AI Guardrails
- Última actualización2025/06/25
AI Guardrails
Las AI Guardrails son una medida de protección crucial, ya que garantizan el uso responsable de la IA y protegen información confidencial durante los flujos de trabajo de automatización. Actúan como un mecanismo de seguridad y gobernanza, diseñado para controlar las interacciones entre usuarios, automatizaciones y modelos de lenguaje extenso (LLM). Las AI Guardrails buscan mitigar riesgos potenciales, hacer cumplir las políticas y garantizar que los sistemas de IA se comporten de manera segura, ética y predecible.
Funciones principales de las AI Guardrails
En esencia, las AI Guardrails controlan el flujo de información y las acciones en procesos impulsados por IA, principalmente mediante lo siguiente:
- Monitoreo de interacciones: Las barreras de seguridad examinan activamente tanto los indicadores (solicitudes de usuario) enviados a los LLM como las respuestas generadas por los LLM. Este monitoreo puede involucrar el análisis de contenido según varios criterios, como toxicidad y confidencialidad de los datos.
- Contenido de control: Las barreras de seguridad imponen reglas para gestionar el contenido de estas interacciones. Esto incluye la capacidad de filtrar, modificar o (lo que es crucial) bloquear indicadores y respuestas que infrinjan las políticas predefinidas.
- Hacer cumplir las políticas: Las organizaciones pueden definir e implementar sus propias políticas para el uso de IA a través de barreras de seguridad. Esto permite la alineación con pautas éticas, requisitos regulatorios y prácticas recomendadas internas.
Conceptos clave y mecanismos
- Enmascaramiento de datos: Protección de datos confidenciales en los indicadores y las respuestas del modelo. De forma predeterminada, el sistema aplica enmascaramiento, pero puede permitir texto sin cifrar para casos de uso específicos. La tokenización inteligente identifica datos confidenciales, los reemplaza por tokens antes de enviarlos al LLM y reconstruye los datos originales en la respuesta del LLM. Las AI Guardrails le ayudan a establecer reglas precisas de enmascaramiento de datos adaptadas a las siguientes categorías fundamentales: Información de identificación personal (PII), información de salud protegida (PHI) y datos de la industria de tarjetas de pago (PCI).
- Supervisión de toxicidad: Analiza indicadores y respuestas generadas por LLM en busca de lenguaje potencialmente perjudicial, y los clasifica según el nivel de toxicidad. Las AI Guardrails se pueden configurar para bloquear indicadores o respuestas que superen los umbrales de toxicidad definidos, lo que evita la difusión de contenido perjudicial.
-
Mecanismos de bloqueo:
-
Bloqueo de solicitudes e indicadores: Las AI Guardrails evalúan un indicador antes de que se envíe al LLM. Si el indicador infringe las reglas definidas (por ejemplo, si contiene lenguaje prohibido o excede los umbrales de toxicidad), la barrera de seguridad lo bloqueará.
Resultado:
-
El indicador no se envía al LLM.
-
El usuario recibe un mensaje de error que indica que el indicador está bloqueado.
-
En los registros de AI Governance, se asienta el indicador bloqueado y la razón del bloqueo.
-
-
Bloqueo de respuestas: Las AI Guardrails también pueden evaluar la respuesta del LLM antes de que se presente al usuario. Incluso si el indicador está permitido, una respuesta problemática puede ser bloqueada.
Resultado:
-
El LLM genera una respuesta, pero la barrera de seguridad la intercepta.
-
La respuesta no se presenta al usuario (el usuario puede ver una respuesta vacía o un error).
-
En los registros de AI Governance, se asienta la respuesta bloqueada y la razón del bloqueo.
-
-
- Intercepción en línea: Las AI Guardrails emplean un mecanismo de intercepción en línea para hacer cumplir las políticas de seguridad y cumplimiento.
- Monitoreo y registro: Se registran todas las acciones de las AI Guardrails, incluidos los detalles de los procesos de enmascaramiento de datos y monitoreo de toxicidad, y se proporciona una pista de auditoría.
Escenarios
Para ilustrar cómo las AI Guardrails gestionan el flujo de información entre las AI Skills y los LLM, y cómo manejan diferentes escenarios según los niveles de toxicidad, los siguientes diagramas proporcionan una visión general visual. Estos escenarios muestran el recorrido de un indicador y la respuesta correspondiente del modelo mientras la AI guardrail lo evalúa y procesa, y se muestran casos donde el contenido se permite con enmascaramiento, se bloquea por alta toxicidad, o donde se bloquea la respuesta misma.
- Escenario 1: Indicador y respuesta del modelo permitidos (Toxicidad monitoreada)
- En este escenario, su barrera de seguridad de IA está configurada para Permitir todo el contenido, lo que significa que los indicadores y las respuestas del modelo se aceptarán incluso si contienen toxicidad detectada. Si bien no se bloquea el contenido en esta configuración, las AI Guardrails monitorean diligentemente y registran cualquier nivel de toxicidad detectado.
