Cómo los algoritmos deciden qué ves (y qué no)

Cada vez que abres TikTok, Instagram o YouTube, hay una máquina invisible tomando decisiones por ti. No decides qué ver: el algoritmo decide qué mostrarte. Y lo hace en milisegundos, analizando miles de variables que ni siquiera sabes que existen. La pregunta no es si los algoritmos de recomendación funcionan. La pregunta es para qué están diseñados que funcionen.

No optimizan para calidad, optimizan para atención

El error más común al pensar en algoritmos es asumir que buscan mostrarte "el mejor contenido". Pero "mejor" es una categoría ambigua. ¿Mejor según quién? ¿Mejor en qué sentido? Los algoritmos no tienen una definición de calidad cultural, verdad, o relevancia. Tienen métricas. Y esas métricas están todas orientadas a una sola cosa: maximizar el tiempo que pasas en la plataforma.

TikTok no te muestra videos porque sean importantes, educativos o valiosos. Te muestra videos que, según su modelo predictivo, tienen mayor probabilidad de retenerte. Instagram no prioriza publicaciones de tus amigos cercanos por amistad: prioriza publicaciones con las que es más probable que interactúes (likes, comentarios, compartidos), porque cada interacción es una señal de engagement, y el engagement es el activo que monetizan.

La lógica es simple: mientras más tiempo estés en la plataforma, más anuncios verás, más datos generarás, más valor produces para la empresa. El algoritmo es, en este sentido, un optimizador de atención (Wu, 2016). Y lo que optimiza no siempre coincide con lo que te beneficia.

Cómo funciona un algoritmo de recomendación (en términos generales)

Aunque cada plataforma tiene su propia arquitectura algorítmica (y no la hacen pública), los principios básicos son compartidos. Un algoritmo de recomendación analiza tres tipos de datos:

1. Datos sobre ti como usuario: qué contenido has consumido en el pasado, cuánto tiempo lo viste, si lo viste completo, si diste like, comentaste, compartiste, guardaste, si seguiste al creador. También analiza datos demográficos, ubicación, horarios de uso, dispositivo que usas. Todo eso construye un perfil predictivo de tus preferencias.

2. Datos sobre el contenido: qué tipo de video es (duración, formato, audio, hashtags, palabras clave en el caption), quién lo creó, cuándo se publicó, cómo se ha comportado con otros usuarios similares a ti. Si un video está funcionando bien con un perfil de usuario parecido al tuyo, el algoritmo infiere que probablemente también te va a gustar.

3. Datos contextuales: hora del día, día de la semana, si estás en tu casa o en movimiento, cuánto tiempo llevas en la app en esa sesión. Todo eso afecta qué te muestran. Si llevas 20 minutos scrolleando, el algoritmo ya sabe que estás en modo "consumo pasivo" y ajusta el tipo de contenido que te ofrece.

Con esos tres tipos de datos, el algoritmo construye un modelo predictivo que calcula la probabilidad de que interactúes con cada pieza de contenido disponible. Y luego te muestra, en orden descendente, aquello con mayor probabilidad de retenerte.

El bucle de retroalimentación: cómo los algoritmos aprenden de ti

Lo inquietante de los algoritmos de recomendación no es solo que te muestren contenido según tus preferencias. Es que moldean tus preferencias en el proceso. Funciona como un bucle de retroalimentación:

Con el tiempo, el algoritmo no solo refleja tus intereses: los construye. Si un día haces clic en un video de teorías conspirativas por curiosidad, el algoritmo interpreta eso como interés y empieza a mostrarte más. Si sigues haciendo clic (aunque sea por morbo), el algoritmo profundiza. En poco tiempo, tu feed está lleno de contenido que nunca buscaste activamente, pero que el algoritmo decidió que "te gusta" basándose en señales de engagement.

Este fenómeno se llama filtro burbuja (Pariser, 2011): el algoritmo te encierra progresivamente en una cámara de eco donde solo ves versiones amplificadas de lo que ya consumes. Y como el algoritmo optimiza para retención, no para diversidad, tiende a mostrarte contenido cada vez más polarizado, más emocional, más extremo, porque ese tipo de contenido genera mayor engagement.

Por qué cierto contenido se vuelve viral (y otro no)

Si el algoritmo decide qué ves, entonces también decide qué se vuelve viral. Un contenido no se hace viral solo porque millones de personas lo compartieron orgánicamente. Se hace viral porque el algoritmo decidió amplificarlo masivamente.

Entonces, ¿qué hace que un algoritmo decida amplificar algo? Las métricas clave varían por plataforma, pero en general:

• Tiempo de visualización completo: En TikTok, si la gente ve tu video hasta el final (y lo re-ve), el algoritmo lo interpreta como señal de alta calidad. Videos cortos con finales fuertes tienen ventaja.

• Tasa de interacción temprana: Si un video genera muchos likes, comentarios y compartidos en las primeras horas, el algoritmo lo marca como "contenido prometedor" y lo prueba con audiencias más amplias.

• Rewatches: Si la gente vuelve a ver el video, es señal de que el contenido tiene algo que retiene atención de manera intensa.

• Compartidos fuera de la plataforma: Si la gente comparte el video en WhatsApp, Telegram, o lo descarga, el algoritmo lo interpreta como contenido de alto valor.

  
  

Todo esto significa que la viralidad es ingeniería, no suerte. Creadores profesionales estudian estas métricas, optimizan duración, estructura narrativa, hooks iniciales, y tipo de contenido emocional que funciona. No es trampa: es entender cómo funciona la máquina.

El costo de la optimización algorítmica

El problema con un sistema que optimiza para atención es que la atención no discrimina entre contenido valioso y contenido adictivo. Un video educativo que te hace pensar y un video de outrage porn que te indigna pueden generar el mismo nivel de engagement. Pero solo uno de los dos es nutritivo. El algoritmo no sabe (ni le importa) cuál es cuál.

Esto tiene consecuencias culturales y psicológicas. Las plataformas terminan priorizando contenido que explota vulnerabilidades emocionales: indignación, miedo, ternura extrema, sorpresa, contenido que genera reacción inmediata. Contenido matizado, complejo, que requiere pensamiento pausado, tiende a tener peor desempeño algorítmico porque no retiene atención de la misma manera.

Y como los creadores de contenido también quieren que sus videos lleguen a más gente, terminan adaptándose a lo que el algoritmo recompensa. La plataforma no censura contenido complejo: simplemente lo vuelve invisible. Y con el tiempo, el ecosistema completo se sesga hacia lo que funciona algorítmicamente, no hacia lo que funciona culturalmente.

Entonces, ¿quién decide qué ves?

La respuesta es incómoda: ni tú ni el creador de contenido. Decides en la medida en que tus interacciones alimentan el modelo predictivo, pero no decides activamente qué te muestran. El creador tampoco decide: puede optimizar su contenido para el algoritmo, pero no tiene control sobre a quién se lo muestran ni cuándo.

Quien decide es un sistema automatizado diseñado para maximizar el tiempo de pantalla. Y ese sistema, a diferencia de un editor humano, no tiene criterio editorial, responsabilidad ética, ni intención cultural. Solo tiene métricas. Y esas métricas construyen, día a día, el paisaje informativo en el que vivimos.

Mtro. Javier Alonso López Chavez

Psicólogo | Gestor Cultural | Consultor en Comunicación