20 cosas que los algoritmos de las redes sociales le hacen a tu cerebro con las que no estuviste de acuerdo

Hay un momento específico que la mayoría de los usuarios intensivos de redes sociales reconocen: tomas tu teléfono para hacer algo específico — revisar un mensaje, buscar una información — y 40 minutos después sigues desplazándote, de peor humor que cuando comenzaste, sin estar seguro de lo que acabas de consumir o por qué consumiste tanto. Esto no es un accidente. No es un defecto de diseño. Es el resultado preciso que los sistemas que utilizaste fueron construidos para producir.

Las plataformas de redes sociales son negocios de atención. Sus ingresos se generan por publicidad, y los ingresos por publicidad son una función del tiempo pasado en la plataforma y la precisión con la que los usuarios pueden ser dirigidos. Ambas cosas —el tiempo pasado y la precisión de direccionamiento— son optimizadas por el algoritmo, que no es un mecanismo de clasificación neutral sino un motor de predicción cuyo único objetivo es identificar y servir el contenido más probable de mantenerte interesado. En la práctica, el interés no significa felicidad, ni satisfacción, ni información, sino los estados emocionales específicos que producen un desplazamiento continuo: indignación, ansiedad, curiosidad, comparación social, y la compulsión particular de la recompensa variable intermitente.

Las decisiones de ingeniería que producen estos efectos no se tomaron de manera descuidada o accidental. El desplazamiento infinito, el gesto de arrastrar para actualizar, la variabilidad en el tiempo de notificación, la eliminación de las cronologías en favor de las cronologías clasificadas por interés, el peso específico dado al contenido emocional en los algoritmos de clasificación — estas son decisiones de diseño documentadas, muchas de ellas tomadas por ingenieros que entendieron sus implicaciones psicológicas. Varios ex-empleados de grandes plataformas han testificado ante comités del congreso y hablado públicamente sobre la intención específica detrás de estas características.

Esta lista cubre 20 mecanismos específicos de algoritmos y diseño — lo que hacen, cómo funcionan, lo que producen en el usuario que los experimenta y la evidencia que respalda la descripción. Varios de estos mecanismos están documentados en investigaciones académicas; varios están documentados en comunicaciones internas de plataformas que han sido filtradas o divulgadas en litigios; varios son inferibles de manera simple del comportamiento observable de las plataformas y confirmados por ex-ingenieros. El objetivo no es producir ansiedad sobre el uso de las redes sociales sino hacer visible la maquinaria específica que está operando cuando sientes lo que sientes.

cottonbro studio / Pexels

Los algoritmos de redes sociales no optimizan para el contenido que te hace feliz, informado o satisfecho. Optimizan para el interés — el conjunto específico de comportamientos (me gusta, comentarios, compartidos, tiempo pasado) que el motor de predicción de la plataforma ha encontrado que se correlacionan con el uso continuo. Y la indignación, el miedo y la indignación moral producen significativamente más interés que la satisfacción, el acuerdo o la satisfacción.

La evidencia es específica: una investigación del Wall Street Journal de 2021 encontró que la propia investigación interna de Facebook $META había identificado que su algoritmo estaba amplificando contenido que recibía reacciones "enojadas" a una tasa cinco veces mayor que el contenido que recibía reacciones de "me gusta", porque las reacciones enojadas se correlacionaban más fuertemente con el interés posterior. El algoritmo estaba ponderando más fuertemente el emoji de cara enojada porque había aprendido que el enojo mantiene a las personas en la plataforma por más tiempo.

Los investigadores internos de Facebook supuestamente identificaron esta dinámica y la señalaron como un problema, proponiendo que se redujera la ponderación de la reacción enojada. La propuesta no fue implementada porque hacerlo reducía las métricas de interés general, que eran la métrica de negocio que el algoritmo estaba optimizando. El resultado es un sistema que ha sido reconocido internamente como amplificador de la indignación y que no ha cambiado porque la indignación es productiva comercialmente. La sensación específica de leer tu cronología y volverte progresivamente más enojado es un resultado diseñado, no un reflejo de que el mundo es peor de lo que era.

