Netflix sabe qué serie vas a ver este fin de semana. Spotify ya tiene preparada la canción que querrás escuchar cuando acabes la que suena ahora. Amazon muestra exactamente los productos que ibas a buscar. Detrás de toda esta aparente magia hay sistemas de recomendación basados en inteligencia artificial que son, sin exageración, algunos de los algoritmos más influyentes y económicamente importantes de nuestra época.
Recomendación: qué es un sistema de recomendación y cómo funciona
Un sistema de recomendación es un algoritmo que predice qué elementos, ya sean películas, productos, canciones, artículos o personas, son más relevantes para un usuario específico en un momento concreto. El objetivo es personalizar la experiencia de cada usuario para maximizar su satisfacción y, desde la perspectiva de las plataformas, su engagement.
Los sistemas de ugerencia son tan ubicuos que es difícil imaginar internet sin ellos. El 35% de las compras de Amazon provienen de sus recomendaciones. El 75% del contenido que la gente ve en Netflix lo encontró a través del sistema de recomendación. En YouTube, más del 70% del tiempo de visualización proviene de vídeos recomendados.
Estas cifras explican por qué las grandes plataformas tecnológicas invierten cientos de millones de euros en mejorar sus sistemas de recomendación.
Los enfoques principales para construir sistemas de recomendación
- Filtrado colaborativo: El enfoque más utilizado. Se basa en el principio de que usuarios con gustos similares en el pasado tendrán gustos similares en el futuro. Si tú y otra persona habéis visto y valorado positivamente las mismas 20 películas, el sistema asume que las películas que le gustaron a esa persona pero tú no has visto todavía probablemente también te gustarán.
- Filtrado basado en contenido: En lugar de comparar usuarios, compara los atributos del contenido que el usuario ha consumido con los atributos del contenido disponible. Si has escuchado muchas canciones de jazz con tempo lento y saxofón, el sistema buscará otras canciones con esas características.
- Sistemas híbridos: La mayoría de los sistemas de recomendación modernos combinan ambos enfoques para aprovechar sus ventajas y compensar sus debilidades.
- Deep learning para recomendación: Los sistemas más avanzados usan redes neuronales profundas que aprenden representaciones complejas de usuarios y contenidos, capturando patrones de preferencia que los métodos más simples no pueden detectar.
Cómo funcionan los sistemas de recomendación de las principales plataformas
El sistema de recomendación de Netflix
Netflix procesa billones de datos cada día: qué ves, durante cuánto tiempo, cuándo pausas, cuándo rebobinas, con qué dispositivo, a qué hora y en qué contexto. Su sistema de recomendación combina estos datos de comportamiento con información sobre el contenido de los programas y el comportamiento de usuarios similares.
Pero Netflix va más allá: personaliza también la portada de cada título mostrándote la imagen que según sus modelos es más probable que te haga hacer clic. Una persona aficionada al drama romántico verá una imagen diferente de la misma película que alguien que prefiere la acción.
El sistema de recomendación de Spotify
Discover Weekly, la lista de canciones nuevas que Spotify genera cada lunes para cada usuario, es uno de los productos de recomendación más queridos de la historia de las plataformas de streaming. Analiza tu historial de escucha, lo compara con el de millones de usuarios similares y selecciona 30 canciones que probablemente no conoces pero que probablemente te encantarán. Puedes explorar cómo Spotify describe su tecnología en newsroom.spotify.com.
El algoritmo de recomendación de TikTok
TikTok tiene el sistema de sugerencia más agresivo y efectivo de las redes sociales. No depende de a quién sigues sino de qué consumes: analiza cada segundo de visualización, cada pausa, cada repetición, cada interacción para ajustar en tiempo real el feed de cada usuario.
El resultado es un sistema que puede predecir con extraordinaria precisión qué vídeos van a capturar la atención de cada persona específica, lo que lo hace también un tema de debate intenso sobre su potencial para crear adicción y cámaras de eco.
Los riesgos de los sistemas de recomendación
Cámaras de eco y radicalización
Los sistemas de sugerencia optimizan para el engagement, y el contenido que genera más engagement tiende a ser emocionalmente intenso: indignación, miedo, admiración extrema. Esto puede llevar a bucles donde el usuario recibe cada vez más contenido que confirma y amplifica sus creencias existentes, reduciendo su exposición a perspectivas diferentes.
Homogenización del gusto
Paradójicamente, aunque los sistemas de recomendación prometen personalización, tienden a concentrar la atención en un número relativamente pequeño de contenidos muy populares, creando efectos de superstar donde los éxitos masivos obtienen más recomendaciones y los contenidos de nicho tienen dificultades para ser descubiertos.
Manipulación de la atención
Los sistemas de recomendación no son neutrales. Están diseñados para maximizar el tiempo que el usuario pasa en la plataforma, no para maximizar el bienestar del usuario. Estas dos cosas no siempre son lo mismo.
Conclusión
Los sistemas de recomendación con inteligencia artificial son algunas de las tecnologías más influyentes de nuestra vida digital, aunque raramente las percibimos como tecnología. Son invisibles, ubicuas y extraordinariamente efectivas para guiar nuestra atención y nuestras decisiones de consumo.
Entender cómo funcionan te convierte en un usuario más consciente de las fuerzas que moldean tu experiencia digital cada día. En ExplicaIA seguimos haciendo visible lo invisible de la inteligencia artificial que te rodea.