¿Limpiar metadatos, redactar o regenerar? Comparativa de privacidad

Vas a enviar fuera un documento delicado. Has oído el consejo de "limpia los metadatos" y lo has aplicado. Pero ¿basta con eso? La respuesta depende por completo de qué se guarda en el documento y muchas veces no basta por sí sola. En este artículo comparamos tres métodos de limpieza para la privacidad de un PDF y aclaramos qué resuelve cada uno.

Dónde puede esconderse la información en un PDF

Antes de pasar a la comparación, hagamos el mapa. En un PDF, la información puede estar en seis sitios distintos:

1. Visible en el contenido de la página — el texto que lees, las imágenes que ves.
2. Oculta en el contenido de la página — texto tapado con una caja, área que queda fuera de la caja de recorte.
3. En los metadatos — autor, título, fechas, programa productor.
4. En los campos de formulario — los valores rellenados.
5. En archivos incrustados — hojas de Excel adjuntas, archivos de origen.
6. En el historial de versiones — los estados anteriores acumulados por las actualizaciones incrementales.

Cada método de limpieza ataca filas distintas de esa lista. Para decidir bien, primero tienes que saber qué filas están ocupadas en tu documento.

Tabla de cobertura de los métodos

| Ubicación de la información | Limpiar metadatos | Redacción | Aplanado | Reescritura | Imprimir+escanear | |---|---|---|---|---|---| | Texto visible de la página | No | Sí | No | No | No | | Texto oculto de la página | No | Sí | No | No | Sí | | Metadatos | Sí | No | No | En parte | Sí | | Datos de campos de formulario | No | No | Sí | No | Sí | | Archivos incrustados | No | No | No | A veces | Sí | | Historial de versiones | No | No | No | Sí | Sí |

De la tabla salen dos conclusiones: ningún método por sí solo lo cubre todo y imprimir y escanear lo cubre todo pero es el método más caro.

Escenario 1: voy a publicar un manual técnico

En las páginas no hay información sensible, solo contenido técnico. Se publicará en la web.

Lo necesario: editar los metadatos (no borrarlos).

En este escenario el riesgo de privacidad es bajo. Lo que tienes que hacer no es limpiar los metadatos sino rellenarlos bien: un título real en el campo de título y el nombre de la organización en el de autor. Así se ve correctamente en la pestaña del navegador y en los resultados de búsqueda.

Único cuidado: si en el campo de autor aparece tu nombre personal o tu nombre de usuario, cámbialo por el de la organización. Eso evita compartir información personal y da coherencia corporativa.

Escenario 2: voy a enviar un contrato a un tercero

En el contrato figuran los nombres de las partes (necesario), pero hay que quitar algunas cláusulas adicionales y la información de precios.

Lo necesario: redacción + limpieza de metadatos.

La redacción va primero porque es el trabajo de fondo: borrar de verdad las partes que hay que quitar. No basta con poner encima una caja negra: el texto que hay debajo sigue en el archivo y sale a la luz al seleccionar, al copiar o con herramientas de extracción de texto. Es un error que en la vida real ha provocado filtraciones corporativas.

La limpieza de metadatos va en segundo lugar: saber de qué plantilla salió el documento, quién lo preparó y cuándo se modificó puede no convenirte durante una negociación.

Escenario 3: un formulario de solicitud relleno

Has introducido tus datos personales en un formulario y lo envías a un organismo.

Lo necesario: aplanado + limpieza de metadatos.

Aquí el objetivo no es ocultar información: los datos del formulario tienen que llegar. El objetivo es que la información se transmita de forma correcta e inalterable.

El aplanado convierte los valores de los campos en contenido de la página. Así se ve igual en cualquier visor y en cualquier impresora, y el destinatario no puede cambiarlos.

La limpieza de metadatos, por su parte, evita información innecesaria: desde qué ordenador lo rellenaste y qué programa usaste no son cosas que el organismo tenga que saber.

Escenario 4: voy a compartir una parte de un informe interno

Vas a entregar fuera 5 páginas de un informe confidencial de 100.

Lo necesario: extracción de páginas + redacción + limpieza de metadatos + reescritura.

