Etiqueta: Normativa

  • Irlanda multa al sistema de salud con €645.000 por registros médicos mal gestionados

    Irlanda multa al sistema de salud con €645.000 por registros médicos mal gestionados

    La Comisión de Protección de Datos de Irlanda (DPC) multó al Ejecutivo de Servicios de Salud (HSE) con €645.000 por el manejo deficiente de registros históricos en papel en dos hospitales públicos: St. Loman’s de Mullingar, en el condado de Westmeath, y St. Conal’s de Letterkenny. La sanción cierra una investigación formal sobre cómo ambas instituciones gestionaron —o dejaron de gestionar— archivos físicos con datos de pacientes.

    Según se informó, la DPC concluyó su indagación determinando que el HSE incumplió obligaciones de protección de datos en relación con registros históricos almacenados en esos dos centros. El organismo regulador irlandés no detalló públicamente la cantidad de personas afectadas ni el período exacto al que corresponden los documentos comprometidos, pero la investigación habría abarcado archivos de carácter sensible por tratarse de historial clínico. La multa de €645.000 fue comunicada el 1 de septiembre de 2026.

    Datos confirmados sobre la sanción al HSE

    • Autoridad sancionadora: Data Protection Commission (DPC) de Irlanda
    • Monto de la multa: €645.000
    • Entidad sancionada: Health Service Executive (HSE), sistema público de salud irlandés
    • Instalaciones involucradas: St. Loman’s Hospital (Mullingar, Westmeath) y St. Conal’s Hospital (Letterkenny)
    • Tipo de registros: archivos históricos en papel con datos de pacientes
    • Origen del caso: investigación formal de la DPC sobre manejo de registros físicos

    Qué se sabe y qué falta confirmar

    Lo confirmado es que la infracción se vincula a la gestión de registros físicos —no a un ciberataque— lo que ubica el caso en el terreno del cumplimiento documental y los procedimientos internos de custodia. Lo que no surge de la información disponible es si hubo acceso no autorizado por terceros, cuántos titulares de datos resultaron afectados, ni si el HSE había notificado previamente a los pacientes. Tampoco se conoce si la entidad impugnará la resolución ante los tribunales, una vía que el GDPR habilita. No hay información pública sobre medidas correctivas exigidas en paralelo a la multa.

    El caso es relevante más allá de Europa porque pone de relieve un vector de riesgo frecuentemente subestimado en hospitales públicos de América Latina: los archivos en papel. En Argentina, la Ley 25.326 obliga a cualquier responsable de base de datos —incluyendo organismos de salud— a garantizar condiciones de seguridad adecuadas para la información, independientemente del soporte. El Ministerio de Salud y la Agencia de Acceso a la Información Pública (AAIP) han avanzado en digitalización, pero los acervos físicos de larga data siguen sin protocolos uniformes de custodia, acceso y destrucción segura. En Brasil, la Lei Geral de Proteção de Dados (LGPD) clasifica los datos de salud como sensibles y exige tratamiento diferenciado; la Autoridade Nacional de Proteção de Dados (ANPD) aún no ha publicado un marco específico para archivos hospitalarios históricos en soporte físico.

    La próxima referencia temporal a monitorear es la posible resolución del HSE sobre si apelará la sanción, lo que determinaría si los €645.000 quedan firmes o ingresan a un proceso judicial que podría extenderse meses.

  • Ghana expande su modelo de protección de datos a nivel regional africano

    Ghana expande su modelo de protección de datos a nivel regional africano

    La Comisión de Protección de Datos de Ghana (DPC) está profundizando su compromiso regional para exportar servicios y estándares de privacidad a otros países africanos. El movimiento posiciona a Ghana como un hub normativo en un continente donde la mayoría de los marcos de protección de datos aún están en construcción, y ofrece un espejo para América Latina, donde ocurre una dinámica similar.

    Ghana fue uno de los primeros países africanos en adoptar una ley específica de protección de datos: la Data Protection Act de 2012 (Ley 843). Más de una década después, la DPC no solo aplica ese marco internamente sino que según se informó está impulsando activamente su modelo hacia vecinos regionales que carecen de autoridades de control consolidadas o de legislación equivalente. La estrategia combina asistencia técnica, intercambio de capacidades y articulación con redes de autoridades de privacidad del continente.

    Qué hace concretamente la DPC de Ghana y por qué importa fuera de África

    La expansión de servicios de privacidad entre autoridades de control es una práctica que la Unión Europea lleva décadas desarrollando a través del Comité Europeo de Protección de Datos (EDPB), y que en América Latina todavía es incipiente. Según se informó, la DPC busca consolidar acuerdos de cooperación con pares regionales, compartir metodologías de fiscalización y homologar criterios de evaluación de tratamientos de datos transfronterizos. En términos prácticos, esto equivale a construir una red funcional de autoridades en un contexto donde la fragmentación normativa genera asimetrías de protección para los titulares de datos.

    El modelo ghanés es relevante porque operó durante años sin grandes recursos institucionales y aun así logró construir una autoridad de control reconocible. Ese trayecto —de ley aprobada a institución operativa con proyección regional— es exactamente el desafío que enfrentan varias autoridades latinoamericanas hoy.

    Cuándo aplica este tipo de cooperación / cuándo no

    La cooperación entre autoridades de control es eficaz cuando existen marcos legales de base en los países involucrados, aunque sean heterogéneos. Lo que se intercambia son metodologías, criterios de adecuación y protocolos de respuesta ante incidentes transfronterizos. No reemplaza la legislación nacional ni crea obligaciones directas para empresas privadas: el efecto sobre el sector privado es indirecto, a través de la armonización de criterios que luego se vuelcan en guías o resoluciones locales. Tampoco es aplicable cuando un país carece de cualquier marco legal de base: la cooperación técnica sin norma habilitante tiene alcance muy limitado.

    El paralelo con América Latina: autoridades jóvenes, mismos problemas de escala

    La situación africana tiene un correlato directo en la región. Brasil cuenta con la ANPD, que desde 2020 viene construyendo músculo regulatorio bajo la LGPD (Ley 13.709/2018) y ya participó en instancias multilaterales como el Global Privacy Assembly. Argentina tiene la AAIP, cuya Ley 25.326 data del año 2000 y está en proceso de actualización legislativa. México opera con el INAI bajo la LFPDPPP. Pero la mayoría de estos organismos trabaja en silos, con escasa coordinación formal entre sí, y ninguno tiene un mandato explícito de asistencia técnica a países vecinos con marcos más débiles, como Paraguay, Bolivia o Venezuela, donde la protección de datos personales carece de ley específica o de autoridad operativa.

