El auge de los modelos de lenguaje de gran escala ha traído consigo desafíos regulatorios y éticos que obligan a las organizaciones a garantizar que estos sistemas no reproduzcan información privada, tóxica o con derechos de autor. En este contexto, el desaprendizaje o machine unlearning ha emergido como una técnica prometedora para eliminar conocimientos específicos de un modelo sin necesidad de reentrenarlo por completo. Sin embargo, investigaciones recientes revelan una brecha preocupante: casi todos los métodos actuales de desaprendizaje solo logran un olvido aparente bajo condiciones de decodificación determinista, es decir, cuando el modelo elige la palabra más probable en cada paso. Cuando se aplican estrategias de decodificación probabilística —las que realmente se usan en aplicaciones reales para generar diversidad— la información sensible reaparece con una frecuencia alarmante. Para cuantificar este fenómeno, se ha propuesto una nueva métrica denominada Leak@k, que mide la probabilidad de que el conocimiento supuestamente olvidado se filtre al generar k muestras del modelo. Este hallazgo tiene implicaciones directas para empresas que integran inteligencia artificial en sus flujos, ya que una falsa sensación de cumplimiento puede traducirse en riesgos legales y reputacionales. En Q2BSTUDIO entendemos que la confianza en los sistemas de IA no puede basarse en evaluaciones superficiales; por eso acompañamos a nuestros clientes en el desarrollo de soluciones de inteligencia artificial para empresas que contemplan tanto la eficiencia como la seguridad y el cumplimiento normativo. Trabajamos con agentes IA que requieren un control fino sobre los datos aprendidos, y ofrecemos aplicaciones a medida y software a medida que integran técnicas robustas de validación. La métrica Leak@k pone de manifiesto que el desaprendizaje tradicional no es suficiente y que se necesitan algoritmos más sofisticados, como el propuesto RULE, que garantizan que ni siquiera tras múltiples generaciones muestreadas resurja la información eliminada. Este tipo de exigencias también cruza el ámbito de la ciberseguridad: una filtración inadvertida de datos protegidos puede convertirse en un vector de ataque. Por ello, desde Q2BSTUDIO ofrecemos servicios de ciberseguridad y pentesting que ayudan a identificar vulnerabilidades en los pipelines de IA. Además, desplegamos infraestructuras en servicios cloud aws y azure que permiten escalar estas validaciones sin comprometer el rendimiento. La lección para el sector es clara: las evaluaciones estáticas ya no bastan. Incorporar métricas como Leak@k en los procesos de calidad es tan relevante como contar con servicios inteligencia de negocio o power bi para monitorizar el comportamiento de los modelos en producción. El futuro del desaprendizaje pasará por combinar técnicas algorítmicas con herramientas de auditoría continua, y en ese camino las empresas que apuesten por soluciones integrales y responsables estarán mejor posicionadas para aprovechar la IA sin renunciar a la privacidad ni a la ética.