Medido el 2026-05-27 · promptShield 1.0.14 · Presidio 2.2.362
Microsoft Presidio frente a promptShield
Comparación directa sobre 14 documentos PDF en 7 idiomas. La misma extracción de texto, los mismos documentos, sin ajustes asimétricos. Script y CSV en bruto publicados: verifíquelo usted mismo.
En resumen
Presidio (instalación por defecto)
666
detecciones emitidas · alto nivel de ruido
promptShield 1.0.14
252
detecciones emitidas · mismo corpus · ruido filtrado
En los contratos (donde los datos son PII reales), promptShield emite las mismas 209 detecciones de alta señal que Presidio. La diferencia de 414 detecciones está en los estados financieros, donde los aciertos de entidad en bruto son ruido en un 30-70 % (nombres de firmas auditoras, domicilios sociales, menciones a países por jurisdicción).
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 | ◦ | |
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.
Tanto Presidio (de Microsoft) como promptShield son proyectos de espíritu MIT. Use la herramienta adecuada para cada 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 del script publicado en el repositorio público. Ninguna cifra proviene de una ejecución interna no verificable.
git clone https://github.com/promptshield-Inc/pii-detection-benchmarks
cd pii-detection-benchmarks
pip install -r requirements.txt
python benchmark.pySalidas: results/presidio_counts_<date>.csv + results/presidio_entities_<date>.csv. El script de Presidio es totalmente autónomo: no necesita tener promptShield instalado para verificar la parte de Presidio.
Preguntas frecuentes
¿Microsoft Presidio es gratuito?
Sí. Microsoft publica Presidio con licencia MIT y no 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 honestas
- Solo instalación por defecto. Una instalación de Presidio afinada (reconocedores personalizados + backend de entidades transformer + umbrales de confianza ajustados) cerraría la mayor parte de la diferencia de precisión. Medimos lo que la mayoría de usuarios de Presidio despliega en el primer mes.
- Corpus sintético. Los documentos reales de los clientes tienen un ruido más rico (errores de OCR, originales escaneados, maquetaciones a varias columnas) que aquí no medimos.
- Sin etiquetas de verdad fundamental. Las cifras de «ambos / solo nuestras / solo Presidio» son una aproximación a la precisión, no una medición F1 estricta. Etiquetar a mano 14 PDF en 7 idiomas son unas 40 horas de trabajo; todavía no lo hemos hecho.
- Dos clases de documentos. Contratos + estados financieros. Los historiales médicos, los formularios de RR. HH. y la documentación de inmigración producirían diferencias distintas.
¿Le ha resultado útil? Háganoslo saber.