El youtuber mexicano Luis Arturo Villar Sudek, conocido como Luisito Comunica, resumió en una entrevista con el presentador español Uri Sabat una inquietud cada vez más relevante para usuarios, creadores y plataformas: los sistemas de recomendación aprenden de la actividad digital y pueden mostrar contenidos que refuerzan las ideas previas. Su observación —“Tu algoritmo aprende de ti y te acaba mostrando contenido que confirma lo que piensas”— no demuestra por sí sola que todo usuario quede atrapado en una burbuja, pero sí apunta a una tensión central de la vida en línea: la personalización facilita encontrar contenidos afines y, al mismo tiempo, puede estrechar el campo de lo que vemos.
La reflexión parte de la economía cotidiana de las redes. Un “me gusta”, una búsqueda, el tiempo que alguien permanece frente a un video y otras interacciones generan señales que los servicios pueden usar para ordenar recomendaciones y anuncios. Villar sostuvo que, detrás de la actividad de los creadores, también hay recopilación de datos. Su descripción señala una dimensión del modelo digital que suele quedar en segundo plano: las plataformas no solo distribuyen publicaciones, sino que organizan la atención y extraen información de ella.
Personalizar también puede abrir puertas
Las recomendaciones algorítmicas no tienen un efecto únicamente negativo. Para quienes producen videos, pueden acercar el trabajo a públicos con intereses concretos, incluso cuando estos no conocen al creador. Para los usuarios, ayudan a navegar una oferta inmensa de música, noticias, tutoriales y entretenimiento. Esa capacidad de selección puede reducir el esfuerzo de búsqueda y hacer visibles voces o temas que no tendrían espacio en los canales tradicionales.
El beneficio, sin embargo, depende de qué objetivos persiga cada servicio y de cómo se diseñen sus sistemas. Si la recomendación prioriza señales de interacción, puede favorecer contenidos llamativos o emocionalmente intensos, porque estos suelen provocar respuestas rápidas. La popularidad y la pertinencia no son equivalentes: una publicación que retiene la atención no necesariamente informa mejor ni ofrece una representación completa de un asunto. La entrevista de Luisito plantea así una pregunta más amplia que la privacidad: quién decide qué merece aparecer y con qué criterios.
Cuando la afinidad reduce el contraste
El ejemplo de las gafas negras utilizado por el creador ilustra un riesgo plausible: si alguien consume repetidamente publicaciones que sostienen una interpretación, el sistema puede inferir que desea más de lo mismo. La exposición reiterada puede dar la impresión de que una postura es mayoritaria o está respaldada por más pruebas de las que realmente existen. En debates políticos, económicos o culturales, ese efecto puede consolidar comunidades con referencias compartidas y hacer más difícil reconocer información contradictoria.
Eso no significa que un algoritmo determine automáticamente las convicciones de cada persona. Los usuarios eligen, buscan y conversan; además, las recomendaciones varían según la plataforma, sus reglas y las señales disponibles. La afirmación de Villar debe entenderse como una advertencia sobre incentivos y posibilidades, no como prueba de que todos reciben una dieta informativa cerrada. La relación es recíproca: la conducta modifica lo que se recomienda y las recomendaciones pueden influir en la conducta posterior.
Datos personales y límites de la explicación
La enumeración de datos mencionada en la entrevista —desde la ubicación hasta los intereses y el tiempo de visualización— subraya que las cuentas digitales pueden concentrar información sensible. Pero no todos los servicios recogen los mismos datos, ni la intervención del creador permite determinar qué información concreta almacena una plataforma o cómo la utiliza. Conviene distinguir entre una reflexión general sobre el negocio publicitario y una descripción verificable de las prácticas de una empresa específica.
Esta diferencia importa para el debate público. Si la conversación se reduce a que “todo lo sabe el algoritmo”, puede alimentar desconfianza sin ofrecer herramientas para evaluar riesgos concretos. La protección depende de factores como las opciones de privacidad, la transparencia sobre la recomendación, la seguridad de las cuentas y las normas aplicables. También existe incertidumbre sobre cuánto puede inferirse a partir de señales aparentemente menores y cuánto control efectivo tienen los usuarios sobre esos perfiles.
Una alfabetización digital más exigente
La observación de Luisito puede ser útil si impulsa prácticas de lectura más críticas: contrastar fuentes, buscar deliberadamente perspectivas distintas y preguntarse por qué aparece una recomendación. Para las plataformas, el desafío consiste en explicar de forma comprensible cómo se ordena el contenido y ofrecer controles que no queden ocultos o sean difíciles de usar. Para creadores y medios, la responsabilidad es evitar presentar una experiencia individual del algoritmo como prueba universal de manipulación.
El impacto a largo plazo dependerá de decisiones técnicas y regulatorias, pero también de hábitos colectivos. Un sistema personalizado puede ampliar el acceso a información y, a la vez, intensificar la repetición de opiniones. La advertencia del youtuber no resuelve esa contradicción; la vuelve visible. Evaluar sus consecuencias exige observar no solo qué contenido recomienda cada plataforma, sino también qué datos emplea, qué incentivos premia y qué capacidad real tienen las personas para salir de una ruta que ellas mismas ayudaron a formar.