Arquitectura

Una topología de despliegue para cada nivel de exigencia.

Piixie funciona en Mac, Windows y Linux. Elige la topología que encaje con tu infraestructura: 100% offline en una sola máquina, compartida por todo tu equipo en un servidor local, conectada a un LLM público con anonimización previa en local, o integrada con tu propio LLM en la nube. Tus datos, tus reglas.

1

Desktop independiente (100% offline)

Cero red. Cero nube. Todo en tu equipo.

La opción de despliegue más sencilla y privada. Piixie Desktop incluye un LLM local integrado que se encarga de toda la detección de datos personales y la anonimización directamente en el equipo del usuario.

No se necesita conexión a internet en ningún punto del proceso: ni para la instalación, ni para descargar modelos tras la configuración inicial, ni para procesar documentos.

Esta topología es ideal para redes aisladas (air-gapped), el tratamiento de documentos clasificados, profesionales individuales que trabajan con datos sensibles de clientes y cualquier situación en la que los datos no deban salir nunca del dispositivo. El LLM integrado está optimizado para la detección de datos personales y funciona con eficiencia en hardware de consumo, incluidos portátiles sin GPU dedicada.

Despliegue de escritorio autónomo: un portátil procesando documentos con un icono de escudo que representa la privacidad sin conexión

Cómo funciona

  1. Carga el documento -- Arrastra un PDF, DOCX, hoja de cálculo, imagen o cualquier formato de archivo compatible a Piixie Desktop.
  2. Análisis con el LLM local -- El modelo integrado examina el texto extraído en busca de nombres, direcciones, números de teléfono, correos, números de cuenta y decenas de categorías más de datos personales.
  3. Elige el modo de anonimización -- Tachar (bloques en negro), sustituir (por tokens) o sintetizar (datos falsos realistas mediante un motor Faker local).
  4. Exporta una copia segura -- El documento anonimizado se guarda en local. El original nunca se modifica.

Recomendado para

  • Administración Pública y defensa que operan en redes aisladas (air-gapped)
  • Profesionales por cuenta propia (abogados, médicos, asesores) que manejan expedientes de clientes
  • Responsables de cumplimiento normativo que necesitan garantizar cero transmisión externa de datos
  • Personal de campo en lugares sin acceso fiable a internet
sequenceDiagram
    actor User as Usuario
    participant PD as Piixie Desktop
    participant LLM as LLM local (integrado)
    participant Out as Documento anonimizado

    User->>PD: Carga un documento sensible
    PD->>PD: Extrae texto y estructura
    PD->>LLM: Analiza en busca de datos personales
    LLM-->>PD: Ubicación y categorías de los datos personales
    PD->>PD: Aplica el modo de anonimización (Tachar / Sustituir / Sintetizar)
    PD->>Out: Genera una copia segura
    Out-->>User: Descarga el documento anonimizado
    Note over User,Out: Sin tráfico de red en ningún momento
2

Servidor on-premise

Un servidor compartido para tu equipo, dentro de tu red local. Nada sale del edificio.

Para los equipos que necesitan una anonimización centralizada sin depender de ningún servicio externo, Piixie Server se ejecuta en una máquina dedicada dentro de tu red local, en tus propios servidores (on-premise). Las estaciones de trabajo envían los documentos por la LAN, el servidor los procesa con su LLM local y devuelve los resultados anonimizados.

Todo el tráfico permanece dentro del perímetro de tu red.

Esta topología está pensada para equipos de 5 a más de 500 personas que procesan a diario grandes volúmenes de documentos sensibles. El servidor se encarga de la inferencia del LLM, que es la parte que más recursos consume, de modo que las estaciones de trabajo individuales no necesitan hardware potente. Un único servidor bien dimensionado (con GPU o CPU de gama alta) puede atender a decenas de usuarios simultáneos.

Despliegue de servidor on-premise: un rack de servidores conectado a varias estaciones de trabajo en una red local

Cómo funciona

  1. Las estaciones de trabajo se conectan -- Los miembros del equipo acceden a Piixie a través de un cliente de escritorio ligero o de la API REST.
  2. Envío de documentos -- Los ficheros se transmiten al Piixie Server por una conexión LAN cifrada. Ningún dato pasa por internet.
  3. Procesamiento en el servidor -- El servidor ejecuta el LLM, detecta los datos personales y aplica el modo de anonimización elegido.
  4. Devolución de resultados -- Los documentos anonimizados se envían de vuelta a la estación de trabajo de origen.

