Tu equipo ya está usando IA. La pregunta no es si va a pegar datos de clientes en un chat — es qué llega al otro lado cuando lo hace. AI Secure reemplaza el dato por un token antes de que salga de tu red, y lo devuelve dentro de tu perímetro.
Elige un caso y envíalo. A la izquierda, lo que ve tu gente; a la derecha, lo único que llegó a ver el proveedor de IA. Enciende el Plus y observa qué cambia.
Se tokenizan 6 datos. Hay 2 señales de confidencialidad que hoy viajarían sin protección.
Lo que escribe tu gente, y lo que finalmente lee.
Cada dato cruza convertido en token. Y vuelve.
Aún no cruza ningún dato.
Todo lo que el proveedor de IA llegó a ver.
Todavía no ha recibido nada.
Los textos son inventados, pero las detecciones y los tokens no: salieron de una corrida real del motor y están congelados tal cual. Las respuestas del modelo son ilustrativas.
El dato de un tercero lo exige la ley. El secreto de tu empresa no lo exige nadie — y perderlo cuesta igual. Se contratan por separado.
Lo que la Ley 21.719 te obliga a proteger.
Lo que ninguna ley te obliga, pero perderlo cuesta igual.
Todo ocurre dentro de tu perímetro. El dato nunca llega al modelo, y Datrus nunca lo recibe.
Tu aplicación llama al modelo a través de AI Secure. Cambias la URL base y nada más.
Detecta el dato y lo reemplaza por un token estable, dentro de tu red.
El proveedor de IA recibe solo el texto tokenizado y responde sobre él.
La respuesta se rehidrata con los datos reales, en tu perímetro.
Las decisiones que importan cuando el que pregunta es tu área de seguridad.
Un RUT con dígito verificador incorrecto sigue siendo un RUT: el checksum ajusta la confianza, no descarta el dato. Cuando dos detectores se solapan, gana la cobertura.
Los tokens se derivan con HMAC-SHA256 y se guardan cifrados con AES-256-GCM. La llave es tuya: Datrus no la conoce ni la necesita.
La rehidratación solo acepta los tokens emitidos en esa misma petición. Sin esa regla, cualquiera podría enviar un token y recibir de vuelta el dato real.
Registra qué tipo de dato salió, hacia qué modelo, cuándo y con qué resultado. Ni un carácter del texto. Es evidencia para una fiscalización que no es, a su vez, un riesgo.
Literalmente: la petición se detiene. Un detector caído nunca se traduce en datos saliendo sin revisar.
Un modelo hostil genera texto para evadirnos —homóglifos, números escritos con palabras, separadores atípicos— y cada fuga que encuentra se convierte en una prueba que hay que cerrar.
Un solo contenedor en tu red, tu VPC o tu datacenter. Cabe en la instancia más barata de cualquier nube y no necesita salida a internet salvo hacia el proveedor de IA que tú elijas — el modelo de detección viaja dentro de la imagen. Tu aplicación cambia una línea: la URL base.
La mayoría de las herramientas de cumplimiento describen lo que deberías hacer. Esta lo hace, y deja la evidencia.
Cada uso de IA queda registrado como un tratamiento, con su finalidad y su base de licitud.
Las decisiones automatizadas activan la evaluación de impacto del módulo correspondiente.
El modelo de terceros entra como encargado y transferencia internacional en Proveedores.
Sus primeros usuarios internos son Descubrimiento y DLP: cuando necesitan IA para clasificar datos crudos, la usan a través de AI Secure.
Conversemos cómo dejar tu adopción de IA en regla, sin frenarla.
Hablemos de tu caso