Informe Final de Auditoría y Cumplimiento de la Aula 6
Expediente Completo de Seguridad, Privacidad y Gobernanza de IA — VectraTech Solutions
- Organización
- VectraTech Solutions
- Autora
- Arlene Capellan
- Etapas
- 6 pasos
Ruta de auditoría
- ✅ Paso 1
Inventario y aislamiento de credenciales y secretos (.env, API Keys, DB Keys).
- ✅ Paso 2
Mapeo de PII y datos sensibles (nombres, correos, datos financieros, nómina).
- ✅ Paso 3
Pipeline de anonimización (enmascaramiento, minimización y datos sintéticos).
- ✅ Paso 4
Variables de entorno (ENVIRONMENT_VARIABLES), retención cero y logs auditables en Supabase.
- ✅ Paso 5
Checklist ejecutiva de auditoría humana (Human-in-the-Loop, anti-alucinaciones y copyright).
- ✅ Paso 6
Cláusulas de DPA/NDA, arquitectura corporativa segura vía APIs y cumplimiento de privacidad.
Identifica y separa documentos con credenciales, PII, datos sensibles e información estratégica
Inventario de secretos · Entorno rojo
# ======================================================================== # VECTRATECH SOLUTIONS - INVENTARIO DE SECRETOS DE INFRAESTRUCTURA (ENTORNO ROJO) # REGLA DE CIBERSEGURIDAD: PROHIBIDO SU INGRESO EN CHATS DE IA GENERATIVA PÚBLICOS # ============================================================================== # 1. Claves de API de Inteligencia Artificial & RAG OPENAI_API_KEY=sk-proj-vTech2026_x89aB... (Llave de acceso a modelos LLM) GEMINI_API_KEY=A1zaSyA89_vTech_RAG_2026... (Llave para procesamiento RAG) # 2. Claves de Automatización e Integración (Make.com & Webhooks) MAKE_WEBHOOK_URL=https://hook.us1.make.com/vtech_automatex_approve_2026 MAKE_API_TOKEN=mk_token_89231_vtech_sec... # 3. Proveedores de Correo Transaccional (Vercel Serverless & Resend) RESEND_API_KEY=re_vTech_2026_Secr3t_Key_9812... (Utilizado para avisos a cliente/dev) # 4. Credenciales de Bases de Datos y Almacenamiento (Supabase / PostgreSQL) DATABASE_URL=postgresql://vtech_admin:P@ssw0rd_Secur3_2026@db.vectratech.internal:5432/production SUPABASE_SERVICE_ROLE_KEY=eyJhbGciOiJIUzI1NiIsIn... # 5. Secretos de Servidor y Despliegues (Vercel / GitHub Actions) VERCEL_DEPLOY_TOKEN=vercel_tok_89aB_vtech_prod_2026... JWT_SECRET_KEY=super_secret_jwt_key_vtech_auth_2026
Valores ficticios según la autora; forman parte del ejercicio.
Criterios para reconocer y evitar el envío de datos confidenciales a modelos de IA
Criterios operativos para proteger los secretos (Paso 1)
- 1.
Inyección en Servidor (Variables de Entorno): Allí donde desplegemos código o dashboards (como Vercel o Make), estas claves deben vivir únicamente en el panel de ENVIRONMENT_VARIABLES del servidor. Nunca deben pegarse en texto plano dentro de prompts de ChatGPT, Gemini o Claude.
- 2.
Sanitización de Código Fuente: Si le pides a la IA que revise un fragmento de código (por ejemplo, una función serverless o un script en Python), debes reemplazar cualquier secreto real por referencias ficticias como
process.env.RESEND_API_KEYoYOUR_API_KEY. - 3.
Auditoría de Entrada: Antes de presionar "Enviar" en cualquier entorno conversacional, se debe hacer un escaneo rápido para verificar que no haya ninguna cadena con formato
sk-,Alza-ore_inyectada involuntariamente.
