Mockeador local de datos privados
Convertir nombres, DNI, domicilios, expedientes y referencias sensibles en datos ficticios consistentes para practicar sin tocar información real de clientes.
Proyectos
PROYECTOS DE PRÁCTICA IAxABOGADOS
Sirven para aprender. Pero aprender bien implica no perder de vista privacidad, contexto y criterio profesional.
Antes de construir
Los proyectos pueden ser muy útiles para practicar y entender flujos reales. Pero también es verdad que, hoy, una parte importante de estas tareas probablemente ya sea realizable con skills bien pensadas de Claude o con Cowork trabajando sobre archivos locales.
El valor de construirlos no siempre está en “tener la herramienta”. Muchas veces está en entender el proceso, ganar autonomía tecnológica y comprobar qué tan cerca estamos de pasar de una idea a una solución concreta.
Por eso esta sección no va a empujarte a pegar expedientes reales en APIs externas. Primero se aprende a trabajar con datos ficticios, anonimizados o totalmente locales. Después recién se automatiza.
Regla del laboratorio
Privacidad primero
Si un flujo no puede practicarse con datos sintéticos o correctamente desidentificados, entonces no es un buen primer proyecto para este sitio.
Más adelante, si querés llevar algo a un uso más serio, se puede combinar con herramientas locales, skills o automatizaciones programadas en horarios. Pero la base sigue siendo la misma: control, contexto y secreto profesional.
Proyecto 1
Mockeador local de datos privados
Sería muy fácil armar esto, ponerle un nombre atractivo y ofrecerlo como servicio. Tan fácil, de hecho, que me daría vergüenza. Prefiero enseñar cómo hacerlo y que puedas ver por vos mismo lo simple que es hoy llevar adelante ideas útiles.
Este primer proyecto debería correr de forma local en la PC del abogado y servir para transformar documentos reales en material seguro para práctica, demos o testing. Nombres, DNI, CUIT, domicilios, expedientes, montos o referencias sensibles deberían convertirse en placeholders o datos ficticios consistentes.
Hoja de ruta
Detector y validador de datos sensibles
Una herramienta local para revisar si un documento quedó correctamente anonimizado antes de usarlo para pruebas, demos o automatizaciones.
Flujos de práctica sobre datos sintéticos
Automatizaciones, skills y pruebas sobre material limpio, para entender el proceso sin exponer secretos profesionales ni datos personales.