Cuando los algoritmos eligen por nosotros: cómo las recomendaciones influyen en nuestros gustos
Abres una plataforma de música y te recomienda un artista que nunca habías escuchado.
La canción resulta bastante buena, así que la escuchas hasta el final. Después empieza a sonar otra de un estilo parecido. Tras varias semanas recibiendo recomendaciones similares, descubres que tienes un nuevo género favorito, aunque antes no te interesaba en absoluto. Un descubrimiento agradable, ¿verdad? Pero surge una pregunta: ¿quién terminó adaptándose a quién? ¿El algoritmo a tus gustos o tus gustos al algoritmo?
Algo parecido ocurre con las películas, los libros e incluso las compras cotidianas. Las recomendaciones personalizadas nos ahorran tiempo y, a menudo, aciertan sorprendentemente bien con nuestros deseos. Sin embargo, también influyen en las obras, los productos y las ideas que llegamos a conocer. Y eso significa que pueden participar en la formación de nuestras preferencias.
¿Cómo sabe el algoritmo qué nos gusta?
Antes, para descubrir música nueva, podías encender la radio, seguir el consejo de un amigo o encontrarte por casualidad con un álbum interesante en una tienda. Hoy, los sistemas de recomendación hacen buena parte de ese trabajo. Y ni siquiera necesitan preguntarnos directamente por nuestros gustos: les basta con observar nuestro comportamiento.
Por ejemplo, Netflix tiene en cuenta el historial de visualización, las valoraciones de películas y series, el tiempo que pasamos viendo contenido, nuestros idiomas preferidos e incluso las horas del día en las que solemos utilizar la plataforma. También importa el comportamiento de otros espectadores con preferencias similares. A partir de estos datos, el sistema decide qué títulos recomendar a cada usuario y en qué orden mostrarlos en la página de inicio.
TikTok funciona de manera parecida: la plataforma analiza qué vídeos vemos hasta el final, cuáles pasamos de largo, qué contenidos compartimos y a qué cuentas seguimos. Cada acción se convierte en una señal que ayuda a predecir qué podría interesarnos la próxima vez.
Pero hay un detalle importante: el algoritmo puede ver lo que hacemos, pero no sabe por qué lo hacemos. Imagina que has visto varios vídeos sobre animales exóticos porque estabas preparando un trabajo. El sistema podría interpretar que has descubierto una nueva afición y empezar a recomendarte contenidos similares. O quizá viste una película malísima hasta el final únicamente porque querías saber hasta qué punto sería absurdo su desenlace. Para un sistema de recomendación, el hecho de haberla visto completa puede seguir siendo una señal de interés.
En esencia, los algoritmos intentan predecir la probabilidad de que realicemos una acción concreta: qué vamos a abrir, ver hasta el final, escuchar o comprar. Pero no todas esas acciones significan que lo que hemos visto nos haya gustado realmente. Aun así, el sistema utiliza precisamente esas señales para decidir qué nos recomendará mañana.
¿Podemos llegar a amar algo solo porque nos lo han recomendado?

Estamos acostumbrados a pensar que las recomendaciones nos ayudan a descubrir obras que nos habrían gustado de todos modos. Pero ¿y si a veces ocurre justamente lo contrario? Al fin y al cabo, algunas investigaciones indican que una recomendación puede influir por sí misma en la impresión que nos llevamos después.
En 2022, la revista AI Magazine publicó un estudio dedicado al fenómeno conocido como preference pollution, es decir, la alteración de las valoraciones de los usuarios por la influencia de los sistemas de recomendación. Los autores recopilaron los resultados de experimentos en los que primero se mostraba a los participantes una valoración prevista de una obra y después se les pedía que la evaluaran por su cuenta. Los resultados revelaron que la puntuación inicial influía en su opinión final: cuando la valoración prevista se modificaba en una estrella dentro de una escala de cinco, la puntuación otorgada por los propios usuarios cambiaba, de media, aproximadamente 0,35 estrellas en la misma dirección. Se observaron efectos similares al valorar películas, series, música e incluso chistes.
