Cuando la IA empieza a “inferir”: los límites de los datos personales se están reescribiendo, ¿cómo deben responder las arquitecturas de datos empresariales?

Cuando la IA empieza a "inferir": los límites de los datos personales se están reescribiendo

Introducción

En julio de 2026, Financier Worldwide publicó el especial "Data privacy and protection", en el que invitó a seis profesionales de protección de datos y cumplimiento de Grecia, Francia, Canadá, Bélgica, Reino Unido e Italia a debatir en torno a una pregunta que parece básica pero que en realidad determina el rumbo de la arquitectura empresarial: después de que los sistemas de IA generan, infieren y agregan información a gran escala, ¿qué cuenta como datos personales?

La conclusión central que arroja el debate es que el límite de los datos personales se está expandiendo de "identificar directamente a una persona" a "poder inferir, vincular o rastrear hasta una persona". Las salidas algorítmicas, los perfiles de comportamiento, los datos biométricos e incluso los datos neuronales derivados están entrando o están a punto de entrar en el alcance regulatorio. Para las empresas, esto significa que la privacidad de los datos ya no es un documento de cumplimiento en papel que puede archivarse, sino un conjunto de restricciones operativas que deben incorporarse en las plataformas en la nube, los pipelines de datos y el ciclo de vida de los modelos.

Contexto del caso: un debate transfronterizo sobre la "definición"

Este debate merece la atención de los responsables de tecnología de las empresas porque revela un hecho estructural: el criterio para determinar qué son datos personales está divergiendo entre distintas jurisdicciones, y los flujos de datos de las empresas rara vez permanecen en una sola jurisdicción.

Grecia: la Autoridad Helénica de Protección de Datos (HDPA) adopta un enfoque interpretativo expansivo y dinámico: los mecanismos de salida algorítmica y de perfilado de comportamiento, siempre que permitan la identificación indirecta, el direccionamiento o la vinculación retrospectiva con una persona física, ya no gozan de estatus anónimo. En el marco del Reglamento de Inteligencia Artificial de la UE, el foco regulatorio se concentra claramente en la prohibición estricta de los sistemas de reconocimiento de emociones en entornos laborales y educativos.

Francia: la autoridad francesa de protección de datos (CNIL), en sus recomendaciones de 2025, adoptó la posición del Comité Europeo de Protección de Datos (EDPB) en su opinión n.º 28/2024: siempre que los datos de entrenamiento puedan extraerse —incluida la "regurgitación" (regurgitation) en los sistemas generativos—, el modelo queda dentro del ámbito de aplicación del GDPR.

La definición legislativa de Canadá no ha cambiado formalmente y sigue siendo "información sobre una persona identificable", pero las autoridades regulatorias están ampliando claramente su aplicación en la práctica: de centrarse únicamente en datos que identifican directamente a una persona, pasan a cubrir también información inferida y derivada, incluidos los perfiles de comportamiento, las salidas generadas por IA y los datos biométricos y neuronales.

Bélgica no redefine los datos personales mediante una legislación independiente, sino que aplica el GDPR y el Reglamento de Inteligencia Artificial de la UE a los nuevos tipos de datos. La Autoridad Belga de Protección de Datos (BDPA) considera que los resultados inferidos generados por IA —perfiles de comportamiento, puntuaciones, predicciones— constituyen datos personales siempre que estén relacionados con una persona identificable, incluso si provienen de señales indirectas como el historial de navegación o el tono de voz.Reino Unido, en cambio, está girando lentamente hacia criterios más relativos y contextualizados: la identificabilidad se evalúa desde la perspectiva del responsable concreto que trata esos datos, y la misma información puede ser datos personales para un responsable del tratamiento y no serlo para otro. La Ley de Uso y Acceso a Datos (Data Use and Access Act) y las directrices de la Oficina del Comisionado de Información (ICO) reflejan esta dirección, aunque los legisladores no ampliaron la definición hasta un punto que pudiera poner en peligro la calificación de adecuación del Reino Unido.

