II.5 Privacidad y ciclo de vida de los datos
Lee esto antes de subir algo que importe
Una aplicación web es el ordenador de otra persona. No es un defecto; así funciona una aplicación web. Lo que importa es saber qué le pasa a tu archivo en ese ordenador. Este capítulo recoge lo que indican el código del producto y sus propias páginas, señala lo que el libro no puede saber y te da unos hábitos que sirven en cualquier caso.
No es un documento legal. Los textos que mandan son las políticas del sitio (el sitio .app tiene una sección de políticas) y sus condiciones; consulta también el Apéndice H.
La vida de un archivo
flowchart LR
A[Subes el archivo] --> B[Se guarda para la tarea]
B --> C[El proceso de trabajo lo procesa]
C --> D[Se guarda el resultado]
D --> E{¿Botón de eliminar?}
E -->|Sí| F[Se elimina ahora]
E -->|No| G[Se elimina automáticamente tras unos 2 días]
- Subida. Tu archivo viaja al servicio de Documentize y se guarda en su almacenamiento para la tarea.
- Procesamiento. Un proceso de trabajo de esa aplicación lo lee y escribe archivos nuevos. Tu original nunca se modifica.
- Resultado. Los resultados esperan a que los descargues. En todos los capítulos de aplicaciones la afirmación coincide: los resultados se conservan en el servidor unos dos días.
- Eliminación. Puedes eliminar los archivos antes con el botón Eliminar archivos (el capítulo de Fusión de archivos señala que el sitio dice «hasta dos días» y que puedes borrarlos tú). En la API, el equivalente es una llamada de eliminación inmediata de una tarea.
Una continuación (consulta II.4) también conserva dos días los archivos de entrada sin procesar y las opciones, así que están en el servidor hasta que caducan o los descartas.
Qué dicen las preguntas frecuentes de cada aplicación
Cada aplicación indica su propia retención. Lee las preguntas frecuentes de la que uses. Según recogen los capítulos:
| Aplicación | Lo que afirma el sitio (resumido) |
|---|---|
| La mayoría de las aplicaciones clásicas | Resultados conservados unos dos días; botón de eliminar disponible |
| Ask PDF | PDF y base de conocimiento conservados aproximadamente un día; después se eliminan |
| PDF Knowledge Base | Se conserva aproximadamente un día, se elimina automáticamente, «no se comparte con nadie» |
| Checklist | Documentos eliminados cuando termina la tarea |
| Cheat Sheet | «Se elimina inmediatamente después de la generación» |
| Collage | Imágenes procesadas en memoria y eliminadas justo después de generar el PDF; el PDF terminado se queda unos dos días |
| Chat (crear un PDF) | Archivos subidos y documentos generados eliminados automáticamente tras el procesamiento |
| Resume Analyzer | Archivos procesados solo para el análisis y eliminados automáticamente después |
Estas afirmaciones difieren en su redacción, y algunas páginas se apartan de la regla habitual de dos días. Toma «unos dos días» como el límite máximo para las descargas y no uses ninguna de estas aplicaciones como almacén. Descarga lo que necesites.
Qué envían a los modelos las aplicaciones de IA
Según la lectura de los procesos de trabajo (consulta Confianza y verificación):
- Texto, no imágenes. El texto de tus páginas, o de los pasajes recuperados, más tu pregunta o las opciones que elijas, se envía a un modelo de lenguaje. Las imágenes de página que se usan para resaltar citas las genera Documentize y el modelo no las analiza.
- Los documentos largos se dividen en partes y se envían como varias peticiones.
- Los escaneos se reconocen primero en las aplicaciones que lo hacen (Abstracts); lo que continúa es el texto reconocido.
- Los embeddings (huellas numéricas de pasajes, usadas para buscar) proceden del mismo punto de acceso del modelo.
- Qué proveedor ejecuta el modelo es un ajuste del servidor que el libro no puede indicar. Pregunta al operador si te importa.
- Las aplicaciones de repositorio (Parte XI) leen tu código; para un repositorio privado primero invitas a la cuenta de GitHub
arise-project, y el contenido lo leen los servicios de Documentize y, cuando una aplicación escribe texto, un modelo de lenguaje. Considera el repositorio como compartido.
Qué se queda fuera del resultado
Algunos secretos se tratan de forma explícita. Firma digital en PDF (Sign) usa tu certificado .pfx y su contraseña para firmar; el capítulo dice que Documentize no emite certificados ni guarda el tuyo, y que el certificado no forma parte de lo que descargas. Protector de PDF (Protector) dice que no hay forma de leer una contraseña a partir del resultado y que Documentize no te la guarda. Son afirmaciones de las páginas de las aplicaciones; tómalas como tales.
Documentos protegidos con contraseña y confidenciales: reglas de manejo seguro
- Decide antes de subir. Si no puedes compartir el documento con un servicio de procesamiento, no lo subas. Consulta las normas de tu organización.
- Envía menos. Recorta antes el archivo. División de PDF (Splitter) o Eliminar páginas en PDF (Delete Page) pueden reducir lo que sale de tus manos.
- Sabe lo que hace la protección. La contraseña de Protector de PDF oculta el archivo a quien no la tiene; no detiene a un servicio de procesamiento al que le diste la contraseña.
- Desbloquear es una puerta de doble sentido. Después de Desbloqueador de PDF (Unlock), la copia no tiene contraseña. Vuelve a protegerla y borra la copia abierta.
- Elimina al terminar. Pulsa Eliminar archivos en cuanto hayas descargado.
- Tapar no es tachar. Un recuadro negro sobre el texto puede dejar el texto debajo. Redactor no está disponible; el capítulo explica la vía manual y cómo verificarla con una búsqueda de texto.
- Quita los datos ocultos antes de compartir. Los metadatos pueden contener nombres y fechas: inspecciónalos con Extraer metadatos (Extract Metadata); Recovery tiene opciones de saneamiento (lee lo que dice su informe sobre lo que pudo y no pudo demostrar).
- Datos de otras personas. Los currículums y los archivos médicos o jurídicos implican deberes hacia las personas que aparecen en ellos, no solo hacia ti.
- Enlaces de descarga e identificadores. Trata un enlace de resultado o un identificador de continuación como una llave. El identificador de continuación es, según el código, aleatorio e imposible de adivinar, y quien lo tenga puede continuar o descartar.
- Conserva el original. Nada de esto sustituye a tus propias copias de seguridad.
Cuando el archivo no debe salir nunca de tu red
Usa un canal que no lo envíe fuera:
| Canal | Dónde se procesa |
|---|---|
| Aplicación web, servidor MCP, API REST (nube) | Servidores de Documentize |
| Plugins CLI | Tu máquina; el motor se ejecuta en local |
| Autoalojamiento | Solo tu servidor |
Consulta Qué canal usar y cuándo y Autoalojamiento. El capítulo de autoalojamiento dice que sus funciones de IA y su lista de aplicaciones pueden diferir de las de la nube; verifícalo antes de confiar en ello.