    La Red Iberoamericana de Protección de Datos (RIPD) es el espacio de articulación disponible, pero su actividad concreta en términos de transferencia de capacidades ha sido históricamente más declarativa que operativa. Lo que Ghana está intentando en África —construir liderazgo regional desde una autoridad con experiencia acumulada— es exactamente lo que Brasil o Argentina podrían hacer en América del Sur con más sistematicidad.

    Tres elementos del modelo ghanés que otras autoridades pueden replicar

    • Registro de responsables de tratamiento como mecanismo de visibilidad del ecosistema: la DPC mantiene un sistema de registro que permite mapear qué actores tratan datos en el país, una capacidad que autoridades como la AAIP argentina aún no tienen completamente desplegada.
    • Cooperación sur-sur sin dependencia de marcos europeos: Ghana articula con pares africanos sin asumir que el GDPR es la única referencia válida, lo que le permite construir estándares adaptados a su contexto económico e institucional.
    • Proyección proactiva, no reactiva: en lugar de esperar que otros países la consulten, la DPC sale a construir relaciones antes de que ocurran incidentes transfronterizos que obliguen a la cooperación de emergencia.

    Ese tercer punto es quizás el más difícil de replicar en América Latina, donde las autoridades de control suelen operar en modo reactivo por restricciones presupuestarias y de personal. La ANPD brasileña tiene la masa crítica para asumir ese rol en la región; la pregunta es si tiene el mandato político y los recursos para hacerlo.

    Para quienes trabajan en privacidad y gobernanza de datos en América Latina, el caso ghanés plantea una pregunta incómoda: ¿quién lidera la arquitectura regional de protección de datos en la región, o seguimos construyendo autoridades nacionales que se ignoran entre sí?

  • California aprueba AB 1709: veto pendiente a la ley que prohíbe redes a menores de 16

    California aprueba AB 1709: veto pendiente a la ley que prohíbe redes a menores de 16

    La legislatura de California aprobó la Assembly Bill 1709 (AB 1709), una ley que prohíbe a las plataformas de redes sociales ofrecer algoritmos de recomendación y otras funciones básicas de personalización a usuarios menores de 16 años. La Electronic Frontier Foundation (EFF) calificó la norma como “una pesadilla masiva de privacidad y libre expresión” y solicitó formalmente al gobernador Gavin Newsom que la vete antes de su entrada en vigor, prevista para enero de 2027.

    La ley cataloga como “funciones adictivas” a herramientas que en la práctica son los cimientos del funcionamiento de cualquier servicio digital: desde los feeds ordenados por relevancia hasta el registro de a quién sigue un usuario o qué publicaciones marca con “me gusta”. La EFF sostiene que esa clasificación se apoya en evidencia científica todavía debatida sobre el impacto de las redes sociales en la salud mental juvenil, y que la consecuencia práctica es que los menores de 16 años quedarán excluidos de la mayoría de los servicios digitales tal como existen hoy.

    Qué prohíbe AB 1709 y por qué la EFF pide el veto

    Bajo AB 1709, las plataformas no podrán ofrecer a menores de 16 años prácticamente ningún algoritmo de recomendación automatizado ni funciones básicas de personalización. Dado que casi todos los servicios mayoritarios operan sobre feeds automatizados, la EFF advierte que el resultado no es una restricción acotada sino una exclusión funcional total. La organización argumenta, además, que la ley daña especialmente a grupos vulnerables y comunidades marginadas que utilizan los espacios digitales para acceder a redes de apoyo que no encuentran fuera de línea.

    La solicitud de veto presentada por la EFF ante el gobernador Newsom señala que investigaciones disponibles indican que las prohibiciones de redes sociales son ineficaces y pueden ser contraproducentes: privan a los jóvenes de entornos donde desarrollan voz propia, practican su fe, comparten arte o participan en debates políticos. La organización cita, entre otras fuentes, un análisis de Brookings Institution sobre el impacto de estas prohibiciones en la infancia.

    El debate sobre evidencia científica detrás de las restricciones a menores

    Un punto central del cuestionamiento a AB 1709 es que la ciencia sobre el efecto de las redes sociales en menores dista de estar resuelta. La EFF ha documentado en análisis previos que el consenso académico es más débil de lo que suelen presentar los promotores de estas leyes: los estudios muestran correlaciones, pero la causalidad entre uso de redes y daño psicológico sigue siendo objeto de disputa metodológica. Legislar con restricciones tan amplias sobre una base empírica incierta genera un riesgo regulatorio concreto: los efectos secundarios sobre derechos fundamentales pueden superar los beneficios previstos.

    El caso de AB 1709 se inscribe en una tendencia que atraviesa varios estados de EE. UU. desde 2023, con distintos grados de ambición normativa, y que comparte argumentación con propuestas similares en otros países anglosajones, como la ley australiana que desde 2025 prohíbe el acceso a redes sociales para menores de 16 años. En todos los casos, el debate central es el mismo: cómo proteger a la infancia sin sacrificar derechos de acceso a la información y libertad de expresión.

    Argentina, Brasil y México ante la regulación de menores en plataformas digitales

    En América Latina, el tema avanza con ritmos distintos. Brasil sancionó en 2024 la Ley 14.811, que regula el uso de plataformas digitales por menores y obliga a los servicios a adoptar configuraciones de privacidad reforzadas para usuarios de hasta 18 años; su implementación sigue siendo monitoreada por la Autoridade Nacional de Proteção de Dados (ANPD). En México, el Congreso debatió durante 2024 iniciativas para regular el acceso de menores a redes sociales, pero sin alcanzar un texto consensuado; el marco vigente sigue siendo la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP), que no contempla restricciones etarias específicas para plataformas. Argentina, por su parte, carece de legislación específica sobre acceso de menores a redes sociales más allá de las disposiciones generales de la Ley 25.326 y las resoluciones de la Agencia de Acceso a la Información Pública (AAIP), que no abordan algoritmos de recomendación.

    Lo que muestra el caso californiano es que incluso las jurisdicciones con mayor capacidad técnica y legal para regular enfrentan dificultades para diseñar normas que no colisionen con otros derechos. Para los reguladores latinoamericanos que observan estas experiencias como modelos, la lección es que el diseño importa tanto como la intención: una prohibición amplia de algoritmos puede resultar más costosa en términos de derechos que el problema que busca resolver.

    Qué cambia para plataformas con operaciones en LATAM si AB 1709 entra en vigor

    Si el gobernador Newsom no veta la ley, las plataformas globales con usuarios en California deberán rediseñar sus sistemas de recomendación para segmentar por edad antes de enero de 2027. Eso implica verificación de edad funcional, arquitecturas técnicas separadas para menores y adultos, y políticas de datos diferenciadas. Cualquier plataforma que opere también en Brasil, México o Argentina deberá gestionar esas obligaciones en paralelo con los marcos locales —a menudo menos específicos pero igualmente exigentes en materia de consentimiento y datos de menores—, lo que incrementa la complejidad de cumplimiento para equipos legales y de producto que ya operan en múltiples jurisdicciones.

