volver al diccionario
K-anonimato
El k-anonimato es un modelo de protección de la privacidad que busca evitar que una persona pueda ser identificada individualmente a partir de un conjunto de datos. Para ello, establece que cada registro debe ser indistinguible de, al menos, otros k?1 registros respecto a determinados atributos que podrían revelar la identidad de una persona.
Este concepto fue formalizado por la investigadora Latanya Sweeney en 2002, en su artículo científico k-Anonymity: A Model for Protecting Privacy, publicado en la revista International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems. Su trabajo abordó un problema fundamental de la privacidad de los datos: eliminar los identificadores directos, como el nombre o el número de identificación, no siempre impide reconocer a una persona cuando se combinan otros atributos, como la edad, el sexo o el código postal. La propuesta se apoyaba en investigaciones previas sobre la divulgación de información y la protección de datos estadísticos.
En Recursos Humanos, este principio resulta especialmente relevante en las encuestas de clima laboral, donde la combinación de variables como el departamento, el puesto o la antigüedad puede facilitar la identificación indirecta de los participantes, incluso cuando no se solicitan sus nombres.
Una forma práctica de aplicar un criterio similar consiste en establecer un número mínimo de respuestas para mostrar los resultados de un grupo. Por ejemplo, si se fija un umbral de cinco participantes, los resultados de los equipos que no alcancen esa cifra permanecerán ocultos. Así se reduce el riesgo de identificación al consultar los informes.
No obstante, este umbral no equivale por sí solo a una garantía formal de k-anonimato. También es necesario considerar las posibles combinaciones de filtros, la información disponible y el riesgo de reconstruir datos mediante comparaciones entre resultados. Además, el k-anonimato no elimina todos los riesgos para la privacidad, por lo que debe complementarse con otras medidas de protección.
La importancia de estas medidas también se refleja en la práctica institucional. En un estudio sobre el diseño y la administración de encuestas para mejorar el clima organizativo, publicado en Academic Medicine en 2022, investigadores vinculados a los National Institutes of Health (NIH) describieron el uso de resultados agregados y la supresión de celdas con menos de 15 respuestas para reducir el riesgo de identificación. La cifra se estableció teniendo en cuenta las características de la organización, el tamaño de los grupos y la sensibilidad de la información, no como un umbral universal.
Por tanto, aplicar criterios de protección basados en el k-anonimato ayuda a conciliar dos necesidades de las organizaciones: obtener información útil para tomar decisiones y proteger la privacidad de los empleados. En las evaluaciones de clima laboral, esto implica diseñar los informes y sus filtros para que el análisis de los resultados no comprometa la confidencialidad de quienes participan.
Fuentes y referencias:
