Logo de TrustPromptTrustPrompt
Redacta datos personales en el navegador, antes de enviar el prompt

La detección se ejecuta en tu máquina. Los datos personales se redactan antes de enviar el prompt.Diseñada para las clínicas y los despachos donde un prompt pegado puede contener datos del paciente o del cliente sujetos al RGPD.

Contactar
Ver precios

Funciona en los sitios de LLM que ya usas

TrustPrompt funciona en nueve aplicaciones web de LLM. Además de los logotipos mostrados, también cubre Perplexity, Grok en X y OpenEvidence — la redacción ocurre en el cuadro de redacción de cada sitio antes de enviar el mensaje.

ChatGPT
Claude
Gemini
Mistral
DeepSeek
Grok

Qué hace TrustPrompt

Los datos personales se eliminan antes de que puedan salir del navegador

Dos cosas son siempre ciertas: el texto de tu prompt se analiza en tu propia máquina y los valores detectados se sustituyen por marcadores antes de enviar el mensaje.

  • La detección se ejecuta en tu máquina

    El modelo de detección y sus pesos viajan dentro de la extensión, el entorno de ejecución rechaza las cargas remotas de modelo y no hay caché externa. No existe ningún servidor de detección al que enviar texto — por construcción, no por política.

  • Redacta antes del envío

    Cada valor detectado se sustituye por un marcador con tipo, como [FIRST_NAME_1] o [IBAN_2], en el cuadro de redacción, y el mismo valor se asigna al mismo marcador dentro de una sesión. El modelo remoto recibe marcadores, no los valores reales.

  • Dos familias de detectores

    40 reglas regex validadas por suma de comprobación capturan datos estructurados como IBAN, tarjetas de pago y DNI/NIE españoles, mientras que un modelo NER en el dispositivo de 560M de parámetros captura nombres, direcciones y atributos clínicos que ningún regex puede encontrar de forma fiable.

  • Sin telemetría

    No hay analítica ni informes de errores. La única llamada de red saliente en todo el sistema es el webhook de auditoría opcional, y solo transporta metadatos — nunca el texto del prompt ni los valores detectados.

  • Permisos mínimos

    La extensión solicita solo offscreen, storage y activeTab — sin tabs, sin webRequest, sin acceso a todas las URL. Solo puede actuar sobre los nueve orígenes de LLM declarados, y el mapa de marcadores reside en memoria y se descarta al cerrar la pestaña.

Detección

Una privacidad que proviene de la arquitectura

La PII nunca sale de la máquina para la detección — no es una promesa operativa que dependa de la configuración, es cómo está construida la extensión. Donde sí se ejecuta la detección, dos detectores trabajan juntos: los identificadores estructurados tienen una forma que una suma de comprobación puede confirmar, mientras que el nombre de un paciente o una cláusula que nombra a una contraparte, no — así que TrustPrompt usa cada método donde es más fuerte.

No existe backend de detección

El modelo se ejecuta en el navegador y las cargas remotas están deshabilitadas, así que no hay nada a lo que enviar texto para inspeccionarlo. Las pasarelas y los proxies de IA alojados, en cambio, tienen que recibir el texto para poder inspeccionarlo.

Nada cruza una frontera

No hay nada que alojar y nada que salga del dispositivo. Tras la instalación, la detección funciona totalmente sin conexión — lo que elimina toda una categoría de preguntas sobre encargados del tratamiento y transferencias internacionales para clientes regulados y del sector público.

El tercero nunca ve los valores reales

La redacción ocurre antes de que el LLM reciba el prompt, así que los valores se sustituyen antes de salir del navegador. No queda ninguna copia del texto original que registrar, conservar o usar para entrenar aguas abajo.

Regex determinista con sumas de comprobación

Los datos estructurados se reconocen con 40 reglas integradas con validación por suma de comprobación — IBAN (longitud por país más MOD-97-10), tarjetas de pago (Luhn), DNI/NIE/NIF/NUSS españoles, pasaportes y secretos como claves de API, tokens bearer y claves privadas PEM. Son exactas y rápidas.

