Google acepta depurar el archivo de Spirit Airlines antes de comprarlo por 10 millones de dólares

Los correos de trabajo, los mensajes de Teams y los documentos sobre empleados pueden sobrevivir a la propia empresa y convertirse en mercancía para entrenar IA. Según WIRED, Google acordó comprar el archivo de la desaparecida Spirit Airlines por 10 millones de dólares. El sindicato de auxiliares de vuelo intervino en la operación y consiguió imponer condiciones: se excluirán los documentos sensibles y el resto del material deberá someterse a una anonimización independiente. Un tribunal aún debe aprobar el acuerdo.

Para desarrolladores y fundadores, el problema resulta familiar: un gran archivo corporativo parece un conjunto de datos útil hasta que aparecen información médica, conflictos laborales y correspondencia de personas que nunca eligieron participar en el entrenamiento de modelos. Para esta tarea, eliminar una columna con nombres no basta.

Qué se pretendía vender

La operación forma parte de la liquidación de Spirit Airlines. El conjunto descrito por WIRED incluye 1.990 millones de correos electrónicos, 664 millones de mensajes de Microsoft Teams e información sobre viajes y formación de empleados. El archivo contiene material que se remonta a 1986; eso no significa que todos los tipos de datos se hayan recopilado durante todo ese periodo.

Google había afirmado que la compra no incluiría información personal. Sin embargo, la Association of Flight Attendants, que representa a 55.000 auxiliares de vuelo, consideró insuficientes las salvaguardas iniciales para proteger a los trabajadores de Spirit. Esa cifra corresponde al conjunto del sindicato, no a los empleados de la aerolínea cuyos datos figuran en el archivo.

Según las condiciones revisadas, Spirit deberá contratar a Tonic AI. El contratista tendrá que excluir la información que pueda vincularse con consumidores o empleados concretos y comprobar que, tras la anonimización, no sea posible volver a identificarlos. Google se compromete a mantener los datos en ese estado.

Los historiales médicos de los empleados, los documentos de investigaciones internas y los de relaciones laborales quedarán excluidos de la venta. Lo mismo se aplica a la información sobre los sistemas de gestión de la seguridad operacional del sector. En este caso, el riesgo va más allá de la privacidad: la posibilidad de que se vendan los informes sobre problemas de seguridad podría disuadir a los trabajadores de presentarlos.

Por qué no basta con eliminar los nombres

Imaginemos un correo: «Después del vuelo del viernes, faltaré a la formación porque tengo una intervención en la clínica». Incluso sin firma, la combinación de la ruta, la fecha, el horario de formación y otros mensajes podría revelar quién lo escribió. Es un ejemplo hipotético, no una cita del archivo de Spirit.

Por eso, exigir que se impida la reidentificación importa más que prometer simplemente borrar los identificadores evidentes. La utilidad de los datos corporativos suele depender del contexto: quién escribe a quién, qué situación se está debatiendo y qué decisiones se toman. Pero ese mismo contexto puede revelar la identidad de una persona.

Para un equipo que compra datos o prepara su propia correspondencia para la IA, la pregunta práctica es: ¿qué conexiones se conservan tras la depuración? Revisar documentos individuales no permite responderla por completo. Hay que tener en cuenta que la información de varios correos puede combinarse hasta formar una historia reconocible.

El artículo no revela la metodología de Tonic AI, los resultados de la verificación ni el riesgo residual. Por tanto, de momento el acuerdo establece requisitos de tratamiento, pero no demuestra la eficacia de una tecnología concreta de anonimización.

La privacidad ya tiene precio

Las condiciones incluyen una salvedad importante: Google podrá desistir de la compra si la depuración reduce el volumen de los activos en más de un 8%. Se trata del derecho del comprador a retirarse de la operación. Del texto citado no se desprende que cada empleado haya recibido una opción individual para impedir la transferencia de sus datos.

El umbral refleja la tensión comercial en torno a estos archivos. El comprador necesita material suficientemente rico, mientras que proteger a las personas puede exigir eliminar una parte considerable. Dar por hecho que todo el conjunto adquirido servirá para el entrenamiento es una mala base para calcular el coste del proyecto.

La conclusión práctica para responsables de producto y fundadores: antes de comprar un archivo, conviene definir qué categorías de documentos se excluirán, qué requisitos de anonimización se exigirán y qué consecuencias tendrá perder datos útiles. Estas condiciones afectan tanto al presupuesto como a la posibilidad misma de utilizar lo adquirido.

El sindicato tiene intención de reclamar disposiciones similares en los acuerdos con otras aerolíneas. Por ahora, se trata de un único acuerdo pendiente de aprobación judicial. Pero ya plantea una pregunta concreta al mercado de datos: ¿cuánto quedará de un valioso archivo laboral cuando se haya eliminado de verdad la información sobre las personas?