El desaprendizaje en inteligencia artificial se ha convertido en una necesidad estratégica para organizaciones que manejan datos sensibles y requieren cumplir con normativas de privacidad cada vez más estrictas. Dentro de este campo, los métodos basados en proyección sobre subespacios ortogonales han demostrado ser particularmente prometedores, ya que permiten eliminar información específica de un modelo sin necesidad de reentrenarlo desde cero. La técnica conocida como desaprendizaje de proyección propagada por grafos representa un avance significativo al unificar el tratamiento de datos visuales y de audio en un solo marco algorítmico. Este enfoque utiliza la estructura relacional de las representaciones internas para identificar direcciones características de una clase y proyectarlas fuera del espacio de decisión del modelo, seguido de un ajuste fino dirigido que garantiza la irreversibilidad del proceso. La ventaja principal radica en su escalabilidad: los experimentos muestran aceleraciones de hasta veinte veces respecto a métodos anteriores, manteniendo la utilidad del modelo sobre el resto de las clases. Para una empresa como Q2BSTUDIO, que ofrece soluciones de inteligencia artificial para empresas, integrar técnicas de desaprendizaje eficientes permite desarrollar aplicaciones a medida que se adaptan dinámicamente a los requisitos regulatorios de cada sector. La capacidad de eliminar selectivamente conocimiento de un modelo entrenado es especialmente relevante en contextos donde la ciberseguridad y la protección de datos son críticas, como en sistemas de reconocimiento facial o asistentes de voz. Además, combinar estas técnicas con servicios cloud AWS y Azure facilita el despliegue de modelos que pueden ser actualizados sin interrumpir la operación. En el ámbito de la inteligencia de negocio, contar con modelos que puedan olvidar información obsoleta o incorrecta mejora la calidad de los análisis, y herramientas como Power BI pueden beneficiarse de flujos de datos más limpios. Por otra parte, el desarrollo de agentes IA que interactúan con usuarios requiere mecanismos de desaprendizaje para gestionar consentimientos y derechos de olvido, un área donde el software a medida cobra especial relevancia al permitir personalizar la lógica de eliminación según las necesidades de cada cliente. La propagación por grafos aplicada al desaprendizaje abre la puerta a un nuevo paradigma en el que los modelos no solo aprenden, sino que también pueden desaprender de forma controlada, lo que refuerza la confianza en los sistemas automatizados. En Q2BSTUDIO entendemos que la flexibilidad y la transparencia son pilares de la adopción empresarial de la IA, por lo que ofrecemos servicios inteligencia de negocio y asesoramiento para implementar estas capacidades de manera ética y eficiente. El futuro de la inteligencia artificial responsable pasa por herramientas modulares que permitan tanto aprender como olvidar con precisión quirúrgica, y los métodos basados en proyección ortogonal dirigida por grafos representan un paso firme en esa dirección.