    Nuestro análisis

    AB 1709 pone en evidencia una tensión que las legislaturas de la región deberán resolver antes o después: la protección de la infancia en entornos digitales no puede construirse únicamente sobre restricciones de acceso sin evaluar el costo en derechos. La crítica de la EFF no niega que los algoritmos de recomendación puedan diseñarse mejor; lo que objeta es que una prohibición funcional total —sostenida en evidencia científica contestada— es un instrumento desproporcionado. Para LATAM, donde el debate regulatorio sobre menores y plataformas está en etapa temprana, el proceso californiano ofrece una advertencia de primera mano: la velocidad legislativa sin testeo de impacto produce normas que los tribunales o los propios ejecutivos terminan frenando.

    Si Newsom firma AB 1709, los reguladores latinoamericanos verán en California tanto un precedente como un experimento cuyo resultado todavía no está escrito.

  • EFF a los tribunales: no reescriban el copyright por el hype de la IA

    EFF a los tribunales: no reescriban el copyright por el hype de la IA

    La Electronic Frontier Foundation advierte a los tribunales de EE.UU. que no expandan los derechos de autor para frenar la inteligencia artificial generativa. El argumento central: hacerlo traicionaría el propósito original del copyright y repite el mismo error que casi ocurrió con el VCR en los años ochenta.

    En al menos dos casos federales —Concord Music Group, Inc. v. Anthropic PBC e In re Mosaic LLM Litigation— grupos de titulares de derechos están pidiendo a los jueces que reconozcan una nueva teoría jurídica: que entrenar modelos de lenguaje con obras protegidas no puede considerarse uso justo (fair use) porque los sistemas resultantes podrían generar obras que compitan con las originales. La EFF presentó escritos de amicus curiae en ambos expedientes rechazando esa posición.

    La teoría de “dilución de mercado” y por qué la EFF la impugna

    La teoría de dilución de mercado sostiene que, si una herramienta de IA generativa puede producir contenido que compite con obras protegidas, su entrenamiento no califica como uso justo. Para los titulares de derechos, eso equivale a otorgarles control sobre obras que técnicamente no infringen el copyright —creadas por terceros usando IA—, lo que la EFF considera una distorsión sin precedentes del marco legal vigente. Según la organización, aceptar ese razonamiento implicaría abandonar principios de 300 años de derecho de autor y concentrar poder en grandes intermediarios, no en los creadores individuales que el copyright supuestamente protege.

    El VCR, el piano mecánico y el patrón histórico que se repite desde 1906

    La EFF traza una genealogía de pánicos tecnológicos que acompaña cada innovación disruptiva. En 1906, el compositor John Philip Sousa declaró que el piano mecánico y el gramófono destruirían la composición musical. Los retratistas temieron que la fotografía eliminara la pintura de retratos. En 1982, la Motion Picture Association describió a los reproductores de video como un peligro equivalente, según se informó en testimonios ante el Congreso de EE.UU., al “estrangulador de Boston” para el público femenino. En ninguno de esos casos la tecnología eliminó la industria creativa; en varios la expandió. La Corte Suprema, en el caso Sony Corp. of America v. Universal City Studios (1984), rechazó precisamente el argumento de que una tecnología con usos no infractores debe ser prohibida por sus posibles usos infractores —doctrina conocida como staple article of commerce. La EFF invoca ese precedente para pedirle a los tribunales actuales la misma cautela.

    Cuándo aplica el argumento de la EFF y cuándo no

    La posición de la EFF no equivale a sostener que los modelos de IA nunca pueden infringir derechos de autor. El argumento aplica específicamente a la etapa de entrenamiento —el proceso por el cual un modelo procesa texto o imágenes con fines de aprendizaje estadístico— y a la pregunta de si ese proceso, por sí mismo, constituye reproducción ilícita. No aplica cuando un sistema de IA reproduce fragmentos sustanciales de obras en sus salidas (outputs), ni cuando el operador del sistema comercializa deliberadamente la similitud con obras protegidas como rasgo del producto. Esos escenarios involucran otras doctrinas legales y permanecen abiertos al litigio.

    El debate llega a América Latina con marcos regulatorios incompletos

    Ningún país de la región cuenta hoy con legislación específica sobre copyright e IA generativa. En Argentina, la Ley 11.723 de propiedad intelectual no contempla obras generadas por sistemas automatizados ni el tratamiento del entrenamiento de modelos como acto sujeto a autorización previa. En Brasil, el Marco Civil da Internet y la Lei de Direitos Autorais (Lei 9.610/1998) tampoco ofrecen respuesta clara; el debate avanza en el Congreso pero sin plazos definidos. En México, la Ley Federal del Derecho de Autor enfrenta la misma laguna. Esto significa que, en la práctica, los precedentes que establezcan los tribunales de EE.UU. —especialmente si la Corte Suprema vuelve a intervenir— funcionarán como referencia de facto para los jueces latinoamericanos que enfrenten casos similares, en ausencia de norma propia.

    Ese vacío no es neutral. Las empresas de IA que operan en LATAM —incluyendo subsidiarias de OpenAI, Anthropic y Google DeepMind— modelan sus términos de servicio y sus prácticas de licenciamiento según el marco jurídico de EE.UU. Si los tribunales estadounidenses adoptan la teoría de dilución de mercado, el impacto regulatorio se exportará a la región antes de que los legisladores locales hayan tenido oportunidad de debatirlo.

    Lo que los tribunales decidan en Concord v. Anthropic y en Mosaic LLM no es solo un asunto de derecho estadounidense: es, por defecto, política de IA para América Latina.

  • Seguridad digital para personas LGBTQ+: pasos concretos para proteger tu información

    Seguridad digital para personas LGBTQ+: pasos concretos para proteger tu información

    La Electronic Frontier Foundation (EFF) y el Trevor Project identificaron un punto de partida claro para quienes quieren mejorar su seguridad digital: revisar y controlar activamente la información personal compartida en plataformas y servicios. El consejo no es abstracto — hay acciones concretas que pueden ejecutarse hoy, con impacto inmediato en la exposición a riesgos como el doxxing o el outing no consentido.

