Detectores IA: fechas, direcciones, importes y QR en PDF

Detectar DNI y email es necesario, pero no suficiente. En resoluciones, nóminas, historias clínicas y sentencias, la reidentificación llega por la puerta de al lado: una fecha de nacimiento, un domicilio completo, un importe que solo cobra una persona, o un QR/sello que enlaza con un verificador externo.

Anonimatum incluye detectores de IA orientados a estos casos — fechas, direcciones, importes, QR/sellos — ejecutados con modelos propios en la UE. Esta guía explica *cuándo* activarlos, cómo evitar el over-redaction y cómo combinarlos con patrones y revisión humana.

Fechas: no todas son iguales

Una fecha de documento («Madrid, 12 de marzo de 2026») puede ser inocua. Una fecha de nacimiento, de intervención quirúrgica o de citación policial, combinada con iniciales o barrio, puede identificar. Criterio práctico:

• Conserva fechas administrativas necesarias para entender el acto (salvo que la política diga lo contrario).
• Prioriza censura de fechas vitales / clínicas / sancionadoras cuando el documento se publica.
• Revisa tablas de plazos: a veces el riesgo está en la columna, no en el encabezado.

Direcciones: el identificador silencioso

En transparencia y notificaciones, el domicilio es uno de los campos que más se «olvidan» porque parece contexto. Un portal con nombre censurado pero dirección intacta sigue exponiendo al afectado. También importan direcciones parciales (calle + número sin ciudad) en municipios pequeños.

• Define si publicas con domicilio omitido, parcialmente enmascarado o sustituido.
• Cuidado con membretes, pies de página y anexos cartográficos.
• Combina detector de direcciones con wordsets de urbanizaciones locales si tu territorio lo requiere.

Importes: cuando el dinero identifica

Un importe no es PII en abstracto. Lo es cuando, en contexto, solo puede referirse a una persona (indemnización singular, sanción, nómina de un cargo único, factura de un autónomo nombrado en otra página). En due diligence, los importes además revelan estrategia; documenta si tu objetivo es privacidad, secreto comercial o ambos.

QR y sellos: el enlace fuera del PDF

Un código QR puede abrir una verificación con nombre, hash de documento o portal de cita. Un sello digital o marca de agua puede contener identificadores. Tratar solo el texto OCR deja el código gráfico intacto. Por eso hace falta un detector específico y, a menudo, zonas visuales sobre el símbolo.

• Inventaría qué QR son de firma, de pago, de tracking o de verificación ciudadana.
• Decide si se elimina el código, se sustituye por un marcador o se oculta la región.
• Verifica que el PDF resultante no permita escanear el QR original (prueba con móvil).

Cómo evitar el over-redaction (censurar de más)

Activar todos los detectores «por si acaso» produce documentos inútiles y más objeciones internas. Mejor enfoque:

• Parte de una política por tipología (resolución pública ≠ nómina interna ≠ material formativo).
• Usa previsualización para whitelistear lo que debe permanecer (p. ej. fechas del procedimiento).
• Complementa IA con patrones personalizados para formatos locales, no al revés.
• Mide falsos positivos en una muestra de 20–50 documentos reales antes del despliegue masivo.

Combinación con lotes y firma

En remesas, los detectores se aplican de forma uniforme: documenta la política en la cola de lotes. Si el PDF va firmado, recuerda que anonimizar puede afectar a la firma; Anonimatum contempla avisos y, cuando el proceso lo permite, flujos de verificación/refirma.

Resumen para DPO / responsables

Los detectores de fechas, direcciones, importes y QR no son «features de marketing»: son controles frente a reidentificación indirecta. Actívalos con política, midelos con muestras y exígenos previsualización. En Anonimatum corren con IA local en la UE, alineados con el resto del stack documental.