Los algoritmos analizan gustos y hábitos para reducir cientos de opciones a contenidos personalizados
La abundancia de opciones en las plataformas de streaming puede convertirse en un problema para los propios usuarios. Frente a catálogos cada vez más amplios, Netflix y otros servicios recurren a la inteligencia artificial (IA) y a sistemas de recomendación para reducir la llamada fatiga de decisión, un fenómeno que puede terminar con el usuario cerrando la aplicación sin reproducir ningún contenido.
El análisis, difundido por la Universitat Oberta de Catalunya (UOC), explica que la capacidad humana para comparar alternativas simultáneamente es limitada. Según el profesor Juan Luis García Fernández, la corteza prefrontal y la memoria de trabajo manejan cómodamente entre tres y cuatro elementos a la vez, mientras que un catálogo de streaming puede ofrecer cientos de opciones.
Ante esta situación aparece la denominada parálisis por decisión: cuanto mayor es el número de posibilidades, más difícil puede resultar seleccionar una. Además, el usuario puede comparar mentalmente la opción elegida con las que descartó y pensar que otra película o serie habría sido mejor.
Para las plataformas, evitar ese bloqueo tiene una importancia empresarial. Si una persona no encuentra rápidamente algo que quiera ver, existe el riesgo de que abandone la aplicación y dedique su tiempo a otras plataformas o redes sociales.
Algoritmos que conocen los gustos del usuario
Netflix utiliza sistemas que combinan aprendizaje automático (machine learning) y aprendizaje profundo (deep learning) para elaborar recomendaciones personalizadas.
Estos sistemas cruzan información sobre el comportamiento del usuario, los gustos de personas con perfiles similares y las características de los contenidos disponibles. Con esos datos, generan selecciones destinadas a aumentar las probabilidades de que el usuario encuentre algo atractivo.
La profesora de la UOC Elena Neira explica que estos algoritmos funcionan como un filtro que reduce una selección demasiado amplia. En lugar de enfrentarse a cientos de posibilidades, el usuario recibe un número más limitado de alternativas.
Los sistemas también analizan las búsquedas y los contenidos que una persona consume con frecuencia. Incluso las miniaturas que aparecen en las plataformas pueden personalizarse para mostrar imágenes que tengan mayor posibilidad de llamar la atención de cada usuario.
La IA lleva la recomendación un paso más allá
La nueva generación de herramientas busca que el usuario pueda interactuar directamente con el sistema para explicar qué desea ver en un momento determinado.
La IA permitiría establecer una especie de conversación con la plataforma y formular peticiones más específicas, de modo que el sistema interprete las preferencias y reduzca todavía más las alternativas.
Para García Fernández, un buen recomendador puede funcionar como un «andamio»: facilita el filtrado inicial, pero deja al usuario la decisión final.
Sin embargo, los especialistas también advierten sobre los riesgos de externalizar decisiones de manera permanente. El uso constante de sistemas automatizados podría contribuir a una denominada deuda cognitiva, si las personas dejan de ejercitar determinadas capacidades mentales porque las máquinas realizan cada vez más tareas por ellas.
La recomendación personalizada puede favorecer la satisfacción y la permanencia del usuario en las plataformas, especialmente porque las estadísticas de visionado son una métrica importante para estos servicios.
El desafío, según los expertos citados por la UOC, consiste en aprovechar la tecnología sin abandonar completamente la capacidad de explorar, decidir y descubrir contenidos por cuenta propia.
