¿Crear tu propia herramienta para difuminar rostros o comprar una? Comparativa real de costes para equipos de ingeniería

En resumen: Si tu equipo procesa vídeos grabados o conjuntos de datos de imágenes y necesita difuminar rostros y matrículas, crear un detector propio solo resulta más barato durante el primer mes. El mantenimiento, las pruebas de recall, la gestión de códecs y las evidencias de auditoría son costes que se acumulan. Gallio PRO es un software de anonimización on-premise para responsables de ingeniería, equipos de MLOps y propietarios de conjuntos de datos que prefieren licenciar ese mantenimiento en lugar de asignarle personal.

La decisión de desarrollar internamente es una decisión de mantenimiento

Casi todos los equipos de ingeniería que evalúan software de anonimización empiezan con el mismo debate interno: tenemos una GPU, tenemos Python y un detector preentrenado con desenfoque gaussiano se puede montar en un fin de semana. Es cierto. Un prototipo funcional puede estar listo en un fin de semana.

Pero el prototipo no es el entregable. El entregable es un proceso que genera resultados defendibles cada día, sobre grabaciones que nadie había previsto, con un registro de qué se ocultó y por qué. Eso es lo que hay que asumir como propio, versionar, probar y dotar de personal durante años. Cuando los equipos comparan desarrollar o comprar, normalmente calculan el coste del fin de semana e ignoran el de la década.

Cuánto cuesta realmente una solución desarrollada internamente

A continuación se muestra el trabajo que hay entre un prototipo y una solución que incluirías en un acuerdo de intercambio de datos. El esfuerzo se expresa en jornadas de ingeniería para que puedas aplicar tu propio coste interno por jornada.

Elemento de trabajo	Desarrollo inicial	Mantenimiento anual
Selección del detector de rostros y ajuste de umbrales	De 5 a 10 días	De 3 a 5 días
Detección de matrículas como modelo independiente	De 5 a 15 días	De 3 a 5 días
Suavizado temporal y seguimiento entre fotogramas	De 10 a 20 días	De 4 a 8 días
Gestión de metadatos de contenedores, códecs y rotación	De 5 a 10 días	De 3 a 6 días
Interfaz de corrección manual para objetos no detectados	De 15 a 30 días	De 5 a 10 días
Conjunto de pruebas de recall, entorno de QA y pruebas de regresión	De 10 a 15 días	De 10 a 15 días
Documentación para auditores y revisiones de seguridad	5 días	3 días

En total, se necesitan aproximadamente entre 55 y 105 días para alcanzar la paridad, además de entre 31 y 52 días al año simplemente para mantener el nivel. Una licencia Standard de Gallio PRO cuesta 89 EUR al mes, o 1.068 EUR al año con el descuento anual. El punto de equilibrio no está cerca; la diferencia es de un orden de magnitud.

Cinco puntos en los que las soluciones propias fallan en producción

1. Recall en rostros difíciles. Los modelos abiertos obtienen buenos resultados con rostros frontales, bien iluminados y a distancia media. Las grabaciones reales incluyen perfiles, desenfoque por movimiento, contraluz, cámaras bajas y oclusiones parciales. Tu conjunto de demostración no contiene tu conjunto de fallos.
2. Las matrículas son un problema distinto. La detección de matrículas es una tarea diferente, con modos de fallo, relaciones de aspecto y diseños específicos de cada país. Los equipos suelen presupuestar un modelo y descubren que necesitan dos.
3. Consistencia entre fotogramas. Un rostro detectado entre los fotogramas 1 y 40, pero omitido entre los fotogramas 41 y 43, deja tres fotogramas con la identidad expuesta. En vídeo, la precisión de un único fotograma no es la métrica importante.
4. Contenedores y códecs. Los metadatos de rotación, la frecuencia de fotogramas variable, la preservación de pistas de audio y la integridad de las marcas de tiempo pueden no ser aspectos atractivos, pero son el motivo por el que el destinatario rechaza un archivo.
5. Ausencia de una vía de corrección. Cuando la automatización no detecta algo, alguien debe corregirlo antes de publicar el contenido. Sin un editor, la alternativa es una suite de edición de vídeo y una tarde de trabajo.

Para profundizar en la parte de detección, consulta nuestro análisis sobre el difuminado de rostros para la privacidad de datos en aprendizaje profundo.

La brecha de cumplimiento que más cuesta

Difuminar es un acto técnico con consecuencias legales, y el listón legal está más alto de lo que da por supuesto la mayoría de los planes de desarrollo.

• El considerando 26 del RGPD deja fuera del ámbito de aplicación del Reglamento los datos verdaderamente anónimos. Los datos meramente seudonimizados siguen dentro de su ámbito, con todas las obligaciones asociadas.
• El Dictamen 05/2014 del Grupo de Trabajo del Artículo 29 establece las tres pruebas que debe superar cualquier técnica de anonimización: individualización, vinculabilidad e inferencia. Un difuminado reversible o parcial no las supera.
• El artículo 25.1 del RGPD exige protección de datos desde el diseño y por defecto; esto significa que la ocultación debe ser el estado predeterminado de la exportación, no un paso manual que alguien pueda olvidar.
• El artículo 32.1 del RGPD exige medidas técnicas adecuadas al riesgo y espera que puedas demostrar su aplicación.
• El artículo 35.3.c del RGPD activa la obligación de realizar una evaluación de impacto relativa a la protección de datos cuando exista observación sistemática a gran escala de zonas de acceso público.
• El artículo 5 del Reglamento de IA de la UE, Reglamento (UE) 2024/1689, prohíbe la extracción no selectiva de imágenes faciales de internet o de sistemas de videovigilancia para crear bases de datos de reconocimiento facial, lo que redefine la forma en que pueden recopilarse los conjuntos de datos visuales.

