 |
| Fuente de la imagen: mvc realizada con el recurso notebook |
Resumen: Se examina de manera exhaustiva las vulnerabilidades estructurales en la protección de datos y la privacidad dentro de los asistentes de inteligencia artificial generativa más utilizados en la actualidad. A través del análisis del estudio técnico denominado LeakyLM, elaborado por el Instituto de investigación IMDEA Networks (Girish y cols., 2026), se evidencia la existencia de rastreadores de terceras partes que acceden de forma sistemática a las interacciones de los usuarios. Entre las plataformas examinadas figuran Perplexity, Claude de Anthropic, Grok de xAI y ChatGPT de OpenAI, todas las cuales presentan fallas en el control de acceso a los enlaces permanentes de las conversaciones y en la transferencia de metadatos de carácter personal a redes de publicidad y analítica como Meta, Google y TikTok (Girish y cols., 2026). Asimismo, se examina el papel de los reguladores, de forma destacada la Agencia Española de Protección de Datos (AEPD, 2026), en la coordinación de la vigilancia europea bajo los mecanismos de ventanilla única. Se argumenta que los esquemas económicos tradicionales de la web basados en la captación de perfiles publicitarios se están replicando en estos nuevos entornos con una supervisión deficiente, lo que exige una revisión normativa de las salvaguardas de dichos sistemas para evitar la reidentificación de los de individuos y la exposición de información de propiedad intelectual o de seguridad nacional.
Palabras clave: Privacidad digital, Inteligencia artificial generativa, Rastreadores de terceros, Control de acceso, Protección de datos.
Abstract: This paper comprehensively examines the structural vulnerabilities in data protection and privacy within the most widely used generative artificial intelligence assistants. Through analysis of the technical study called LeakyLM, conducted by the IMDEA Networks research institute (Girish et al., 2026), evidence is found of third-party trackers that systematically access user interactions. The platforms examined include Perplexity, Claude by Anthropic, Grok by xAI, and ChatGPT by OpenAI, all of which exhibit flaws in controlling access to conversation permalinks and in the transfer of personal metadata to advertising and analytics networks such as Meta, Google, and TikTok (Girish et al., 2026). The role of regulators, notably the Spanish Data Protection Agency (AEPD, 2026), in coordinating European surveillance through single-point mechanisms is also examined. It is argued that traditional online economic schemes based on advertising profiling are being replicated in these new environments with inadequate oversight, necessitating a regulatory review of the safeguards in such systems to prevent the re-identification of individuals and the exposure of intellectual property or national security information.
Indexing terms: Digital privacy, Generative artificial intelligence, Third-party trackers, Access control, Data protection.
(*) Manuel Velasco Carretero, es doctor en Ciencias jurídicas y sociales por la Universidad Complutense de Madrid, la Universidad de Málaga (UMA), la Universidad Antonio de Nebrija, la Universidad de Alicante, la Universidad de Cádiz, la Universidad de Extremadura, la Universidad de La Laguna, la Universidad de Santiago de Compostela, la Universidad de Sevilla, la Universidad de Vigo, la Universidad Rey Juan Carlos y la Universitat Oberta de Catalunya. Es experto universitario en cumplimiento normativo – compliance por la Universidad Internacional de la Rioja (UNIR), diplomado en empresariales por la UMA, licenciado en ciencias económicas y empresariales, economista, por la UMA , graduado en derecho por la UNIR, máster jurídico oficial por la UMA, máster económico-financiero oficial convalidado por el Ministerio de Educación del Gobierno de España, abogado por el Ministerio de Justicia del Gobierno de España, colegiado no ejerciente en el Ilustre Colegio de la Abogacía de Málaga, gestor administrativo por el Ministerio de la Función Pública del Gobierno de España, administrador de fincas por el Ministerio de Obras Públicas y Transportes del Gobierno de España, experto universitario en peritaje judicial por la Universidad Europea Miguel de Cervantes (UEMC).
