Medido el 21 de octubre de 2026 · promptShield 1.4.1 · Presidio 2.2.364
Microsoft Presidio frente a promptShield
Hemos repetido la comparación con 48 documentos nuevos en 8 idiomas, en los que cada dato personal está etiquetado palabra por palabra. Las dos herramientas leen el mismo texto extraído y se cuentan todas las palabras sensibles que cada una deja legibles. Los documentos, las etiquetas, el script de puntuación y todos los resultados en bruto están publicados para que pueda comprobarlo usted mismo.
Sobre el nombre: Presidio nació en Microsoft y hoy es un proyecto independiente, gobernado por su comunidad dentro de la organización Data Privacy Stack. Sigue con licencia MIT y Microsoft apoyó el cambio. Mantenemos «Microsoft Presidio» en el título porque es lo que la mayoría busca. Leer el aviso de transición del proyecto
En resumen
Presidio 2.2.364 (configuración por defecto, modelos grandes de spaCy)
1327
palabras sensibles siguen legibles, de un total de 4489 · detecta el 70 %
promptShield 1.4.1
92
palabras sensibles siguen legibles, de un total de 4489 · detecta el 98 %
promptShield también marcó menos texto que no era un dato personal: 1,9 falsos positivos por documento que hay que quitar, frente a 9,8 con Presidio. En 24 de los 48 documentos no quedó ninguna palabra sensible legible; con Presidio, en 0. Con los modelos pequeños de spaCy, los que indica instalar la mayoría de las guías de inicio rápido, Presidio dejó 1583 palabras legibles.
Cómo ha evolucionado la detección de promptShield, versión a versión
La primera versión de esta página midió promptShield 1.0.14. Hemos pasado los mismos documentos por 7 versiones, de esa a la actual, cada una ejecutada a partir de su propio código fuente y con su propio botón Detectar. Como el polaco llegó con la 1.4.0, estos gráficos solo tienen en cuenta los siete idiomas que admiten todas las versiones.
Ver las cifras
| Versión | Fecha | Detección | Palabras sensibles legibles | Falsos positivos por documento | Documentos sin fugas |
|---|---|---|---|---|---|
| promptShield 1.0.14 | 16 jun 2026 | 74,3 % | 999 | 4,5 | 0 / 42 |
| promptShield 1.1.3 | 6 ago 2026 | 74,3 % | 999 | 4,5 | 0 / 42 |
| promptShield 1.2.0 | 22 ago 2026 | 74,6 % | 987 | 4,5 | 0 / 42 |
| promptShield 1.2.5 | 28 sept 2026 | 76,5 % | 915 | 4,5 | 0 / 42 |
| promptShield 1.3.4 | 5 oct 2026 | 98,1 % | 73 | 2,0 | 22 / 42 |
| promptShield 1.3.8 | 15 oct 2026 | 98,1 % | 73 | 2,0 | 22 / 42 |
| promptShield 1.4.1 | 21 oct 2026 | 98,1 % | 73 | 2,0 | 22 / 42 |
| Presidio 2.2.364 | – | 71,4 % | 1120 | 10,3 | 0 / 42 |
Hasta septiembre, promptShield detectaba más o menos lo mismo que Presidio, pero con menos ruido: la versión 1.0.14 encontraba el 74 % de las palabras sensibles, con 4,5 falsos positivos por documento. El salto posterior se debe a cuatro tandas de mejoras en la detección entre el 30 de septiembre y el 2 de octubre, cada una evaluada con documentos que el motor no había visto nunca: se centraron en los números de identificación, las direcciones, los teléfonos y los nombres escritos en mayúsculas, y a la vez redujeron los falsos positivos. Desde entonces los siete idiomas se han mantenido estables y el esfuerzo se ha concentrado en el polaco: promptShield 1.4.1 detecta el 97 % de las palabras sensibles de los documentos en polaco, y Presidio, el 64 %.
Comparación de funciones
| Función | promptShield | Presidio |
|---|---|---|
Reconocedor regex multiidioma (más de 60 tipos) Presidio: EN como idioma principal por defecto | ◦ | |
Modelo de entidades multilingüe (Davlan) Presidio: requiere un reconocedor de entidades HuggingFace personalizado | ◦ | |
Capa LLM opcional para PII contextual | ||
Validación por suma de control de US NPI / ABA / DEA Presidio: NPI y MBI incluidos, ABA/DEA parcial | ◦ | |
Validación por suma de control de AU TFN / ABN / ACN / Medicare | ||
Validación por suma de control de BR CPF / CNPJ | ||
Validación por suma de control de CH AHV | ||
Validación por suma de control de MX CLABE | ||
Validación por suma de control de NL BSN / RSIN | ||
Validación del NIR francés (seguridad social) | ||
Filtro de boilerplate jurisdiccional «regido por las leyes de X» → X no marcado | ||
Fusión de detecciones PERSON dentro de la página «Pierre Dubois» se conserva, «Pierre» a secas se descarta | ||
Filtro de departamentos genéricos (ORG) | ||
Filtro de cargos (PERSON) | ||
Aplicación de escritorio acabada con interfaz de revisión | ||
Tokenización reversible (codificar / decodificar) Presidio: capa de anonimización separada | ◦ | |
Procesamiento 100 % sin conexión (sin dependencia de la nube) | ||
Reconocedores personalizados a través de API | ||
Biblioteca Python para integración personalizada | ||
Integración con Azure AI Language |
✓ = incluido por defecto · ◦ = disponible mediante configuración personalizada · ✗ = no presente
Categorías de ruido que Presidio (instalación por defecto) emite y que promptShield suprime
URL en los pies de página de los contratos
Enlace a la política de privacidad, URL de la página de soporte, contacto legal genérico. Unas 8-10 detecciones por contrato, de las cuales prácticamente ninguna es PII que el revisor quiera ocultar.