Italia: la autoridad de protección de datos Garante también tiende a una interpretación amplia: siempre que la información pueda contribuir, directa o indirectamente, a identificar, perfilar o localizar individualmente a una persona, entra en el ámbito de supervisión regulatoria, y el foco regulatorio está pasando de la forma técnica de la información al riesgo real de reidentificación o inferencia.

Análisis técnico: tres rutas de lo "identificable" a lo "inferible"

Para los gestores no técnicos, entender este cambio de frontera puede abordarse a través de tres rutas técnicas.

Primera, la extractibilidad del modelo. El considerando 26 del RGPD ofrece una definición funcional: cualquier elemento que permita identificar individualmente a una persona mediante "medios razonablemente susceptibles de utilizarse". El Dictamen 28/2024 del CEPD y las recomendaciones de 2025 de la CNIL extienden este criterio al interior de los modelos generativos: si los datos de entrenamiento pueden extraerse de forma inversa, el propio modelo queda sujeto al RGPD. Técnicamente, esto significa que "solo almacenamos los pesos, no los datos originales" ya no es una defensa que se sostenga automáticamente.

Segunda, la eficacia de la inferencia automatizada. En el asunto Schufa de 2023, el Tribunal de Justicia de la Unión Europea (TJUE) dictaminó que, cuando un tercero "depende en gran medida" de una puntuación de probabilidad automatizada para determinar el resultado de un contrato, esa puntuación constituye una decisión en el sentido del artículo 22 del RGPD. La BDPA belga aclaró además que la puntuación producida por IA no tiene por sí misma valor probatorio y que, antes de cualquier decisión con relevancia jurídica, debe realizarse una revisión humana significativa. La HDPA griega señaló, por su parte, que la mera seudonimización no basta para excluir el riesgo de reidentificación; por tanto, los datos generados por predicciones algorítmicas y conocimientos derivados de datos neuronales constituyen datos personales y requieren una evaluación de impacto relativa a la protección de datos (EIPD) obligatoria conforme al RGPD.

Tercera, el estatus especial de los datos biométricos y neuronales. Los datos biométricos constituyen categorías especiales de datos conforme al artículo 4, apartado 14, y al artículo 9, apartado 1, del RGPD; la CNIL francesa ha extendido esta protección desde 2019 a los resultados algorítmicos derivados de datos biométricos originales, pero a partir de los cuales los datos originales no pueden reconstruirse. El Tribunal Constitucional belga confirmó en enero de 2025 que el reconocimiento facial exige una estricta proporcionalidad, consentimiento explícito y supresión inmediata tras el uso. Los datos derivados de datos neuronales son la siguiente frontera: aunque aún no se han incluido en el artículo 9 del RGPD, el Comité T-PD del Consejo de Europa publicó en 2025 directrices en borrador que aplican los principios de la versión actualizada del Convenio 108 a los datos neuronales.Resumido en una frase: que los datos sean «anónimos» o «personales» ya no depende de qué aspecto tengan, sino de si pueden volver a vincularse y utilizarse para tomar decisiones.

Análisis del impacto empresarial

Impacto en costos: aumento bidireccional de CAPEX y OPEX

La tecnificación de los requisitos de cumplimiento elevará simultáneamente el gasto de capital y el gasto operativo. El CAPEX se refleja en la creación de particiones de datos, entornos regionalizados de entrenamiento e inferencia, infraestructura de registros de auditoría, y capacidades de linaje y eliminación de datos; el OPEX, en evaluaciones de impacto relativas a la protección de datos (DPIA) continuas, evaluaciones de extractabilidad de modelos, puestos de revisión manual y mapeo de flujos de datos transfronterizos.

Los datos de aplicación de la normativa explican por qué este costo es difícil de eludir. En 2025, la CNIL francesa realizó 323 inspecciones y emitió 83 sanciones, por un total de casi 487 millones de euros, de las cuales 67 se tramitaron mediante el procedimiento de vía rápida introducido en 2022 —lo que significa que los ciclos de sanción se están acortando. La BDPA belga abrió 157 nuevos expedientes en 2024, un 83 % más interanual, con multas por un total de 708.371 euros, entre las que se incluyen una sanción de 174.640 euros a un bróker de datos y otra de 250.000 euros a IAB Europe.