Recomendado para

  • Sistemas hospitalarios y redes sanitarias que procesan historiales de pacientes a gran escala
  • Despachos de abogados con flujos de revisión de documentos compartidos
  • Entidades financieras que requieren un registro de auditoría centralizado
  • Equipos de empresa que quieren liberar de la inferencia del LLM a las máquinas individuales

Ponlo en marcha

Arranca el servidor en la máquina que alojará el modelo: un equipo Linux con GPU es la opción ideal. Descarga su modelo en el primer arranque y sirve una API compatible con OpenAI en el puerto que elijas:

piixie server --host 0.0.0.0 --port 8787

Elige el modelo más grande si la GPU tiene memoria suficiente:

piixie server --host 0.0.0.0 --port 8787 --model gemma-4-12b

En cada estación de trabajo, añade el servidor como endpoint en la aplicación de escritorio (Ajustes → Endpoints de IA, protocolo de chat de OpenAI, URL base http://tu-servidor:8787) y selecciona su modelo en el selector de modelos. La interfaz no cambia: el trabajo pesado simplemente ocurre en el servidor en lugar de en el portátil. Configuración completa en la guía del servidor local.

sequenceDiagram
    participant WA as Estación A
    participant WB as Estación B
    participant WC as Estación C
    participant PS as Piixie Server
    participant LLM as LLM local (servidor)

    WA->>PS: Envía un documento por la LAN
    WB->>PS: Envía un documento por la LAN
    WC->>PS: Envía un documento por la LAN
    PS->>LLM: Detección de datos personales por lotes
    LLM-->>PS: Entidades identificadas
    PS->>PS: Aplica los modos de anonimización
    PS-->>WA: Devuelve la copia anonimizada
    PS-->>WB: Devuelve la copia anonimizada
    PS-->>WC: Devuelve la copia anonimizada
    Note over WA,LLM: Todo el tráfico permanece en la red local
3

Conexión a un LLM público (proxy seguro)

Anonimiza primero en local y aprovecha después, sin riesgo, la potencia de los LLM en la nube.

A veces quieres la potencia de un modelo de frontera como GPT-4 o Claude para tareas posteriores -- resumir, traducir, analizar --, pero no puedes enviar datos personales en bruto a una API de terceros. Esta topología resuelve exactamente ese problema.

Piixie ejecuta todo su pipeline de anonimización en local antes de transmitir ningún dato, y solo envía la versión saneada al LLM en la nube.

La garantía clave: los datos en bruto nunca llegan a la nube. El LLM en la nube solo ve contenido anonimizado -- bloques tachados, tokens de sustitución como [PERSONA_1] o datos sintéticos falsos. Los datos personales originales permanecen en tu equipo en todo momento.

Conexión a un LLM público: los documentos pasan por un escudo de anonimización local antes de llegar a los servicios de IA en la nube

Cómo funciona

  1. Detección local de datos personales -- El LLM integrado de Piixie examina el documento e identifica todas las entidades sensibles.
  2. Anonimización en local -- Los datos personales se tachan, se sustituyen por tokens o se reemplazan por datos sintéticos en tu equipo.
  3. Se crea una copia segura -- Se genera una versión saneada que no contiene ni un solo dato personal real.
  4. Interacción con el LLM en la nube -- La copia segura se envía a OpenAI, Anthropic u otra API de LLM público para el procesamiento posterior.
  5. Devolución de resultados -- La respuesta del LLM en la nube solo hace referencia a entidades anonimizadas. Los tokens pueden re-mapearse en local.

Recomendado para

  • Equipos que necesitan modelos de frontera (GPT-4, Claude, Gemini) sin exponer datos personales
  • Organizaciones de investigación que preparan datasets para análisis en la nube
  • Empresas que construyen flujos de IA donde la privacidad debe garantizarse a nivel de prompt
  • Desarrolladores que integran Piixie en pipelines de aplicaciones basadas en LLM
sequenceDiagram
    actor User as Usuario
    participant PD as Piixie Desktop
    participant LLM as LLM local
    participant Anon as Motor de anonimización
    participant Cloud as LLM en la nube (OpenAI / Anthropic)

    User->>PD: Carga un documento sensible
    PD->>LLM: Detecta los datos personales en local
    LLM-->>PD: Mapa de datos personales
    PD->>Anon: Tachar / Sustituir / Sintetizar
    Anon-->>PD: Copia segura (cero datos personales reales)
    Note over PD,Cloud: Solo la copia segura cruza la red
    PD->>Cloud: Envía el contenido anonimizado
    Cloud-->>PD: Respuesta del LLM (solo referencia entidades anonimizadas)
    PD-->>User: Resultados con re-mapeo local opcional
    Note over User,Cloud: Los datos personales en bruto nunca salen del equipo
4

Tu propio LLM (Bedrock / Azure / personalizado)

Control total sobre el modelo, la infraestructura y la ruta de los datos.

Para las organizaciones que ya han invertido en su propia infraestructura de LLM, Piixie puede conectarse a tus modelos en lugar de usar el integrado. Esto incluye AWS Bedrock, Azure OpenAI Service, modelos autoalojados en clústeres de GPU dedicados o cualquier endpoint de API compatible con OpenAI.

Tú controlas el modelo, el hardware y la ruta de red. Tu equipo de seguridad aprueba el modelo una vez, tu equipo de infraestructura gestiona el despliegue y Piixie se conecta como cliente.