    Las personas LGBTQ+ enfrentan amenazas digitales específicas que no siempre están contempladas en los consejos de ciberseguridad genéricos. El doxxing — la publicación malintencionada de datos personales para exponer o dañar a alguien — y el outing involuntario — la revelación no consentida de la identidad de género u orientación sexual — son riesgos reales que pueden tener consecuencias graves, especialmente para jóvenes. En un contexto donde la recopilación de datos por parte de plataformas es masiva y persistente, saber qué información circula con tu nombre es el primer paso defensivo.

    Controlar la información personal: más allá del perfil de redes

    La recomendación central de EFF y el Trevor Project es auditar la información ya compartida en servicios y plataformas, no solo preocuparse por lo que se comparte de ahora en más. Esto implica revisar si el nombre completo, dirección, teléfono, institución educativa o laboral son visibles para terceros, y reducir esa exposición donde sea posible. Usar un avatar en lugar de una foto personal es una decisión de privacidad válida, no una rareza. Compartir imágenes sin acompañarlas de datos de ubicación — y desactivar los metadatos EXIF de las fotos, que pueden incluir coordenadas GPS — reduce significativamente el riesgo de que alguien reconstruya una rutina o domicilio a partir de publicaciones aparentemente inocuas. Un método simple: tomar una captura de pantalla de la foto antes de compartirla elimina los metadatos originales.

    Credenciales únicas, cuentas separadas y verificación en dos pasos

    Reutilizar contraseñas entre plataformas es uno de los vectores de exposición más comunes. Si una plataforma sufre una brecha y la contraseña queda expuesta, todas las cuentas que usan la misma clave quedan en riesgo. El uso de un gestor de contraseñas permite generar credenciales únicas y complejas sin necesidad de memorizarlas. La autenticación de dos factores (2FA) agrega una capa adicional: incluso si alguien obtiene la contraseña, no puede acceder sin el segundo factor. En combinación, estas dos prácticas reducen drásticamente la superficie de ataque sobre cuentas personales. Para personas que participan en comunidades o espacios digitales vinculados a su identidad LGBTQ+, mantener una cuenta separada — con un seudónimo y sin vínculos a perfiles de nombre real — puede ser una medida de compartimentación efectiva.

    Cuándo aplica este enfoque — y cuándo no alcanza

    Estas medidas son el piso mínimo recomendable para cualquier persona con exposición digital, pero su relevancia aumenta en contextos de mayor vulnerabilidad: personas que no han salido del clóset con su entorno cercano, jóvenes en hogares no seguros, o quienes participan en activismo visible. En esos casos, las medidas básicas de privacidad pueden no ser suficientes y conviene combinarlas con herramientas más avanzadas, como navegadores con mayor resistencia al rastreo o redes privadas virtuales (VPN) confiables. En cambio, para alguien cuya presencia pública ya incluye su identidad LGBTQ+ y que no enfrenta riesgos inmediatos, el foco puede estar más en la seguridad de cuentas que en la ocultación de información.

    El marco regulatorio en América Latina y la brecha de protección efectiva

    Varios países de la región cuentan con leyes de protección de datos personales que reconocen categorías de datos sensibles — entre ellos, los relacionados con la vida sexual u orientación sexual — y exigen protecciones adicionales para su tratamiento. La Ley 25.326 de Argentina, la Lei Geral de Proteção de Dados (LGPD) de Brasil, la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) de México y la Ley 1581 de Colombia incluyen explícitamente estos datos en sus categorías especiales o sensibles. Esto significa que, en teoría, una plataforma que recopile o procese datos vinculados a la orientación sexual de una persona tiene obligaciones reforzadas: bases legales más estrictas, mayor responsabilidad en caso de brecha. Sin embargo, la brecha entre la protección legal formal y la protección efectiva sigue siendo amplia: muchas plataformas operan desde jurisdicciones fuera de la región, los mecanismos de ejercicio de derechos son poco accesibles, y las autoridades de control tienen capacidad de enforcement limitada para casos individuales. La autonomía del usuario en la gestión de su propia información sigue siendo, en la práctica, la primera línea de defensa.

    La guía completa de autodefensa digital de EFF, disponible en ssd.eff.org, ofrece módulos específicos por nivel de riesgo y perfil de amenaza — incluyendo instrucciones para eliminar metadatos de fotos y configurar autenticación de dos factores.

  • Doxxing: cómo responder cuando ya expusieron tu información personal

    Doxxing: cómo responder cuando ya expusieron tu información personal

    Cuando alguien expone deliberadamente tu dirección, número de teléfono o lugar de trabajo en foros hostiles para intimidarte o ponerte en riesgo, ya estás ante un incidente de doxxing. La respuesta importa tanto como la prevención: documentar, delegar y actuar con rapidez puede marcar la diferencia entre contener el daño y perder el control de la situación.

    El doxxing —término derivado del inglés “dropping documents”— consiste en recopilar información personal disponible públicamente y redistribuirla con intención de acosar, intimidar o poner en peligro a una persona. No requiere hackeo ni filtración técnica: en la mayoría de los casos el agresor usa fuentes abiertas —redes sociales, registros públicos, foros— y amplifica la exposición en comunidades hostiles. Lo que convierte ese dato en arma no es su origen, sino el contexto en que se publica y el daño que provoca.

    El registro del incidente: primer paso antes de hacer cualquier otra cosa

    Ante un caso de doxxing, la primera acción es crear un registro estructurado del incidente. No hace falta una herramienta sofisticada: una hoja de cálculo o un documento de texto con campos mínimos es suficiente. Según la guía publicada por la Electronic Frontier Foundation (EFF), ese registro debe incluir el sitio o plataforma donde ocurrió la publicación, la fecha y hora exacta, una descripción breve de lo expuesto, el nombre o descripción del actor de amenaza, y cualquier otra persona involucrada. La razón es doble: ordena el caos emocional del momento y genera evidencia utilizable si se decide involucrar a las fuerzas de seguridad o iniciar acciones legales.

    Este punto es crítico en América Latina, donde los marcos legales de protección de datos personales —la Ley 25.326 en Argentina, la LGPD en Brasil, la LFPDPPP en México, o la Ley 1581 en Colombia— reconocen el tratamiento no autorizado de datos personales como una infracción con consecuencias civiles y administrativas. Una denuncia ante la Agencia de Acceso a la Información Pública (AAIP) en Argentina, la Autoridade Nacional de Proteção de Dados (ANPD) en Brasil o el Instituto Nacional de Transparencia (INAI) en México requiere evidencia documentada: sin registro, el reclamo se debilita.

