Salir de la burbuja

• En el inabarcable catálogo de las plataformas, necesitamos ayuda para encontrar algo relevante. El problema aparece cuando la probabilidad se convierte en el único criterio y la personalización nos devuelve una versión cada vez más estrecha de nuestro propio gusto.

Llevo toda la vida huyendo del cine de terror. No me gusta ver películas que sé que luego no me dejarán dormir. Por eso, cuando apareció La sustancia, el filme protagonizado por Demi Moore, mi primer impulso fue pasar de largo. Simplemente no la vería. Pero mis compañeros en la oficina insistieron. Conociéndome, supieron que había algo de esa historia que podría gustarme.

Confié en ellos y, sin ver tráiler ni investigar mucho, apreté play y a continuación tuve mi mejor experiencia cinematográfica de 2025. Algo que nunca hubiese ocurrido si yo hubiera descansado en la oferta que me proponía un algoritmo basado en las cosas que usualmente sí me gusta ver.

Lo que una recomendación intenta predecir

Cuando una plataforma nos recomienda una película suele combinar múltiples señales: lo que hemos visto, buscado o abandonado; lo que eligen usuarios con comportamientos similares; la popularidad de un título; o las características y etiquetas que comparte con otros. No todos los sistemas funcionan igual, pero, de forma simplificada, persiguen una misma meta: reducir la incertidumbre y anticipar qué es más probable que elijamos.

Esa precisión es útil. En un catálogo inabarcable necesitamos ayuda para encontrar algo relevante. El problema aparece cuando la probabilidad se convierte en el único criterio: si todo lo que se nos muestra se deduce de lo que ya hemos hecho, la personalización corre el riesgo de devolvernos una versión cada vez más estrecha de nuestro propio gusto.

Eli Pariser llamó a este mecanismo “burbuja de filtro”, un término que se popularizó sobre todo a propósito de las redes sociales, pero que describe con la misma precisión lo que puede ocurrirle a cualquier sistema de recomendación: cuanto mejor aprende de nosotros, más nos confirma lo que ya somos, y menos espacio deja para que algo distinto nos alcance.

La hiperpersonalización, impulsada ahora por la inteligencia artificial, puede llevar esa lógica mucho más lejos. Los sistemas no solo sabrán qué hemos visto, sino cuánto dudamos antes de elegirlo, en qué momento lo abandonamos o qué elementos captaron nuestra atención. Cuanto más preciso sea ese aprendizaje, más cómoda será la experiencia. Y, al mismo tiempo, más silenciosamente puede reducirse el mundo que se nos ofrece.

Hacia un modelo algotorial

En plataformas con una fuerte identidad editorial, el trabajo editorial empieza mucho antes de que una película aparezca en una pantalla. Está en decidir qué títulos se adquieren y por qué; en elegir el momento adecuado para estrenarlos; en escribir una sinopsis que ayude a entender qué los hace especiales; en relacionarlos con otras obras, temas y autores; y en decidir en qué colección, fila o lugar de la portada pueden encontrar mejor a su público.

Es un trabajo artesanal y continuo. El equipo ve las películas, interpreta lo que ocurre en el mundo, escucha a la comunidad y construye conexiones que no siempre son evidentes.

Cuando una fila te dice «Basado en lo que has visto», el algoritmo utiliza tu historial para reconocer un punto de partida. Pero las películas que te muestra no tienen por qué estar ahí porque otros usuarios hayan seguido el mismo recorrido. Están ahí porque alguien del equipo editorial las ha relacionado manualmente con lo que viste. Esto se llama algotorial: la simbiosis entre el algoritmo y el trabajo del equipo editorial, en la que ni uno sustituye al otro ni la recomendación tendría el mismo sentido sin ambos.

Alguien ha decidido que dos películas dialogan entre sí por su tema, su tono, su lenguaje cinematográfico, una emoción compartida o el momento histórico desde el que hablan. Del mismo modo, nuestras colecciones no son agrupaciones generadas automáticamente: son recorridos construidos por personas. El algoritmo puede decidir cuál mostrarte y en qué momento; no inventa la lógica que contiene.

Michael Bhaskar lo planteó con claridad en Curation: el gran desafío de nuestro tiempo ya no es producir contenido, sino seleccionar qué merece la pena en medio de un exceso que no deja de crecer. Según el informe 2025 State of Play de Gracenote, más del 45% de los espectadores de streaming considera que la saturación de servicios y contenidos resulta abrumadora. Y no es solo una sensación: los espectadores pasan una media de 14 minutos buscando qué ver, una cifra que supera los 16 minutos entre quienes tienen entre 18 y 34 años.

