La distinción entre lo público y lo privado ha sido siempre una base silenciosa de la democracia. No suele discutirse, pero sostiene buena parte de la vida política. Durante décadas, el anonimato digital funcionó como una forma imperfecta, pero real, de privacidad política. Activistas, periodistas y disidentes podían participar en conversaciones públicas sin que esa participación quedara necesariamente vinculada a su identidad. Hoy, esa frontera empieza a desdibujarse. A partir de datos dispersos disponibles en la red, herramientas de inteligencia artificial ya pueden reconstruir identidades, seguir comportamientos y anticipar acciones que antes requerían investigación exhaustiva o resultaban imposibles de detectar. Un estudio publicado en la plataforma de distribución arXiv a principios de este año, “Desanonimización en línea a gran escala con LLM” (por Simón Lermen y colegas), tomó perfiles de Hacker News —un foro donde la gente comenta bajo seudónimo— y los cruzó con sus perfiles de LinkedIn usando solo el texto que esas personas habían publicado libremente. Sin contraseñas, sin hackeos, sin datos privados. Con una muestra de 338 perfiles, el modelo identificó correctamente a 226 (67%), con una precisión del 90%. Lo que antes requería horas de trabajo especializado hoy puede hacerse de forma automatizada, a escala y por un costo de entre 1 y 4 dólares. Los autores advierten que, aunque estas capacidades no son infalibles, este avance obliga a repensar qué entendemos por privacidad en línea. El efecto inhibidor en la participación digital. Cuando la percepción de vigilancia se vuelve plausible, aunque no sea sistemática, las personas se autocensuran. Moderan sus opiniones y evitan asociarse con causas que consideran riesgosas. La percepción de ser observado es suficiente para abstenerse a opinar, independientemente del contexto. Si eso ocurre ante la sola posibilidad de vigilancia, ¿qué sucede cuando la “desanonimización” es real, accesible y barata?