Este es el escenario que más cuidado exige, porque coinciden varios riesgos a la vez:

La extracción de páginas es el primer paso: separa solo las páginas que vas a entregar. Pero atención: la extracción traslada los metadatos del documento al archivo nuevo, y ahí puede figurar el título del informe original.

La redacción limpia de las 5 páginas restantes los detalles que deben seguir siendo confidenciales.

La reescritura (una compresión o cualquier operación que regenere el archivo por completo) limpia el historial de versiones. Si el informe original se preparó con actualizaciones incrementales, en las páginas extraídas pueden quedar estados anteriores del borrador.

La limpieza de metadatos se hace al final, porque las operaciones anteriores pueden regenerarlos.

Escenario 5: envío una opinión anónima

Tu identidad no debe quedar al descubierto de ninguna manera.

Lo necesario: regeneración + limpieza de metadatos, o directamente otro formato.

En este escenario el consejo más seguro es este: no uses PDF. Un archivo de texto plano no lleva ninguna capa oculta. Si el formato es obligatorio, genera el documento desde cero con una herramienta mínima y limpia los metadatos.

Intentar "anonimizar" un PDF existente es arriesgado porque no puedes saber con certeza qué se ha guardado dónde. Generar un archivo nuevo es mucho más controlable.

Y después de regenerarlo sigue haciendo falta limpiar los metadatos, porque el archivo nuevo hereda la información del programa que uses y de tu sistema operativo. Dar por hecho que "lo he regenerado, está limpio" es un error.

El coste real de imprimir y escanear

Este método resulta tentador porque lo resuelve todo. Enumeremos su precio con claridad:

Tamaño de archivo. Un documento de 500 KB se convierte en 10-30 MB al escanearlo. Se topa con los límites del correo y aumenta el coste de archivo.

Pérdida del texto. El documento pasa a ser una imagen. No se puede buscar, ni copiar, ni procesar automáticamente. El destinatario tendrá que volver a teclear la información a mano.

Calidad. Ruido de escaneo, inclinación, desviación de color. El documento parece amateur.

Accesibilidad. Quien use un lector de pantalla no podrá leer el documento en absoluto. En documentos corporativos y públicos eso es un problema serio.

Metadatos nuevos. El software del escáner añade sus propios metadatos: modelo del aparato, fecha de escaneo, nombre de usuario. Es decir, el problema de los metadatos no desaparece del todo, solo cambia.

Tiempo. El trabajo físico lleva minutos.

Conclusión: imprimir y escanear ofrece la misma protección que la redacción y la limpieza de metadatos a un precio mucho más alto. Solo tiene sentido si no tienes acceso a otras herramientas o si el documento ya circula en papel.

El orden correcto

Si vas a hacer varias operaciones, el orden importa:

1. Selección de páginas. Extrae solo las páginas necesarias. Menos páginas, menos riesgo.

2. Redacción. Elimina la información sensible del contenido de las páginas. Este es el paso más crítico.

3. Aplanado. Si hay datos de formulario, fíjalos.

4. Reescritura / compresión. Limpia el historial de versiones y los objetos residuales.

5. Limpieza de metadatos. Al final, porque los pasos anteriores pueden regenerarlos.

6. Verificación. Abre el resultado y compruébalo: prueba a seleccionar texto (en las zonas redactadas no debe seleccionarse nada), mira las propiedades del documento y abre el archivo en un editor de texto para buscar palabras sensibles.

No te saltes el último paso. Hay muchos casos de filtración corporativa por creer que se había hecho la limpieza sin verificarlo.

Resumen de la decisión

• Si en las páginas no hay información sensible → basta con editar los metadatos.
• Si en las páginas hay información que ocultar → la redacción es imprescindible, y los metadatos como complemento.
• Si has rellenado un formulario → aplanado + metadatos.
• Si compartes una parte de un documento confidencial → extracción + redacción + reescritura + metadatos.
• Si el anonimato es crítico → texto plano en lugar de PDF, o regeneración desde cero.
• Si no tienes acceso a otras herramientas → imprimir y escanear cumple, pero sabiendo su precio.

Y en todos los casos: verifica después de limpiar. Prueba a seleccionar texto, comprueba las propiedades y busca dentro del archivo.