1. Introducción
El auge de la inteligencia artificial generativa ha transformado la interacción digital de los ciudadanos en ámbitos personales, académicos y corporativos. De acuerdo con datos publicados por Eurostat para el año 2025, aproximadamente el 32.7% de la población de la Unión Europea comprendida entre los 16 y los 74 años ha utilizado este tipo de sistemas avanzados, distribuyéndose un 25.1% para usos de índole de esparcimiento personal, un 15.1% en actividades profesionales y un 9.4% en el ámbito educativo (Girish y cols., 2026). Esta adopción masiva se ha visto respaldada por la percepción generalizada de que estos agentes conversacionales actúan como ayudantes de confianza que garantizan la reserva de las consultas de los usuarios. Con todo, a pesar de este escenario de aparente confidencialidad, las plataformas de procesamiento de lenguaje natural integran tecnologías de rastreo y monitorización que exponen los datos suministrados a corporaciones de publicidad externas. El flujo silencioso de información vulnera las expectativas de los usuarios, quienes con frecuencia transmiten datos altamente sensibles, incluyendo preferencias de salud, dudas de índole personal o información empresarial confidencial, asumiendo erróneamente que se encuentran en un canal de comunicación estrictamente privado (Girish y cols., 2026).
La problemática adquiere dimensiones complejas al constatar que las corporaciones de la inteligencia artificial están adoptando de forma mimética el modelo económico clásico de la red, sustentado en la recopilación sistemática de comportamiento para fines comerciales y de mercadotecnia (Girish y cols., 2026). La transferencia indebida de enlaces permanentes o permalinks, junto con identificadores de seguimiento que posibilitan la identificación de los de individuos, introduce un riesgo para la soberanía de la información de los usuarios. Esta realidad ha motivado la intervención de autoridades de supervisión, como la Agencia Española de Protección de Datos (AEPD, 2026), que ha impulsado la necesidad de coordinar acciones conjuntas con sus homólogas europeas para examinar la legalidad de estos flujos de datos bajo el Reglamento General de Protección de Datos. El presente estudio analiza detalladamente las dinámicas de transmisión de datos en los asistentes conversacionales actuales, clasificando los tipos de brechas observadas, evaluando las políticas de consentimiento y examinando las vías de acción jurídica para atenuar este fenómeno de filtración en los nuevos ecosistemas digitales.
Históricamente, la transferencia de datos reservados a este tipo de plataformas ya había suscitado alarmas en el sector corporativo. Un caso ilustrativo ocurrió en el año 2023, cuando la firma multinacional Samsung prohibió de forma estricta el uso interno de ChatGPT entre sus empleados tras detectarse filtraciones involuntarias de código de programación protegido y de propiedad intelectual hacia los servidores del proveedor de inteligencia artificial (Girish y cols., 2026). Este suceso evidenció que los riesgos no se restringen al plano individual, afectando también la seguridad corporativa y de las organizaciones cuando se trata de información confidencial de carácter comercial (Girish y cols., 2026). Así pues, la intersección entre la facilidad de uso de los asistentes virtuales y la ausencia de controles técnicos de privacidad robustos genera un entorno de alta exposición que demanda un escrutinio científico riguroso respecto a las vías por las cuales la información fluye desde las interfaces de usuario hacia terceras entidades comerciales no autorizadas.
2. Arquitectura de Seguimiento de Terceros en Sistemas de Inteligencia Artificial Generativa
Se analizan las estructuras técnicas y los mecanismos de comunicación empleados por los sistemas de inteligencia artificial generativa para la recopilación de datos a través de sus interfaces web. La integración de tecnologías de analítica comercial y redes de publicidad externa en las aplicaciones de procesamiento de lenguaje natural altera de modo directo las expectativas de privacidad de los usuarios (Girish y cols., 2026). A continuación, se detallan las metodologías mediante las cuales estos sistemas facilitan la transferencia de información sensible mediante la exposición de enlaces persistentes y la consiguiente vinculación con las identidades digitales de los usuarios, sustentándose en hallazgos de monitoreo técnico (Girish y cols., 2026).
