La transparencia gubernamental exige equilibrar el derecho ciudadano a la información con la protección de datos sensibles o secretos de estado. En países como Estados Unidos, Reino Unido o Países Bajos, las leyes FOIA o Woo permiten a los ciudadanos solicitar documentos oficiales, pero también autorizan a las administraciones a tachar fragmentos que puedan comprometer la seguridad nacional o la privacidad individual. Este proceso, conocido como privilegio del proceso deliberativo, requiere clasificar cada frase como sensible o no, una tarea que tradicionalmente realizan revisores humanos con un alto coste y lentitud.
Los grandes modelos de lenguaje (LLM) ofrecen una vía prometedora para automatizar esta clasificación, pero surge un obstáculo crítico: los documentos no han sido aún desclasificados, y enviarlos a APIs cloud de terceros resulta legal o políticamente inviable. Por eso, la investigación actual se centra en modelos pequeños y locales, ejecutables en hardware de consumo, como el Qwen3.5 con 9 mil millones de parámetros. A través de técnicas avanzadas de prompting —encadenamiento de pensamiento (Chain-of-Thought) y pocos ejemplos con errores representativos— se consiguen niveles de recall y F2 que superan los de trabajos previos y se acercan a modelos comerciales como Gemini 2.5 Flash, pero sin salir del entorno controlado.
El análisis lingüístico revela que las frases consideradas deliberativas contienen más verbos de opinión y suelen redactarse en primera persona. La combinación de estos indicadores, especialmente la presencia simultánea de palabras en primera persona con un verbo expresivo, resulta determinante. Esta aproximación no solo mejora la precisión, sino que permite entender por qué un fragmento se considera sensible, algo fundamental para auditorías y para ganar la confianza de los organismos públicos.
Para las empresas que trabajan con datos sensibles o procesos regulatorios, este enfoque abre oportunidades reales. Desde Q2BSTUDIO, desarrollamos aplicaciones a medida que integran inteligencia artificial local, permitiendo a nuestros clientes desplegar modelos de lenguaje en sus propias infraestructuras sin comprometer la ciberseguridad. La posibilidad de combinar IA para empresas con servicios cloud AWS y Azure híbridos, o incluso con agentes IA que ejecutan clasificaciones en tiempo real, transforma la gestión documental en un proceso ágil y seguro.
Además, los resultados de esta clasificación pueden visualizarse mediante servicios inteligencia de negocio como Power BI, que convierten las etiquetas de sensibilidad en dashboards interactivos para los equipos legales. La externalización de procesos de revisión, antes manuales, ahora es viable gracias al software a medida que orquesta modelos locales y flujos de trabajo automatizados. En definitiva, la tecnología permite que tachar o no tachar deje de ser un dilema humano lento y se convierta en una decisión algorítmica transparente, auditable y, sobre todo, legalmente defendible.
