Datos sintéticos: qué son y qué no son
Por Berta Romero, abogada · Revisado por Eva Blázquez el 9 de noviembre de 2026 · Publicado el 17 de noviembre de 2026 · Fuentes comprobadas el 11 de noviembre de 2026 · 4 min de lectura
Los datos sintéticos se presentan a menudo como la solución a la privacidad: si no son reales, no hay datos personales. A veces es así y a veces no. Qué son, para qué sirven y qué no resuelven, sin presentarlos como un milagro ni como un peligro.
Qué son
Son datos generados artificialmente que reproducen las propiedades estadísticas de unos datos reales sin ser esos datos: las mismas columnas, proporciones parecidas y relaciones parecidas entre ellas, pero sin que cada registro corresponda a una persona o a un hecho real.
Se obtienen de tres formas, que a menudo se combinan:
- con un modelo que aprende de datos reales y genera otros parecidos;
- con simulaciones, que reproducen un proceso, como las visitas a una web o el funcionamiento de una máquina;
- o con reglas, que crean datos con el formato y los valores que se fijan de antemano.
Para qué se usan
- Entrenar y probar sistemas de IA, sobre todo cuando faltan datos o no se pueden usar los reales;
- montar entornos de desarrollo y pruebas sin copiar en ellos datos reales;
- compartir datos con terceros o entre equipos;
- y completar casos poco representados, como situaciones raras o colectivos con pocos registros.
Lo que no son
Cinco ideas que conviene matizar:
- «Son anónimos por definición». Si el generador aprendió de datos personales, puede memorizarlos y devolver registros casi idénticos a los reales. Por eso, la AEPD pide evaluar el riesgo de reidentificación del conjunto sintético: si permite identificar a alguien con medios razonables, contiene datos personales (RGPD, considerando 26). Y un generador que aprende de datos reales es un modelo de IA: para el Comité Europeo de Protección de Datos, un modelo entrenado con datos personales no puede considerarse anónimo en todos los casos, y solo lo sería si es insignificante la probabilidad de extraer de él esos datos y la de obtenerlos a través de sus resultados (dictamen 28/2024).
- «Generarlos no es tratar datos personales». Para la AEPD, crear datos sintéticos a partir de datos personales reales sería en sí mismo un tratamiento sometido al RGPD.
- «Sustituyen a los datos reales». Reproducen lo que el generador aprendió y pueden perder los casos raros; conviene validar el sistema también con datos reales.
- «Eliminan los sesgos». Pueden heredarlos de los datos de origen, e incluso amplificarlos.
- «No tienen límites». Los datos de origen pueden tener los suyos, como un secreto empresarial, derechos sobre una base de datos o lo pactado en un contrato, y conviene revisarlos antes de usarlos para generar otros.
Cuándo unos datos dejan de ser personales: Anonimizar o seudonimizar
Útiles o seguros: el equilibrio
Cuanto más se parecen los datos sintéticos a los reales, más útiles son y más riesgo tienen de revelar algo de las personas de origen. Técnicas como la privacidad diferencial, que añade ruido controlado al generar los datos, buscan un equilibrio entre utilidad y protección, pero no eliminan el riesgo: hay que medir las dos cosas, en cada caso y para cada uso.
La AEPD lo plantea también desde la calidad de los datos: generar datos sintéticos puede dar valores que no reflejan la realidad de una persona concreta y, aun así, un conjunto con calidad suficiente para desarrollar un sistema de IA, en la medida en que resulte adecuado para la finalidad del tratamiento (nota técnica sobre exactitud, idoneidad y calidad de los datos en IA, julio de 2026).
Qué dice el AI Act
El AI Act los menciona en dos sitios:
- para corregir sesgos: solo permite tratar categorías especiales de datos personales si otros datos, como los sintéticos o los anonimizados, no bastan para detectar y corregir los sesgos de un sistema de alto riesgo (art. 4 bis.1.a, que el Ómnibus trasladó desde el art. 10.5);
- en los espacios controlados de pruebas: los datos personales recogidos con otros fines solo podrían usarse para desarrollar determinados sistemas de interés público si sus requisitos no pueden cumplirse con datos anonimizados, sintéticos u otros datos no personales (art. 59.1.b).
Y los requisitos de calidad del art. 10 se refieren a los conjuntos de datos de entrenamiento, validación y prueba de los sistemas de alto riesgo, sin distinguir si son reales o sintéticos: tendrían que ser pertinentes, suficientemente representativos y, en la mayor medida posible, sin errores y completos (art. 10.3).
Los requisitos del alto riesgo: Alto riesgo: cómo saber si un sistema lo es
Cómo se decide
Si se usan, y cómo, se decide caso por caso y desde el diseño:
- para qué: probar, entrenar o compartir no exigen lo mismo;
- con qué datos de origen y con qué método se generan;
- cuánto se parecen a los reales, y si el generador ha memorizado registros que permitan reidentificar a alguien;
- y documentarlo y revisarlo cuando cambien los datos, el método o el uso.
Es una decisión legal y técnica a la vez. Como referencia, la AEPD ha publicado la traducción de la propuesta de guía sobre generación de datos sintéticos de la autoridad de protección de datos de Singapur, con buenas prácticas para reducir el riesgo de reidentificación. Y el Comité Europeo de Protección de Datos recuerda que, por el principio de minimización, los datos personales tendrían que ser necesarios para la finalidad del modelo; por ejemplo, porque no pueda alcanzarse eficazmente con otros datos, incluidos los sintéticos o los anonimizados (dictamen 28/2024, apartado 64).
Las dos normas a la vez: AI Act y RGPD: cómo se suman
Fuentes: Reglamento (UE) 2024/1689, arts. 4 bis, 10 y 59; Reglamento (UE) 2026/1744 (Ómnibus), que introduce el art. 4 bis; RGPD, considerando 26; AEPD, «Datos sintéticos y protección de datos» (2 de noviembre de 2023) y propuesta de guía sobre generación de datos sintéticos (traducción de la propuesta de la autoridad de Singapur, 2025) y nota técnica sobre exactitud, idoneidad y calidad de los datos en IA (julio de 2026); Comité Europeo de Protección de Datos, dictamen 28/2024. Orientación general, no una determinación jurídica.