📂TI · Datos · DX⏱Lectura de 2 min📊Práctico🔗Relacionados: 8

¿Qué es el DLP?

Definición en una línea
La prevención de pérdida de datos (Data Loss Prevention) es una tecnología y una política que detecta y bloquea la salida de datos importantes, como información personal o secretos comerciales, a través del correo, el USB, las cargas web o la caja de texto de IA.
⚡ Resumen en 3 líneas
  • Observa la salida de datos desde adentro, no los ataques de afuera
  • Los campos de entrada de IA, una nueva vía de fuga
  • Empezar con alertas y registros, y reducir gradualmente el alcance de los bloqueos

Muchas personas entienden el DLP como un mecanismo para bloquear a los hackers externos, pero la dirección que vigila esta herramienta es la contraria. Mira los datos que salen de adentro hacia afuera. Además, lo que realmente se detecta en su mayoría no es una filtración malintencionada, sino un error cometido con prisa: enviar la lista de participantes a un correo personal para trabajar desde casa, o pegar todo un documento de evaluación en la caja de texto de IA generativa para resumirlo. Antes que un dispositivo de vigilancia, el DLP es una red de seguridad que atrapa los errores.

Funciona en tres etapas. Primero identifica qué datos son importantes, a partir de patrones de formato fijo, como los números de registro de residente o de cuenta bancaria, palabras clave específicas y las marcas de clasificación asignadas a los documentos. Luego vigila las vías de salida: USB, impresión y capturas de pantalla de la PC, correo y cargas a la web, y el almacenamiento en la nube. Por último, elige la respuesta: solo registrar el evento, mostrar una advertencia, pedir un motivo para permitirlo o bloquearlo por completo.

La IA generativa abrió una vía más: el texto que se pega y los archivos que se suben a la caja de IA del navegador. Si la guía interna de uso de IA solo dice «no ingresar datos de clientes», nadie puede saber si se cumple; el DLP hace que esa frase funcione en la práctica. Al principio conviene empezar con alertas y registros en lugar de bloqueos, observar uno o dos meses qué se detecta y en qué áreas, y luego ir reduciendo el alcance de los bloqueos.

El problema en el terreno es el bloqueo excesivo. Si desde el primer día se cierran todos los puntos de salida, se detiene el trabajo normal y los colaboradores buscan vías alternas, como fotografiar la pantalla con el celular y enviarla. El riesgo de filtración sigue igual, pero desaparece el registro. Si hay demasiados falsos positivos, las alertas dejan de leerse y se cierran sin más. Además, como es una herramienta que revisa el correo y la actividad en pantalla de los colaboradores, si se implementa sin un procedimiento que informe qué se recopila y por qué, puede derivar en una invasión de la privacidad y en conflictos laborales. Antes de implementarla deben hacerse, en conjunto, la revisión legal y laboral y el aviso a los colaboradores.

Capacitaciones en las que aparece este término · IA·DX
Cursos recomendados · Instructores recomendados · Mini cotización
🧮 Mini cotización · Criterio de honorarios
Aprox. KRW 1,200,000 (≈ US$900)Charla especial de 2 horas · hasta 20 personas · en coreano
Solicitar cotización formal con estas condiciones →
💡 Dicho de forma sencilla
Como el detector de la salida de un edificio, no revisa a quienes entran, sino si en la mochila que sale hay documentos de la empresa.
Por qué es importante en la práctica
Esta palabra la buscan las organizaciones que, al ver que los empleados empiezan a pegar material de la empresa en la IA generativa, comprueban que los documentos de directrices por sí solos no bastan para controlarlo.
Origen y fuentes

Es el nombre de una familia de productos de seguridad que identifican y controlan los datos importantes que salen de la organización según su contenido. No tiene un creador concreto; el sector lo adoptó como nombre de la categoría de producto. A veces se desarrolla la sigla como Data Leakage Prevention, pero el significado es el mismo.

Entender con un caso

Veamos un caso hipotético. La empresa A, una firma de TI financiera con 600 colaboradores, distribuyó una guía interna de uso de IA e incluso capacitó a todo su personal. Sin embargo, tres meses después se descubrió por casualidad que alguien del área de Recursos Humanos había pegado comentarios de evaluación de 80 personas en un servicio externo de IA para resumirlos.