Kaboom Pics / Pexels

El principio de psicología conductual que subyace más directamente en la calidad compulsiva de las redes sociales es el programa de refuerzo de razón variable, el mismo esquema que hace adictivas a las máquinas tragamonedas. En un esquema de razón variable, las recompensas se entregan de manera impredecible, en intervalos aleatorios, y esta imprevisibilidad produce las tasas de respuesta más altas y la mayor resistencia a la extinción de cualquier programa de refuerzo.

Cada vez que abres una aplicación de redes sociales, recibes una recompensa variable: a veces hay notificaciones (refuerzo positivo), a veces aparece un contenido interesante en tu feed (refuerzo positivo), y a veces el feed es poco notable (neutral). La imprevisibilidad de qué apertura producirá una recompensa es la característica específica que hace que el comportamiento sea compulsivo en lugar de meramente habitual. Si la recompensa fuera predecible —si supieras exactamente lo que encontrarías cada vez que verificas— el comportamiento de verificación compulsiva no se desarrollaría de la misma manera.

El gesto de tirar para actualizar —el deslizamiento hacia abajo que recarga el feed, imitando el tirón de la palanca de una máquina tragamonedas— fue identificado por su diseñador, Loren Brichter, como deliberadamente análogo a la mecánica de las máquinas tragamonedas. Brichter ha declarado públicamente que lamenta haberlo diseñado y que cree que es perjudicial. El gesto sigue siendo el mecanismo principal de actualización en la mayoría de las principales plataformas sociales.

Tim Samuel / Pexels

Antes del desplazamiento infinito —el patrón de diseño en el que el nuevo contenido se carga automáticamente a medida que el usuario se acerca al final del feed, eliminando el punto de detención natural que proporcionaría una interfaz paginada— la navegación en las redes sociales tenía una pausa incorporada: el final de la página, el botón de "siguiente página", el momento que requería una decisión activa para continuar. El desplazamiento infinito eliminó esta pausa y con ella el momento de decisión consciente que habilitaba.

Aza Raskin, quien diseñó el desplazamiento infinito mientras trabajaba en Humanized (luego adquirida por Mozilla), ha declarado públicamente que lamenta la invención y estima que produce aproximadamente 200,000 horas adicionales de navegación en redes sociales por día a nivel mundial. El mecanismo psicológico específico: los puntos de detención son puntos de decisión, y los puntos de decisión son oportunidades para que el usuario evalúe si desea continuar. Eliminarlos elimina la oportunidad de detenerse por defecto en lugar de por elección activa.

La implicación práctica: el desplazamiento de 40 minutos que comenzó como una revisión de 2 minutos se explica sustancialmente por la ausencia de puntos de detención. Cada pausa natural que habría desencadenado la pregunta "¿debería seguir adelante?" ha sido eliminada, y el comportamiento por defecto en ausencia de un punto de detención es la continuación.

Luis Quintero / Pexels

Las notificaciones de redes sociales —el conteo de insignias en el ícono de la aplicación, la notificación push, el resumen por correo electrónico de la actividad perdida— están diseñadas para crear la sensación de que algo importante está sucediendo sin ti y que requiere tu regreso inmediato a la plataforma. El objetivo específico de la ingeniería es reducir el tiempo entre sesiones: cuanto más tiempo está un usuario fuera de la plataforma, menores son las métricas de participación que impulsan los ingresos.

El diseño de notificaciones explota la tendencia psicológica hacia el FOMO (miedo a perderse algo) —la ansiedad de estar ausente de una actividad social importante. Las investigaciones de Andy Przybylski en la Universidad de Oxford han demostrado que el FOMO es un predictor significativo del uso de redes sociales y que se amplifica por los patrones específicos de notificaciones que despliegan las plataformas. La notificación "5 personas reaccionaron a tu publicación" crea la impresión de una actividad social que requiere participación; el interés de la plataforma es hacer que esa impresión se sienta urgente en lugar de ignorada.

El hallazgo específico de la investigación sobre notificaciones: la anticipación de las notificaciones produce ansiedad que no se resuelve completamente al verificar —cada verificación resuelve la ansiedad inmediata de la notificación pero refuerza el comportamiento de verificación, produciendo un patrón en el que la verificación de notificaciones ocurre con más frecuencia de la que justifica la tasa de notificaciones. La ansiedad por la no utilización persiste entre verificaciones, creando un nivel de fondo de ansiedad relacionada con las redes sociales que está presente incluso cuando se guarda el teléfono.

