Un algoritmo de recomendación es un sistema que decide qué contenido mostrar a cada usuario para maximizar una métrica objetivo. En la mayoría de las plataformas de redes sociales, esa métrica es el tiempo de pantalla o el engagement: likes, comentarios, compartidos, tiempo de visualización.
El algoritmo aprende qué tipo de contenido mantiene a cada usuario más tiempo en la plataforma y lo muestra más. No tiene juicios de valor sobre si el contenido es verdadero, útil o perjudicial. Solo optimiza para la métrica.
El problema es que el contenido que genera más engagement tiende a ser emocionalmente activador: indignación, miedo, sorpresa, humor extremo. El contenido neutral o matizado genera menos reacción y el algoritmo lo muestra menos. Con el tiempo, el feed se polariza hacia los extremos emocionales.
TikTok fue el primero en llevar esta lógica a su extremo más eficiente: su algoritmo puede inferir los intereses de un usuario nuevo en menos de una hora de uso y construir un feed altamente personalizado y adictivo antes de que el usuario haya seguido a nadie.
El algoritmo no te muestra lo que quieres ver. Te muestra lo que te hace quedarte. Son cosas distintas, y la diferencia importa más de lo que parece.