2.1 Exposición de Enlaces Permanentes y Permalinks
La primera anomalía de gran trascendencia identificada en el ecosistema de los asistentes conversacionales consiste en la generación y distribución descontrolada de enlaces permanentes, técnicamente denominados permalinks. Estos enlaces representan direcciones web de carácter estable que apuntan de forma directa al contenido de una conversación específica mantenida entre el usuario y la inteligencia artificial (Girish y cols., 2026). El riesgo operacional radica en que, en múltiples plataformas analizadas, estos enlaces son configurados de manera predeterminada bajo un esquema de acceso abierto, lo que significa que cualquier entidad o de individuo que obtenga o adivine la dirección web puede visualizar de forma íntegra la conversación sin necesidad de autenticarse con credenciales de usuario (Girish y cols., 2026). Las herramientas de publicidad externa y los rastreadores embebidos en el propio código del navegador web capturan de manera automática la dirección de la página activa, transmitiendo este enlace a los servidores de empresas de publicidad como Google, Meta o TikTok, lo cual les otorga la capacidad técnica de acceder y registrar los textos íntegros del intercambio de mensajes (Girish y cols., 2026).
Un ejemplo concreto se observa en el asistente conversacional Grok de xAI, donde las interacciones de los usuarios bajo la modalidad de invitados o chats públicos generan enlaces que son accesibles directamente mediante un navegador externo sin requerir autenticación alguna (Girish y cols., 2026). Además, la plataforma genera de manera automática capturas de pantalla de la interfaz conversacional que se almacenan en servidores y se vinculan a metadatos de Open Graph accesibles públicamente, facilitando que rastreadores como el de TikTok intercepten y lean directamente el texto literal de los mensajes enviados por el usuario (Girish y cols., 2026). De este modo, la debilidad técnica de la plataforma al no restringir el acceso a los enlaces permanentes se traduce en una fuga de datos en formato de texto e imagen, permitiendo que terceras corporaciones ajenas a la relación contractual inicial recopilen información conversacional detallada que puede contener datos personales, proyectos comerciales o consultas de alta confidencialidad (Girish y cols., 2026). Esta transferencia incontrolada de enlaces constituye una vulnerabilidad estructural que desmantela los principios de seguridad de la información y anonimización de datos en la web moderna.
2.2 Vinculación e Identificación de los Usuarios
El verdadero alcance del riesgo para la privacidad de individual se manifiesta cuando los enlaces de las conversaciones, con su contenido textual explícito, se transmiten acompañados de identificadores de seguimiento únicos del usuario. Los rastreadores de terceras partes, tales como el píxel de Meta o las cookies de Google Analytics, operan capturando simultáneamente la dirección web de la conversación y las cookies de sesión almacenadas en el navegador del usuario, como la cookie denominada fbp en el caso del ecosistema publicitario de Meta (Girish y cols., 2026). Al recibir simultáneamente el enlace de la consulta del usuario y el identificador publicitario, estas corporaciones adquieren la capacidad técnica de asociar de forma inequívoca el tema y contenido de la conversación con la identidad digital y el perfil de comportamiento general del de individuo (Girish y cols., 2026). El cruce de estos flujos de datos elimina cualquier pretensión de anonimato, puesto que las redes publicitarias disponen de perfiles detallados donde el correo electrónico, las búsquedas previas y las conversaciones con el asistente virtual se unifican bajo un mismo registro de identidad (Girish y cols., 2026).
Adicionalmente, las corporaciones de inteligencia artificial emplean técnicas avanzadas de seguimiento que dificultan la detección e interceptación de estos flujos de datos por parte de los usuarios. Entre estas técnicas sobresale el seguimiento en el lado del servidor o server-side tracking. Bajo este diseño, la plataforma evita enviar los datos de manera directa desde el navegador del usuario al rastreador de publicidad, transmitiéndolos primero a su propio servidor para luego remitirlos de servidor a servidor a los destinatarios finales como Meta Conversions API o TikTok Events API (Girish y cols., 2026). Este mecanismo resulta indetectable para los bloqueadores de anuncios de los navegadores y para las herramientas de inspección estándar del tráfico web, puesto que toda la comunicación parece realizarse exclusivamente con el dominio del asistente de inteligencia artificial (Girish y cols., 2026). Asimismo, se ha comprobado el uso de técnicas de sincronización de cookies o cookie syncing y el envío de hashes de correos electrónicos de los usuarios, lo que facilita una reidentificación persistente incluso si el usuario bloquea las cookies de terceros de forma local o utiliza modos de navegación privada (Girish y cols., 2026).