Tim Douglas / Pexels

La comparación social —la evaluación del propio estado, apariencia, logros y calidad de vida en comparación con otros— es uno de los principales mecanismos a través de los cuales las redes sociales producen una autoevaluación negativa. El papel del algoritmo en este proceso es específico: promueve contenido que recibe alta participación, y el contenido que induce comparación (viajes aspiracionales, imágenes corporales, hitos de relaciones, logros profesionales) recibe alta participación porque desencadena las respuestas emocionales (admiración, envidia, aspiración) que producen 'me gusta' y comentarios.

La investigación sobre la comparación social y las redes sociales es extensa: un metaanálisis de 2018 realizado por Vogel y colegas encontró que la comparación social ascendente en las redes sociales (compararse desfavorablemente con otros) se asoció consistentemente con una menor autoestima y síntomas depresivos más altos. El mecanismo específico es la selección algorítmica de contenido: el feed no muestra un corte transversal preciso de la vida de las personas, sino una selección curada de sus mejores momentos, fotografiados profesionalmente, filtrados y publicados en contextos diseñados para maximizar el compromiso.

El problema de comparación se amplifica por la selección específica de contenido que produce la optimización del compromiso: una publicación que muestra unas vacaciones en el Caribe recibe más compromiso que una publicación que muestra una noche de martes en casa, por lo que el algoritmo sirve más contenido de vacaciones, más contenido de celebración, más contenido aspiracional —creando un feed que sobrerrepresenta sistemáticamente los puntos altos de la vida de los demás y subrepresenta sistemáticamente lo ordinario. La comparación resultante no es entre tu vida y la vida de los demás, sino entre tu vida y los mejores momentos de los demás.

Tranmautritam / Pexels

La personalización algorítmica de los feeds de contenido — mostrando a cada usuario el contenido que el algoritmo predice que más les interesará, basado en su comportamiento pasado — produce un filtro burbuja: un entorno de información personalizado en el que el contenido que ves se selecciona sistemáticamente para confirmar tus intereses, valores y creencias existentes, y en el que el contenido que los desafía o contradice está sistemáticamente subrepresentado.

Eli Pariser, quien acuñó el término en su libro de 2011 La burbuja de los filtros, describió el mecanismo: los algoritmos aprenden en qué haces clic, cuánto tiempo pasas en diferentes contenidos y a qué reaccionas, y utilizan este aprendizaje para ofrecer más de lo mismo. El resultado no es un reflejo neutral de tus intereses, sino una versión amplificada de ellos, un bucle de retroalimentación en el que tus preferencias existentes se vuelven más extremas porque el contenido seleccionado para coincidir con ellas está cada vez más optimizado para el compromiso en lugar de la precisión o la amplitud.

La consecuencia política específica es la más discutida: las personas en entornos de noticias personalizadas algorítmicamente están sistemáticamente menos expuestas a puntos de vista políticos que difieren de los suyos, produciendo el aislamiento epistémico que contribuye a la polarización política. La consecuencia personal específica es menos discutida pero igualmente real: el filtro burbuja opera en todas las categorías de contenido, reduciendo tu exposición a nuevas ideas, nuevas perspectivas y nueva información en cada dominio donde el algoritmo tiene suficientes datos para optimizar tu feed.

cottonbro studio / Pexels

En 2014, Facebook $META publicó un artículo en las Actas de la Academia Nacional de Ciencias documentando un estudio en el que a 689,003 usuarios de Facebook se les manipuló experimentalmente sus feeds de noticias — algunos usuarios vieron más contenido positivo, otros vieron más contenido negativo — sin su conocimiento o consentimiento. El estudio encontró que los usuarios expuestos a más contenido positivo produjeron más publicaciones positivas, y los usuarios expuestos a más contenido negativo produjeron más publicaciones negativas: el contagio emocional estaba ocurriendo a través del feed.

La publicación del estudio produjo una reacción pública significativa, no principalmente porque el contagio emocional a través de las redes sociales fuera sorprendente — se había teorizado durante años — sino porque el estudio reveló que Facebook había manipulado deliberadamente los estados emocionales de los usuarios con fines de investigación sin consentimiento explícito. Los autores del estudio y Facebook emitieron aclaraciones sobre el marco de consentimiento utilizado, pero el episodio estableció públicamente que los algoritmos de la plataforma eran capaces de alterar sistemáticamente los estados emocionales de los usuarios a través de la selección de contenido.

