Confidencialidad

Anonimización de datos personales: qué es, técnicas con ejemplos y el proceso que propone la AEPD

Quitar el nombre no basta para que unos datos sean anónimos. Aquí tienes qué es la anonimización según el RGPD, sus técnicas con un ejemplo de cada una, el proceso que propone la AEPD y qué cambia cuando lo que anonimizas es un escrito.

14 de noviembre de 2026 · 11 min de lectura · Por Guillermo Azcona

La anonimización de datos personales es el tratamiento que hace que unos datos ya no permitan identificar a nadie, ni directa ni indirectamente, con los medios que razonablemente podría usar cualquiera. Según el considerando 26 del RGPD, la información anónima queda fuera del Reglamento; la seudonimizada, no. Las técnicas forman dos familias, aleatorización y generalización, casi siempre después de suprimir los identificadores directos, y la AEPD pide evaluar el riesgo de reidentificación antes de dar nada por anónimo.

Qué es la anonimización de datos personales según el RGPD

La anonimización de datos personales es el tratamiento que convierte datos de personas en información que ya no permite identificarlas. El RGPD no la define en sus artículos; su considerando 26 da la prueba: para saber si alguien es identificable «deben tenerse en cuenta todos los medios, como la singularización, que razonablemente pueda utilizar el responsable del tratamiento o cualquier otra persona para identificar directa o indirectamente a la persona física», teniendo en cuenta costes, tiempo y tecnología. Y añade que los principios de protección de datos no deben aplicarse «a los datos convertidos en anónimos de forma que el interesado no sea identificable, o deje de serlo».

El Grupo de Trabajo del Artículo 29 lo resumió en su Dictamen 05/2014 sobre técnicas de anonimización: la anonimización es «el resultado de un tratamiento de los datos personales realizado para evitar de forma irreversible su identificación».

Un identificador directo «es la información específica que puede atribuirse a un individuo, como su nombre o un número de identificación», según la AEPD y el Supervisor Europeo de Protección de Datos en 10 malentendidos relacionados con la anonimización (2021). Un cuasi-identificador no identifica solo, pero sí combinado con otros: la AEPD cita el género, el estado civil, el código postal, las fechas significativas y la profesión. El documento de la AEPD y el Supervisor Europeo recuerda que en 2006 un servicio de películas en streaming publicó como anónimas 10 millones de valoraciones de 500.000 clientes, y unos pocos datos bastaban para encontrar a un suscriptor.

Si con información adicional (una tabla de correspondencias, una clave) se puede volver a la persona, los datos están seudonimizados, y el considerando 26 los sigue tratando como «información sobre una persona física identificable». La diferencia, con ejemplos, está en anonimización y seudonimización.

Técnicas de anonimización de datos, con un ejemplo de cada una

Las técnicas de anonimización más usadas son la supresión, el enmascaramiento, la generalización, el ruido, la k-anonimidad y la agregación. Para verlas, parte de esta tabla de clientes de un despacho laboralista (los datos son inventados):

Código postalEdadAsuntoImporte reclamado
Ana Ruiz Gil3100834Despido18.400 €
Luis Sanz Mora3100638Despido9.750 €
Rosa Lana Pérez3150041Reclamación de cantidad4.200 €
Iker Goñi Ayala3150046Reclamación de cantidad6.900 €

El nombre es el identificador directo; el código postal y la edad, cuasi-identificadores. Así queda la fila de Ana con cada técnica:

Qué haceLa fila de Ana
SupresiónQuita el dato, o la fila entera31008 · 34 · Despido · 18.400 €
EnmascaramientoTapa el identificador con un relleno igual para todos[NOMBRE] · 31008 · 34 · Despido · 18.400 €
GeneralizaciónRangos y códigos recortados310** · 30 a 39 · Despido · 18.400 €
Aleatorización o ruidoAltera los valores un margen al azar31008 · 34 · Despido · 18.900 €
k-anonimidad (k = 2)Cada combinación de cuasi-identificadores se repite al menos k vecesAna y Luis comparten «310** · 30 a 39»; Rosa e Iker, «31500 · 40 a 49»
AgregaciónTotales o medias en lugar de filas2 despidos, con 14.075 € de media reclamada

