By · Last updated 2026-05-01

Volver al BlogGDPR y Cumplimiento

Los IDs Internos de Empleados También Son PII...

Cada gran organización tiene identificadores internos propietarios que vinculan registros anonimizados a personas reales.

May 1, 20268 min de lectura
employee ID anonymizationproprietary identifier detectionquasi-PIIGDPR custom entitiesno-code pattern builder

¿Qué es el cuasi-PII?

El RGPD Artículo 4 cubre cualquier dato que pueda identificar a una persona. Los datos no necesitan nombrar a alguien directamente. Basta con que la identificación sea posible mediante pasos adicionales.

Los identificadores internos de empleados son un ejemplo claro. Tome el valor "EMP-EU-123456." Esa cadena no nombra a nadie. Pero el sistema de RR.HH. contiene una tabla de búsqueda simple. EMP-EU-123456 apunta a Maria Schmidt, Ingeniera Senior, Múnich. Cualquier persona con acceso a esa tabla puede encontrarla. Según el RGPD, el identificador es un dato personal.

La misma regla se aplica a otros códigos internos:

  • Números de cuenta de clientes vinculados a registros CRM
  • Códigos de proyecto vinculados a nombres de clientes en sistemas de contratos
  • Números de referencia en expedientes legales
  • Números de historia clínica vinculados a registros de pacientes

Eliminar nombres y correos electrónicos no es suficiente. Si los identificadores internos permanecen en un archivo, la reidentificación está a solo dos pasos.

Por qué esta brecha genera multas

El 34 % de todas las multas del RGPD involucran medidas técnicas inadecuadas bajo el Artículo 32. Esa cifra proviene del Informe Anual RGPD 2025 de DLA Piper. La falta de detección de identificadores internos cuasi-identificativos entra en esta categoría.

El EDPB tramitó más de 900 casos del mecanismo de coherencia en 2024. La aplicación transfronteriza significa que una brecha en un conjunto de datos compartido puede desencadenar una acción coordinada en varios Estados miembros de la UE.

Las herramientas PII estándar detectan patrones universales: nombres, correos, teléfonos, identificadores nacionales. No conocen el formato de sus identificadores internos. Ninguna herramienta lo conoce hasta que usted la configura. Esa es la brecha.

Cómo funciona el generador de patrones sin código

Una empresa logística global necesita anonimizar registros de empleados para una auditoría externa. Los identificadores de empleados siguen este formato: EMP-[REGIÓN]-[6 dígitos]. Tres ejemplos: EMP-EU-123456, EMP-APAC-789012, EMP-AMER-345678.

El equipo de cumplimiento introduce tres ejemplos en el asistente de patrones de IA. La IA devuelve:

  • Patrón: EMP-[A-Z]{2,4}-\d{6}
  • Coincide con los tres ejemplos proporcionados
  • Nombre de entidad sugerido: EMPLOYEE-ID
  • Siguiente paso recomendado: probar con más códigos de región

El equipo prueba diez muestras adicionales. El patrón funciona en todas.

Guardan la entidad personalizada en el preset RGPD compartido del equipo. Los 47 documentos del paquete de auditoría se procesan en un lote. Cada identificador de empleado se reemplaza con una etiqueta basada en el rol. El despacho de auditoría recibe archivos que ya no pueden vincularse a ningún individuo.

No se necesita ayuda técnica. La configuración completa lleva menos de una hora.

Qué sucede después

Una vez guardada la entidad personalizada en un preset compartido, todos los miembros del equipo usan la misma configuración. Los nuevos empleados la reciben desde el primer día. Los procesos por lote, las llamadas a la API y las subidas manuales aplican el mismo patrón.

El registro de auditoría muestra qué preset se utilizó para cada archivo. Si una autoridad de protección de datos solicita evidencia, puede proporcionarla.

Para el flujo de trabajo completo de configuración de entidades personalizadas, consulte identificadores PII personalizados para la anonimización organizacional. Para mantener una configuración coherente entre equipos, consulte presets de anonimización para auditorías RGPD.

Fuentes

¿Listo para proteger sus datos?

Comience a anonimizar PII con más de 285 tipos de entidades en 48 idiomas.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.