Despliegue con tu propio LLM: Piixie conectándose a infraestructura empresarial en la nube como AWS Bedrock o Azure OpenAI

Cómo funciona

  1. Configura el endpoint del LLM -- Apunta Piixie a tu instancia de Bedrock, tu despliegue de Azure OpenAI, tu servidor Ollama o tu endpoint personalizado.
  2. Procesamiento del documento -- Piixie extrae y preprocesa el documento en local.
  3. Detección asistida por el LLM -- Los fragmentos de texto se envían a tu LLM para la detección de datos personales, a través de tu propia infraestructura.
  4. Anonimización en local -- Todo el enmascarado, la sustitución por tokens y la generación de datos sintéticos ocurren en local.
  5. Exporta una copia segura -- El documento anonimizado se guarda. Los registros de auditoría pueden enviarse a tu SIEM.

Plataformas de LLM compatibles

  • AWS Bedrock -- Claude, Llama, Titan a través de tu cuenta de AWS
  • Azure OpenAI -- GPT-4, GPT-4o en tu tenant de Azure
  • Ollama -- Modelos de pesos abiertos autoalojados en tu hardware
  • Endpoints personalizados -- Cualquier API compatible con OpenAI

Recomendado para

  • Empresas con una infraestructura de LLM existente que quieren reutilizar
  • Organizaciones con procesos estrictos de aprobación de proveedores y modelos
  • Equipos que necesitan modelos concretos ajustados a su ámbito (médico, legal, financiero)
  • Entornos multinube en los que los datos deben permanecer en un proveedor de nube concreto
sequenceDiagram
    actor User as Usuario
    participant PD as Piixie Desktop
    participant YLLM as Tu LLM (Bedrock / Azure / personalizado)
    participant Anon as Motor de anonimización

    User->>PD: Carga un documento
    PD->>PD: Extrae y preprocesa en local
    PD->>YLLM: Envía fragmentos de texto para detectar datos personales
    Note over PD,YLLM: Los datos viajan por TU infraestructura
    YLLM-->>PD: Entidades detectadas y niveles de confianza
    PD->>Anon: Aplica el modo de anonimización en local
    Anon-->>PD: Copia segura generada
    PD-->>User: Documento anonimizado listo
    Note over User,YLLM: Tú controlas el modelo, la red y la ruta de los datos
De un vistazo

Las cuatro topologías, lado a lado.

Todas las opciones mantienen la lógica de anonimización en local. La diferencia está en dónde se ejecuta la inferencia del LLM y en cómo fluyen los datos entre componentes.

graph TB
  subgraph "1. Desktop independiente"
    A1["Tu equipo"] --> B1["Piixie Desktop"]
    B1 --> C1["LLM local integrado"]
    C1 --> D1["Documento anonimizado"]
  end
  subgraph "2. Servidor on-premise"
    A2["Puestos de trabajo del equipo"] --> B2["Piixie Server (LAN)"]
    B2 --> C2["LLM alojado en el servidor"]
    C2 --> D2["Documento anonimizado"]
  end
  subgraph "3. LLM público (proxy seguro)"
    A3["Tu equipo"] --> B3["Piixie Desktop"]
    B3 --> C3["Anonimización en local"]
    C3 --> D3["Solo la copia segura"]
    D3 --> E3["LLM en la nube (OpenAI / Anthropic)"]
  end
  subgraph "4. Tu propio LLM"
    A4["Tu equipo"] --> B4["Piixie Desktop"]
    B4 --> C4["Tu LLM (Bedrock / Azure / personalizado)"]
    C4 --> D4["Documento anonimizado"]
  end

Cuándo elegir Desktop independiente

Necesitas un aislamiento absoluto. Redes air-gapped, documentos clasificados o profesionales por cuenta propia que quieren la configuración más sencilla. Instala Piixie, procesa tus archivos y listo. Sin servidor, sin cuentas, sin red.

Cuándo elegir Servidor on-premise

Tu equipo procesa documentos a gran volumen y quieres un control centralizado. Un único servidor potente se encarga de la carga del LLM para que las estaciones de trabajo individuales sigan siendo ligeras. Incluye de serie registros de auditoría, gestión de usuarios y acceso por API REST.

Cuándo elegir Conexión a LLM público

Quieres la capacidad de los modelos de frontera para tareas posteriores, pero no puedes enviar datos personales en bruto a la nube. Piixie anonimiza primero en local, así que el LLM en la nube solo ve contenido saneado. Lo mejor de los dos mundos.

Cuándo elegir Tu propio LLM

Tu organización ya opera su propia infraestructura de LLM y quieres que Piixie se integre con ella. Estandariza en una sola plataforma de modelos, mantén el control total del recorrido de los datos y supera el proceso de homologación de proveedores de tu equipo de seguridad.

¿Listo para desplegar Piixie en tu entorno?

Empieza con la app de escritorio gratuita. Escala al modo servidor o conecta tu propio LLM cuando lo necesites.

Descargar Piixie