VectraTech Solutions — Inventario de datos personales y sensibles (PII)
Regla de ciberseguridad: prohibido su envío en texto plano a IAs públicas
1. Datos personales de identificación directa (PII)
- Nombres y Apellidos de Clientes / Contactos Directos
- Correos Electrónicos Corporativos y Personales (ej. cliente@empresa.com)
- Teléfonos y Direcciones de Despacho u Oficinas
- Identificadores de Identidad / DNI / Pasaportes
2. Datos comerciales y financieros sensibles
- Números de Tarjetas de Crédito / Débito y Datos Bancarios
- Historial de Transacciones Financieras y Márgenes Brutos
- Archivos de Contratos Protegidos bajo Acuerdos de Confidencialidad (NDA)
- Datos de Nómina y Salarios de los 25 Colaboradores
3. Datos técnicos y operativos privados
- Tokens de Acceso de Usuarios y Credenciales de Pruebas
- Registros de Logs de Errores que Contengan Direcciones IP o PII de Usuarios
- Mapeo de Vulnerabilidades de la Arquitectura de Servidores
Criterios operativos para reconocer y evitar el envío de PII (Paso 2)
- 1.
Evaluación Previa al Prompt (Filtro de Entrada): Antes de pegar cualquier archivo (como el archivo Excel de entrevistas o reportes de e-commerce) en ChatGPT o Gemini, el analista debe verificar que no contenga filas o columnas con nombres reales, direcciones de correo o identificadores de clientes.
- 2.
Aislamiento por Proyectos (ChatGPT Projects / Gemini Gems): Para evitar que la información de una consulta comercial o de soporte se mezcle entre áreas, se deben utilizar proyectos acotados (Projects) con memorias aisladas por departamento (Marketing, Dev, Operaciones).
- 3.
Uso de Bases de Conocimiento Controladas (RAG): Cuando se requiera analizar información interna sensible de VectraTech Solutions, se debe emplear el patrón RAG a través de entornos seguros o herramientas como NotebookLM, donde las respuestas quedan acotadas únicamente a los documentos proporcionados sin reentrenar modelos públicos.
Protocolo para la anonimización o enmascaramiento (Sanitization Pipeline)
Para utilizar los datos del negocio en modelos de IA conversacionales sin incurrir en filtraciones de entrada (Input Leaks) ni vulnerar normativas de privacidad (GDPR, leyes locales), aplicamos un proceso de sanitización en 3 capas antes de que cualquier prompt sea enviado:
Flujo de sanitización de datos
- 1ENTRADA DE DATOS REALES →
Documentos con PII, correos, nombres, montos y comunas (direcciones)
- 2CAPA DE ENMASCARAMIENTO →
Reemplazo por variables opacas (Cliente A, Transacción X)
- 3CAPA DE MINIMIZACIÓN →
Eliminación de datos irrelevantes (usar rangos en vez de fechas)
- 4DATOS SINTÉTICOS →
Generación de matrices ficticias proporcionales
- 5PROMPT LIMPIO →
Envío seguro a ChatGPT, Gemini, Copilot, Deepseek o IA utilizada
Enmascaramiento de datos (Data Masking)
| Tipo de dato | Dato real (prohibido en IA pública) | Dato enmascarado (permitido) |
|---|---|---|
| Cliente / Usuario | JUAN PÉREZ / ARLENE@EMPRESA.COM | CLIENTE_ID_01 |
| Empresa / Proveedor | BANCO X / RAPPI PERÚ | EMPRESA_PARTNER_ALPHA |
| Ubicación Exacta | COMUNA PROVIDENCIA, SANTIAGO | COMUNA_ZONA CENTRO |
| Identificadores de Pago | ORDEN #84930211 | ORDER_REF_X |
2. Minimización de datos (Data Minimization) & 3. Datos sintéticos
Cargar una tabla con fechas de nacimiento completas (14/05/1992).
Rangos etarios agrupados (Grupo 30-35 años).
Cargar salarios exactos por colaborador ($3,250 USD/mes).
La nómina agrupada total ($72,000 USD/mes para 25 colaboradores) o niveles de bandas salariales.
Generación de Datos Sintéticos: Para probar prompts complejos de análisis financiero o prototipos sin exponer métricas reales, se construyen conjuntos de datos ficticios pero estadísticamente proporcionales.
Ejemplo práctico de prompt sanitizado
"Analiza la entrevista de usabilidad de Juan Pérez (juan.perez@email.com, DNI 001-923) para el nuevo diseño de la app de Banco X. Su sueldo es $2,800 USD y su API key es sk-proj-123..."
"Actúa como un UX Designer Senior en banca digital. Analiza el siguiente feedback de usabilidad de CLIENTE_ID_01 (categoría ingreso medio-alto) respecto a la arquitectura de navegación de la nueva versión de la app. Propón los hallazgos principales y una matriz de acciones de mejora. No inventes datos y mantén la respuesta objetiva."