UrlRecognizerMenciones aisladas de país o ciudad en la prosa jurisdiccional
«regido por las leyes de Francia», «domicilio social en París», «sociedad constituida en Alemania». En un estado financiero francés, Presidio emite 73 detecciones LOCATION; casi todas son adorno contractual.
filter_jurisdiction_boilerplate + filter_standalone_countryFragmentos de PERSON
El mismo nombre aparece como tres detecciones distintas: «Pierre», «Dubois», «Pierre Dubois». En un contrato italiano, Presidio emite 26 detecciones PERSON: los mismos nombres repetidos y fragmentados en nombre, apellido y nombre completo.
filter_span_coalescenceNombres genéricos de departamentos etiquetados como ORG
«Marketing», «Vorstand», «Direction Générale», «Board of Directors», «Comitato di Direzione». No son organizaciones que el revisor quiera ocultar.
filter_generic_org (lista de 90 entradas × 7 idiomas)Cargos etiquetados como PERSON
«CEO», «Directeur», «Geschäftsführer» en mayúscula al inicio de línea, a veces mal etiquetados como PERSON por el modelo de entidades.
filter_role_titlesCuándo elegir Presidio en su lugar
Presidio es la opción correcta cuando:
- Está construyendo un pipeline DLP personalizado en Python y quiere control a nivel de biblioteca.
- Necesita integrar servicios en la nube (Azure AI Language, AWS Comprehend) bajo una única abstracción de PII.
- Quiere afinar sus propios reconocedores para tipos de entidad propietarios.
- Está procesando flujos de texto (no documentos acotados) y necesita una biblioteca con forma de servicio.
Presidio es código abierto con licencia MIT y promptShield es un producto comercial. Elija la herramienta que encaje con la tarea.
Cuándo elegir promptShield
- Está anonimizando documentos acotados PDF/DOCX/XLSX en el escritorio.
- Necesita sumas de control específicas por país listas para usar (TFN, CPF, NPI, IBAN, etc.) sin tener que escribirlas usted mismo.
- Quiere un flujo de trabajo con interfaz gráfica acabado (revisar, ocultar, tokenizar, exportar) en lugar de una biblioteca que integrar.
- Sus clientes no pueden enviar documentos a un servicio en la nube por motivos de cumplimiento.
Reprodúzcalo usted mismo
Cada cifra de esta página procede de los archivos del repositorio público: los 48 documentos con sus etiquetas, la salida en bruto de cada herramienta y el script de puntuación. Ninguna sale de una ejecución que usted no pueda comprobar.
git clone https://github.com/promptshield-Inc/pii-detection-benchmarks
cd pii-detection-benchmarks
pip install -r requirements.txt
python presidio_run.py lg
python score.pyEl primer comando de Python vuelve a ejecutar Presidio sobre el texto publicado; el segundo coteja con las etiquetas todos los resultados de la carpeta y los puntúa. Ninguno de los dos requiere tener promptShield instalado.
Preguntas frecuentes
¿Microsoft Presidio sigue siendo un proyecto de Microsoft?
No. Presidio nació en Microsoft y ya completó su paso a una gobernanza comunitaria independiente: lo mantienen colaboradores y voluntarios dentro de la organización Data Privacy Stack, y ninguna empresa lo posee ni lo opera. Microsoft apoyó la transición. La licencia sigue siendo MIT y el código es el mismo, así que nada de esta comparativa depende de quién aloje el repositorio. Los enlaces antiguos a la documentación de microsoft.github.io pueden fallar; ahora está en presidio.dataprivacystack.org.
¿Microsoft Presidio es gratuito?
Sí. Presidio se publica con licencia MIT y no se cobra nada, sea cual sea el volumen. El coste está en horas de ingeniería, no en dinero: Presidio aporta piezas de detección, no un flujo de trabajo terminado. Ponerlo en producción suele implicar construir alrededor la lectura de los documentos, una interfaz de revisión y el almacenamiento que exija su política de conservación. Que eso salga más barato que una licencia depende de cuánto de ese andamiaje ya tenga montado.
¿Hay que ser programador para usar Microsoft Presidio?
