Hace unos días abrí Spotify sin saber qué quería escuchar.
No buscaba una canción. Tampoco un disco. Sólo quería que algo sonara mientras trabajaba.
Spotify eligió por mí.
Primero apareció una canción que no conocía. Después otra. Media hora más tarde había descubierto una banda que parecía hecha exactamente para mis gustos: tenía algo de otras que ya escuchaba, pero no se parecía del todo a ninguna.
Pensé lo que todos hemos pensado alguna vez.
¡Qué bien me conoce!
Aunque Spotify no sabe quién soy.
No sabe qué recuerdo despertó aquella canción. No sabe si me gustó la voz, la guitarra o simplemente el momento en que apareció. Ni siquiera sabe si realmente la estaba escuchando.
Sólo sabe que no la cambié.
Y quizá no necesite saber mucho más…
El algoritmo no lee nuestros pensamientos
Nos gusta imaginar al algoritmo como una especie de lector de mentes.
Abrimos Instagram y aparece algo de lo que acabábamos de hablar. Entramos a YouTube y la primera recomendación responde una pregunta que todavía no habíamos formulado. Buscamos una motocicleta y, durante semanas, parece que todo el mundo conduce exactamente ese modelo.
Me ocurrió hace poco.
Empecé viendo una reseña. Después comparé modelos. Luego busqué si la altura del asiento sería adecuada para mí. En pocos días, YouTube estaba lleno de pruebas de carretera, viajes, modificaciones y propietarios convencidos de haber comprado la mejor motocicleta del mundo.
No había cambiado la ciudad.
Había cambiado la ciudad que aparecía en mi pantalla.
El algoritmo no había descubierto una pasión oculta.
Había seguido mis rastros.
Y un rastro no siempre revela nuestras razones.
Podemos mirar un video porque nos gusta, porque nos indigna o porque no podemos creer lo que estamos viendo. Podemos repetirlo para disfrutarlo otra vez… o para confirmar que alguien realmente dijo semejante cosa.
Para nosotros son experiencias distintas.
Para la plataforma pueden parecerse demasiado.
Nos detuvimos.
Abrimos los comentarios.
Compartimos.
Eso fue suficiente.
El algoritmo no leyó nuestro pensamiento.
Interpretó nuestra conducta.
También nosotros lo entrenamos
No hace falta pulsar un corazón para enseñarle algo a una plataforma.
Le enseñamos cuando permanecemos frente a una publicación, cuando volvemos a verla, cuando repetimos una canción o abandonamos una película a la mitad.
Cada gesto se convierte en una señal.
Una sola significa poco.
Miles empiezan a dibujar una hipótesis.
Le gustan las motocicletas.
Escucha música por la mañana.
Prefiere videos breves.
Se detiene frente a las discusiones políticas.
Busca síntomas a las once de la noche.
La hipótesis no necesita ser completamente verdadera.
Sólo debe ser suficientemente útil para decidir qué mostrarnos después.
Esto no es una teoría sobre una máquina misteriosa. Los propios ingenieros que desarrollan estos sistemas han explicado cómo funcionan. El sistema de recomendaciones de YouTube, por ejemplo, selecciona primero un pequeño grupo de videos entre millones de posibilidades y después calcula cuáles tienen más probabilidades de interesarnos según las señales que hemos ido dejando.
Hasta aquí todo parece razonable.
Elegimos algo.
La plataforma aprende.
Después nos ofrece algo parecido.
El problema aparece un paso más adelante.
Nuestra siguiente elección ya no ocurre en un lugar neutral.
Cuando dejamos de mirar la carta
Hay una cafetería a la que voy con frecuencia.
Durante un invierno empecé a pedir un flat white.
La siguiente vez, antes incluso de sentarme, el barista sonrió.
—¿Lo de siempre?
Me gustó.
Sentí que me había reconocido.
Durante semanas seguí respondiendo que sí.
Hasta que una mañana me di cuenta de algo curioso.
Hacía meses que no pedía un café de método.
Y el café filtrado seguía siendo, en el fondo, la forma que más disfrutaba.
Simplemente había dejado de pensar en él.
No porque alguien me obligara.
Sino porque la opción habitual ya me estaba esperando.
Creo que los algoritmos funcionan muchas veces como ese barista.
No nos obligan.
Simplemente dejan de enseñarnos la carta.
Algo parecido ocurre con las recomendaciones.
El algoritmo aprende de nuestras decisiones, pero esas decisiones ocurren dentro del menú que él mismo ha preparado.
Veo un video sobre una motocicleta.
La plataforma me muestra cinco más.
Como ahora hay más motocicletas frente a mí, aumenta la posibilidad de que vuelva a detenerme en una.
El algoritmo interpreta esa nueva pausa como una confirmación.
Entonces me muestra diez.
Y después veinte.
Al poco tiempo, una curiosidad empieza a parecer una identidad.
Semanas después seguía viendo videos de motocicletas.
Entonces me hice una pregunta incómoda.
¿Realmente me interesaban tanto… o simplemente eran lo que más aparecía frente a mí?
Es una diferencia enorme.