NER con transformador para el resto

El modelo encuentra los datos no estructurados que ningún regex captura de forma fiable — nombres, direcciones, organizaciones y atributos demográficos y clínicos. El modelo expone 54 tipos de entidad en doce idiomas.

Un valor, contado una sola vez

Cuando ambos detectores se activan sobre el mismo valor — un DNI por regex y un identificador por modelo sobre los mismos dígitos — un paso de deduplicación entre fuentes los fusiona, así un valor nunca se cuenta dos veces y la vista previa se mantiene legible.

Local a velocidad interactiva

Un modelo de 560M de parámetros ejecutándose en el navegador, en tu GPU

El modelo se ejecuta en tu hardware

El entorno de ejecución prueba WebGPU con fp16, luego WebGPU con q8 y luego WASM con q8. La selección de backend se valida de antemano, así que una GPU incompatible produce un error explícito en lugar de devolver silenciosamente cero detecciones.

Por qué lo local es siquiera posible aquí

Ejecutar un transformador de 560M de parámetros localmente, a latencia interactiva, dentro de una extensión de navegador es lo que WebGPU hace viable. Las herramientas que delegan la detección a un servidor a menudo lo hacen porque no pueden ejecutar un modelo de esta clase en el cliente.

Funciona sin una GPU compatible

La vía rápida necesita una GPU que exponga shader-f16 con alrededor de 512 MB de tamaño máximo de búfer. En máquinas sin ella, la vía WASM mantiene la detección totalmente local a menor velocidad — no recurre a un servidor.

Qué ocurre cuando pulsas Enviar

Cada prompt recorre la misma secuencia en la página, en tu máquina, antes de que ningún texto llegue al LLM.

Paso 1: Bloquear el envío nativo

El envío propio del sitio se intercepta en la fase de captura y se retiene, así que nada sale de la página hasta que se han ejecutado la detección y la redacción.

Paso 2: Reglas integradas y tu lista de vigilancia

Primero se ejecutan patrones regex deterministas y validados por suma de comprobación, condicionados por las categorías que tú o tu administrador habéis habilitado, seguidos de tus propios términos personalizados.

Paso 3: Detección por modelo en el dispositivo

Cada fragmento de texto se clasifica con el modelo NER en el dispositivo; las detecciones solapadas se fusionan, los alias se colapsan y cada entidad se conserva solo si su puntuación supera el umbral configurado.

Paso 4: Supresión de falsos positivos

Un pequeño clasificador en el dispositivo, entrenado solo a partir de tus decisiones previas en la vista previa, suprime los falsos positivos aprendidos. Permanece en tu máquina.

Paso 5: Vista previa

Un panel muestra lo que se ha encontrado. Puedes descartar un falso positivo concreto o cancelar el envío por completo antes de que nada salga de la página.

Paso 6: Redactar y reenviar

Los fragmentos detectados se sustituyen por marcadores con tipo, las reglas regex de la organización se ejecutan en último lugar en un worker aislado con tiempo límite, y el texto redactado se reescribe y se envía.

Precios

Desde un usuario individual gratuito hasta un parque gestionado de forma centralizada

El nivel gratuito da a una persona redacción local en los nueve sitios sin coste. Los planes de pago añaden configuración compartida y tus propias reglas de detección para un equipo; el nivel gestionado añade política central. Los precios para pymes son por organización, sin IVA, con facturación anual.

Individual

Un usuario, totalmente local

Free
gratis
  • Redacción local en los nueve sitios de LLM
  • Interruptor de encendido/apagado del usuario
  • Lista de vigilancia personal de términos
  • Aprendizaje de falsos positivos en el dispositivo
  • Las siete categorías activas, falla en seguro
Descargar gratis
más popular

Equipo pequeño

Hasta 25 usuarios

€990
al año+ 21% IVA al pagar
  • Todo lo de Individual
  • Ajustes de sensibilidad compartidos
  • Regex personalizado para tus identificadores
  • Reglas de ID de empleado, ticket y paciente
  • Despliegue más simple que un MDM completo
Comprar ahora