Supresión y enmascaramiento

La supresión quita lo que no hace falta: la AEPD cita, entre otros, nombres, fecha de nacimiento, teléfono, DNI, dirección postal, cuentas bancarias y dirección IP. El enmascaramiento localiza y tapa los identificadores directos, con un límite que señalan la AEPD y el Supervisor Europeo: «Mientras que encontrar los identificadores directos es algo trivial, los identificadores indirectos, en cambio, no siempre son obvios». Y si en lugar de un relleno igual para todos usas una etiqueta por persona ([PERSONA 1], [PERSONA 2]) y guardas quién es cada una, eso es seudonimizar.

Generalización y k-anonimidad

La generalización cambia las escalas, «sustituyendo una ciudad por una región, o una semana por un mes» (Dictamen 05/2014). La nota técnica de la AEPD sobre la k-anonimidad (2019) mide el resultado: si cada combinación de cuasi-identificadores la comparten al menos k personas, la probabilidad de identificar a una por ellos «es como máximo 1/k» (con k = 2, un 50 %). Su punto débil, según la misma nota: si todo el grupo comparte un dato sensible, basta saber que alguien está en él. Ana y Luis son los dos despidos: quien sepa que Ana es clienta del despacho, tiene de 30 a 39 años y vive en un código postal 310** sabe que la despidieron.

Ruido, agregación, cifrado y hash

El ruido hace los valores menos exactos sin cambiar su distribución (el Dictamen 05/2014 pone una altura publicada con «± 10 cm» de margen), y la permutación los intercambia entre filas; ninguna anonimiza por sí sola. La agregación entrega estadísticas en lugar de filas, y el dictamen la da por anónima cuando el responsable borra los datos de origen. El cifrado y el hash, en cambio, se revierten con la clave o se recalculan: «El cifrado no constituye una técnica de anonimización, pero puede ser una buena herramienta de seudonimización» (AEPD y Supervisor Europeo).

Qué técnica protege de qué: singularización, vinculabilidad e inferencia

Una anonimización eficaz impide tres cosas, según el Dictamen 05/2014: la singularización (extraer los registros que identifican a una persona), la vinculabilidad (enlazar dos registros de la misma persona, en una base de datos o en dos) y la inferencia (deducir con una probabilidad significativa un dato a partir de otros). Su tabla 6 resume qué riesgo deja abierto cada técnica:

¿Riesgo de singularización?¿Riesgo de vinculabilidad?¿Riesgo de inferencia?
SeudonimizaciónSíSíSí
Adición de ruidoSíPuede que noPuede que no
SustituciónSíSíPuede que no
Agregación y anonimato kNoSíSí
Diversidad lNoSíPuede que no
Privacidad diferencialPuede que noPuede que noPuede que no
Hash/TokensSíSíPuede que no

Ninguna fila dice «No» en las tres columnas: por eso el dictamen pide decidir caso por caso y combinar técnicas.

El Comité Europeo de Protección de Datos (CEPD) adoptó el 7 de julio de 2026 un borrador de Directrices 02/2026 sobre anonimización (en inglés) que actualiza ese dictamen. Mantiene tres criterios con otros nombres (sin aislamiento de registros, sin vinculación y sin inferencia, en nuestra traducción), mide el anonimato desde la perspectiva de cada destinatario, se borren o no los datos originales, y pide que la probabilidad de identificar a alguien sea insignificante en la práctica, no cero. La consulta pública cerró el 30 de octubre de 2026 y, a 14 de noviembre, sigue publicada la versión 1.0.

El proceso de anonimización según la AEPD, paso a paso

La AEPD propone un protocolo por fases en sus Orientaciones y garantías en los procedimientos de anonimización de datos personales, una guía de 2016 que publica con la marca «En revisión» y que presenta como orientación, no como un esquema cerrado:

  1. Equipo, por escrito. Responsable del tratamiento, delegado de protección de datos y equipos de riesgos, anonimización y seguridad, en número «proporcional al volumen del tratamiento de los datos y a la complejidad del proceso de anonimización». Se pueden acumular funciones, pero «es fundamental que exista un documento de definición del equipo de trabajo».
  2. Evaluación del riesgo de reidentificación, con su umbral aceptable, partiendo de que «ninguna técnica de anonimización podrá garantizar en términos absolutos la imposibilidad de la reidentificación». Se revisa periódicamente, porque el riesgo crece con el tiempo.
  3. Finalidad y destinatario: uso restringido, con acuerdos de confidencialidad, o datos abiertos.
  4. Preanonimización: clasificar identificadores directos, indirectos y datos especialmente protegidos. La guía avisa de lo difícil que es anonimizar «registros de voz, registros de imagen o información biométrica y/o genética».
  5. Eliminación de variables que no hacen falta para la finalidad.
  6. Técnicas y piloto «con una pequeña muestra de datos de prueba (no reales)».
  7. Anonimización para cada destinatario, formación del personal, garantías y auditoría periódica.
  8. Documentación. «La política de anonimización aplicable deberá estar documentada y accesible al personal implicado en el tratamiento de datos anonimizados». El borrador del CEPD también pide documentar el proceso y sus pruebas.

Si tu caso necesita una evaluación de impacto, o qué base jurídica lo ampara, es una pregunta para el delegado de protección de datos o para un abogado.

Anonimizar una base de datos o un documento de texto

Una base de datos y un documento de texto se anonimizan de forma distinta: las guías de la AEPD y del Grupo del Artículo 29 están pensadas para tablas, y un escrito, una sentencia o un acta son texto libre. La AEPD y el Supervisor Europeo definen el conjunto de datos como «una recopilación de datos estructurada», y el Dictamen 05/2014 aclara que sus ejemplos «se refieren a tablas».

Base de datos u hoja de cálculoEscrito, sentencia o acta
Dónde están los datosEn columnas conocidasEn cualquier frase, mezclados con el relato
Técnicas que encajanSupresión, generalización, ruido, k-anonimidad y agregaciónEtiquetas o rellenos en los identificadores y generalizar a mano los detalles
Cómo se compruebaContando cuántas filas comparten cada combinación de cuasi-identificadoresLeyéndolo entero: no hay filas que contar

Un ejemplo de escrito (inventado):

«Doña Marta Ibáñez Soto, con DNI 12345678Z, farmacéutica titular de la única farmacia de Valdecierzo, fue despedida el 3 de marzo de 2026, tras una baja de cuatro meses por una hernia discal.»

Con etiquetas queda «Doña [PERSONA 1], con DNI [DNI 1], farmacéutica titular de la única farmacia de Valdecierzo…», y la reconoce cualquiera del pueblo: profesión, «la única farmacia» y localidad son cuasi-identificadores, y la hernia es un dato de salud (artículo 9 del RGPD). Hay que generalizar a mano: «farmacéutica en un municipio pequeño, despedida en marzo de 2026 tras una baja médica». Las sentencias que publica el CENDOJ salen con los nombres sustituidos y sin los demás datos personales de las personas físicas que son parte, como contamos en el buscador de jurisprudencia del CENDOJ. En la transcripción de una vista pasa lo mismo, y la grabación original sigue identificando por la voz.

Con ablalo anonimizas en tu ordenador, sin subir nada, un texto pegado, un Word (.docx), un PDF (también escaneado) o un .txt: cambia nombres, DNI y NIE, NIG, IBAN, número de colegiado, direcciones y otros identificadores por etiquetas como [PERSONA 1] y marca lo dudoso para que lo revises. Deja a la vista juzgados, leyes, ciudades, importes y fechas (salvo la de nacimiento). Está pensado para documentos: no generaliza, no calcula la k-anonimidad y no sirve para hojas de cálculo ni bases de datos.

Límites: lo que ninguna técnica ni herramienta resuelve sola

Ninguna técnica garantiza un anonimato del cien por cien, y un documento con etiquetas no es por eso anónimo:

En resumen

La anonimización de datos personales convierte datos de personas en información que ya no permite identificarlas con los medios que razonablemente podría usar cualquiera (considerando 26 del RGPD); si se puede volver a la persona con información adicional, es seudonimización y el RGPD sigue aplicándose. Sus técnicas se combinan porque ninguna evita a la vez la singularización, la vinculación y la inferencia, y la AEPD propone hacerlo con un equipo, una evaluación del riesgo de reidentificación, un piloto y documentación. En un escrito, cambiar los nombres por etiquetas es el primer paso: después hay que leerlo entero buscando lo que todavía identifica.

