¿Por qué no puedo hacer que un modelo desplegado olvide mis datos?
Oportunidad
El artículo 17 del RGPD me otorga el derecho al olvido, pero una vez que un modelo se ha entrenado con mis datos, nadie puede eliminar de forma eficaz mi aportación de los pesos. Los métodos actuales de «desaprendizaje» o bien suprimen la capa de salida final, dejando mi información codificada en representaciones intermedias, o bien requieren un proceso completo de reentrenamiento que ningún operador de producción llevará a cabo a gran escala. Un artículo publicado en arXiv en junio de 2026 sobre las cadenas de suministro del aprendizaje automático concluye que el derecho al olvido es estructuralmente inaplicable en las cadenas de ajuste fino. La brecha entre el derecho legal y la realidad técnica se amplía cada vez que se realiza un ajuste fino adicional de un modelo base con datos personales.
Por qué importa
Los derechos legales de supresión no tienen sentido hasta que un modelo sea capaz de olvidar de verdad, y no solo de ocultar sus resultados.
Cómo evalúo la oportunidad
La Puntuación de Oportunidad es mi propia lectura, no una medición: cuánto duele, con qué frecuencia aparece y qué tan poco existe para resolverlo hoy. Un valor más alto significa que creo que vale más la pena construirlo.
Cuánto dolor causa cuando aparece.
Con qué frecuencia la gente se topa con ello.
Qué tan pocas herramientas buenas existen para ello hoy.
Más problemas que vale la pena resolver
¿Por qué toda aplicación de IA me olvida en el momento en que cierro la pestaña?
AI¿Por qué aprender una nueva área sigue dependiendo de saber qué preguntar?
AI¿Por qué una persona sin experiencia no puede verificar lo que una IA acaba de decirle?
AI¿Por qué probamos los modelos en benchmarks pero los lanzamos a producción guiándonos por la intuición?
AI¿Por qué los agentes de IA no tienen memoria de sus propios errores?
AI¿Por qué no puedo auditar en qué fue entrenado realmente un modelo?