Empresa

Hasta 100 usuarios

€2900
al año+ 21% IVA al pagar
  • Todo lo de Equipo pequeño
  • Configuración compartida en todo el equipo
  • Reglas regex personalizadas de la organización
  • Soporte prioritario
Comprar ahora

Crecimiento

Hasta 250 usuarios

€5900
al año+ 21% IVA al pagar
  • Todo lo de Empresa
  • Despliegue para equipos mayores
  • Asistencia en la puesta en marcha
  • Una vía hacia la política gestionada de forma centralizada
Comprar ahora

Preguntas frecuentes

TrustPrompt — Preguntas frecuentes

Respuestas directas para las clínicas, los despachos y los equipos que deciden adónde va el texto de sus prompts.

¿Se envía a algún sitio el texto de mi prompt para detectarlo?
No. El modelo de detección y sus pesos viajan dentro de la extensión, el entorno de ejecución rechaza las cargas remotas de modelo y no hay caché externa. Tu texto se analiza en tu propia máquina; no existe servidor de detección. Tras la instalación, la detección funciona totalmente sin conexión.
¿En qué sitios funciona TrustPrompt?
En nueve aplicaciones web de LLM: ChatGPT, Claude, Gemini, Perplexity, Mistral, Grok en grok.com, Grok en X, DeepSeek y OpenEvidence. La extensión solo puede actuar sobre esos orígenes declarados.
¿Qué detecta?
Dos familias juntas. 40 reglas regex validadas por suma de comprobación capturan datos estructurados — IBAN, tarjetas de pago, DNI/NIE/NIF/NUSS españoles, pasaportes, claves de API, tokens bearer y JWT, y claves privadas PEM. Un modelo NER en el dispositivo de 560M de parámetros con 54 tipos de entidad captura nombres, direcciones, organizaciones y atributos demográficos y clínicos.
¿Cuáles son los requisitos de hardware?
Un navegador basado en Chromium (Chrome o Edge) versión 124 o posterior. La vía rápida usa una GPU que exponga shader-f16 con alrededor de 512 MB de tamaño máximo de búfer; sin ella, la vía WASM ejecuta la detección localmente a menor velocidad. Prevé un modelo del orden de 1 GB residente.
¿Qué idiomas son compatibles?
El flujo es multilingüe por datos y tiene como objetivo doce idiomas. Disponibles hoy: un modelo inglés activo y tres variantes de modelo en español. Añadir un idioma significa enviar un modelo y su mapa de categorías, no cambiar código.
¿Cómo se gestiona en una organización?
TI distribuye una política gestionada mediante directiva de grupo de Windows, Microsoft Intune o Jamf. Un objeto de política válido es en sí mismo la habilitación — no hay servidor de licencias ni llamada de activación. La política puede fijar qué categorías están activas, los umbrales por entidad, el modo de fallo, las reglas regex de la organización, un webhook de auditoría y el backend del modelo.
¿Se registra algo?
No hay telemetría, analítica ni informes de errores. Cuando una organización habilita el registro de auditoría, la carga se limita a metadatos — recuentos de tipos de entidad, latencia, host, resultado, id del modelo — y nunca incluye el texto del prompt ni los valores detectados. El mapa de marcadores permanece en memoria y se descarta al cerrar la pestaña.
¿Qué ocurre si la detección falla?
La extensión falla en seguro por defecto. El envío nativo se bloquea primero; si alguna fase de la detección o la redacción da error, el envío permanece bloqueado en lugar de filtrar texto sin redactar. El estado seguro es el estado por defecto.
¿Cuánto control conserva el usuario?
El interruptor general de encendido/apagado pertenece al usuario en todos los niveles y no puede activarse de forma remota. Los usuarios mantienen una lista de vigilancia personal, pueden descartar falsos positivos concretos en la vista previa antes de un envío y pueden reiniciar el modelo de falsos positivos en el dispositivo cuando quieran.

Mantén los datos personales fuera de los LLM públicos

Cuéntanos qué sitios usa tu equipo y qué identificadores necesitas proteger. Te mostraremos cómo encaja TrustPrompt, con la detección ejecutándose en tus propias máquinas.

Contactar