    Roles de equipo: la respuesta al doxxing no es una tarea individual

    La EFF subraya un principio que suele subestimarse: la privacidad es un deporte de equipo. Definir roles antes de que ocurra el incidente —y reactivarlos en cuanto ocurre— reduce el impacto. Hay tareas que conviene distribuir: monitorear los foros donde se publicó la información, mantener actualizado el registro del incidente, configurar alertas web con el nombre de la víctima, reforzar la seguridad de las cuentas de redes sociales, y eventualmente contactar a las fuerzas de seguridad para reducir el riesgo de SWATing —una práctica en la que el agresor llama a servicios de emergencia con una denuncia falsa para enviar fuerzas policiales al domicilio de la víctima.

    Distribuir estas tareas entre personas de confianza tiene un efecto secundario importante: separa a la víctima directa de la exposición continua al contenido dañino. Leer reiteradamente los mensajes hostiles o rastrear foros de odio en busca de actualizaciones genera estrés severo. Designar a alguien más para ese monitoreo es, en los términos de la EFF, tan estratégico como técnico.

    Cuándo aplica este protocolo y cuándo no

    Este tipo de respuesta aplica cuando hay publicación activa de datos personales con intención de daño: nombre completo más dirección física, información laboral combinada con mensajes de amenaza, o fotografías con geolocalización expuesta en foros hostiles. No aplica —o aplica de forma parcial— cuando la exposición es accidental y sin actor identificable, cuando los datos son estrictamente públicos y no hubo recopilación con fines de acoso, o cuando el incidente ya cesó sin consecuencias activas. En esos casos, la prioridad es reducir la huella digital futura, no gestionar un incidente en curso.

    También conviene distinguir el doxxing del data breach corporativo: en el primero, el objetivo es una persona específica y el canal de difusión suele ser social; en el segundo, el compromiso es masivo y el vector es técnico. La respuesta legal y operativa difiere en cada caso, aunque ambos pueden activar las obligaciones de notificación que establece, por ejemplo, el artículo 11 de la Ley 25.326 argentina o el artículo 48 de la LGPD brasileña.

    Acciones de contención una vez que el incidente está documentado

    Con el registro en mano y los roles asignados, las acciones de contención pueden ejecutarse en paralelo. El primer frente es la restricción de acceso: revisar la configuración de privacidad en todas las cuentas activas, revocar el acceso de aplicaciones de terceros innecesarias y habilitar autenticación de dos factores donde aún no esté activa. El segundo frente es la solicitud de eliminación: la mayoría de las plataformas tienen mecanismos de reporte para contenido que expone datos personales sin consentimiento; en jurisdicciones con derecho al olvido o derecho de supresión —como las cubiertas por la LGPD o la Ley 25.326— existe además la vía administrativa ante la autoridad de control. El tercer frente es la evaluación del riesgo físico: si la información expuesta incluye domicilio o rutinas, la seguridad personal debe considerarse parte del protocolo, no un exceso.

    La guía completa de respuesta a incidentes de doxxing de la EFF, incluyendo herramientas de inteligencia de fuentes abiertas y plantillas de registro, está disponible en eff.org/deeplinks. Para el contexto legal regional, la AAIP (Argentina), la ANPD (Brasil) y el INAI (México) publican canales de denuncia y orientación sobre derechos de supresión en sus sitios oficiales.

  • ICE y las citaciones a Big Tech: qué implica para datos de usuarios en LATAM

    ICE y las citaciones a Big Tech: qué implica para datos de usuarios en LATAM

    La Agencia de Inmigración y Control de Aduanas de Estados Unidos (ICE) utilizó citaciones administrativas —administrative subpoenas— para obtener datos de usuarios de Meta, Google, X y Reddit, apuntando a personas que documentaron actividades de la agencia, criticaron al gobierno en redes sociales o asistieron a protestas. La Electronic Frontier Foundation (EFF) publicó un listado parcial de estas citaciones que se extiende desde 2025 hasta el presente, advirtiendo que el universo real es probablemente mayor al documentado.

    Una citación administrativa es una orden emitida por una agencia del Ejecutivo —sin intervención judicial— que obliga a un tercero, en este caso una plataforma tecnológica, a entregar información sobre sus usuarios. A diferencia de una orden judicial (warrant), no requiere que un juez evalúe la causa probable. En el contexto de ICE, el instrumento se utiliza para solicitar “datos básicos de suscriptores”: nombre, dirección de correo electrónico, número de teléfono, dirección IP y registros de actividad. El problema identificado por la EFF no es la herramienta en sí, sino su uso fuera del alcance legal que la habilita y en violación de derechos constitucionales, en particular la Primera Enmienda de la Constitución estadounidense, que protege la libertad de expresión.

    500 citaciones a Meta, Google y Twitter entre 2018 y 2020; 21 a Reddit solo en el segundo semestre de 2025

    Los números que trascendieron ilustran la escala del fenómeno. Según documentos obtenidos por Just Futures Law mediante solicitudes de acceso a la información, ICE envió cerca de 500 citaciones administrativas a Meta, Google y Twitter entre 2018 y 2020. Para el segundo semestre de 2025, el Departamento de Seguridad Nacional (DHS) dirigió 21 citaciones a Reddit, dato que la propia plataforma divulgó en su Informe de Transparencia correspondiente a ese período. Reddit es, hasta ahora, la única empresa que desagrega específicamente las citaciones del DHS en sus reportes públicos, lo que hace imposible extrapolar con precisión qué volumen recibieron otras plataformas en el mismo lapso.

    La EFF advierte que su listado es incompleto por diseño: las citaciones suelen hacerse públicas solo cuando el usuario afectado recibe notificación y decide impugnarlas judicialmente, o cuando una empresa las menciona en un reporte de transparencia. En paralelo, la organización tiene abierta una demanda de acceso a la información (FOIA) contra el DHS precisamente para obtener el volumen total de citaciones enviadas a empresas de redes sociales desde 2025, sin respuesta satisfactoria hasta la fecha.

    Cuándo aplica una citación administrativa y cuándo no tiene sustento legal

    Las citaciones administrativas son legítimas cuando se emiten dentro del mandato estatutario de la agencia y con un propósito investigativo vinculado a ese mandato. Lo que la EFF documenta es distinto: citaciones dirigidas a personas que fotografiaron o filmaron operativos de ICE en espacios públicos, a usuarios que publicaron críticas al gobierno en redes sociales, y a estudiantes internacionales que participaron en manifestaciones. En varios casos, ICE debió retirar las citaciones luego de que usuarios las impugnaron o de que empresas tecnológicas presentaron objeciones formales. El retiro implica reconocimiento implícito de que la agencia había excedido su autoridad legal.

    La distinción es relevante desde el punto de vista jurídico: una citación válida requiere que los datos solicitados tengan conexión razonable con una investigación dentro del ámbito competencial de la agencia. Cuando el objeto de la investigación es el ejercicio de libertad de expresión o de reunión —actividades protegidas constitucionalmente—, la citación carece de fundamento legal y puede ser impugnada. Ese es el argumento central que ha funcionado en los casos judiciales documentados.

