Datos sintéticos

Los datos sintéticos se producen con modelos estadísticos, simulaciones o IA generativa entrenados con datos reales. Pueden cubrir vacíos de grupos subrepresentados, crear casos de prueba para eventos poco frecuentes y reducir el volumen de datos personales reales que manejan los equipos, por eso suelen figurar entre las tecnologías de mejora de la privacidad.

No son anónimos de forma automática. Autoridades como el ICO y el SEPD advierten que un generador entrenado con datos personales puede memorizar y reproducir registros reales, y que los casos atípicos pueden reidentificarse. Que los datos sintéticos queden fuera del RGPD o de la LGPD depende de una evaluación documentada del riesgo de reidentificación, idealmente combinada con técnicas como la privacidad diferencial. Entrenar el generador ya es un tratamiento que necesita base jurídica. Los datos sintéticos también heredan o amplifican los sesgos de la fuente, así que las verificaciones de procedencia y calidad siguen siendo necesarias.

Ejemplo: un banco genera historiales de transacciones sintéticos para probar un sistema antifraude, verifica que ningún registro sintético coincida con un cliente real e identifica claramente el conjunto.