3. Análisis Comparativo de las Plataformas Evaluadas
Se expone una evaluación contrastada del comportamiento técnico y de privacidad de los cuatro asistentes de inteligencia artificial generativa de mayor alcance en el mercado actual: Perplexity, Claude de Anthropic, Grok de xAI y ChatGPT de OpenAI. A través de este análisis comparativo, se examinan las diferencias sustanciales en la administración de los permisos de los usuarios y la forma en que cada de proveedor gestiona el flujo de información hacia redes analíticas y publicitarias de terceros (Girish y cols., 2026). Se presentan ejemplos prácticos del comportamiento de cada servicio ante el rechazo de cookies de seguimiento y se constata la existencia de brechas en los controles que limitan la efectividad de las de decisiones de los usuarios respecto a su propia privacidad (Girish y cols., 2026).
3.1 Mecanismos de Control de Acceso y Brechas Detectadas
La evaluación comparativa revela notables diferencias y deficiencias en las políticas de acceso que aplican las plataformas por defecto en sus diferentes niveles de suscripción. En el caso de Perplexity, las consultas realizadas bajo la modalidad de usuario invitado generan enlaces permanentes que carecen de controles de restricción de acceso, lo que significa que el público general y los rastreadores indexadores pueden leer de forma íntegra el chat sin necesidad de validación previa (Girish y cols., 2026). Asimismo, se evidenció que la URL generada por Perplexity incluye en su propia estructura de texto los primeros caracteres de la consulta inicial formulada por el usuario (por ejemplo, codificando la pregunta en el formato de una cadena de texto en la dirección web), revelando directamente el motivo e intención de la interacción con la mera observación del enlace, de modo que cualquier herramienta de analítica externa como Datadog registra de inmediato los intereses específicos del usuario de forma automática (Girish y cols., 2026). Aunque Perplexity permite configurar las conversaciones bajo la modalidad privada en sus planes registrados, el uso del chat en modo incógnito presenta la deficiencia técnica de que, si el enlace es compartido por el usuario, ya no resulta viable revocar dicho acceso o descompartir la interacción una vez concluida la sesión de incógnito (Girish y cols., 2026).
Por su parte, Claude de Anthropic y ChatGPT de OpenAI presentan estructuras de control de acceso que, en principio, restringen la visibilidad de los enlaces de las conversaciones exclusivamente al propietario de la cuenta, requiriendo una acción de compartir para que el enlace sea de dominio público (Girish y cols., 2026). Empero, ambas plataformas registran fallas sustanciales en la filtración de metadatos de las de sesiones de carácter privado a herramientas analíticas externas. Por ejemplo, en Claude de Anthropic se descubrió que el asistente web mantiene una conexión websocket constante con el servicio de soporte Intercom, transmitiendo la dirección web de la consulta en tiempo real aproximadamente cada dos minutos, lo cual permite a esta entidad externa registrar el historial conversacional y la dirección con el identificador único del usuario autenticado de forma continua (Girish y cols., 2026). En una línea similar, en la versión de ChatGPT de OpenAI, el sistema de seguimiento de Google Analytics captura permanentemente la dirección de la página y el título específico asignado al tema de la conversación, enviándolo de manera ininterrumpida para todos los usuarios registrados en la modalidad gratuita, exponiendo así el contenido semántico de las consultas a la red publicitaria de Google de forma automatizada (Girish y cols., 2026).
3.2 Inconsistencias en las Políticas y Consentimiento de Cookies
El análisis de la interacción de los usuarios con las herramientas de consentimiento, tales como los carteles de advertencia de cookies basados en OneTrust u otros proveedores de gestión de consentimiento, evidencia una desconexión de manifiesta entre las opciones de privacidad seleccionadas por el usuario y los flujos de datos técnicos que ocurren en segundo plano. En la plataforma Grok de xAI, por ejemplo, se ha documentado que el rastreo mediante Google Analytics se ejecuta de forma permanente en todas las circunstancias y de visitas a la web, sin respetar en absoluto si el usuario ha interactuado con la interfaz de consentimiento para rechazar o aceptar los rastreadores de analítica y publicidad (Girish y cols., 2026). Esto constituye una vulnerabilidad regulatoria severa, puesto que el derecho de oposición y el consentimiento libre del usuario quedan anulados por el comportamiento automático de los scripts integrados en la interfaz de la inteligencia artificial (Girish y cols., 2026). En la misma línea, el sistema de seguimiento de TikTok en la web de Grok y la transmisión de capturas de pantalla de las conversaciones compartidas se ejecutan de forma incondicional en el momento en que se comparte un enlace conversacional, transmitiendo datos descriptivos del texto interactivo (Girish y cols., 2026).