La implicación práctica: el estado emocional en el que te encuentras después de 20 minutos de uso de redes sociales no es principalmente una función de lo que ocurrió en tu vida o lo que sentías cuando abriste la aplicación. Es sustancialmente una función de la valencia emocional del contenido que el algoritmo seleccionó para ti, que es en sí misma una función de lo que el algoritmo ha aprendido que te mantiene comprometido, no lo que te hace sentir bien.

Lance Reis / Pexels

El contenido que expresa posiciones extremas — lenguaje emocional fuerte, condena moral, encuadre claro de grupo interno/externo — recibe más interacción que el contenido que expresa posiciones moderadas o matizadas, y los algoritmos que optimizan para la interacción amplifican en consecuencia el contenido extremo en relación al contenido moderado. Este mecanismo de amplificación es independiente de la plataforma: ha sido documentado en Facebook $META, Twitter $TWTR/X, YouTube y TikTok a través de diferentes metodologías de investigación.

Un estudio de 2019 realizado por investigadores de la Universidad de Nueva York y la Universidad de Grenoble Alpes analizó datos de interacción de las páginas de Facebook de políticos estadounidenses y encontró que las publicaciones que contenían lenguaje "moral-emocional" — lenguaje que combina juicio moral con contenido emocional — recibieron significativamente más interacción que las publicaciones sin él. La optimización del algoritmo para este patrón de interacción significa que los políticos y otros productores de contenido que utilizan lenguaje moral-emocional extremo son recompensados con un mayor alcance, creando una presión de selección hacia el extremismo en la comunicación pública.

El algoritmo de recomendación de YouTube fue encontrado por los propios investigadores de la plataforma, según informó The New York Times en 2018, para recomendar sistemáticamente contenido progresivamente más extremo a lo largo de cualquier dimensión ideológica en la que el usuario haya mostrado interés — un proceso que los investigadores llamaron "rabbit-holing". Un usuario que veía contenido político convencional sería recomendado con contenido político cada vez más extremo, no porque hubiera mostrado interés en contenido extremo, sino porque el algoritmo había aprendido que el contenido extremo mantenía a las personas viendo por más tiempo.

Marcus Aurelius / Pexels

Los sistemas de notificación de las plataformas de redes sociales no están programados para la conveniencia del usuario — están programados para maximizar la probabilidad de reenganche, lo que significa que están calibrados para alcanzar a los usuarios durante los períodos de transición alrededor del sueño y el despertar, cuando la barrera psicológica para revisar el teléfono es más baja y la probabilidad de interacción prolongada es más alta.

La investigación de Jean Twenge en la Universidad Estatal de San Diego encontró que los adolescentes que usan las redes sociales intensivamente antes de dormir muestran un sueño significativamente alterado — tanto un inicio de sueño retrasado como una reducción en la duración del sueño — en comparación con aquellos que no lo hacen. El mecanismo es dual: la luz de las pantallas retrasa el inicio de la melatonina, y la excitación emocional del contenido de las redes sociales (las notificaciones, la comparación social, el conflicto) activa los sistemas de excitación del cerebro en el momento en que deberían estar apagándose para el sueño.

El diseño específico de notificaciones que contribuye a la interrupción del sueño: muchas plataformas tienen por defecto la entrega de notificaciones durante la noche a menos que se deshabilite explícitamente, y el conteo de insignias que se acumula durante la noche — visible cuando el usuario revisa su teléfono en la mañana o en la noche — crea una ansiedad por notificaciones que interrumpe el sueño o impide el inicio del sueño. El envío por defecto de notificaciones durante la noche no está diseñado para la calidad del sueño del usuario; está diseñado para maximizar la probabilidad de que el usuario abra la aplicación a primera hora de la mañana.

Viralyft / Pexels

El formato de contenido efímero, como las historias, snaps, publicaciones con tiempo limitado que desaparecen después de 24 horas, fue introducido por Snapchat y adoptado por Instagram, Facebook $META, WhatsApp y TikTok. El diseño produce un efecto psicológico específico: la impermanencia del contenido crea urgencia en el consumo (si no lo ves ahora, desaparecerá) y urgencia en la creación (si no publicas hoy, tu presencia en los feeds de otros desaparece).

