Academic Paper: Anonymous-by-Construction. An LLM-Driven Framework for Privacy-Preserving Text
En Veritran transformamos investigación en soluciones concretas.
Aceptado por el congreso internacional de ingeniería de software más grande del mundo, el paper evidencia cómo aplicamos inteligencia artificial para resolver uno de los principales desafíos de su adopción empresarial: aprovechar el valor de los datos sin comprometer su privacidad.
La investigación presenta un enfoque de anonimización que protege información sensible mientras preserva el contexto y la utilidad de los datos. Un ejemplo concreto de cómo es posible habilitar nuevos casos de uso, productos y oportunidades de negocio, incluso en entornos donde la confianza y el cumplimiento regulatorio son críticos.
Privacidad sin perder valor
El framework utiliza modelos de lenguaje para identificar información sensible y reemplazarla por alternativas ficticias del mismo tipo, preservando el contexto, la estructura y la utilidad de los datos.
Datos sensibles bajo control
La información se procesa localmente, dentro de la infraestructura de la organización, antes de llegar a modelos, agentes o servicios externos. De este modo, los datos originales permanecen dentro de la organización.
Datos útiles para la IA y el negocio
Se evalúa que la información anonimizada conserve su significado, pueda ser utilizada por agentes de IA y siga siendo apta para entrenar modelos. Así, las organizaciones pueden desarrollar productos, automatizar procesos, analizar conversaciones y transformar servicios y operaciones sin que los requisitos de privacidad y confidencialidad frenen la innovación.
