La subgerente de personas quiere que un asistente resuma las licencias médicas y las evaluaciones de desempeño del trimestre. El equipo de TI ya tiene listo un prototipo con ChatGPT, pero el abogado de la empresa pregunta algo que nadie sabe contestar: ¿dónde quedan esos datos y quién más puede leerlos?
Esa pregunta frena muchos proyectos de IA en Chile, y con razón. Usar Azure OpenAI con datos sensibles es posible, pero no viene resuelto por defecto: depende de cómo se despliegue el modelo, de quién tenga acceso y de qué haga su empresa para cumplir la Ley 21.719. Abajo separamos lo que Microsoft garantiza, lo que queda en sus manos configurar y lo que la ley chilena le va a pedir igual.
Qué es hoy Azure OpenAI
Azure OpenAI ya no se vende como un servicio aislado. Los modelos de OpenAI (y otros) se despliegan desde Microsoft Foundry, la plataforma de IA de Azure, y Microsoft los agrupa como "modelos vendidos por Azure". Para efectos prácticos, sigue siendo lo mismo que muchos equipos conocen como Azure OpenAI: los modelos GPT corriendo dentro de una suscripción de Azure de su empresa, con las reglas de privacidad de Azure y no las de la aplicación de consumo.
Esa diferencia es la base de todo lo demás. Si quiere el contexto más general sobre IA generativa en Azure, lo tratamos en este artículo sobre Azure OpenAI.
Lo que Microsoft se compromete a no hacer con sus datos
La documentación de privacidad de Microsoft Foundry (actualizada en mayo de 2026) es explícita. Los prompts que usted envía y las respuestas que recibe:
- no quedan disponibles para otros clientes;
- no se entregan a OpenAI ni a los demás proveedores de modelos;
- no se usan para entrenar modelos fundacionales sin su permiso o instrucción;
- no se usan para mejorar productos de Microsoft o de terceros sin su autorización expresa.
Cuando usa funciones que guardan información (archivos subidos, datos para ajuste fino, completions almacenadas), esos datos quedan en el recurso de Foundry dentro de su propio tenant de Azure, en la misma geografía del recurso, y usted puede borrarlos cuando quiera. Se cifran en reposo con AES-256 y, si su política lo exige, puede usar claves administradas por su empresa (algunas funciones en versión preliminar no lo permiten todavía).
Hay un punto que suele pasarse por alto: el monitoreo de abuso. Microsoft revisa los prompts y respuestas con sistemas automáticos para detectar usos prohibidos, y si algo levanta una alerta, personal autorizado de Microsoft puede revisar una muestra. Los clientes administrados pueden solicitar un monitoreo de abuso modificado, que elimina el almacenamiento y la revisión humana (la revisión automática puede seguir). Si va a procesar fichas clínicas o datos de trabajadores, vale la pena evaluar esa solicitud desde el principio.
Dónde se procesan los datos: el tipo de despliegue manda
Esta es la decisión técnica que más pesa para datos sensibles, y se toma al crear el despliegue del modelo. Según la guía de tipos de despliegue de Microsoft:
| Tipo de despliegue | Dónde se procesan prompts y respuestas | Cuándo considerarlo |
|---|---|---|
| Global (Standard o Provisioned) | En cualquier región de Azure donde esté el modelo | Datos sin restricciones de ubicación |
| Data Zone | Solo dentro de una zona definida por Microsoft: Estados Unidos, Unión Europea o Asia Pacífico | Cuando necesita acotar el procesamiento a un bloque |
| Standard o Regional Provisioned | Dentro de la geografía de Azure que usted eligió | Cuando la ubicación del procesamiento es un requisito |
En los tres casos los datos guardados en reposo quedan en la geografía que usted designó. Lo que cambia es dónde se hace el procesamiento.
Ahora, el detalle chileno. Azure ya tiene una región en Santiago, Chile Central, pero la disponibilidad de modelos se publica modelo por modelo y región por región, y no hay una zona de datos latinoamericana. Lo más probable es que, para usar un modelo GPT reciente, sus prompts se procesen fuera de Chile. Antes de diseñar la solución, revise qué modelos están disponibles en qué región y con qué tipo de despliegue.