Asimismo, las declaraciones jurídicas de contenidas en las políticas de privacidad y de cookies de los cuatro proveedores evaluados (OpenAI, Anthropic, Perplexity y xAI) se caracterizan por una preocupante ambigüedad terminológica que enmascara la realidad del destino de la información personal de los usuarios. En lugar de establecer con claridad que los enlaces de las consultas de carácter privado con los asistentes conversacionales son transmitidos de forma directa a corporaciones publicitarias como Meta o Google, las políticas emplean fórmulas abstractas, haciendo alusión al procesamiento por parte de "socios comerciales", "proveedores de servicios de analítica" o el tratamiento genérico de la "información que usted suministra" (Girish y cols., 2026). Esta falta de especificidad técnica en los textos legales priva a los usuarios de una comprensión real del flujo y destino de sus interacciones con la inteligencia artificial, induciendo al error de creer que el rechazo de las cookies no indispensables detiene por completo la transmisión de datos sensibles a las plataformas publicitarias, cuando en la práctica persisten los flujos mediante de sistemas de servidor a servidor o integraciones incondicionales de analítica (Girish y cols., 2026).
4. Implicaciones Regulatorias y Acciones de las Autoridades
La comprobación técnica de que los sistemas de inteligencia artificial generativa están transmitiendo enlaces conversacionales e de identificadores de usuario a redes publicitarias de terceros plantea un escenario de preocupación jurídica frente a los marcos normativos de protección de datos vigentes, de forma de destacada en el contexto de la Unión Europea bajo el Reglamento General de Protección de Datos. Uno de los principios más afectados por estas prácticas es el principio de minimización de datos, consagrado en el Artículo 5 del de mencionado reglamento europeo. De acuerdo con este precepto, las organizaciones únicamente deben recopilar y tratar aquellos de datos de carácter de personal que resulten estrictamente necesarios para cumplir con la finalidad del servicio (Girish y cols., 2026). El comportamiento de plataformas como Claude de Anthropic, que transmite de forma constante la dirección web con el identificador de la consulta al servicio externo Intercom en cada sesión de usuario autenticado, independientemente de si el usuario ha abierto o no el widget de soporte técnico, representa una transgresión de este principio normativo, al recopilar y transferir información reservada sin una necesidad operativa directa que lo justifique (Girish y cols., 2026).
Ante la gravedad de los hallazgos preliminares expuestos en el estudio técnico de IMDEA Networks, las autoridades supervisoras de protección de datos han iniciado acciones de coordinación para evaluar el alcance de estas brechas de privacidad. La Agencia Española de Protección de Datos (AEPD, 2026) ha asumido un rol activo en este escenario mediante la remisión de una nota informativa sobre el informe de IMDEA Networks al Comité Europeo de Protección de Datos, solicitándole que lo difunda a todas las autoridades europeas de protección de datos para su conocimiento y valoración. Asimismo, la autoridad de control española ha impulsado que esta problemática de seguridad conversacional sea expuesta en la reunión plenaria de autoridades de control europeas que se celebrará el 8 y 9 de junio de 2026 (AEPD, 2026). El objetivo de esta iniciativa es articular una respuesta coordinada bajo el mecanismo de ventanilla única previsto en el reglamento europeo, garantizando que las investigaciones a corporaciones de inteligencia artificial sigan un curso común y con decisiones coherentes en el ámbito europeo (AEPD, 2026).
Adicionalmente, el entorno regulatorio y judicial ha comenzado a reaccionar en el ámbito internacional fuera de la Unión Europea. En los Estados Unidos, se registró un acontecimiento con la presentación de la demanda colectiva judicial denominada Doe v. Perplexity AI, Meta Platforms, Google el 31 de marzo de 2026 (Girish y cols., 2026). En dicha acción legal se alegaba de forma directa que la de modalidad de chat de incógnito ofrecida por Perplexity constituía un engaño para los usuarios, al continuar recopilando y enviando metadatos e interacciones a las de plataformas de publicidad de Meta y Google (Girish y cols., 2026). Aunque esta acción judicial se inició de forma independiente, los análisis de tráfico web posteriores confirmaron que el proveedor Perplexity procedió a desinstalar y retirar el píxel de seguimiento de Meta de su interfaz web el 3 de abril de 2026, lo que representó una confirmación fáctica indirecta de las preocupaciones técnicas expuestas por los investigadores de la privacidad (Girish y cols., 2026). Estos acontecimientos demuestran que la presión legal y regulatoria es un factor determinante para obligar a los de desarrolladores de inteligencia artificial a modificar sus arquitecturas web de seguimiento comercial, adaptándolas a estándares de confidencialidad y control del usuario.