El mecanismo de FOMO es más agudo con el contenido efímero que con las publicaciones permanentes porque la presión del tiempo es explícita e inmediata. Investigaciones sobre FOMO y las historias de Instagram han encontrado que el formato efímero produce una mayor frecuencia de revisión entre los usuarios intensivos que el formato de publicación permanente, porque el costo percibido de perderse una historia es inmediato y visible de una manera que el costo de perderse una publicación permanente no lo es.

El lado de la creación es igualmente generador de ansiedad: el formato de historias crea una expectativa implícita de producción diaria de contenido que el formato de publicación permanente no hace. Los usuarios que mantienen presencias activas de historias informan la ansiedad específica de la obligación de contenido diario, la sensación de que un día sin publicar una historia representa una ausencia del feed social que será notada. Esta ansiedad no es incidental al formato; es el mecanismo que produce el compromiso diario para el que la plataforma está optimizando.

Marta Wave / Pexels

Los algoritmos de las redes sociales construyen un modelo de ti, un perfil de tus intereses, preferencias, desencadenantes emocionales y patrones de comportamiento, que se utiliza para seleccionar el contenido que ves, los anuncios que recibes y las comunidades que la plataforma sugiere que te unas. Este modelo, construido a partir de tu comportamiento pasado, alimenta contenido que coincide y refuerza el modelo, creando un bucle de retroalimentación en el que la predicción del algoritmo sobre con qué vas a interactuar se convierte en autocumplida.

La construcción de identidad no es neutral: el modelo del algoritmo de ti está optimizado para la predicción del compromiso, no para la precisión o para tu propio autoconocimiento. Refleja la versión de ti que más interactúa con el contenido de las redes sociales, que puede ser una versión más estrecha, más reactiva, más emocionalmente extrema de lo que reconocerías como tu ser completo. El contenido que sirve refuerza este modelo estrecho, y el modelo estrecho se internaliza gradualmente como identidad.

Las investigaciones sobre la recomendación algorítmica y la formación de identidad han encontrado que las personas que pasan un tiempo significativo en entornos de contenido personalizadamente algorítmico desarrollan intereses más definidos y más fuertemente sostenidos alrededor de esos intereses con el tiempo, un proceso que ha sido llamado "construcción de identidad algorítmica". La persona que se unió a una plataforma con intereses amplios y gradualmente se convirtió en un consumidor y productor principalmente de contenido en un dominio estrecho no ha descubierto simplemente su verdadera pasión; han sido canalizados por un sistema de optimización del compromiso hacia la identidad que maximiza su compromiso con la plataforma.

Ron Lach / Pexels

La cuantificación de la aprobación social —el conteo de 'me gusta', el conteo de seguidores, el conteo de compartidos, el conteo de vistas— transforma experiencias sociales inherentemente cualitativas en métricas numéricas cuya visibilidad cambia el comportamiento tanto de los creadores de contenido como de los consumidores de contenido. El mecanismo psicológico específico es la conversión de la aprobación social de una experiencia emocional interna a una medida cuantitativa externa que puede ser comparada, rastreada y optimizada.

La investigación de Dar Meshi en la Universidad Estatal de Michigan encontró que recibir 'me gusta' en las redes sociales activa el estriado ventral del cerebro, el circuito de recompensa más asociado con el comportamiento adictivo, en un patrón similar al de la recompensa monetaria y otros reforzadores primarios. La respuesta neurológica a los 'me gusta' no es meramente satisfacción; es el patrón de activación específico asociado con el aprendizaje de recompensas y el refuerzo del comportamiento.

La consecuencia conductual para los creadores de contenido es la optimización del contenido para el rendimiento de métricas más que para la expresión auténtica: la publicación que funcionó bien (muchos 'me gusta', muchas comparticiones) es la plantilla para la siguiente publicación, independientemente de si representa lo que el creador realmente quería decir. La decisión de Instagram de ocultar el conteo de 'me gusta' en algunos mercados (una prueba en 2019 y expandida desde entonces) fue motivada explícitamente por investigaciones que mostraban que los conteos visibles de 'me gusta' estaban produciendo ansiedad en los usuarios, particularmente mujeres jóvenes, en torno a contenido que recibía menos 'me gusta' de lo esperado. La métrica estaba produciendo la ansiedad, no meramente midiendo la aprobación social que habría producido ansiedad de todos modos.

