By · Last updated 2026-06-05

Tillbaka till BloggenGDPR & Efterlevnad

AEPD Spanien: DNI, NIE och LATAM-identifierare

AEPD utfärdade 847 sanktionsbeslut 2023 — det högsta antalet i EU. DNI/NIE detekteras med bara 34 % noggrannhet av generiska verktyg.

June 5, 20269 min läsning
Spain AEPDDNI NIE detectionSpanish language PIILatin America complianceGDPR AI

AEPD Spanien: DNI, NIE och LATAM-identifierare

Spaniens dataskyddsmyndighet AEPD utfärdade 847 tillsynsbeslut under 2023 — det högsta antalet bland EU:s tillsynsmyndigheter. Enstaka böter är ofta lägre än i irländska DPC- eller holländska AP-ärenden, men volymen skapar reell risk för alla företag med verksamhet i Spanien.

AEPD:s AI-tillsynsramverk

Spaniens tillsynsmyndighet har publicerat EU:s mest detaljerade AI-vägledning för dataskydd. Den täcker två områden.

AI och GDPR-guide (2020, uppdaterad 2024): Guiden kräver en DPIA för alla AI-system som behandlar personuppgifter. Den gäller även när trösklarna i GDPR artikel 35 inte uppnås — en av EU:s bredaste DPIA-regler. Alla företag som kör AI på spanska data måste genomföra en DPIA före lansering.

Implementering av spansk AI-lag: Spanien är bland de första EU-länderna med ett nationellt AI-register för högrisk-system. AEPD samarbetar med Spaniens AI-tillsynsorgan och tillämpar gemensamt regler för både AI-akten och GDPR. Företag riskerar revision från båda myndigheterna.

Spanska nationella identifierare: Detekteringsluckan

Generiska NLP-verktyg detekterar DNI och NIE med bara 34 % noggrannhet i spanska dokument. AEPD rapporterade detta i sin rapport 2024. Varje identifierare har en struktur som förklarar varför generiska verktyg misslyckas.

DNI: Åtta siffror plus en kontrollbokstav. Bokstaven härleds från talets rest när det divideras med 23 och mappas mot en fast bokstavssekvens. Vissa bokstäver är uteslutna — det är inte A till Ö. Den här algoritmen är spansk-specifik och generiska verktyg hoppar över den. Ett verktyg som bara kontrollerar siffermönstret utan modulus-steget ger felaktiga resultat.

NIE: En prefixbokstav (X, Y eller Z), sju siffror, sedan en kontrollbokstav. NIE ges till utländska medborgare i Spanien och täcker skatt och förvaltning. Varje prefix speglar en annan utfärdarperiod. Kontrollbokstaven använder samma algoritm som DNI. NIE förekommer i anställningskontrakt, deklarationer och uppehållsdokument.

CIF (företagsskatte-ID): En bokstav plus sju siffror plus ett kontrolltecken. Inledande bokstav anger bolagstyp. Kontrolltecknet använder en separat algoritm från DNI och NIE.

Hälsokort: Spaniens hälsokortsformat varierar per region. Varje autonom community har sitt eget format, vilket gör automatiserad detektering svårare än med en enda nationell standard.

För mer om identifierarluckor i EU-länder, se vår guide om EU-identifierarluckor.

Latinamerikanska identifierare: Compliance på flera marknader

Spaniens koppling till Latinamerika ökar compliancekraven bortom Spanien. Alla företag som betjänar spansktalande marknader behöver bredare PII-täckning.

Mexiko: CURP är en 18-tecken alfanumerisk kod som kodar födelsedatum, kön, födelsestat och namninitialer. RFC är ett 13-tecken skatte-ID för privatpersoner och 12 tecken för företag. Båda förekommer i anställnings- och skatteuppgifter.

Argentina: CUIL är ett 11-siffrigt nummer med kontrollsiffra. CUIT använder samma format. Det argentinska nationella ID är 7 till 8 siffror. Alla tre förekommer i löne-, bank- och myndighetsuppgifter.

Chile: RUT och RUN är 7 till 9 siffror, ett bindestreck och en kontrollsiffra. Kontrollen använder en modulus-11-algoritm. Varje person och företag i Chile har ett. Detektering måste implementera kontrolsiffersteget för att undvika falska träffar.

Colombia: Det nationella ID-kortet är 8 till 10 siffror. NIT är nio siffror plus en kontrollsiffra och gäller för företag.

Full täckning för spansktalande marknader kräver både spanska EU-identifierare och latinamerikanska nationella ID:n. Vår globala PII-identifierarguide jämför dessa med amerikanska SSN, indiska Aadhaar och andra nationella ID:n.

AEPD:s tillsynsuppdelning 2024

847 tillsynsbeslut är EU:s högsta antal. Spaniens tillsynsmyndighet uppnår detta genom hög klagomålsintag och aktiva sektorsgranskningar. Ärendena fördelar sig per sektor:

Telekommunikation och finansiella tjänster: 42 % av besluten. Huvudfrågor: otillåtna kreditupplysningar, alltför lång lagring och saknat samtycke för marknadsföring.

Sjukvård och försäkring: 22 % av besluten. Hälsodata delad utan samtycke, svag avidentifiering för forskning och biometrisk behandling för bokningssystem.

Anställning: 19 % av besluten. Medarbetarövervakning, granskning av sociala medier och videoövervakning utan korrekt information.

AI-system: En växande kategori. Myndigheten fann att flera spanska företag kör AI utan genomförda DPIA-analyser — ett brott mot AEPD:s egna AI-riktlinjer.

Den tekniska baslinjen för spansk PII-compliance är DNI- och NIE-detektering med kontrollbokstavsvalidering. Lägg till spanskspråkig NER. Lägg sedan till CURP, RUT, CUIL och nationellt ID-kort för fullt latinamerikanskt stöd.

Se vår AEPD AI DPIA-complianceguide för det fullständiga DPIA-arbetsflödet enligt spanska regler.

Källor

Redo att skydda din data?

Börja anonymisera PII med 285+ entitetstyper på 48 språk.

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.