  1. El responsable de seguridad de la información informó en la reunión de directivos: «Tenemos la guía, pero no hay forma de verificar si se cumple. Hoy ni siquiera sabemos cuántos casos más hubo».
  2. La empresa implementó DLP, pero durante los primeros dos meses solo activó registros y alertas, sin bloqueos. En los tres puntos de salida —la caja de IA, el correo personal y el USB— se detectaron 1,400 casos al mes.
  3. Al analizarlo, de 1,400 casos, 900 eran falsos positivos: el número de empleado se leía como número de registro de residente. Cuando el responsable corrigió la regla de detección, los casos reales quedaron en 310 al mes.
  4. El jefe de Recursos Humanos dijo: «Si no hay forma de resumir las evaluaciones, volverán a pegarlas». La empresa abrió una herramienta de IA aprobada internamente y permitió que se ingrese información en ella.
  5. El área de relaciones laborales envió a todos los colaboradores un aviso con los datos que se recopilan y su finalidad, y en el consejo de trabajadores y empresa se acordó limitar el acceso a los registros a dos personas del área de seguridad de la información.
  6. Desde el tercer mes, solo los documentos con número de registro de residente (identificación personal coreana) y con calificaciones de evaluación pasaron a bloqueo, y los datos importantes enviados a IA externa se redujeron de 310 a 22 casos al mes.
Cuándo usarla y cuándo evitarla
✅ Recomendable en estos casos
  • Cuando existe una guía de uso de IA pero no hay forma de verificar si se cumple
  • Cuando existen áreas que manejan documentos cuya filtración causa grandes daños, como datos personales, evaluaciones o nóminas
  • Cuando se quiere priorizar la capacitación en seguridad según las vías y la cantidad de casos de filtración
🚫 Cuándo conviene tener cuidado
  • Cuando se quiere bloquear todo desde el inicio sin haber clasificado qué datos son importantes
  • Cuando se quiere recopilar registros de pantallas y correos sin informar a los colaboradores ni someter el caso a revisión legal y laboral
  • Cuando se aumentan las prohibiciones sin una herramienta alternativa aprobada
Términos relacionados
IA en la sombra (Shadow AI)Herramientas de IA que los empleados usan en el trabajo sin aprobación ni gestión del área de TI. Son un punto ciego para las filtraciones de información, pero también una señal de que el personal quiere trabajar con IA.Guía interna de uso de IADocumento interno que establece qué información no se puede introducir, quién es responsable de verificar y cómo indicar los resultados cuando el personal usa IA generativa en el trabajo.CiberseguridadActividades generales de defensa para proteger sistemas, datos y usuarios de amenazas digitales, como intrusiones, filtraciones y malware.Confianza cero (Zero Trust)Principio de seguridad según el cual «no se confía en nada por defecto». Verifica cada acceso en todo momento, sin distinguir entre lo interno y lo externo.Separación de redes e IA generativaPolítica de seguridad que separa física o lógicamente la red de trabajo de la red de internet para bloquear ataques externos. En finanzas y en el sector público es la restricción más real para adoptar IA generativa externa.Concienciación en seguridad · simulacros de phishingCapacitación que enseña a los colaboradores a reconocer correos sospechosos y solicitudes dudosas, y a reportarlos. Se complementa con simulacros que envían correos de phishing falsos, parecidos a los reales, para medir la respuesta.Gestión de activos de TI · ITAMITAM (IT Asset Management, gestión de activos de TI) es un sistema que registra, desde la compra hasta la baja, las laptops, servidores, licencias de software y cuentas en la nube de la empresa, para saber quién usa qué y cuándo hay que reemplazarlo.Ciclo de vida de cuentas · baja de cuentas de exempleadosGestión de todo el proceso de crear, modificar y revocar las cuentas de sistemas de la empresa según las altas, los cambios de área y las salidas. En inglés se llama Joiner-Mover-Leaver (JML). Lo clave es cerrar a tiempo las cuentas de quienes dejan la empresa.
Capacitaciones relacionadas con este término
📚Alfabetización digitalCapacitación corporativa de Nanum Consultoría · presencial / en líneaVer curso →
¿Necesita capacitación interna sobre este tema?
Reciba de inmediato un currículo y una cotización personalizados para su equipo.
Consultar sobre capacitación
Última actualización: 14 de octubre de 2026 · Revisión: John Kim

Preguntas frecuentes

Se pueden detectar las entradas de texto y las cargas de archivos en el navegador para alertar o bloquear, pero el alcance depende del producto y de su configuración. No puede impedir la captura con celulares ni el uso de dispositivos personales, así que para que funcione hay que ofrecer al mismo tiempo una herramienta alternativa aprobada.
No se recomienda. Bloquear cuando hay falsos positivos detiene el trabajo normal y genera formas de evadir el control. Durante uno o dos meses conviene operar solo con registros y alertas, ajustar las reglas y, después, pasar al bloqueo empezando por los datos con riesgo claro.
Según qué datos se recopilen y quién pueda consultarlos, pueden surgir problemas de protección de datos personales y de privacidad de los trabajadores. Antes de implementarla hay que someterla a revisión legal y laboral y dar aviso a los colaboradores. Los requisitos concretos deben consultarse en la guía más reciente de la autoridad competente, como la Comisión de Protección de Datos Personales.
Lo primero es hacer una lista de los documentos que contienen datos importantes. Hay que indicar el nivel de cada documento que maneja el área —evaluaciones, nóminas, listas de participantes— para poder crear las reglas de detección, y también informar qué tareas necesitan excepciones.