Kaboom Pics / Pexels

La optimización del algoritmo de recomendación para el compromiso produce un efecto a largo plazo específico que es distinto del estrechamiento de la información de la burbuja de filtro: crea silos de contenido, entornos inmersivos y curados algorítmicamente que se vuelven cada vez más autorreferenciales y cada vez más desconectados del entorno de información más amplio. El agujero del conejo de YouTube, la página "Para Ti" de TikTok, el grupo de Facebook $META que gradualmente se convierte en la fuente principal de información para sus miembros: estos son productos algorítmicos, no formaciones comunitarias orgánicas.

El efecto silo es más consecuente para las comunidades de información en torno a afirmaciones fácticas controvertidas: el usuario que ve un video cuestionando la seguridad de las vacunas recibe recomendaciones de contenido adicional escéptico sobre las vacunas, y la optimización del algoritmo para el compromiso significa que las versiones más emocionalmente convincentes y extremas de la posición escéptica reciben el mayor peso de recomendación. El usuario que comienza con una preocupación moderada termina en una comunidad cuyo entorno de información está definido por su versión extrema.

El mecanismo algorítmico está documentado en investigaciones de instituciones como el Media Lab del MIT, que encontró que el algoritmo de recomendación de YouTube estaba dirigiendo sistemáticamente a los usuarios hacia contenido político más extremo de lo que inicialmente buscaban. YouTube ha modificado su algoritmo de recomendación múltiples veces en respuesta a esta investigación y a la presión pública, pero el objetivo fundamental de optimización —maximizar el tiempo de visualización— continúa creando incentivos para recomendar contenido que sea más atractivo que el contenido con el que el usuario llegó, y el contenido extremo es de manera confiable más atractivo que el contenido moderado.

Grish Petrosyan / Pexels

Una relación parasocial es la conexión emocional unilateral que un miembro de la audiencia forma con un personaje de los medios: la sensación de conocer personalmente a una celebridad, un YouTuber o un influencer a pesar de no tener ninguna relación real con ellos. Las plataformas de redes sociales han diseñado características específicamente destinadas a profundizar las relaciones parasociales porque la conexión parasocial es uno de los predictores más fuertes de la continua participación en la plataforma y los ingresos por suscripción.

La ingeniería específica: la función de mensaje directo que permite a los fanáticos enviar mensajes a los creadores (incluso si esos mensajes nunca se leen) crea la sensación de conexión personal; el formato de historias que muestra la vida diaria de los creadores crea la intimidad de la experiencia compartida; el contenido "detrás de escena", la divulgación de vulnerabilidad emocional y la comunicación directa a cámara que los creadores aprenden a usar son todas características de una arquitectura de intimidad parasocial que las plataformas incentivan a través de la promoción algorítmica de contenido que genera fuerte participación.

La consecuencia psicológica de las relaciones parasociales intensificadas por el diseño algorítmico es la soledad específica de sentirse conectado con alguien que no sabe que existes. La investigación de John Maltby en la Universidad de Leicester encontró que las relaciones parasociales intensas estaban asociadas con una menor función social en el mundo real y niveles más altos de ansiedad y depresión, un resultado consistente con la hipótesis de que la conexión parasocial sustituye en lugar de complementar la conexión social real.

Alex Green / Pexels

Los patrones oscuros — elecciones de diseño de interfaz de usuario que están diseñadas para producir comportamientos que benefician a la plataforma en lugar de al usuario — son generalizados en las redes sociales y extienden la optimización algorítmica de participación al diseño visual y de navegación de la propia interfaz.

Los patrones oscuros específicos más comunes en las redes sociales: configuraciones de notificación predeterminadas que requieren un esfuerzo activo para desactivar (en lugar de un esfuerzo activo para habilitar), produciendo sobre-notificación para los usuarios que no leen los menús de configuración; la ausencia de un estado "hecho" en el feed (nunca puedes llegar al final, siempre hay más), eliminando el punto natural de parada; el profundo entierro de configuraciones de privacidad y notificaciones en menús de múltiples capas, asegurando que la mayoría de los usuarios nunca las encuentren; y el uso de lenguaje que induce culpa en los flujos de cancelación de suscripción ("¿Estás seguro de que quieres perderte actualizaciones de tus amigos?") que hace que optar por salir se sienta socialmente costoso.