    Qué implica para usuarios latinoamericanos con cuentas en plataformas estadounidenses

    Las plataformas alcanzadas —Meta, Google, X, Reddit— están incorporadas bajo legislación estadounidense y sus servidores principales operan en ese país, lo que las somete a la jurisdicción del DHS independientemente de la nacionalidad del usuario. Un ciudadano argentino, mexicano o brasileño con cuenta en Instagram o en X puede, en principio, ser objeto de una citación administrativa de ICE si la agencia considera que tiene algún vínculo con una investigación migratoria o de seguridad. Esta situación no está cubierta por las leyes locales de protección de datos personales —ni por la Ley 25.326 argentina, ni por la LGPD brasileña (Lei 13.709/2018), ni por la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) de México— porque el tratamiento ocurre bajo derecho estadounidense, con una orden emitida por una agencia federal.

    Esto expone una brecha estructural: los marcos de privacidad de América Latina protegen a sus ciudadanos frente a sus propias autoridades y frente a empresas que operan en su territorio, pero no frente a órdenes coercitivas emitidas por gobiernos extranjeros a plataformas radicadas fuera de la región. Las autoridades de control de datos personales —AAIP en Argentina, ANPD en Brasil, INAI en México— no tienen competencia para intervenir en este tipo de transferencia. La única vía de impugnación disponible es la judicial estadounidense, lo que exige recursos legales y presencia en esa jurisdicción.

    Transparencia corporativa: Reddit como excepción, no como norma

    El caso de Reddit es relevante por contraste. Al desagregar las citaciones del DHS en su informe de transparencia, la plataforma permite que investigadores, periodistas y usuarios cuantifiquen el fenómeno. Las demás empresas mencionadas —Meta, Google, X— no ofrecen ese nivel de detalle en sus reportes públicos, lo que dificulta cualquier estimación del alcance real. La EFF invita a quienes tengan conocimiento de citaciones no documentadas a reportarlas al correo info@eff.org, una señal de que la organización considera que el inventario publicado subestima significativamente el volumen total.

    Para usuarios y organizaciones en América Latina que interactúan con plataformas estadounidenses, la pregunta no es si sus datos pueden ser solicitados por agencias del gobierno de EE.UU., sino bajo qué condiciones esas plataformas los entregarán —y si notificarán al usuario antes de hacerlo.

  • Versioning de prompts: la deuda técnica que nadie ve en los equipos de IA

    Versioning de prompts: la deuda técnica que nadie ve en los equipos de IA

    Cambiar un prompt sin registro es equivalente a modificar código en producción sin control de versiones: cualquier bug introducido es imposible de rastrear y revertir. A medida que los equipos de América Latina despliegan sistemas basados en modelos de lenguaje a gran escala, el versionado de prompts emerge como una práctica de gobernanza de IA que aún no figura en la mayoría de los marcos operativos de la región.

    Un prompt no es un campo de texto estático. En sistemas LLM en producción, el prompt —especialmente el system message— es el principal mecanismo de control del comportamiento del modelo. Si ese prompt cambia sin trazabilidad, el sistema cambia con él: puede comenzar a responder con un tono diferente, ignorar restricciones previas, o producir salidas que contradigan decisiones de diseño anteriores. Sin embargo, la mayoría de los equipos que construyen productos sobre LLMs gestionan sus prompts de la misma manera que gestionaban archivos de configuración hace quince años: en texto plano, sin historial, sin revisión por pares y sin rollback posible.

    El prompt como artefacto de gobernanza, no solo de ingeniería

    El AI Act de la Unión Europea, aplicable a sistemas que operan o afectan a ciudadanos europeos desde agosto de 2026, establece en su artículo 9 la obligación de mantener sistemas de gestión de riesgos actualizados durante todo el ciclo de vida del sistema de IA. Para sistemas clasificados como de alto riesgo, eso incluye documentar los cambios en los componentes que determinan el comportamiento del modelo. Un prompt en un sistema de IA de alto riesgo es, jurídicamente, uno de esos componentes. En América Latina, el borrador de reglamentación de la Ley de IA en Brasil —que se discute en el Congreso bajo el PL 2338/2023— recoge una lógica similar al exigir trazabilidad de las decisiones automatizadas que afecten derechos. El versioning de prompts es, en ese contexto, evidencia de esa trazabilidad.

    Desde la perspectiva del NIST AI Risk Management Framework (AI RMF), el control de cambios sobre los componentes que gobiernan el comportamiento de un sistema de IA cae dentro de la función GOVERN: establece quién puede modificar qué, bajo qué proceso de aprobación y con qué registro. Sin ese control, cualquier auditoría interna o externa del sistema enfrenta un punto ciego estructural: no se puede demostrar que el sistema se comportó de una manera determinada en una fecha determinada si no existe el estado exacto del prompt en ese momento.

    Qué falla exactamente cuando no hay control de versiones en prompts

    Los patrones de fallo más comunes en equipos sin versionado de prompts siguen una lógica predecible. Primero, la acumulación silenciosa: alguien corrige un tono agresivo en el system message, otra persona agrega una instrucción para evitar que el modelo invente funcionalidades inexistentes, y una tercera modifica el formato de salida para satisfacer un requerimiento de integración. Al cabo de tres meses, el prompt tiene veinte instrucciones parcialmente contradictorias y nadie recuerda por qué se agregó cada una. Segundo, la imposibilidad de atribución causal: cuando el sistema empieza a producir respuestas problemáticas, no hay forma de identificar qué cambio lo provocó ni cuándo ocurrió. Tercero, la ausencia de rollback: si la versión actual falla, no existe un estado anterior documentado al que volver con certeza.

    A estos tres patrones se suma el riesgo regulatorio específico. En sistemas que procesan datos personales —común en aplicaciones de atención al cliente, salud o finanzas— un cambio no documentado en el prompt puede alterar la lógica de tratamiento de datos sin que el responsable del tratamiento lo advierta. Bajo la LGPD brasileña, la LFPDPPP mexicana o la Ley 25.326 argentina, cualquier cambio en la lógica de procesamiento automatizado que afecte datos personales puede requerir una actualización del aviso de privacidad o incluso una nueva evaluación de impacto.

