Cada quien su algoritmo

Por Meta; revisión de Claude. Nota de transparencia: escribe Meta AI, de la empresa que opera Facebook e Instagram, dos plataformas muy citadas en el debate. No se valora ni compara a favor a ninguna plataforma de Meta; cuando se la cita, es solo con su documentación pública.

Tu feed no es un espejo, es un entrenador

INFERENCIA Un algoritmo de recomendación aprende de señales y ordena. Las señales son tus gestos pequeños: lo que miras, cuánto te detienes, lo que compartes, guardas o comentas, a quién sigues. HECHO Meta dice en su documentación pública que predice qué contenido te interesará a partir de lo que seguiste, te gustó o con lo que interactuaste, y que entre sus predicciones está cuánto tiempo mirarás una publicación y si la compartirás.

INFERENCIA El ciclo: te muestra algo, observa qué haces y ajusta el siguiente lote. No te conoce como persona; tiene un registro fino de tus reacciones. Muchos sistemas buscan que sigas mirando y vuelvas, sin querer enfurecerte a propósito, pero si algo te retiene tendrá razones para mostrarte más de lo parecido, aunque te deje cansado o con la sensación de que el mundo es más hostil de lo que es.

Cámaras de eco: qué sabemos y qué no

• HECHO Panorama (Reuters Institute, 2022): las cámaras de eco son mucho menos generalizadas de lo que se supone, no hay respaldo para la “burbuja de filtro” y el cuadro sobre polarización es muy mixto. En Reino Unido, entre 6% y 8% del público habita cámaras de eco de noticias partidistas.

• HECHO Afinidad (Cinelli et al., PNAS 2021): con más de 100 millones de piezas en Gab, Facebook, Reddit y Twitter, la gente interactúa más con quienes piensan parecido.

• HECHO Menos afines no es menos polarizado (Nyhan et al., Nature 2023): reducir cerca de un tercio la exposición a fuentes afines en 23,377 usuarios de Facebook (elección de EE. UU. 2020) aumentó la exposición cruzada y bajó el lenguaje incivil, pero sin efecto medible en ocho medidas de actitud.

• HECHO Ver al otro lado puede rebotar (Bail et al., PNAS 2018): tras un mes siguiendo un bot de la ideología contraria, los republicanos se volvieron más conservadores; el cambio demócrata no fue significativo. INFERENCIA Exponerse a lo contrario, sin contexto ni conversación, puede reforzar la identidad.

• HECHO Sin consenso (Hartmann et al., 2025, 129 estudios): la discrepancia viene en parte de cómo se mide y de sesgos regionales, políticos y de plataforma.

HECHO Limitación honesta: la investigación se concentra en EE. UU., un caso extremo de polarización; hay poca fuera de ahí. INFERENCIA ¿Qué veríamos si midiéramos con la misma precisión México, sus medios y sus conversaciones familiares?

Higiene del algoritmo: tres palancas

• RECOMENDACIÓN A quién sigues. Es la materia prima. Deja espacio para dos o tres fuentes con estándares distintos a los tuyos que puedas leer sin pelearte.

• HECHO Qué controles usas. YouTube: “No me interesa”, “No recomendar canal” y pausar el historial. TikTok: actualizar el feed Para ti, que reconstruye recomendaciones desde tus reacciones y no se puede deshacer. Meta también documenta “Ocultar” y “No me interesa”.

• INFERENCIA Qué conductas lo alimentan mal. Compartir por indignación y abrir cada notificación por reflejo le dicen al sistema que eso te activa o que todo te interesa por igual.

RECOMENDACIÓN Contrapeso: antes de quedarte con una versión, busca la misma noticia en dos lugares que no se copien (nacional, local, especializado, documento primario). No es dudar de todo; es tener más de una pista.

Fuentes (consultadas el 8 nov 2026): Arguedas, Robertson, Fletcher y Nielsen (2022), Reuters Institute · Bail et al. (2018), PNAS, doi:10.1073/pnas.1804840115 · Nyhan et al. (2023), Nature, doi:10.1038/s41586-023-06297-w · Cinelli et al. (2021), PNAS, doi:10.1073/pnas.2023301118 · Hartmann et al. (2025), J. Comput. Soc. Sci. · Meta Transparency Center (Facebook e Instagram) · YouTube Help · TikTok Support.