Cómo los algoritmos deciden lo que vemos en redes sociales

El usuario abre la aplicación casi sin pensarlo. Desliza el dedo una vez, luego otra. En apenas unos segundos, la pantalla le ofrece un vídeo de humor, una noticia política, una receta saludable y una recomendación musical. Nada aparece por casualidad. Detrás de ese flujo aparentemente espontáneo trabaja una maquinaria algorítmica que observa, aprende y decide qué contenido merece ocupar el siguiente espacio en el móvil. Las redes sociales ya no muestran simplemente lo que publican nuestros contactos: construyen, segundo a segundo, una versión personalizada de la realidad.

Durante la primera etapa de las redes, el orden era más fácil de entender. El usuario veía, sobre todo, las publicaciones recientes de las cuentas que seguía. Ese modelo cronológico fue perdiendo terreno a medida que las plataformas descubrieron que podían retenernos durante más tiempo si seleccionaban el contenido por nosotros. La nueva lógica no pregunta solo quién publicó algo, sino qué probabilidades hay de que ese contenido nos haga quedarnos. En esa competencia por la atención, un vídeo visto hasta el final, una pausa de tres segundos, un comentario o un contenido compartido pueden pesar más que un "me gusta".

El sistema funciona como una red de pistas. Cada gesto deja una señal: lo que se reproduce, lo que se ignora, lo que se guarda, lo que se comenta y hasta aquello ante lo que el dedo se detiene unos instantes. Con esos datos, los modelos de recomendación elaboran predicciones. Si una persona se interesa por vídeos de fútbol, debates tecnológicos o consejos de salud, la plataforma buscará contenidos parecidos. Pero también comparará ese comportamiento con el de millones de usuarios: si otros con patrones similares terminaron viendo un tema concreto, ese tema puede aparecer en el feed aunque el usuario nunca lo haya buscado.

La fórmula cambia según la plataforma, pero la lógica de fondo se repite. TikTok convirtió su página "Para ti" en el símbolo de la recomendación extrema: un creador desconocido puede alcanzar miles de visualizaciones si sus primeros espectadores no abandonan el vídeo. Instagram ajusta sus criterios según el espacio —Reels, Stories, Explorar o el feed— y valora la relación previa con la cuenta, el formato y la probabilidad de interacción. YouTube combina historial de reproducción, satisfacción estimada y similitudes con otros consumos. La promesa comercial es clara: mostrar contenido relevante. La duda democrática también: quién define esa relevancia y con qué intereses.

Las compañías defienden que estos sistemas ayudan a ordenar un volumen inabarcable de información. Sin algoritmos, dicen, sería casi imposible encontrar una clase gratuita, una noticia local, un creador emergente o una explicación útil entre millones de publicaciones diarias. Y en parte tienen razón. La personalización permite descubrir contenidos que de otro modo quedarían enterrados. El conflicto aparece cuando el criterio principal deja de ser la calidad, la diversidad o el interés público y pasa a ser la capacidad de mantener al usuario conectado.

Ahí entra en juego el contenido que provoca reacciones intensas. La indignación, el miedo, la sorpresa o la euforia suelen generar más comentarios, más compartidos y más tiempo de pantalla que una explicación matizada. Lo polémico viaja deprisa; lo complejo necesita paciencia. Por eso los algoritmos pueden alimentar cámaras de eco, espacios en los que el usuario recibe una y otra vez mensajes compatibles con sus ideas previas. No es que la máquina tenga ideología propia. Es que aprende qué estímulos funcionan y los repite, incluso cuando el resultado empobrece la conversación pública.

La opacidad agrava el problema. Para la mayoría de los usuarios, el feed parece natural, casi inevitable. Sin embargo, cada posición en la pantalla responde a cálculos invisibles. Un creador puede perder alcance sin saber por qué. Una noticia puede quedar relegada mientras un rumor se dispara. Un anuncio puede llegar a un grupo muy concreto sin que el destinatario comprenda qué datos lo colocaron en esa categoría. Además, los algoritmos se entrenan con decisiones humanas y datos históricos: si esos datos contienen sesgos, el sistema puede reproducirlos a gran escala.

La preocupación ya no pertenece solo a expertos en tecnología. Gobiernos, reguladores y organizaciones civiles miran cada vez más de cerca el poder de estas recomendaciones. En la Unión Europea, la Ley de Servicios Digitales exige más transparencia a las grandes plataformas, evaluaciones de riesgos y opciones para acceder a contenidos no basados en perfiles personalizados. La norma intenta abrir una caja negra que influye en la información que reciben millones de ciudadanos. Pero los críticos advierten que la transparencia será insuficiente si se traduce en informes técnicos difíciles de entender o en explicaciones demasiado generales.

Mientras tanto, el usuario se mueve dentro de un sistema que aprende de cada gesto. Revisar a quién seguimos, buscar fuentes distintas, desconfiar de los contenidos que apelan demasiado rápido a la rabia y comprobar antes de compartir son hábitos básicos, pero no suficientes. La responsabilidad no puede recaer únicamente en quien mira la pantalla. Las plataformas diseñan el entorno, fijan las reglas de visibilidad y deciden qué métricas importan. La alfabetización digital del presente exige entender que cada deslizamiento alimenta una predicción futura.

Los algoritmos no son editores con rostro, pero actúan como porteros de la conversación global. No escriben las publicaciones, aunque deciden cuáles tendrán público. No inventan por sí solos nuestras preferencias, pero las moldean al mostrarnos unas opciones y ocultarnos otras. En la pantalla infinita de las redes sociales, la pregunta ya no es solo qué queremos ver, sino quién organiza el escaparate y con qué finalidad. Saberlo es el primer paso para recuperar una parte del control sobre lo que miramos, creemos y compartimos.