El entrenamiento de modelos de lenguaje de gran escala representa uno de los retos computacionales más exigentes en inteligencia artificial, principalmente por la necesidad de almacenar activaciones intermedias durante la retropropagación. Mientras que estrategias como la compresión de gradientes o la gestión de estados del optimizador ya cuentan con cierto recorrido, la compresión de activaciones ha permanecido menos explorada debido a la ausencia de garantías teóricas sólidas. Un análisis reciente demuestra que, para operadores lineales, una compresión insesgada de activaciones no altera la tasa de convergencia bajo la suposición estándar de L-suavidad, aunque sí introduce problemas en operaciones no lineales. Este hallazgo permite diseñar algoritmos que reutilizan factores de bajo rango de las activaciones para comprimir también los gradientes de capas lineales, sin generar errores adicionales ni costes computacionales extra. La validación experimental en modelos como Qwen y LLaMA, tanto en preentrenamiento como en ajuste fino, confirma que es posible reducir significativamente el consumo de memoria sin penalizar la precisión. En un contexto empresarial, estas innovaciones abren la puerta a implementaciones más eficientes de ia para empresas que quieran entrenar o afinar sus propios modelos. En Q2BSTUDIO desarrollamos proyectos que integran desde soluciones de inteligencia artificial hasta entornos completos de servicios cloud aws y azure, combinando software a medida con arquitecturas optimizadas para machine learning. Nuestro equipo también aborda necesidades de ciberseguridad y despliegue de agentes IA, así como de servicios inteligencia de negocio con herramientas como power bi. La capacidad de comprimir activaciones de forma segura permite a las organizaciones escalar sus modelos con menos infraestructura, un aspecto crítico cuando se construyen aplicaciones a medida que deben funcionar en entornos productivos con recursos limitados. Por eso, en cada proyecto de desarrollo de software a medida consideramos estas técnicas como parte de la caja de herramientas para ofrecer soluciones robustas y eficientes.