Einstein Trust Layer

El Einstein Trust Layer es la capa de seguridad, privacidad y gobierno que Salesforce coloca entre tus datos y los modelos de lenguaje grande (LLM) que usa su IA generativa. Su función es permitir que la empresa aproveche la IA sin que la información del cliente quede expuesta, ni se filtre a terceros, ni se use para entrenar modelos públicos. En la práctica, es lo que hace que un asistente como Agentforce o Einstein pueda responder con datos reales del CRM manteniendo el control sobre quién ve qué.

Funciona como un conjunto de controles que se aplican antes y después de que el prompt llegue al modelo: enmascara datos personales, verifica permisos, filtra contenido tóxico y guarda un registro de cada paso. Para una empresa argentina que maneja datos regulados (por ejemplo, bajo la Ley 25.326 de Protección de Datos Personales), esta capa es lo que vuelve viable usar IA generativa sobre información de clientes. Es parte del enfoque de gobierno y privacidad que sostiene un programa de IA confiable, el mismo terreno que cubre la página de Seguridad de Vantegrate.

El Einstein Trust Layer resuelve un problema concreto: cuando una empresa quiere usar IA generativa sobre los datos de su CRM, surgen tres miedos legítimos. Que los datos sensibles del cliente terminen en los servidores de un proveedor de modelos, que la IA invente respuestas peligrosas, y que nadie sepa después qué pasó realmente en cada conversación. La capa de confianza ataca esos tres frentes con una arquitectura de controles que envuelve cada llamada al modelo.

Cómo funciona, paso a paso

El recorrido de un prompt a través del Einstein Trust Layer tiene varias estaciones. Cuando un usuario o un agente de IA genera una solicitud, esta no viaja directo al modelo. Primero pasa por una serie de filtros, y la respuesta del modelo también es procesada antes de volver al usuario.

• Grounding seguro de datos: el sistema incorpora datos del CRM al prompt para dar contexto (esto es grounding), pero respetando los permisos del usuario. Si una persona no tiene acceso a un registro, ese dato no entra al prompt.
• Enmascaramiento de datos sensibles: antes de enviar el prompt al LLM, la capa detecta y reemplaza información personal identificable (nombres, correos, teléfonos, números de documento) por marcadores. El modelo nunca ve el dato crudo; al volver la respuesta, los marcadores se rehidratan.
• Retención cero de datos: Salesforce tiene acuerdos con los proveedores de modelos para que no almacenen ni entrenen con los prompts ni las respuestas de tu empresa. Esto se conoce como zero data retention y es el corazón de la promesa de privacidad.
• Detección de toxicidad: la respuesta generada se evalúa contra una escala de toxicidad antes de mostrarse, para frenar contenido ofensivo o inseguro.
• Auditoría y registro: cada interacción queda registrada (prompt, respuesta, puntaje de toxicidad, acciones), de modo que el equipo de cumplimiento pueda revisar qué hizo la IA y por qué.

Por qué importa para el negocio

Sin una capa así, muchas empresas reguladas simplemente no pueden adoptar IA generativa. Un banco, una obra social o una distribuidora farmacéutica no van a mandar datos de sus clientes a un modelo público sin garantías. El Einstein Trust Layer convierte la pregunta de "¿podemos usar IA?" en "¿cómo la configuramos?". Reduce el riesgo legal, baja la fricción con el área de seguridad de la información y deja una pista de auditoría que sirve cuando un regulador o un cliente pregunta cómo se tratan sus datos.

Ejemplo concreto

Una empresa de servicios financieros en Buenos Aires implementa un asistente de IA para que sus representantes respondan consultas de clientes más rápido. Cuando un representante pregunta "resumime el último reclamo de Juan Pérez, DNI 30.123.456", el Einstein Trust Layer enmascara el nombre y el DNI antes de enviar la consulta al modelo, recupera solo los registros que ese representante tiene permiso de ver, genera el resumen, lo evalúa por toxicidad y devuelve la respuesta con los datos reales reinsertados, todo dejando un registro auditable. El proveedor del modelo nunca vio "Juan Pérez" ni el DNI.

Errores comunes

• Creer que la capa de confianza elimina las alucinaciones. No lo hace: reduce riesgos de seguridad y privacidad, pero la calidad factual depende del grounding y del modelo. Sigue siendo necesaria la supervisión humana en casos críticos.
• Pensar que enmascarar datos basta para cumplir toda normativa. La capa es una herramienta poderosa, pero el cumplimiento (consentimiento, finalidad, derechos del titular) es responsabilidad de la organización.
• Confundir el Einstein Trust Layer con un modelo de IA. No es un modelo: es la infraestructura de gobierno que rodea a cualquier modelo que Salesforce use.

En qué se diferencia de los guardrails de un agente

Es común mezclar el Einstein Trust Layer con los guardrails que se definen para un agente. Operan en capas distintas y se complementan.

En conjunto, la capa de confianza protege los datos y los guardrails acotan la conducta. Una estrategia de IA empresarial sólida necesita las dos cosas, más una base de gobierno de datos y una clara única fuente de verdad que alimente al modelo con información correcta.