado del conjunto. Evalúa errores por tipo documental y gravedad: confundir un anexo del mismo expediente no tiene las mismas consecuencias que asignarlo a otro cliente.

Fuentes y documentación

• AEPD: datos anonimizados — Quitar identificadores directos no basta si sigue siendo razonable identificar a la persona.
• Perfil de riesgos de IA generativa de NIST — Considera confabulación y evaluación contextual; no certifica un uso concreto.