Como se ilustra en el diagrama a continuación:
- El INDICADOR del usuario ingresa la AI guardrail, donde se detecta su toxicidad (p. ej., como 🟢 Baja).
- Los datos sensibles dentro del indicador se enmascaran automáticamente (por ejemplo, PII tokenizada) para proteger la privacidad antes de ser enviados al LLM.
- El LLM genera una RESPUESTA DEL MODELO, que luego regresa a la AI guardrail.
- La barrera de seguridad nuevamente realiza la detección de toxicidad en la respuesta del modelo (p. ej., encuentra 🟢 Baja toxicidad) y desenmascara cualquier dato tokenizado.
- Debido a que la barrera de seguridad está configurada para Permitir todo, tanto el indicador enmascarado (para el LLM) como la respuesta del modelo sin enmascarar (para el usuario) están permitidos.
- Las puntuaciones de toxicidad detectadas tanto para el indicador como para la respuesta del modelo se capturan y registran dentro de AI Governance, lo que proporciona datos esenciales para fines de auditoría y revisión sin impacto en la experiencia del usuario.
- Escenario 2: Bloqueo del indicador debido a la puntuación de toxicidad
-
En este escenario, su AI guardrail está configurada con reglas para bloquear contenido que exceda un cierto umbral de toxicidad (p. ej., configurada para bloquear contenido altamente tóxico y moderadamente tóxico). Esto garantiza que las entradas de usuario potencialmente perjudiciales o inapropiadas se detengan antes de que puedan llegar al LLM.
Como se ilustra en el diagrama a continuación:
- El usuario inicia un INDICADOR que incluye contenido considerado como 🔴 Alta toxicidad (o un nivel que infringe la barrera de seguridad configurada).
- Este indicador ingresa a la AI guardrail, donde inmediatamente se somete a la Detección de toxicidad.
- Al detectar un nivel de toxicidad que supera el umbral establecido, la AI guardrail interviene y bloquea el indicador.
- Por consiguiente, el indicador nunca se envía al LLM.
- Dado que se bloquea el indicador, no se genera ni se devuelve ninguna respuesta del modelo al usuario, lo que efectivamente impide el procesamiento de entradas perjudiciales y detiene la automatización.
- Los detalles del indicador bloqueado, incluido su nivel de toxicidad y la razón del bloqueo, se capturan y registran automáticamente en AI Governance para fines de auditoría y cumplimiento.
- Escenario 3: Indicador permitido, respuesta del modelo bloqueada debido a la puntuación de toxicidad
-
En este escenario, su AI guardrail está configurada para permitir indicadores iniciales que cumplan con sus criterios de seguridad (p. ej., consideradas de baja o nula toxicidad). Sin embargo, la barrera de seguridad mantiene la vigilancia, y monitorea activamente las respuestas generadas por el LLM para garantizar que no se presente contenido perjudicial ni inapropiado al usuario.
Como se ilustra en el diagrama a continuación:
- El INDICADOR del usuario ingresa a la barrera de seguridad de IA. Se detecta su toxicidad (p. ej., como 🟢 Baja) que está dentro del umbral permitido.
- Los datos confidenciales dentro del indicador se enmascaran automáticamente para proteger la privacidad antes de que el indicador se envíe al LLM.
- El LLM procesa el indicador enmascarado y genera una RESPUESTA DEL MODELO.
- Esta respuesta del modelo luego regresa a la AI guardrail para su Detección de toxicidad.
- En este caso, se detecta que la respuesta del modelo contiene 🔴 Alta toxicidad (o un nivel que infringe las reglas configuradas de la barrera de seguridad para respuestas).
- Al detectar esta infracción, la AI guardrail bloquea la respuesta del modelo.
- En consecuencia, la respuesta problemática del modelo no se presenta al usuario. En su lugar, el usuario podría ver una respuesta vacía o un mensaje de error.
- Todos los detalles de la respuesta bloqueada, incluido su nivel de toxicidad y el motivo del bloqueo, se capturan y registran automáticamente en AI Governance, lo que garantiza un registro completo de la interacción con la IA.
Ventajas
El uso de AI Guardrails proporciona varios beneficios clave:
- Mayor seguridad: Se reduce el riesgo de exponer a los usuarios a contenido perjudicial o inapropiado generado por LLM.
- Mejora del cumplimiento: Se ayuda a las organizaciones a cumplir con las regulaciones y los estándares de la industria relacionados con el uso de IA.
- Mayor confianza: Se fomenta la confianza en los sistemas de IA al demostrar un compromiso con prácticas responsables y éticas.
- Cumplimiento de políticas: Se permite a las organizaciones hacer cumplir de manera consistente sus políticas internas de uso de IA.
- Mitigación de riesgos: Se mitigan proactivamente los riesgos potenciales asociados con los resultados de LLM, como el daño reputacional o las responsabilidades legales.
- Protección de datos confidenciales: Se protege la información confidencial de su procesamiento directo por LLM.