Impacto en despliegue y operaciones: el cumplimiento se traslada a la capa de arquitectura

Cuando «el resultado de la inferencia es un dato personal» se convierte en consenso regulatorio, el cumplimiento ya no puede remediarse a posteriori en la capa de aplicación. Las empresas deben responder a varias preguntas a nivel de arquitectura: en qué región se alojan los datos de entrenamiento, si los resultados de inferencia fluyen transfronterizamente, si las solicitudes de derechos de los interesados pueden ejecutarse realmente a nivel técnico y si las salidas del modelo pueden rastrearse hasta fuentes de datos concretas.

La práctica del Reino Unido también apunta a otra complejidad: la identificabilidad puede variar según quién trate los datos, lo que significa que los mismos datos pueden tener distinta naturaleza jurídica en diferentes unidades de negocio y entornos de nube; por ello, los catálogos de datos y los modelos de permisos deben tener el nivel de granularidad correspondiente.

Impacto en seguridad y cumplimiento: la notificación de brechas se convierte en puerta de entrada para la aplicación normativa

Los datos de múltiples jurisdicciones apuntan a la misma tendencia: la notificación de brechas ya no es solo una obligación que cumplir, sino una puerta de entrada para la aplicación de la normativa. En Francia, las notificaciones de brechas alcanzaron 6.167 casos en 2025, con un crecimiento interanual de alrededor del 10 %, y la insuficiencia de medidas de seguridad conforme al artículo 32 sigue siendo uno de los principales fundamentos de aplicación. En Bélgica, las notificaciones de brechas fueron 1.455 en 2024, un 13 % más interanual, y los ataques de ransomware están bajo investigación activa; además, la BDPA envía habitualmente requerimientos de seguimiento a los responsables del tratamiento para que expliquen el método utilizado para evaluar el nivel de riesgo de la brecha.

El riesgo de litigio también aumenta. En Canadá, las demandas colectivas ahora siguen con frecuencia a incidentes graves de brechas, por lo que las empresas deben gestionar simultáneamente el riesgo regulatorio y el riesgo litigioso. En Bélgica, en 2024 se presentaron 10 apelaciones ante el Tribunal de Mercado de Bruselas, y 6 resoluciones fueron anuladas total o parcialmente; más notable aún, el Tribunal de Mercado ha confirmado que un solo incidente puede desencadenar una auditoría integral del RGPD para toda la organización.

Análisis de la competencia en el mercado

Este cambio está redistribuyendo el poder de negociación en la cadena de la industria de la computación en la nube y los datos.En cuanto a los proveedores de nube, la residencia de datos y la capacidad de procesamiento regionalizado pasan de ser un “punto a favor” a un “requisito de entrada”. Cuando la extractabilidad del modelo, la trazabilidad de los flujos transfronterizos de datos y la exigibilidad de los derechos de los interesados pasan a formar parte de las cláusulas contractuales, las plataformas de nube capaces de ofrecer una segmentación de datos más sólida, auditorías más granulares y opciones de procesamiento localizado tendrán ventaja en las licitaciones de clientes de sectores regulados; por el contrario, la narrativa simplificada de una arquitectura global unificada encontrará resistencia.

Los ámbitos del corretaje de datos y de la tecnología publicitaria son los que más presión soportan. Las sanciones de Bélgica a los corredores de datos y a IAB Europe indican que los modelos de negocio que dependen de señales indirectas para construir perfiles se encuentran en una zona de alta atención regulatoria.

En el ámbito del SaaS empresarial, las cláusulas de tratamiento de datos de las funciones de IA activadas por defecto estarán sujetas a un escrutinio más estricto. Cuando la inferencia de comportamiento se considere datos personales, los proveedores de SaaS deberán ofrecer en el diseño de sus productos una lógica de inferencia explicable y vías de datos que puedan desactivarse; de lo contrario, trasladarán el riesgo de cumplimiento a sus clientes.

En el ámbito de la infraestructura de IA, la extractabilidad de los datos de entrenamiento afectará directamente la estrategia de publicación de modelos. La afirmación de que los datos “ya están anonimizados” está perdiendo aceptabilidad en materiales de marketing y cumplimiento; es posible que las tarjetas de modelo, las declaraciones de procedencia de datos y las pruebas de extractabilidad se conviertan en anexos estándar de la entrega de modelos.

Observación de tendencias del sector

Primero, del cumplimiento en papel a la preparación operativa. La conclusión recurrente en el informe especial es que las empresas necesitan un enfoque pragmático basado en la preparación operativa, y no una dependencia de los documentos. Las DPIA, la revisión manual y las pruebas de extractabilidad son, en esencia, formas de convertir el cumplimiento en práctica de ingeniería.

Segundo, la relativización y contextualización de los estándares de identificabilidad. El estándar relativo que está impulsando el Reino Unido, así como el estándar subjetivo que el TJUE reintrodujo en el asunto EDPS contra SRB, sugieren una posibilidad: la anonimidad puede ser condicional y contextual, en lugar de una propiedad inherente a los propios datos.

Tercero, la soberanización y la regionalización seguirán impregnando la capa de infraestructura. Cuando los atributos de los datos dependen de la entidad que realiza el tratamiento y del entorno de tratamiento, la libertad de diseño de la arquitectura de nube queda recortada de nuevo por las fronteras del cumplimiento.

Cuarto, la aplicación de la normativa pasa de lo esporádico a planes estructurados. La CNIL pasa de casos dispersos a planes de inspección sistemáticos, y Bélgica, de recibir pasivamente reclamaciones a una revisión sistemática proactiva, lo que muestra que la propia capacidad regulatoria se está industrializando.

CloudTechDaily Insight

Lo más importante de este debate no es si una jurisdicción concreta redefinió los datos personales, sino que el supuesto subyacente de la lógica regulatoria se ha desplazado: para determinar si un dato está protegido ya no se atiende a su forma, sino a si puede asociarse, inferirse o utilizarse para tomar decisiones. Para los sistemas de IA, es un estándar difícil de “eludir” con medios técnicos, porque evalúa la capacidad del sistema, no la forma en que se almacenan los datos.Para la estrategia de TI empresarial hay tres implicaciones directas. En primer lugar, la gobernanza de datos debe descender de la capa de aplicaciones a la capa de plataforma; el particionamiento de datos, el seguimiento del linaje, la inferencia regionalizada y la capacidad de eliminación deben diseñarse como ciudadanos de primera clase de la arquitectura de nube, en lugar de completarse de forma improvisada antes de una auditoría de cumplimiento. En segundo lugar, el proceso de puesta en producción de funcionalidades de IA debe incorporar nodos de decisión de cumplimiento: si la fuente de los datos de entrenamiento es extraíble, si los resultados de inferencia se utilizarán en decisiones con trascendencia legal y si se conserva una revisión humana significativa; las respuestas a estas preguntas deben darse en la fase de revisión de arquitectura, no después de un incidente. En tercer lugar, el modelo de costos debe reevaluarse. La escala de las sanciones en Francia y su mecanismo de vía rápida, junto con el precedente de Bélgica de que un único incidente active una auditoría integral, implican que la pérdida esperada por fallos de cumplimiento está aumentando, y convertir las capacidades de cumplimiento en capacidades de plataforma reutilizables es una de las pocas vías capaces de reducir simultáneamente el riesgo y los costos operativos a largo plazo.

Para la industria de la computación en la nube, la lección a largo plazo más digna de atención es: el cumplimiento de la privacidad está dejando de ser un tema del departamento legal para convertirse en parte de la fortaleza de producto de la infraestructura. Quien logre convertir el procesamiento regionalizado, la gobernanza de datos verificable y las capacidades de gobernanza de IA en capacidades de plataforma disponibles por defecto, tendrá más probabilidades de transformar el cumplimiento de un centro de costos en una barrera competitiva durante el próximo ciclo de compras empresariales de IA.