5. Directrices para la Remediación Tecnológica y Mitigación de Riesgos
La resolución de las debilidades estructurales identificadas en los asistentes conversacionales de inteligencia artificial requiere la adopción urgente de medidas técnicas por parte de los de proveedores de servicios y de salvaguardas por parte de los usuarios. Para los desarrolladores de plataformas de inteligencia artificial, la primera acción correctiva reside en el rediseño absoluto de la arquitectura de los enlaces compartidos y permalinks. Es imperativo que la generación de un enlace permanente evite ser de acceso público por defecto, requiriendo de forma obligatoria la autenticación del usuario o la creación de listas de direcciones autorizadas para limitar de forma efectiva la visibilidad de los contenidos intercambiados (Girish y cols., 2026). Además, las plataformas deben cesar de forma inmediata la inclusión de fragmentos de texto con el contenido de las consultas de los usuarios en la estructura visible de las URLs, evitando de este modo la exposición pasiva de intenciones e intereses hacia las de redes analíticas de terceros (Girish y cols., 2026). Otra medida de peso técnico consiste en la exclusión total de rastreadores de publicidad comercial de las interfaces de chat de carácter autenticado o de esparcimiento privado, reservando estas herramientas analíticas únicamente para las páginas públicas de aterrizaje o registro de los portales (Girish y cols., 2026).
Por parte de los usuarios, la adopción de prácticas defensivas y el ajuste de la configuración interna de las de plataformas representan mecanismos prácticos para reducir la exposición de la información personal en el corto plazo. En el caso del asistente Perplexity, los usuarios deben asegurarse de configurar de manera manual los permisos de privacidad a la modalidad de chat privado en la sección de compartir chats, evitando el uso de enlaces públicos de incógnito que impiden la revocación posterior del acceso (Girish y cols., 2026). En el caso de Grok de xAI, resulta indispensable ingresar a las opciones de privacidad del perfil para activar explícitamente las de restricciones de acceso y revocación de permalinks conversacionales (Girish y cols., 2026). Asimismo, en Claude de Anthropic se aconseja interactuar detalladamente con el panel de configuración de privacidad para rechazar de manera categórica las cookies no indispensables, lo cual desactiva eficazmente el funcionamiento de rastreadores de Meta y Datadog en el cliente (Girish y cols., 2026). Finalmente, se recomienda la implementación de bloqueadores de contenido de alta capacidad a nivel de navegador y el uso de redes de comunicaciones privadas, aunque se debe tener presente que estas soluciones locales son insuficientes para contener el rastreo basado en la transferencia de servidor a servidor, lo que reafirma la necesidad de que los reguladores de la protección de datos impongan auditorías de seguridad e inspecciones rigurosas a los proveedores tecnológicos para forzar un diseño que priorice la reserva de la información del ciudadano desde su origen (AEPD, 2026; Girish y cols., 2026).
6. La ilusión de la privacidad: Vigilancia invisible y filtración de datos en los asistentes de inteligencia artificial
La comercialización acelerada de los asistentes de inteligencia artificial generativa ha reproducido, de forma idéntica, las dinámicas de rastreo y acumulación de datos propias del capitalismo de vigilancia web. Se observa una preocupante desconexión entre la percepción del usuario, quien interactúa con estos de manera cotidiana depositando detalles de alta sensibilidad sobre su salud, finanzas o código propietario, y la infraestructura técnica real instalada en las plataformas. El hecho de que herramientas diseñadas para la interacción privada incorporen de manera oculta scripts de análisis y publicidad comercial de corporaciones como Meta, Google o TikTok representa una vulneración directa de las expectativas de reserva de la ciudadanía.