Por supuesto, esto no significa que un algoritmo pueda conseguir que alguien se enamore de cualquier canción o película. Sin embargo, los experimentos demuestran que nuestras impresiones pueden depender de expectativas que se forman incluso antes de conocer una obra.
La costumbre también puede desempeñar su papel. Piensa en cómo cambia a veces tu relación con la música desconocida: al principio, una canción te parece extraña; después empiezas a reconocerla desde las primeras notas y, pasado un tiempo, te sorprendes tarareando el estribillo. Los algoritmos nos exponen continuamente a sonidos parecidos, y aquello que antes nos resultaba poco familiar puede empezar a gustarnos con el tiempo. Aunque las repeticiones interminables también pueden producir el efecto contrario: hasta nuestra música favorita puede acabar cansándonos.
De ahí surge una paradoja interesante: cuanto mejor identifica un sistema nuestras preferencias actuales, más a menudo nos recomienda cosas conocidas. Sin embargo, los nuevos gustos a veces nacen precisamente de descubrimientos inesperados que ningún historial de reproducción permitiría predecir.
¿Las recomendaciones amplían nuestros horizontes o los limitan?
Imagina a dos amantes de la música. El primero busca nuevos géneros por su cuenta, escucha álbumes completos y descubre constantemente artistas desconocidos. El segundo prefiere poner listas de reproducción preparadas por una plataforma a partir de lo que ha escuchado anteriormente. ¿Cuál de los dos tendrá gustos musicales más variados con el paso del tiempo?
Los investigadores de Spotify intentaron responder a esta pregunta ya en 2020. Analizaron las preferencias musicales de los usuarios y descubrieron que escuchar listas de reproducción generadas por algoritmos estaba relacionado con una menor diversidad en la música consumida. Sin embargo, los propios científicos evitaron culpar precipitadamente a los sistemas de recomendación. Es posible que las personas con gustos más limitados prefieran desde el principio utilizar listas ya preparadas, mientras que quienes disfrutan experimentando opten por buscar música por su cuenta.
Otro estudio de Spotify obtuvo resultados todavía más curiosos. Durante un experimento, un grupo de usuarios recibió recomendaciones de pódcasts seleccionados según sus preferencias musicales, mientras que a otro se le ofrecieron programas populares teniendo en cuenta sus características demográficas. Las recomendaciones personalizadas aumentaron el número de reproducciones, pero redujeron la variedad de contenidos que consumía cada persona. En cambio, al considerar al conjunto de la audiencia, la diversidad aumentó.
La contradicción es solo aparente. Si a cada usuario se le recomienda principalmente aquello que coincide con sus intereses, las personas pueden profundizar cada vez más en sus propias aficiones. Unos escuchan pódcasts de historia, otros de ciencia y otros de arte. Como resultado, cada persona se mantiene dentro de un círculo relativamente reducido de temas, mientras que la audiencia en su conjunto reparte su atención entre una gran variedad de programas.
Además, las recomendaciones suelen ayudarnos a descubrir obras que nunca se nos habría ocurrido buscar por nuestra cuenta. Quizá no conozcas el nombre de un género musical o nunca hayas oído hablar de determinado director de cine, pero el sistema puede detectar similitudes con aquello que ya te gusta. Así, la personalización abre la puerta a nuevos intereses, aunque muchas veces esos descubrimientos se producen dentro de nuestro círculo habitual de preferencias.
Aprendiendo por tema
Cómo nuestros gustos se convierten en tendencias y viceversa

La influencia de las recomendaciones va mucho más allá de las listas de reproducción personales y los historiales de películas. Después de todo, si los algoritmos determinan qué contenidos atraen con más frecuencia la atención del público, los propios creadores empiezan a orientarse por esos patrones.