Configuración de almacenamiento seguro, variables de entorno y registros (logs)
Arquitectura segura de información
(Keys Encriptadas)
(Zero Data Retention)
- 1.
Inyección de Secretos mediante Variables de Entorno (ENVIRONMENT_VARIABLES): Las llaves privadas nunca se escriben en el código fuente ni en los prompts. Se inyectan únicamente en el servidor en tiempo de ejecución (En Vercel: RESEND_API_KEY, OPENAI_API_KEY; en Make.com via Custom Connections/Webhooks protegidos).
- 2.
Políticas de Retención de Datos y Privacidad en la Nube: Acuerdos de Cero Retención (Zero Data Retention) en accesos API o proyectos corporativos (ChatGPT Projects / Gemini Enterprise), garantizando eliminación tras procesamiento sin persistencia externa y control de soberanía geográfica.
- 3.
Configuración de Registros de Acceso (Audit Logs): Tabla de logs en Supabase sin PII:
| Timestamp | Event_ID | User_Role | Action | Endpoint_Used | Status |
|---|---|---|---|---|---|
| 2026-10-25T09:55:00Z | EVT_8923 | Dev_Lead | RAG_Doc_Query | /api/v1/support-rag | 200 OK |
| 2026-10-25T10:02:14Z | EVT_8924 | Client_User | Approve_Budget | /api/send-confirmation | 200 OK |
Nota de Ciberseguridad: Los logs guardan únicamente el ID opaco del evento y el estado HTTP para garantizar que no contengan PII ni textos de prompts sensibles.
Protocolo de revisión manual de salidas (Output Review & Compliance)
Ningún contenido generado por la IA se publica o implementa sin pasar por un proceso de Auditoría Humana (Human-in-the-Loop) para evitar Output Leakage, alucinaciones y violación de copyright.
Checklist de revisión humana
- 1
Cero PII Expuesta: ¿La respuesta contiene nombres reales, emails o datos confidenciales?
[ PASS ]Acción: Mantener etiquetas de enmascaramiento (Cliente A).
- 2
Cero Secretos: ¿Se filtraron API Keys, tokens o contraseñas en la respuesta?
[ PASS ]Acción: Sustituir por variables de entorno (process.env.RESEND_API_KEY).
- 3
Sustento Factual: ¿Las cifras y recomendaciones tienen evidencia en el contexto del negocio?
[ PASS ]Acción: Validar contra los documentos de origen.
- 4
Revisión de Sesgo: ¿El tono es imparcial, objetivo y profesional?
[ PASS ]Acción: Eliminar adjetivos o generalizaciones sin respaldo.
- 5
Cumplimiento Legal: ¿Apta para su uso en reuniones directivas, el foro o el cliente?
[ PASS ]Acción: Liberar para publicación o ejecución.
Adopción de recursos corporativos y cumplimiento normativo (GDPR / Privacy Framework)
- 1.
Marco Contractual (DPA / NDA): Anexos de privacidad con proveedores de IA (OpenAI Enterprise, Google Cloud, Vercel, Make.com) con garantía expresamente de no reentrenamiento público y aislamiento RAG en proyectos acotados.
- 2.
Arquitectura de Integración Corporativa Segura (API vs. Chat Público): Transición desde chats públicos sin control hacia Zero Data Retention (ZDR), encriptación de claves en servidor y webhooks cifrados (HTTPS) con IP Whitelisting.
- 3.
Adaptación Normativa: Cumplimiento del derecho de minimización, gobernanza de permisos por rol (Devs, Ventas, UX/UI) y trazabilidad completa de registros auditables en Supabase.
Cierre ejecutivo
Los seis pasos del expediente quedan registrados como completados.
- ✅ Paso 1: Inventario y aislamiento de credenciales y secretos (.env, API Keys, DB Keys).
- ✅ Paso 2: Mapeo de PII y datos sensibles (nombres, correos, datos financieros, nómina).
- ✅ Paso 3: Pipeline de anonimización (enmascaramiento, minimización y datos sintéticos).
- ✅ Paso 4: Variables de entorno (ENVIRONMENT_VARIABLES), retención cero y logs auditables en Supabase.
- ✅ Paso 5: Checklist ejecutiva de auditoría humana (Human-in-the-Loop, anti-alucinaciones y copyright).
- ✅ Paso 6: Cláusulas de DPA/NDA, arquitectura corporativa segura vía APIs y cumplimiento de privacidad.
El documento fuente no incluye una sección de conclusiones adicional; este cierre solo recoge el estado de los pasos.