En un contexto donde las aplicaciones de inteligencia artificial generativa se integran cada vez más en entornos de producción, la protección de datos sensibles se ha convertido en una prioridad esencial. Esta integración supone nuevos retos, especialmente en el manejo de información identificable de forma personal (PII). Un ejemplo claro de este desafío se da en las empresas de servicios financieros, donde diferentes equipos requieren acceso a los datos de los clientes, pero con distintos niveles de exposición y seguridad.
Por ejemplo, el equipo de servicio al cliente podría emplear un asistente de inteligencia artificial para acceder a perfiles de clientes y ofrecer respuestas personalizadas. Por otro lado, el equipo de análisis de fraude necesita estos datos, pero sin recibir la información PII real. Esta situación destaca la urgencia de herramientas que permitan gestionar y proteger eficazmente esta información sensible.
En respuesta a estas necesidades, Amazon ha desarrollado Bedrock Guardrails, una herramienta diseñada para detectar información sensible en los pedidos de entrada y en las respuestas generadas por modelos. Este sistema ofrece a las organizaciones la capacidad de controlar el manejo de datos sensibles, permitiendo bloquear o enmascarar información generada, lo cual facilita el cumplimiento de las normativas de protección de datos.
Sin embargo, el enmascaramiento de datos sensibles puede ocasionar problemas adicionales, como la pérdida de reversibilidad de datos. Una vez que la información original es sustituida por un enmascaramiento genérico, se vuelve inaccesible para aplicaciones que podrían requerirla posteriormente. Aquí es donde la tokenización aparece como una solución eficaz. A diferencia del enmascaramiento, la tokenización reemplaza los datos sensibles con tokens que no tienen relación matemática con la información original, manteniendo intacta su estructura y usabilidad.
La integración de Amazon Bedrock Guardrails con servicios de tokenización permite a las organizaciones proteger los datos sensibles sin perder la posibilidad de revertir los datos cuando sea necesario. Este enfoque es especialmente valioso para empresas en sectores altamente regulados que necesitan equilibrar la innovación con obligaciones legales estrictas.
El proceso para implementar esta integración incluye varios componentes clave. En primer lugar, se utiliza el API ApplyGuardrail para identificar información sensible en las entradas de usuario. Si se detecta PII, el sistema llama a un servicio de tokenización que transforma estos datos en tokens antes de ser procesados por el modelo AI. Después, los resultados del modelo se someten a un nuevo control para asegurar que no contengan información sensible antes de ser enviados a otros sistemas.
Este flujo de trabajo que combina Amazon Bedrock Guardrails con servicios de tokenización de plataformas como Thales CipherTrust, ayuda a las organizaciones a crear arquitecturas que protegen datos sensibles y permiten un procesamiento efectivo, asegurando que se mantengan los estándares de seguridad y cumplimiento a lo largo del ciclo de vida de los datos.
