ley-21719-arquitectura-datos

name: ley-21719-arquitectura-datos description: Revisa sistemas, modelos de datos, documentacion, APIs, planillas, logs, documentos, proveedores, flujos de IA y decisiones tecnicas frente a la Ley 21.719 de Chile. Usa esta skill para identificar datos personales, datos sensibles, categorias especiales, finalidad, base legal, retencion, derechos de titulares, decisiones automatizadas, transferencias, tokenizacion, anonimizacion, privacidad por diseno y evidencia tecnica. RUT/email/telefono son casos criticos frecuentes, no el alcance completo. No reemplaza asesoria legal.

Ley 21.719: Arquitectura de Datos Personales

Usa esta skill para traducir la Ley 21.719 de Chile a revision tecnica de sistemas, datos y arquitectura.

Objetivo:

Ayudar a equipos tecnicos a encontrar donde existen datos personales, como se tratan, que riesgos tecnicos aparecen y que cambios de arquitectura podrian reducir exposicion y mejorar evidencia de cumplimiento.

Limite: esta skill no entrega asesoria legal ni declara cumplimiento. Clasifica riesgos tecnicos y senala puntos que requieren validacion juridica o de DPO.

Flujo

1. Identifica el artefacto revisado:
   • esquema SQL, ORM, migraciones, APIs, JSON, CSV, planillas, logs, README, arquitectura, contratos tecnicos, proveedores o codigo.
2. Clasifica datos personales:
   • identificadores directos;
   • identificadores tecnicos;
   • atributos personales;
   • datos sensibles;
   • categorias especiales de datos personales;
   • documentos o archivos con datos personales;
   • proveedores o transferencias.
3. Evalua el tratamiento:
   • finalidad declarada o inferida;
   • base legal declarada o ausente;
   • minimizacion;
   • retencion;
   • acceso y trazabilidad;
   • derechos de titulares;
   • deber de informacion y transparencia;
   • privacidad desde el diseno y por defecto;
   • evaluacion de impacto cuando existan tratamientos de mayor riesgo;
   • decisiones automatizadas, perfilamiento y logica aplicada;
   • exportaciones, logs, respaldos e integraciones.
4. Detecta patrones de riesgo:
   • datos personales recolectados sin finalidad o necesidad clara;
   • datos sensibles o categorias especiales tratados como datos comunes;
   • RUT, email, telefono u otro dato personal como primary key;
   • datos personales replicados en multiples sistemas;
   • documentos, adjuntos, OCR, tickets o texto libre con datos personales;
   • planillas o reportes sin control;
   • logs con datos personales;
   • datos sensibles sin controles reforzados;
   • proveedores sin rol, finalidad ni destino de datos claro;
   • ausencia de eliminacion, bloqueo o portabilidad.
5. Recomienda patrones tecnicos:
   • person_id interno no significativo;
   • datos personales como atributos gobernados;
   • tokenizacion reversible bajo control;
   • anonimizacion real para analytics cuando corresponda;
   • cifrado en reposo/transito;
   • auditoria de acceso;
   • retencion, bloqueo y eliminacion por finalidad;
   • contratos y controles para encargados/proveedores.
6. Entrega salida accionable:
   • hallazgos priorizados;
   • evidencia por archivo/campo/tabla/flujo;
   • riesgo bajo/medio/alto;
   • recomendacion tecnica;
   • punto de validacion legal si aplica.

Referencias

Carga solo lo necesario:

• references/principios.md: principios tecnicos derivados de la ley.
• references/taxonomia-datos-personales.md: tipos de datos a detectar.
• references/patrones-arquitectura.md: patrones recomendados.
• references/tokenizacion-anonimizacion.md: cuando tokenizar, cifrar o anonimizar.
• references/retencion-derechos.md: retencion, supresion, bloqueo y portabilidad.
• references/proveedores-transferencias.md: encargados, terceros y transferencias.

Plantillas

Usa estas plantillas cuando el usuario pida un entregable:

• templates/checklist-tecnico.md
• templates/inventario-datos-personales.csv
• templates/matriz-riesgo.md
• templates/reporte-diagnostico.md

Scanner

Para busquedas iniciales en archivos de texto, usa:

.\skills\ley-21719-arquitectura-datos\scripts\find-personal-data-patterns.ps1 -Path . -Recurse

No imprimas datos personales en respuestas salvo que el usuario lo pida explicitamente y exista un motivo controlado. Prefiere archivo, linea, tipo de patron y recomendacion.

Criterios de severidad

Alto:

• datos sensibles expuestos o sin controles claros;
• categorias especiales sin reglas especificas: ninos, ninas y adolescentes, geolocalizacion, biometria, salud o perfil biologico;
• cualquier dato personal usado como primary key o identificador tecnico compartido, incluyendo RUT/email/telefono;
• datos personales en logs, exports o planillas sin control;
• documentos, adjuntos, tickets, OCR o texto libre con datos personales sin gobierno;
• proveedor externo con acceso a datos sin finalidad, contrato o destino claro;
• ausencia de capacidad tecnica para localizar, eliminar, bloquear o exportar datos.

Medio:

• datos personales duplicados en varios sistemas;
• campos personales sin retencion definida;
• finalidad o base legal no documentada;
• informacion de transparencia incompleta: responsable, politica, contacto, categorias, destinatarios, fuente, retencion o decisiones automatizadas;
• acceso amplio sin trazabilidad suficiente;
• analytics con datos identificables cuando podria usar agregacion o anonimizacion.

Bajo:

• datos personales necesarios, con finalidad clara, controles razonables y evidencia;
• identificadores internos no significativos;
• acceso limitado, trazabilidad, retencion y procedimientos definidos.

Formato de respuesta recomendado

Hallazgos
- [Alto] Tabla customers usa rut como primary key. Evidencia: schema.sql:12.
  Riesgo: expone un identificador personal como llave tecnica y facilita replicacion.
  Recomendacion: migrar a person_id interno y dejar rut como atributo gobernado.

- [Medio] Tickets de soporte aceptan descripcion en texto libre sin clasificacion.
  Evidencia: support-api.yaml:41.
  Riesgo: puede almacenar salud, reclamos, direcciones, telefonos u otros datos
  personales fuera del modelo gobernado.
  Recomendacion: clasificar contenido, minimizar captura, aplicar retencion y evitar
  indexacion o logs con payload completo.

Preguntas para validar
- Cual es la finalidad del campo fecha_nacimiento?
- Existe plazo de retencion para postulantes rechazados?

Siguiente paso
- Completar inventario de tratamientos y definir arquitectura objetivo para datos
  personales criticos.