    Cuándo aplica el versionado de prompts y cuándo no es suficiente

    El versionado de prompts aplica siempre que un prompt gobierne el comportamiento de un sistema en producción que afecte decisiones reales: atención al cliente, generación de contenido publicado, procesamiento de solicitudes, análisis de documentos con consecuencias jurídicas o económicas. No aplica —o aplica con menor urgencia— en entornos de experimentación pura, prototipos internos sin acceso a datos de producción, o usos individuales sin impacto sistémico. La línea divisoria práctica es la misma que separa un script de análisis exploratorio de un pipeline de datos en producción: si una falla tiene consecuencias para usuarios reales o para la organización, el control de cambios es obligatorio. El versionado de prompts tampoco reemplaza otras capas de gobernanza: no sustituye las evaluaciones de output, los mecanismos de detección de alucinaciones, ni los controles de acceso a los modelos subyacentes. Es una capa necesaria, no suficiente.

    Implementación mínima viable para equipos en la región

    La implementación no requiere herramientas especializadas en una primera etapa. Un repositorio Git dedicado a prompts, con convenciones de commit que registren el autor, la fecha, el motivo del cambio y el resultado esperado, cubre el requisito mínimo de trazabilidad. La segunda capa implica asociar cada versión de prompt a un conjunto de evaluaciones: tests de regresión sobre casos de uso críticos que se ejecuten automáticamente antes de promover un cambio a producción. Herramientas como LangSmith, PromptLayer o soluciones nativas de los principales proveedores cloud ya ofrecen estas capacidades con distintos niveles de integración. La tercera capa —relevante para equipos maduros o sistemas de alto riesgo regulatorio— es la gobernanza del proceso: definir quién puede aprobar un cambio de prompt en producción, con qué criterios y bajo qué proceso de revisión, de manera análoga a un pull request en ingeniería de software.

    Los bancos y fintechs latinoamericanos que ya operan bajo marcos de gestión de modelos —como los lineamientos del Banco Central de Brasil para modelos de crédito o las disposiciones de la CNBV en México— tienen una ventaja operativa: sus equipos de validación de modelos entienden la lógica de control de cambios aplicada a artefactos que determinan decisiones automatizadas. Extender esa lógica a los prompts de sistemas LLM es, en muchos casos, un paso organizacional más que técnico.

    Para los reguladores latinoamericanos que aún debaten cómo auditar sistemas de IA, el historial de versiones de un prompt puede ser la diferencia entre un sistema auditable y uno que opera como una caja negra con interfaz de texto.

  • Por qué la calidad de datos decide si tu IA empresarial funciona o falla

    Por qué la calidad de datos decide si tu IA empresarial funciona o falla

    Sin datos limpios, consistentes y bien gobernados, los modelos de inteligencia artificial empresarial producen resultados incorrectos, sesgados o directamente inutilizables. La calidad del dato no es un prerrequisito técnico menor: es la variable que determina si una inversión en IA genera valor o se convierte en deuda operativa.

    Cuando una organización despliega un modelo de IA sobre datos fragmentados, duplicados o sin linaje claro, el modelo no falla de forma visible: produce outputs con apariencia de precisión. Ese es el riesgo real. Un sistema de recomendación entrenado con registros de clientes mal consolidados, o un modelo de scoring crediticio alimentado con variables sin definición semántica unificada, puede operar durante meses antes de que alguien detecte que sus predicciones están sesgadas por ruido estructural en los datos de origen.

    Qué significa calidad de datos en el contexto de IA

    La calidad de datos no es sinónimo de “datos sin errores tipográficos”. En el marco del DAMA-DMBOK — el estándar de referencia de la industria para la gestión de datos — la calidad se evalúa en al menos seis dimensiones: completitud, consistencia, exactitud, oportunidad, unicidad y validez. Para IA, dos dimensiones adicionales toman protagonismo: representatividad (¿el dataset refleja la realidad que el modelo debe aprender?) y trazabilidad (¿se puede auditar de dónde viene cada variable que alimenta el modelo?). Un dataset puede pasar todos los controles de completitud y aun así producir un modelo discriminatorio si la distribución histórica de los datos replica sesgos del mundo real. La representatividad es la dimensión que más frecuentemente se omite en los proyectos de IA empresarial de la región.

    El rol del data steward en el ciclo de vida de un modelo

    La gobernanza de datos para IA no termina en la ingestión del dato: atraviesa todo el ciclo de vida del modelo. Esto implica que el data steward — el rol responsable de la calidad y el uso correcto de un dominio de datos específico — debe intervenir en tres momentos críticos: antes del entrenamiento (validación de fuentes y linaje), durante el desarrollo (monitoreo de distribución y detección de drift en variables), y después del despliegue (auditoría de outputs y retroalimentación al catálogo de datos). En la práctica, la mayoría de las organizaciones latinoamericanas involucra al área de datos solo en la primera etapa, lo que genera modelos que se degradan silenciosamente en producción sin mecanismos de alerta formales.

    Cuándo aplica este enfoque y cuándo no

    Este marco de gobernanza es crítico para modelos que toman o apoyan decisiones con impacto en personas: scoring crediticio, selección de personal, segmentación de clientes para ofertas diferenciales, modelos de riesgo regulatorio. En esos casos, la trazabilidad del dato no es solo buena práctica operativa: en jurisdicciones con regulación de IA o de datos personales vigente, puede ser un requisito legal. El AI Act de la Unión Europea, aplicable desde agosto de 2026 para sistemas de alto riesgo, exige documentación de los datasets de entrenamiento y mecanismos de gestión de calidad de datos como condición para la conformidad. Para modelos internos de baja criticidad — análisis exploratorio, dashboards descriptivos, prototipado — un nivel de gobernanza más liviano puede ser aceptable, aunque no deseable.

    El estado en América Latina: brechas concretas

    En la región, la madurez en gobernanza de datos para IA es heterogénea. Los bancos brasileños supervisados por el Banco Central do Brasil operan bajo marcos de gestión de riesgos de modelos que ya incorporan requisitos de calidad de datos alineados con las directrices del Conselho Monetário Nacional. En Argentina, la Comisión Nacional de Valores avanzó en requerimientos de trazabilidad para modelos de riesgo en el mercado de capitales. En México, el uso de IA en fintech está sujeto a las disposiciones de la CNBV, que en sus circulares más recientes incorpora criterios de gestión de modelos que implícitamente demandan gobernanza de datos. Sin embargo, fuera del sector financiero, la brecha es significativa: muchas organizaciones medianas y grandes de la región tienen proyectos de IA en producción sin un data catalog formal, sin definición de data owners por dominio, y sin procesos de Data Quality Management documentados según el estándar EDM Council DCAM.