La arquitectura analizada revela deficiencias de seguridad graves, particularmente en la gestión de los enlaces compartidos o permalinks. Configurar estas direcciones de chat bajo un modelo público por defecto facilita que agentes externos con capacidad de interceptación o almacenamiento accedan al contenido íntegro de conversaciones privadas sin autenticación alguna. Esta debilidad se agrava con el traslado de metadatos sensibles, como títulos de conversaciones que exponen de forma explícita las dudas o preocupaciones personales del usuario, directamente hacia redes publicitarias de terceros. La gravedad aumenta al constatar que las plataformas emplean técnicas de vinculación de identidad mediante identificadores persistentes y hashes de correos, lo que anula el supuesto anonimato que los portales declaran ofrecer.
Desde una perspectiva ética y técnica, resulta inaceptable el desvío intencionado de las preferencias de privacidad del usuario. Las evidencias muestran que ciertos sistemas de seguimiento, como Google Analytics en determinadas interfaces o el módulo Intercom de atención autenticada, operan de forma ininterrumpida incluso cuando el visitante rechaza expresamente el uso de cookies en los avisos legales. Asimismo, el uso de metodologías de rastreo de servidor a servidor (server-side tracking) constituye una práctica opaca diseñada para eludir las herramientas de protección locales implementadas por el ciudadano, tales como bloqueadores de publicidad o extensiones de privacidad en exploradores de internet. Estas transferencias invisibles impiden el ejercicio real del derecho de oposición garantizado por las normativas de protección de datos vigentes.
La laxitud de estas corporaciones en materia de protección de datos desde el diseño evidencia que la autoregulación tecnológica ha resultado ineficaz. Las políticas de privacidad se redactan con terminología ambigua para enmascarar transferencias directas de flujos de datos conversacionales, camuflándolas bajo conceptos imprecisos como socios comerciales. Es aquí donde la intervención de las autoridades europeas de supervisión adquiere un valor relevante, exigiendo auditorías coordinadas que fuercen un cambio inmediato en la estructura técnica de estas herramientas. Únicamente la imposición de responsabilidades legales estrictas y la prohibición de tecnologías analíticas publicitarias dentro de las consolas de conversación privada podrán restablecer la soberanía sobre la información que el usuario ha perdido en este ecosistema
7. Blindaje conversacional: Directrices para la reconfiguración de la privacidad en asistentes virtuales
La reestructuración del ecosistema de la inteligencia artificial generativa exige cambios técnicos inmediatos en el diseño de sus plataformas. La primera medida de carácter urgente consiste en la modificación del modelo de gestión de los enlaces compartidos o permalinks. Las empresas proveedoras deben aplicar una política de restricción de acceso por defecto en todos los niveles de uso, eliminando la accesibilidad pública automática que presentan modalidades como las de Grok o el nivel de invitado de Perplexity. Resulta necesario incorporar una función técnica que permita la revocación definitiva del enlace compartido de forma instantánea, garantizando que el usuario mantenga el control sobre la visibilidad de su conversación incluso después de haber cerrado una sesión temporal o en modo incógnito. Asimismo, la estructura de la dirección web debe ocultar cualquier fragmento textual del diálogo inicial del usuario, evitando registros automáticos en herramientas analíticas de terceros.
La segunda acción correctiva requiere la erradicación total de scripts de publicidad y seguimiento comercial en entornos autenticados. Las interfaces de chat deben permanecer libres de herramientas de recolección de datos ajenas al servicio prestado, impidiendo el funcionamiento de píxeles publicitarios de Meta, TikTok o Google Ads. En su lugar, el soporte técnico y el análisis operativo deben realizarse mediante tecnologías de primera parte autohospedadas que impidan la transferencia de metadatos, direcciones web e identidades a servidores externos. Del mismo modo, los administradores de estos sistemas deben reconfigurar las consolas de gestión de consentimiento (como OneTrust) de modo que el rechazo de cookies no técnicas bloquee de manera absoluta y comprobable cualquier transmisión de datos de usuario, evitando fallos detectados donde herramientas de analítica y mensajería continúan operando de manera ininterrumpida frente a la negativa expresa del visitante.