No elegimos entre todas las posibilidades del mundo.
Elegimos entre las pocas que tenemos delante.
Spotify no sabe cuál canción necesitábamos escuchar.
Sabe cuál no saltamos dentro de la secuencia que preparó.
YouTube no sabe qué habríamos visto entre todos los videos existentes.
Aprende cuál elegimos entre los que decidió enseñarnos.
Elegimos, sí…
Pero elegimos dentro de un paisaje que cambia después de cada decisión.
Y ese paisaje termina influyendo en las siguientes.
La economía de la atención
Solemos decir que las redes nos muestran lo que nos gusta.
No siempre.
A veces nos muestran aquello que consigue que nos quedemos.
Y quedarse no es lo mismo que disfrutar.
Podemos abrir un video porque nos parece brillante.
O porque nos parece ridículo.
Para la plataforma ambas cosas tienen algo en común.
Nos quedamos.
Hace décadas, Herbert Simon advirtió que una abundancia de información produce una escasez de aquello que la información consume: nuestra atención.
Entonces no existían TikTok ni Instagram.
Pero el problema ya estaba planteado.
Cuando la información se vuelve prácticamente infinita, alguien tiene que decidir qué merece aparecer primero.
Y quien organiza esa selección no necesita convencernos de nada.
A veces basta con conseguir que no apartemos la mirada.
Nosotros también aprendemos del algoritmo
Cuando hablamos de redes sociales solemos recurrir a una palabra que parece explicarlo todo.
Dopamina.
Vemos un video: dopamina.
Recibimos un “me gusta”: dopamina.
Revisamos el teléfono: dopamina.
La explicación resulta cómoda… quizá demasiado cómoda.
Hay una idea más interesante.
Aprendemos de las recompensas.
Las plataformas digitales aprovechan exactamente ese principio.
Publicamos una fotografía y recibe atención.
Escribimos un comentario y nadie responde.
Compartimos otro y provoca una discusión enorme.
Sin darnos cuenta empezamos a detectar patrones.
- Qué funciona.
- Qué pasa inadvertido.
- Qué provoca conversación.
- Qué genera aprobación.
No significa que seamos marionetas.
Significa algo bastante más humano.
Aprendemos.
Y mientras nosotros aprendemos de las respuestas de la plataforma…
la plataforma aprende de las nuestras.
Una burbuja no necesita paredes
Pienso en una ciudad cuyo mapa cambia después de cada recorrido.
Un día caminamos por una calle.
El mapa la registra.
Al día siguiente la marca como ruta recomendada.
Volvemos a tomarla porque ahora resulta más visible.
El mapa interpreta nuestra decisión como una confirmación y vuelve a resaltarla.
Mientras tanto, las calles que no recorremos empiezan a desvanecerse.
No están cerradas.
Siguen ahí.
Pero un día olvidamos que existen.
Eso puede ocurrir con la música.
Con los libros.
Con las personas que seguimos.
Y también con nuestras ideas.
Parece que estamos viendo el mundo.
Y cuando quienes aparecen frente a nosotros reaccionan igual que nosotros, la repetición empieza a parecer consenso.
No hace falta levantar un muro para construir una burbuja.
Basta con dejar de enseñarnos los caminos que nunca recorrimos.
Una puerta o un pasillo
Sería fácil convertir al algoritmo en el villano de esta carta.
No lo es.
Gracias a una recomendación he descubierto música, libros y lugares que probablemente nunca habría encontrado por mi cuenta.
Las recomendaciones pueden ampliar nuestro horizonte.
El problema es que también pueden confundir ampliar con insistir.
Una buena recomendación abre una puerta.
Una mala construye un pasillo.
Y la diferencia sólo se descubre después de haber caminado bastante.
El algoritmo no necesita conocernos
Conocer a alguien exige comprender sus contradicciones.
Saber que puede disfrutar una canción y no querer escuchar nada parecido.
Que puede buscar una enfermedad porque la teme, no porque quiera pasar semanas hablando de ella.
Que una elección hecha a medianoche no necesariamente representa lo que querrá al día siguiente.
El algoritmo no necesita comprender nada de eso.
No necesita construir una imagen verdadera de nosotros.
Sólo una predicción suficientemente útil.
Cuando acierta, seguimos mirando.
Cuando seguimos mirando, obtiene más información.
Con más información, mejora la siguiente predicción.
Y cuanto mejor predice, más fácil resulta volver a elegir aquello que coloca frente a nosotros.
Tal vez la pregunta nunca fue si el algoritmo nos conoce.
La pregunta es cuánto termina influyendo en aquello que creemos haber elegido libremente.
Porque decide el orden de lo que vemos.
Y ese orden modifica, poco a poco, lo que acabamos viendo después.
El algoritmo no sabe quiénes somos.
Pero quizá no necesite saberlo.
Le basta con observar nuestra reacción y utilizarla para preparar la siguiente.
La verdadera pregunta es si, después de repetir ese ciclo durante años, todavía podremos distinguir entre aquello que el algoritmo descubrió en nosotros…
y aquello que aprendimos a querer porque nunca dejó de ponerlo frente a nuestros ojos.