Signal, WhatsApp y otros servicios de mensajería cifrada de extremo a extremo garantizan que nadie en el camino puede leer tus mensajes. Pero cuando la inteligencia artificial entra en escena y procesa esas conversaciones en servidores de la nube, esa garantía empieza a resquebrajarse, aunque las empresas prometan lo contrario con una tecnología llamada entorno de ejecución confiable.
El cifrado de extremo a extremo (E2EE) ofrece garantías matemáticas: ni el operador de la plataforma ni un tercero pueden acceder al contenido de los mensajes mientras viajan por la red. El problema es que esa protección termina cuando el mensaje llega al dispositivo. A partir de ahí, lo que ocurre con el contenido depende de cómo estén diseñadas las funciones del sistema operativo y las aplicaciones. Y hoy, cada vez más, depende de la inteligencia artificial.
El nudo técnico: procesamiento en la nube versus privacidad
Las funciones de IA que más interesan a las grandes plataformas —resumen de conversaciones, respuestas automáticas, análisis de contexto— requieren una capacidad de cómputo que la mayoría de los dispositivos de consumo no tiene. La solución adoptada por la industria es enviar los datos al servidor, procesarlos allí y devolver el resultado al teléfono. El problema es evidente: el contenido del mensaje sale del dispositivo. Ese momento de tránsito o procesamiento en la nube rompe la cadena de privacidad que el cifrado E2EE había construido.
Para responder a esa tensión, Apple, Google y Meta desarrollaron implementaciones propias de lo que se conoce como Trusted Execution Environments o TEEs. Apple los llama Private Cloud Compute; Google, Private AI Compute; Meta los utiliza bajo el nombre Private Processing para WhatsApp. La idea es crear un enclave aislado dentro del servidor donde el dato se procesa sin que nadie —ni siquiera el proveedor— pueda acceder a él en texto claro.
Qué son los TEEs y por qué no equivalen al cifrado real
Un entorno de ejecución confiable es una zona protegida dentro de un procesador que aísla el código y los datos que se ejecutan en ella del resto del sistema, incluido el sistema operativo del servidor. En teoría, ni el proveedor cloud ni un atacante externo debería poder leer lo que ocurre dentro del enclave. Los TEEs tienen usos legítimos y maduros: desde la gestión de derechos digitales (DRM) hasta las billeteras móviles. Pero aplicarlos al procesamiento de IA en servidores de terceros introduce una diferencia fundamental respecto al cifrado.
El cifrado matemático —como el que protege el E2EE— no requiere confiar en nadie: la protección es verificable por cualquier persona con acceso al código y a las claves correctas. Los TEEs, en cambio, requieren confiar en el hardware del fabricante, en el firmware, en la cadena de suministro y en los procedimientos de auditoría del proveedor. Si cualquiera de esos eslabones falla, la protección se rompe. Según señaló la Electronic Frontier Foundation al analizar estas implementaciones, los TEEs ofrecen más seguridad que el procesamiento en claro, pero son fundamentalmente distintos al cifrado real o a la ejecución local.
Cuándo aplica la protección de un TEE y cuándo no
Los TEEs reducen el riesgo de que los datos sean accedidos por el operador del servidor durante el procesamiento, pero no eliminan otros vectores de exposición. No protegen contra vulnerabilidades en el propio enclave —y los enclaves han sido objeto de ataques exitosos de canal lateral en el pasado. No garantizan que los datos no sean retenidos antes o después del procesamiento. Y su verificabilidad depende de que el proveedor permita auditorías independientes del código que corre dentro del enclave, algo que rara vez ocurre de forma completa. En síntesis: un TEE bien implementado protege el dato mientras se procesa, pero no es un sustituto del cifrado ni de la ejecución local.
La brecha regulatoria en América Latina: LGPD, Ley 25.326 y el vacío del procesamiento en la nube
Ninguno de los marcos de protección de datos personales vigentes en la región —la Lei Geral de Proteção de Dados (LGPD) de Brasil, la Ley 25.326 de Argentina, la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) de México, ni la Ley 1581 de Colombia— establece estándares técnicos específicos para el uso de TEEs como medida de seguridad suficiente en el procesamiento de datos personales en la nube. Eso significa que una empresa que use Private Cloud Compute o Private Processing para procesar mensajes con contenido personal puede argumentar cumplimiento con el principio de seguridad técnica sin que ninguna autoridad de control —la ANPD en Brasil, la AAIP en Argentina, el INAI en México— tenga criterios claros para auditar si ese enclave realmente funciona como se promete.
El problema se amplifica porque estas funciones de IA están activas por defecto en varios servicios, lo que desplaza al usuario la carga de comprender y gestionar una tecnología que ni los reguladores comprenden del todo. La ANPD brasileña tiene en agenda la regulación del uso de IA en el tratamiento de datos personales, y la AAIP argentina avanzó en 2024 con lineamientos sobre IA y datos, pero ninguno de esos documentos aborda los TEEs como categoría técnica específica.
El punto de quiebre: consentimiento informado sin información suficiente
El principio de consentimiento informado —piedra angular de todas las leyes de privacidad de la región— exige que el titular del dato comprenda para qué se usan sus datos. Pero ¿cómo puede un usuario dar un consentimiento genuinamente informado sobre si sus mensajes se procesan dentro de un enclave TEE certificado o no? La asimetría técnica entre el proveedor y el usuario es total. Las políticas de privacidad de estas plataformas describen los TEEs en lenguaje accesible, pero sin permitir la verificación independiente de las garantías que proclaman. Eso convierte al consentimiento en una formalidad, no en un acto informado.
Para reguladores de la región que trabajan en marcos de IA y privacidad, el desafío concreto es definir qué nivel de auditoría técnica independiente deben acreditar los proveedores que procesen datos personales dentro de enclaves TEE, antes de que esa arquitectura se convierta en el estándar de facto de toda la industria.