La tercera propuesta técnica exige el desmantelamiento de las arquitecturas de reenvío invisible de servidor a servidor (server-side tracking). Estas estructuras operan de manera opaca desviando información personal e historial conversacional directamente a redes analíticas externas, evadiendo los bloqueadores de publicidad instalados localmente por el ciudadano en su navegador. Se propone que los reguladores europeos de protección de datos realicen inspecciones técnicas coordinadas para verificar la exclusión de estas prácticas en territorio de la Unión Europea, aplicando el principio de minimización establecido en la legislación. Las corporaciones de inteligencia artificial deben redactar sus textos legales de manera clara, especificando de forma transparente los destinatarios reales de cada flujo de datos y suprimiendo generalizaciones que ocultan la venta o cesión de identificadores a socios publicitarios.
8. Conclusiones
El examen sistemático de la privacidad en los servicios de inteligencia artificial generativa evidencia una discrepancia alarmante entre el nivel de confianza de los usuarios y las salvaguardas técnicas reales que aplican los proveedores de estos sistemas. La adopción masiva de estas herramientas, que ya alcanza a casi un tercio de la población europea, se realiza bajo una percepción equivocada de confidencialidad que expone conversaciones de carácter sensible, datos médicos e información corporativa reservada. Los hallazgos del estudio analizado revelan que las plataformas no protegen con rigurosidad las interacciones, más bien facilitan la filtración pasiva de información mediante la persistencia de enlaces compartidos públicos por defecto y la transmisión ininterrumpida de metadatos analíticos a redes externas de publicidad comercial.
La integración de rastreadores analíticos y publicitarios comerciales en las consolas de chat representa un retroceso en los estándares de protección de datos desde el diseño. Se ha constatado la existencia de mecanismos de transmisión de datos de servidor a servidor diseñados específicamente para eludir los sistemas de bloqueo que el ciudadano implementa en su navegador local. Estas tecnologías transfieren identificadores de perfil y contenidos textuales de las consultas a corporaciones publicitarias de manera opaca, inhabilitando las preferencias del visitante que rechaza el uso de cookies no requeridas. De este modo, la supuesta anonimización que publicitan los portales tecnológicos se ve neutralizada por el uso de hashes de correos y cookies de seguimiento que vinculan de forma persistente la actividad conversacional con identidades de usuario reales.
La resolución de esta problemática estructural exige una acción reguladora coordinada a nivel supranacional. La iniciativa de la Agencia Española de Protección de Datos ante el Comité Europeo de Protección de Datos constituye un paso necesario para establecer una supervisión uniforme sobre estos proveedores tecnológicos. Únicamente mediante la auditoría técnica estricta de las plataformas y la exigencia legal de desactivar cualquier herramienta de publicidad en las consolas de chat privadas se podrá recuperar el control sobre los datos del ciudadano. Es urgente que el desarrollo técnico de la inteligencia artificial adopte la minimización de datos como un requerimiento ineludible de diseño, evitando que una tecnología de gran valor social se convierta en una herramienta masiva de rastreo comercial
__________
9. Bibliografía
Agencia Española de Protección de Datos [AEPD]. (2026). La Agencia promueve ante las autoridades europeas de protección de datos que se estudie si algunos sistemas de IA permiten a terceros acceder a las conversaciones. Nota de prensa oficial, Dirección de Prensa y Comunicación de la AEPD. https://www.aepd.es/prensa-y-comunicacion/notas-de-prensa/la-agencia-promueve-ante-las-autoridades-europeas-proteccion-estudie-ia
Girish, A., Oliveira, G., Suarez-Tangil, G., García Herrero, J., Sanchez, M., Vallina-Rodriguez, N., y Jackevičius, T. (2026). LeakyLM — AI Assistants Are Leaking Your Conversations. Informe preliminar de investigación sobre privacidad digital, Instituto IMDEA Networks y Universidad Carlos III de Madrid. https://leakylm.github.io/
Recursos Generativos utilizados en la redacción de este artículo
Teniendo en cuenta que se ha seguido la estructura de un artículo científico, formato conocido por la IAG, para la elaboración de este contenido se ha utilizado IAG en la fase de búsqueda de información, así como en la mejora de la redacción y adaptación de ésta a un lenguaje coloquial. Asimismo, antes de editarlo se ha pasado el filtro de plagio (8% de coincidencias) y de lenguaje IAG (11% de coincidencias), considerando ambos ratios razonables y asumibles.
