¿Los algoritmos de recomendación están acabando con el gusto personal?

Los algoritmos de recomendación que se adaptan a sus gustos musicales, cinematográficos y audiovisuales pueden convertir poco a poco el entretenimiento en una monotonía aburrida. Esa es la conclusión del investigador Samson Knight, de la Universidad de Toronto, que ha publicado su trabajo en el Journal of Cultural Economics. En su modelo teórico mostró que, si se introduce un poco de azar en la selección de contenidos, la gente descubre cosas nuevas con más frecuencia y no se cansa de lo de siempre.

Hoy, los servicios de música y vídeo deciden qué ven y escuchan miles de millones de personas, guiados por un objetivo a corto plazo: retener su atención. Pero Knight, profesor y novelista, reparó en una extraña paradoja: cuanto más precisas son las recomendaciones, antes empiezan los usuarios a sentir cansancio y aburrimiento.

Inspirado por el sociólogo Pierre Bourdieu, Knight observó que las recomendaciones de Spotify sorprenden al principio, pero después repiten sin piedad los mismos hallazgos hasta que terminan hartando. En la industria editorial ocurre algo parecido: los editores, guiados por los datos, persiguen las modas y las novelas acaban pareciéndose todas; los lectores se quejan de la monotonía.

La idea central del estudio es el concepto de «capital del consumidor»: cuanto más se expone un lector o un oyente a un género, más le gusta... hasta cierto punto. Después llega la saturación y apetece huir de tanta repetición.

El problema es que los gustos de una persona se forman durante años, mientras que los algoritmos calculan su interés en cuestión de semanas. Un ejemplo clásico es el hip hop: si Spotify hubiera aplicado en los años ochenta la precisión extrema de hoy, lo nuevo y desconocido habría desaparecido de las recomendaciones y millones de personas nunca habrían aprendido a apreciarlo.

En lugar de estudiar a usuarios reales, Knight creó un modelo matemático complejo sobre cómo la gente llega a amar —o deja de amar— un estilo y cómo los algoritmos eligen la siguiente ración de contenidos. Resultó que el algoritmo empeñado en alcanzar la perfección se queda atrapado en géneros ya conocidos y se niega obstinadamente a dejar entrar «novedades», hasta que el usuario acaba completamente quemado.

El escenario recuerda a una profecía autocumplida del aburrimiento. Cuanto mejor adivina la máquina lo que desea ahora, más estrecho se vuelve el pasillo de sus gustos futuros. Basta con que el algoritmo detecte que algo nuevo no le ha gustado de inmediato para que mande ese género desconocido al cubo de la basura. El resultado: un agujero negro de monotonía y desánimo.

El modelo matemático demuestra que una recomendación dinámica con una pizca de caos funciona mejor para la satisfacción a largo plazo. Si el algoritmo se equivoca de vez en cuando y propone algo inesperado, los usuarios empiezan a valorar estilos nuevos. Cuando desaparece el azar, el espacio de los gustos se estrecha y hasta el mejor éxito nuevo corre el riesgo de pasar inadvertido.

Los sistemas automáticos que se empeñan demasiado en mantener al usuario en su zona de confort vuelven toda la esfera mediática previsiblemente insípida. Samson Knight está convencido de que, si las plataformas reconocen la importancia de «resistirse a la automatización del gusto», el mundo cultural será más rico. Que las recomendaciones sorprendan de vez en cuando: les interesa tanto al público como a los creadores.