Fuentes: Reglamento (UE) 2016/679 (RGPD), considerando 26 y artículo 4.5, en EUR-Lex y en la copia del BOE; Grupo de Trabajo del Artículo 29, Dictamen 05/2014 sobre técnicas de anonimización, 10 de abril de 2014; AEPD, Orientaciones y garantías en los procedimientos de anonimización de datos personales, 2016; AEPD, La K-anonimidad como medida de la privacidad, 2019; AEPD y Supervisor Europeo de Protección de Datos, 10 malentendidos relacionados con la anonimización, 2021; Comité Europeo de Protección de Datos, Guidelines 02/2026 on Anonymisation, versión 1.0 para consulta pública, 7 de julio de 2026. Consultadas el 14 de noviembre de 2026.

Preguntas frecuentes

¿Qué es la anonimización de datos personales?

Es el tratamiento que convierte datos personales en información que ya no permite identificar a la persona, ni directa ni indirectamente, con los medios que razonablemente podría usar cualquiera. Según el considerando 26 del RGPD, los principios de protección de datos no se aplican a la información anónima.

¿En qué consiste la anonimización de los datos y para qué sirve?

Consiste en quitar o transformar los identificadores directos y los cuasi-identificadores hasta que no se pueda volver a la persona. Sirve para usar o compartir datos (estudios, estadísticas, datos abiertos) con menos riesgo para las personas, aunque siempre queda un riesgo residual de reidentificación que hay que evaluar.

¿Qué técnicas de anonimización de datos hay?

El Dictamen 05/2014 del Grupo del Artículo 29 las agrupa en aleatorización (adición de ruido, permutación y privacidad diferencial) y generalización (agregación, k-anonimidad, diversidad l y proximidad t). En la práctica se combinan con la supresión o el enmascaramiento de los identificadores directos. El cifrado y el hash seudonimizan, no anonimizan.

¿Qué herramientas de anonimización de datos hay?

Para tablas y bases de datos, la AEPD cita en su nota técnica sobre la k-anonimidad tres herramientas de código abierto: ARX, la de la Universidad de Texas en Dallas y Amnesia. Para documentos de texto hay anonimizadores que cambian los identificadores por etiquetas, como el apartado Anonimizar de ablalo. En todos los casos hay que revisar el resultado.

¿Cómo se hace la anonimización de datos en documentos?

Se localizan los identificadores directos (nombres, DNI, direcciones, cuentas) y se cambian por etiquetas o rellenos; después se lee el documento entero para generalizar los detalles que aún identifican, como la profesión, el lugar o los datos de salud, y se limpian las propiedades del archivo. Si se guarda la tabla que permite devolver los nombres, el resultado está seudonimizado, no anonimizado.

¿Qué ley regula la anonimización de datos?

El RGPD no le dedica un artículo: la trata en el considerando 26, que deja fuera de sus principios la información anónima, y define la seudonimización en el artículo 4.5. El Dictamen 05/2014 recuerda que la legislación europea no impone ninguna técnica («sin que la legislación europea contenga ninguna norma prescriptiva»). En España, la AEPD publica orientaciones prácticas, y el Comité Europeo de Protección de Datos prepara unas directrices (borrador 02/2026).

Newsletter

Lo que la IA está cambiando en los despachos

Para abogados, sin ruido ni tecnicismos: las novedades de IA en el sector legal que merecen tu tiempo, qué hacen las herramientas con los datos de tus clientes y trucos para escribir y transcribir más rápido.

Sin spam. Te das de baja cuando quieras.

Quita los datos de tu cliente antes de compartir un escrito

ablalo cambia nombres, DNI y NIE, NIG, IBAN, número de colegiado y direcciones de un texto, un Word o un PDF (también escaneado) por etiquetas como [PERSONA 1], en tu ordenador, y te devuelve los nombres cuando los necesitas. No oculta datos de salud ni de afiliación: revísalo antes de enviarlo. 14 días de prueba, sin tarjeta.

Ver cómo funciona

Sin tarjeta · Windows y Mac · en español

← Volver al blog