Red privada y control de acceso
Un modelo bien desplegado con un endpoint abierto a internet sigue siendo un riesgo. Para cargas con datos sensibles, recomendamos como mínimo:
- Aislar el recurso con endpoints privados y deshabilitar el acceso público. Microsoft lo documenta en su guía de aislamiento de red para Foundry.
- Autenticar con Microsoft Entra ID e identidades administradas en vez de claves de API copiadas en archivos de configuración.
- Asignar roles con mínimo privilegio: quien desarrolla no necesita los mismos permisos que la aplicación en producción.
- Si el asistente consulta documentos internos (el patrón conocido como RAG), aplicar los permisos de origen al índice de búsqueda. De lo contrario, el modelo puede mostrarle a un analista un documento que no debería ver.
- Registrar quién consulta qué. Le va a servir para auditorías y para responder solicitudes de los titulares.
Ninguna de estas medidas viene activada por defecto en todos los escenarios. Son configuración, y alguien tiene que hacerla y mantenerla.
Lo que pide la Ley 21.719 cuando hay IA de por medio
La Ley 21.719 entra en vigencia el 1 de diciembre de 2026. El 1 de septiembre el Gobierno propuso postergarla al 1 de diciembre de 2027, y a mediados de octubre la iniciativa seguía en trámite. Mientras no se apruebe, la fecha legal es la de 2026. Y la postergación solo movería el calendario: las obligaciones siguen siendo las mismas.
Para un proyecto de IA con datos personales, lo relevante es esto:
- Datos sensibles: salud, datos biométricos, afiliación sindical, situación socioeconómica y otros solo pueden tratarse con consentimiento expreso del titular, salvo las excepciones que la ley enumera.
- Evaluación de impacto: si el tratamiento puede generar un alto riesgo (por ejemplo, datos sensibles a gran escala o decisiones automatizadas con efectos significativos), la ley exige evaluar el impacto antes de empezar.
- Transferencia internacional: si los prompts se procesan fuera de Chile, eso es una transferencia, y debe apoyarse en alguna de las vías que contempla la ley: país con nivel adecuado, cláusulas contractuales, normas corporativas vinculantes u otras garantías.
- Seguridad desde el diseño: el responsable debe aplicar medidas técnicas y organizativas desde el diseño. Las configuraciones de la sección anterior son justamente eso, y conviene documentarlas.
Microsoft es su encargado de tratamiento, pero la responsabilidad frente a sus clientes y trabajadores sigue siendo de su empresa. En este artículo sobre GDPR y la Ley 21.719 explicamos las diferencias entre ambas normas, útil si su organización ya tiene un programa de cumplimiento europeo.
Una lista corta antes de conectar datos reales
- Clasifique qué datos va a usar el asistente. Si no necesita el RUT o el diagnóstico para responder, no los envíe.
- Elija el tipo de despliegue según dónde puede procesarse cada tipo de dato.
- Configure red privada, Entra ID y roles antes del piloto, no después.
- Decida si va a solicitar el monitoreo de abuso modificado.
- Haga la evaluación de impacto si hay datos sensibles o decisiones automatizadas.
- Revise el contrato y los anexos de protección de datos de Microsoft con su asesor legal, sobre todo la parte de transferencias.
Preguntas frecuentes
¿Azure OpenAI usa mis datos para entrenar los modelos de OpenAI?
No. Según Microsoft, los prompts y respuestas no se comparten con OpenAI ni se usan para entrenar modelos fundacionales sin su permiso.
¿Puedo garantizar que mis datos se procesen en Chile?
Hoy no hay una zona de datos latinoamericana y la disponibilidad de modelos en Chile Central varía según el modelo. Si el procesamiento ocurre fuera, trátelo como transferencia internacional bajo la Ley 21.719.
¿Es lo mismo usar Azure OpenAI que ChatGPT?
No. Azure OpenAI corre dentro de la suscripción de Azure de su empresa, con controles de red, identidad y cifrado que administra su propio equipo.
Cómo lo trabajamos en Disrupsoft
Partimos por identificar qué proceso conviene resolver con IA y qué datos necesita de verdad. Después diseñamos la solución y la desplegamos en Azure con red privada, identidades administradas y el tipo de despliegue que corresponda a sus datos, y la seguimos ajustando en producción. Si está evaluando un caso con información sensible, revise nuestro servicio de Azure IA y conversemos antes de conectar el primer dato real.