    Tres capacidades que un CDO debe tener antes de escalar IA

    Antes de aprobar la expansión de casos de uso de IA, un Chief Data Officer debe verificar que la organización cuenta con al menos estas tres capacidades operativas:

    • Data lineage documentado para las fuentes que alimentarán los modelos, con granularidad suficiente para responder auditorías regulatorias o reclamos de usuarios afectados por decisiones automatizadas.
    • Data quality rules formalizadas en el catálogo de datos, con umbrales definidos por dominio y alertas activas en pipelines de ingestión, no solo validaciones manuales ad hoc.
    • Ownership claro por dominio de datos, con data stewards asignados que tengan autoridad real para bloquear el uso de un dataset que no cumpla estándares de calidad para un caso de uso específico.

    Sin estas tres capacidades, escalar IA no multiplica el valor: multiplica el riesgo. El modelo puede producir resultados correctos en promedio y devastadores en los casos límite — exactamente donde las regulaciones de IA y de datos personales ponen el foco.

    Para organizaciones que quieran profundizar en el marco de referencia, el DAMA-DMBOK v2 (capítulos 11 y 13) y el CDMC del EDM Council ofrecen las guías más completas disponibles para alinear calidad de datos con requisitos de IA empresarial. Ambos están disponibles en sus sitios oficiales.

  • Lectores de patentes automáticos: vigilancia masiva sin control regulatorio

    Lectores de patentes automáticos: vigilancia masiva sin control regulatorio

    Los sistemas de lectura automática de patentes (ALPR, por sus siglas en inglés) no son una herramienta de seguridad vial: son infraestructura de vigilancia masiva que registra los movimientos de todos los conductores, independientemente de que exista una sospecha concreta. La Electronic Frontier Foundation (EFF) adoptó una posición formal que va más allá del uso responsable: exige su eliminación.

    Un sistema ALPR funciona mediante cámaras instaladas en vías públicas, vehículos policiales o infraestructura privada que capturan las patentes de todos los autos que pasan. Esos datos se almacenan en bases consultables —a veces durante años— y pueden ser accedidos por policías, agencias de inmigración y proveedores privados sin necesidad de orden judicial en la mayoría de las jurisdicciones que los despliegan. El resultado no es un registro de infractores: es un mapa histórico y georreferenciado de hacia dónde va cada conductor.

    Por qué la EFF dice que los ALPR son “irreparablemente dañinos”

    La posición de la EFF, publicada en agosto de 2026, no plantea que los ALPR estén mal configurados ni que deban regularse mejor. Sostiene algo más radical: que la recolección indiscriminada y continua de datos de ubicación sobre todos los conductores, sin sospecha previa, no debería existir en ninguna forma. El argumento central es que el riesgo no proviene del mal uso del sistema, sino de su diseño mismo. No hay política de retención ni actualización de software que elimine el potencial de que esa base de datos sea usada para perseguir inmigrantes, disidentes políticos o cualquier grupo en la mira de una administración de turno.

    La EFF también documenta daños concretos y recurrentes: conductores inocentes detenidos por errores de lectura óptica, y casos de agentes policiales que utilizaron los sistemas para rastrear a ex parejas o personas de interés personal. Estos no son fallos excepcionales: son consecuencias predecibles de construir y conectar en red una base de datos masiva de ubicación personal.

    La distinción que los fabricantes prefieren ignorar: ALPR vs. cámaras de tráfico convencionales

    Existe una diferencia técnica y jurídica fundamental entre un ALPR y una cámara de semáforo en rojo. Una cámara de control de velocidad o de infracciones registra una violación específica y emite una multa: no retiene datos de conductores que no cometieron ninguna infracción ni conecta esa información con otras bases de datos. Un ALPR, en cambio, registra a todos, sin excepción, y agrega esa información a un historial consultable. La EFF advierte que los fabricantes aprovechan contratos de control de tráfico convencional para introducir sistemas ALPR como complemento, diluyendo la distinción en la práctica contractual.

    Cuándo aplica la restricción / cuándo NO

    La posición de la EFF apunta específicamente a la vigilancia masiva mediante ALPR: la recolección continua y sin causa de datos de ubicación sobre toda la población que usa vías públicas. No cuestiona la identificación de un vehículo específico bajo una orden judicial válida, ni los sistemas de control de tráfico que no retienen datos de terceros no involucrados. La línea divisoria es la recolección indiscriminada y la retención prolongada: si el sistema guarda datos de quienes no infringieron ninguna ley, el problema es estructural, no operativo.

    América Latina: el vacío regulatorio que convierte a la región en terreno fértil

    En América Latina, el despliegue de sistemas ALPR avanza con escasa regulación específica. Argentina, Brasil, México y Colombia tienen marcos de protección de datos personales —la Ley 25.326, la LGPD, la LFPDPPP y la Ley 1581 de 2012, respectivamente— que reconocen el principio de finalidad: los datos personales solo pueden recolectarse para fines determinados, explícitos y legítimos. Un sistema que captura la ubicación de todos los conductores sin sospecha previa difícilmente supera ese estándar. Sin embargo, ninguna de esas leyes contiene disposiciones específicas sobre vigilancia vehicular masiva, y las autoridades de control —la AAIP en Argentina, la ANPD en Brasil, el INAI en México— no han emitido lineamientos sectoriales sobre el tema.

    La brecha es relevante porque varios municipios latinoamericanos han adquirido o licitado sistemas de lectura de patentes bajo el paraguas de “ciudad inteligente” o “seguridad vial”, sin que medie un análisis de impacto en privacidad ni una definición de plazos de retención. En Brasil, la ANPD tiene competencia para exigir ese análisis en tratamientos de alto riesgo; en Argentina, la resolución AAIP 47/2018 establece criterios para evaluaciones de impacto que podrían aplicarse, pero la autoridad no ha actuado de oficio en este ámbito.

    Lo que la EFF propone mientras los sistemas siguen operando

    Dado que los sistemas ALPR ya están desplegados en múltiples jurisdicciones, la EFF articula una posición de reducción de daños paralela a su objetivo de eliminación. Las medidas que impulsa ante tribunales y legislaturas incluyen: exigencia de orden judicial para acceder a los datos recopilados, plazos máximos de retención breves y aplicables, prohibición de acceso a agencias federales sin proceso judicial, y transparencia obligatoria sobre qué entidades consultan las bases de datos y con qué frecuencia. Ninguna de estas medidas resuelve el problema de fondo, según la propia EFF, pero limitan el daño mientras el debate político madura.

    Para quienes trabajan en privacidad en la región, el punto de partida es la normativa vigente: los marcos de protección de datos de Argentina, Brasil y México ya ofrecen herramientas —principio de finalidad, evaluaciones de impacto, notificación a la autoridad— que podrían aplicarse a estos sistemas hoy, sin esperar legislación específica. La referencia completa de la posición de la EFF está disponible en eff.org/deeplinks/2026/08/effs-policy-position-alpr-surveillance-eliminate-it-and-reduce-its-harms.