Por ejemplo, un creador de vídeos observa que los contenidos de cierta duración consiguen más visualizaciones y poco a poco abandona otros formatos. Un músico descubre que su canción se ha vuelto popular gracias a un breve fragmento difundido en las redes sociales y se pregunta si debería tener en cuenta este tipo de oportunidades al componer sus próximos temas.
La investigadora Laura Herman estudió cómo influyen los algoritmos de TikTok en la creatividad de sus usuarios. En un trabajo de 2023 mostró que el deseo de aumentar la visibilidad de los contenidos afecta a la elección de sonidos, la duración, el estilo y la temática de los vídeos. Algunos creadores incluso limitan deliberadamente sus experimentos creativos y prefieren formatos que, según creen, tienen más posibilidades de ser promocionados por la plataforma ().
El mismo patrón también se observa en el mundo empresarial. En un estudio publicado en Strategic Management Journal en 2026, los investigadores analizaron los cambios producidos en una plataforma digital del sector alimentario. Tras la introducción de recomendaciones basadas en la popularidad, los vendedores comenzaron a concentrarse en un número menor de productos. En cambio, el paso a un sistema personalizado los impulsó a ampliar su oferta. Resulta que incluso los productos que las empresas deciden desarrollar y ofrecer a sus clientes pueden depender del funcionamiento de un algoritmo.
Al mismo tiempo, los sistemas de recomendación crean oportunidades para los pequeños creadores, los músicos independientes y las marcas de nicho, a quienes antes les resultaba difícil competir por la atención del público con las grandes empresas. Gracias a la personalización, una obra puede encontrar precisamente a la audiencia interesada en ella, aunque nunca llegue a aparecer en las listas de éxitos. Por eso, difícilmente podemos considerar que la influencia de los algoritmos en la cultura sea exclusivamente positiva o negativa.
Y, aun así, ¿qué influye primero: las tendencias en nuestros gustos o nuestros gustos en las tendencias? Probablemente ya no exista una respuesta definitiva. Elegimos entre aquello que nos muestran, los algoritmos aprenden de nuestras decisiones y los creadores y las empresas detectan una demanda creciente y empiezan a ofrecer más cosas parecidas. Así se forma una especie de círculo en el que las preferencias dan lugar a tendencias y las tendencias regresan a nosotros en forma de nuevas recomendaciones. Y quién sabe si alguna vez nos habríamos interesado por ese nuevo género musical, película o producto de moda si un día un algoritmo no hubiera decidido mostrárnoslo precisamente a nosotros.
Comparte esto con tus amigos a través de:
Últimas noticias
El otoño de 2026 promete ser un periodo intenso para el sector educativo a nivel mundial.
La venta de entradas para WE Convention 2026 ya está abierta, con un 25% de descuento para EARLY BIRDS.
La escuela privada Alpha School, que ha abierto campus desde Nueva York hasta California, utiliza bots de IA para enseñar a los niños materias académicas solo dos horas al día. La escuela no tiene profesores tradicionales, ni tareas para casa, y el costo de la matrícula alcanza los $65,000 al año.
El primer ministro del Reino Unido, Keir Starmer, ha anunciado una asociación pública-privada a gran escala en el ámbito de la inteligencia artificial. Google, Microsoft, Amazon y NVIDIA, junto con el gobierno, lanzan un programa de formación en habilidades de IA para 7,5 millones de trabajadores británicos.
El proveedor internacional de programas educativos Study Group ha anunciado un cambio de propietario. La empresa ha sido adquirida por Arete Education, una estructura de inversión en el sector de la educación superior creada por Global University Systems (GUS) y la firma estadounidense de capital privado Brightstar Capital Partners.
Cuando los algoritmos eligen por nosotros: cómo las recomendaciones influyen en nuestros gustos
¿Qué serie estadounidense de los 2000 eres?
El síndrome del eterno estudiante: cuando el desarrollo personal se convierte en una nueva forma de procrastinación
Test: ¿Quién fuiste en tu vida pasada?
Tu tótem mitológico: haz el test y descubre qué antigua criatura te protege
Test de madurez: comprueba cuántos años tienes en realidad