Esa selección necesita criterio, y la tecnología es lo que permite que llegue a cada persona a una escala que de otro modo sería imposible.

Un mapa construido por personas

Vale la pena detenerse en qué implica exactamente esa simbiosis. No se trata de poner a competir a un editor y a un algoritmo, ni en repartir las decisiones entre ambos a partes iguales. Es una arquitectura en dos capas: el criterio editorial construye las relaciones y el algoritmo personaliza el acceso a ellas.

Las personas crean el mapa: seleccionan, contextualizan y relacionan las obras. La tecnología utiliza lo que sabe de cada usuario para decidir por qué punto de ese mapa puede empezar a recorrerlo. La diferencia puede parecer pequeña, pero cambia la naturaleza de la recomendación.

Un modelo basado principalmente en el comportamiento agregado dice: «Quienes vieron esta película también vieron esta otra». El modelo algotorial puede decir: «Como has visto esta película, te mostramos otra que nuestro equipo ha relacionado con ella por un motivo concreto». El algoritmo sabe desde dónde partes; el criterio editorial propone hasta dónde podrías llegar.

Por eso, lo algotorial no es lo contrario de la personalización ni de la hiperpersonalización. Puede utilizar ambas. Lo que cambia es quién ha construido el universo de relaciones que se personaliza y con qué objetivo: no se trata únicamente de acertar con lo que probablemente elegirías, sino de combinar relevancia, contexto, diversidad y descubrimiento.

Ese criterio editorial también se equivoca a veces: elige mal, insiste en una relación que no acaba de funcionar, apuesta por un título que no encuentra a su público. La diferencia no es la infalibilidad, sino que cuando falla, hay alguien que puede revisarlo, corregirlo o explicar por qué lo hizo, algo que un sistema opaco no siempre ofrece. Y esa es, en el fondo, la razón por la que lo algotorial puede generar algo que un algoritmo puro no consigue por sí solo: confianza. No confiamos en un sistema que solo predice; confiamos en un criterio que tiene firma, que puede equivocarse y responder por ello. Esa firma es la que, más adelante, nos da permiso para arriesgarnos.

Más allá de lo que esperas

¿Qué ocurre cuando cada uno de nosotros ve reducido su universo por el efecto acumulado de un algoritmo, cuando lo que decidimos ver, escuchar o disfrutar responde siempre a la visión del mundo que ya teníamos, a nuestras certezas y convicciones? No solo se empobrece el gusto individual: también podemos volvernos menos permeables a lo distinto, dentro y fuera de la pantalla.

Es exactamente lo que la firma detrás de lo algotorial intenta compensar: sin alguien que responda por la recomendación, no hay nada que temple esa lógica de reducir siempre la incertidumbre.

La alternativa no es renunciar a los datos,es utilizarlos para orientarnos dentro de la abundancia sin encargarles toda la decisión. El algoritmo aporta escala y relevancia; el criterio editorial introduce contexto, conexiones inesperadas y la posibilidad de ir más allá de lo que ya sabemos que nos gusta.

Según la encuesta de Tendencias de Medios Digitales 2025 de Deloitte en Estados Unidos, el 53% de los encuestados de la Generación Z y millennials dice recibir mejores recomendaciones de cine y series a través de redes sociales que a través de las propias plataformas de streaming. El informe de Gracenote también añade, en la misma línea, que más de una cuarta parte de los consumidores de streaming considera que esas recomendaciones no son útiles para encontrar contenido.

Leo ese dato así: la gente joven no ha dejado de confiar en la recomendación humana. Ha encontrado un lugar donde esa recomendación todavía tiene cara, nombre y conversación detrás, y ese lugar no siempre es la plataforma de streaming.

Ahí está, creo, la verdadera oportunidad: no en competir con la inmediatez de un vídeo viral, sino en construir una comunidad que cure, comente y se atreva a recomendar lo que no es obvio. Es la misma firma humana de la que hablábamos, pero llevada también a la voz de quien nos ve.

Cuando confías en alguien, ya sea un equipo editorial, una comunidad, un amigo cuyo gusto respetas, te atreves a ir a un sitio al que nunca habrías llegado por tu cuenta. Un sistema entrenado para reducir la incertidumbre tenderá a acercarte a una elección segura. La confianza puede hacer lo contrario: darte permiso para arriesgarte.

Yo no habría llegado nunca a La sustancia por mi cuenta. Hizo falta que unas personas concretas reconocieran una relación que mi historial no contenía. Eso es lo que lo algotorial debería hacer posible a escala y lo que día a día trabajamos: partir de lo que ya conocemos de ti para abrir una puerta hacia algo que todavía no sabes que puede interesarte.