Ningún documento sale de tu equipo
Es lo que permite auditar expedientes que nunca subirías a una nube. Y es una afirmación comprobable, no una promesa comercial: hay una prueba automática que falla si el programa intenta abrir una conexión.
Qué significa exactamente «cero red»
- El análisis corre entero en local
- En tu equipo o en el mío, según acordemos, pero siempre en una máquina concreta y bajo vuestra vista si lo queréis así.
- No hay llamadas a servicios externos
- Ni a una API de IA, ni a un servicio de OCR, ni a un almacenamiento en la nube. Ningún fragmento de vuestros documentos se envía a ningún sitio.
- No hay claves de API en ningún punto del proceso
- No las hay porque no hay nada a lo que llamar. No es una configuración que se pueda dejar mal puesta.
- Los resultados no se alojan en ningún servidor
- El informe y sus datos en bruto son dos ficheros que se quedan donde se generan.
Cómo se verifica
La diferencia entre una política y una garantía es que la garantía se puede comprobar.
La batería de pruebas incluye una que intercepta la apertura de sockets y ejecuta un análisis completo de principio a fin. Si cualquier parte del programa —propia o de una librería— intentase abrir una conexión, esa prueba falla y el cambio no entra.
Esa prueba se ejecuta en cada cambio, junto a las otras. Hoy son 160 pruebas en verde. La regla del proyecto es explícita: el test no se modifica para que pase.
El análisis se puede ejecutar delante de quien lleve vuestros sistemas, antes de tocar un solo fichero real, sobre documentos de prueba y con el tráfico de red a la vista. Es la comprobación que yo recomendaría hacer, y no me supone ningún problema.
Con qué está hecho
Publicarlo es parte de lo mismo: si la garantía es comprobable, la herramienta no puede ser una caja negra.
Extracción de texto
pypdf y python-docx. Sin OCR y sin ningún servicio de
conversión externo.
Datos personales
Microsoft Presidio con spaCy, incluidos sus reconocedores de DNI y NIE para español, más reconocedores propios para el teléfono español y el número de la Seguridad Social.
Validación por formato
Letra de control de DNI y NIE, mod-97 del IBAN y Luhn de la tarjeta. El NSS se detecta por formato exigiendo una palabra de contexto cercana, y el informe declara que no valida su dígito de control.
Modelo de lenguaje
El reconocedor de entidades es es_core_news_md, que se ejecuta en
local. Funciona en castellano, y por eso el idioma del corpus es una condición del
servicio y no un detalle.
Si quien tiene que aprobarlo es vuestro responsable de sistemas
Esta página está escrita para él. Pásasela: es más rápido que intentar resumirla, y responde de antemano a lo que va a preguntar.