Un script interno no incluye documentación del proveedor, validación de terceros ni un registro de cambios que una autoridad de control pueda revisar. Tendrás que crear los tres elementos por tu cuenta o no los tendrás cuando te los soliciten.

Cómo tomar la decisión entre desarrollar o comprar en seis pasos

1. Define por escrito el alcance de la ocultación. Solo rostros, solo matrículas o ambos. Anota por separado cualquier otro elemento del encuadre, como acreditaciones, pantallas o documentos, porque ninguna herramienta los detecta automáticamente y requerirán una revisión manual.
2. Prepara un conjunto de pruebas exigente. Extrae entre 200 y 500 fotogramas de tus peores condiciones, no de las mejores: noche, lluvia, gran angular, multitudes, vehículos en movimiento.
3. Mide el recall, no la precisión. La cifra relevante es el número de objetos omitidos por cada mil fotogramas. Un único rostro no detectado supone una divulgación, por buena que parezca la media.
4. Calcula el coste de mantenimiento, no el de desarrollo. Toma la columna de mantenimiento anual anterior, multiplícala por tu coste interno de ingeniería por jornada y compárala con una licencia anual.
5. Ejecuta el mismo conjunto de pruebas en la demo de Gallio PRO. La demo es gratuita e ilimitada, incluye marca de agua y está limitada a 720p; es suficiente para medir el recall en tus propias grabaciones antes de comprar nada. Puedes probar gratis la versión de demostración.
6. Decide según el coste por hora de vídeo procesado. Incluye el tiempo de corrección manual en ambas opciones. Esa única cifra resuelve la mayoría de los debates entre desarrollar o comprar.

Qué hace Gallio PRO y qué no hace

Gallio PRO funciona íntegramente en tu propio equipo o servidor. El procesamiento es local, por lo que las grabaciones nunca salen de tu infraestructura, y el software no almacena registros de detección ni datos personales. Está disponible como aplicación de escritorio para Windows 10 y versiones posteriores, macOS 10.14 y versiones posteriores, y Linux con glibc 2.35 o superior; también se ofrece como contenedor Docker y mediante una API REST para integrarlo en un flujo de trabajo existente. La aceleración por GPU permite procesar hasta diez veces más rápido. Los formatos compatibles son JPG y PNG para imágenes, y MP4 y MOV para vídeo.

La detección automática cubre únicamente rostros y matrículas. Los tatuajes, las acreditaciones con nombre, los logotipos de empresa, los documentos y las pantallas de monitores no se detectan automáticamente; se gestionan en el editor manual integrado, que también permite eliminar selectivamente el desenfoque antes de exportar. Gallio PRO procesa archivos grabados y no realiza procesamiento de transmisiones en directo. Si necesitas trabajar con una señal en directo, esta no es la categoría adecuada de herramienta y conviene indicarlo desde el principio.

Cuándo sigue teniendo sentido desarrollar tu propia solución

Hay tres casos que justifican la inversión. El primero es que la ocultación de datos sea tu producto, y no un paso dentro de él. El segundo es que tus principales objetivos de detección sean objetos que ninguna herramienta comercial automatiza; en ese caso, tendrás que crear un detector de todos modos. El tercero es que tus formatos queden fuera de los contenedores estándar de imagen y vídeo, por ejemplo, datos brutos de sensores o telemetría propietaria.

Si necesitas un despliegue empresarial, una configuración on-premise específica o asesoramiento para un caso de cumplimiento normativo particular, puedes ponerte en contacto con el equipo para valorar los requisitos técnicos.

Si anonimizas datos de entrenamiento a gran escala, el enfoque intermedio más práctico suele ser utilizar un motor con licencia dentro de tu propia orquestación. Nuestra guía sobre flujos de anonimización para conjuntos de datos de entrenamiento de IA explica este modelo, y el artículo sobre anonimización automatizada de vídeo e imágenes detalla cómo se comporta la fase de detección a gran escala.

Para la mayoría de los equipos, la conclusión honesta es acotada: puedes desarrollarlo, pero la razón para comprarlo es que preferirías dedicar esos 40 días de ingeniería al producto que realmente vende tu empresa. Puedes comprobarlo con tus propias grabaciones mediante la anonimización de vídeo con Gallio PRO.

Preguntas frecuentes

¿Basta con difuminar los rostros para que los datos sean anónimos según el RGPD?

Solo si el resultado supera las pruebas de individualización, vinculabilidad e inferencia establecidas en el Dictamen 05/2014 del Grupo de Trabajo del Artículo 29. El difuminado irreversible de todos los elementos identificativos puede alcanzar ese nivel. El difuminado parcial o reversible mantiene los datos como datos personales y el RGPD sigue siendo plenamente aplicable.

¿Los modelos de código abierto pueden detectar matrículas tan bien como rostros?

No de forma inmediata. La detección de matrículas es una tarea independiente, con diseños y relaciones de aspecto específicos según el país, y normalmente requiere su propio modelo, sus propios datos de entrenamiento y su propio conjunto de evaluación.

¿Cuánto tiempo se tarda en crear internamente un flujo para difuminar rostros?

Un prototipo requiere unos pocos días. Un flujo de producción con seguimiento, gestión de códecs, interfaz de corrección y entorno de QA suele requerir entre 55 y 105 jornadas de ingeniería, además de entre 31 y 52 días anuales de mantenimiento.

¿Gallio PRO difumina automáticamente tatuajes, acreditaciones o pantallas?

No. La detección automática cubre rostros y matrículas. Cualquier otro elemento se oculta mediante el editor manual integrado.

¿Gallio PRO puede funcionar sin conexión a internet?

Sí. El procesamiento se realiza completamente de forma local en tu propio hardware, y el software no almacena registros de detección ni datos personales.