En la práctica, sí. Presidio es una biblioteca de Python que se maneja desde el código o desde un servicio que usted mismo aloja; el proyecto no incluye aplicación de escritorio ni interfaz para el usuario final. Es una decisión de diseño, no una carencia: está pensado para encajar dentro de una cadena que monta otra persona. Si quienes manejan los documentos son abogados, analistas o responsables de cumplimiento y no ingenieros, hay que construir algo delante de Presidio antes de que llegue a sus manos.
¿Microsoft Presidio es una herramienta DLP?
Por sí solo, no. Presidio detecta y anonimiza datos personales en el contenido que se le pasa, que es una pieza de la prevención de fugas de datos, pero no trae nada del aparato que la rodea: ni motor de políticas, ni aplicación en equipos o en la red, ni alertas, ni registro de auditoría. Muchos equipos lo usan como capa de detección dentro de un sistema DLP que levantan ellos mismos. Comprado como producto DLP terminado, no lo es.
¿Quiénes son los principales competidores de Microsoft Presidio?
Depende de qué parte quiera sustituir. Como biblioteca de detección, las comparaciones más cercanas son los servicios de datos personales en la nube (Azure AI Language, Google Cloud DLP, AWS Comprehend), a los que Presidio puede llamar en lugar de competir con ellos. Como forma de conseguir que los documentos queden realmente ocultados, el conjunto de comparación son herramientas terminadas como promptShield, Adobe Acrobat o los servicios de ocultación en la nube, donde se elige entre el coste de la licencia y la ingeniería que tendría que hacer usted.
¿Es promptShield de código abierto como Presidio?
No. Presidio es una biblioteca de código abierto con licencia MIT y promptShield es un producto comercial: es una diferencia real y conviene decirla sin rodeos. Lo que sí es público es lo que importa para fiarse de esta página: el banco de pruebas, los documentos de prueba y los ficheros de resultados en bruto están publicados, y la parte de Presidio del script funciona por su cuenta, sin promptShield instalado. No hace falta creerse estas cifras.
¿Usa promptShield Presidio internamente?
No. El motor de detección es propio, y la decisión fue de arquitectura y no un juicio sobre la calidad de Presidio: promptShield procesa documentos acotados en un dispositivo que puede no tener red alguna, mientras que Presidio está pensado como biblioteca para flujos de texto en un proceso de servidor. La capa que decide qué detecciones descartaría un revisor concentra la mayor parte del trabajo, y tenía que ser nuestra.
¿Se pueden usar los dos juntos?
Están en puntos distintos y se combinan sin fricción. Presidio encaja bien en el análisis de gran volumen dentro de sus propios sistemas, donde una biblioteca se integra en un proceso. promptShield encaja en el conjunto más reducido de documentos en los que una persona tiene que revisar lo encontrado y responder del resultado antes de que el archivo salga a ningún sitio. Cobertura amplia y automática en el proceso; tratamiento cuidadoso y comprobado por una persona para los documentos que tienen consecuencias.
Advertencias
- Solo la configuración por defecto. Presidio se ejecutó con sus reconocedores integrados y un modelo de spaCy por idioma, sin reconocedores personalizados ni umbral de puntuación. Para el polaco añadimos la única correspondencia de etiquetas que Presidio necesita para leer las entidades de los modelos polacos de spaCy; sin ella no detecta ningún nombre en los documentos en polaco. Una instalación afinada (reconocedores personalizados, un modelo basado en transformers) obtendría mejores resultados que estos.
- Documentos inventados. Los 48 documentos son realistas pero ficticios: contratos, facturas, extractos bancarios, informes médicos, cartas de recursos humanos y correspondencia jurídica, todos ellos PDF limpios de origen digital. Aquí no se miden documentos escaneados, errores de OCR ni maquetaciones complejas.
- Quién escribió las etiquetas. Los documentos y sus etiquetas los redactaron agentes de IA, uno por idioma, según una especificación de etiquetado publicada y sin acceso al código de detección de promptShield; después, un script cotejó cada etiqueta con el texto extraído. Ningún anotador humano las ha revisado. Las etiquetas son públicas: si encuentra alguna errónea, díganoslo y publicaremos la corrección.
- Versiones antiguas, ejecutadas hoy. Cada versión anterior se ejecutó a partir de su propio código fuente en la misma máquina, con los archivos de modelo actuales. Los motores que la aplicación instalada no podía cargar en esa versión (necesitaban PyTorch, que la aplicación no incluye) también se desactivaron en esta prueba, de modo que cada versión funcionó con los motores que realmente tenían sus usuarios. La 1.2.8 queda fuera por ese motivo: un problema de compilación impedía que su aplicación instalada cargara los motores más recientes, así que medirla desde su código fuente sobrestimaría lo que obtenían sus usuarios.
Clasificación
Las 10 mejores herramientas de anonimización sin conexión en 2026
Diez herramientas que eliminan los datos personales en su propio equipo, puntuadas con las mismas reglas publicadas, incluida la nuestra. Cada dato enlaza a su fuente.
Ver la clasificación¿Le ha resultado útil? Háganoslo saber.