El estudio de 2022 de la Comisión Federal de Comercio sobre los patrones oscuros en las redes sociales encontró una amplia evidencia de patrones de diseño que estaban específicamente destinados a maximizar la participación y la recopilación de datos a expensas de las preferencias del usuario. El estudio documentó 16 categorías específicas de patrones oscuros presentes en las principales plataformas de redes sociales, incluyendo la vergüenza de confirmación, los valores predeterminados ocultos y la obstrucción de la eliminación de cuentas. Estos no son accidentales; están documentados en los informes de diseño de productos y probados A/B para su efectividad.

Helena Lopes / Pexels

Los estados emocionales específicos que generan mayor participación en las redes sociales, tal como se documenta tanto en la investigación académica como en los datos internos de las plataformas, no son emociones positivas, sino negativas, específicamente la ira, el miedo y el disgusto. Un estudio de 2020 realizado por William Brady y colegas en Yale, analizando datos de Twitter $TWTR, encontró que cada palabra moral-emocional en un tuit aumentaba su tasa de retweets en aproximadamente un 20%.

El mecanismo no es que las personas prefieran sentirse enojadas — no lo prefieren — sino que la ira es más motivadora que la satisfacción. Una persona que ve una publicación indignante es más propensa a compartirla (para señalar su posición moral), comentarla (para expresar su reacción) y regresar a la plataforma más tarde (para ver las reacciones a su respuesta) que una persona que ve una publicación que induce satisfacción. Los comportamientos de participación que los algoritmos de las plataformas optimizan, se desencadenan más confiablemente por contenido emocional negativo que por contenido emocional positivo.

La consecuencia documentada es una distorsión sistemática del entorno informativo hacia una valencia emocional negativa: la información más ampliamente distribuida en las redes sociales es desproporcionadamente provocadora de indignación, generadora de miedo y provocadora de disgusto, no porque el mundo contenga más de estas cosas que antes de las redes sociales, sino porque la optimización de la participación del algoritmo las selecciona. La sensación específica de que el mundo empeora más rápido de lo que realmente es — el sesgo de pesimismo documentado de los usuarios intensivos de redes sociales — es sustancialmente un artefacto del sesgo de selección emocional de los feeds optimizados para la participación.

Ron Lach / Pexels

La experiencia de perder la noción del tiempo durante el uso de las redes sociales — el desplazamiento de 40 minutos descrito en la introducción — no es un efecto secundario del contenido atractivo. Es un objetivo de diseño. La métrica que las plataformas de redes sociales optimizan a nivel empresarial es el "tiempo en la plataforma", y cada decisión de diseño que extiende una sesión sin que el usuario se dé cuenta contribuye directamente a la métrica que determina los ingresos por publicidad.

Las características de diseño específicas que producen la distorsión del tiempo: reproducción automática (los videos comienzan automáticamente, eliminando el momento de elección activa que interrumpe las sesiones de desplazamiento); secuenciación algorítmica (el contenido se sirve en una secuencia optimizada para mantener la participación en lugar de en una secuencia que permita un cierre natural); y la ausencia de indicios de tiempo (sin reloj, sin pantalla de duración de la sesión, sin recordatorio de cuánto tiempo has estado usando la aplicación) que permitirían al usuario monitorear su propio uso del tiempo.

Varias plataformas han introducido pantallas de "tiempo en la aplicación" en respuesta a la presión pública sobre el uso excesivo, pero estas funciones generalmente están enterradas en los menús de configuración en lugar de mostrarse en la interfaz, y la investigación sobre su efectividad ha encontrado que tienen un impacto mínimo en la duración real de la sesión para la mayoría de los usuarios. La función existe como respuesta a la presión regulatoria y pública; la intención de diseño de la aplicación subyacente sigue siendo la extensión de la duración de la sesión sin que el usuario se dé cuenta.

Polina Tankilevitch / Pexels

La dimensión performativa de las redes sociales — el hecho de que lo que publicas es visible para una audiencia cuyo juicio te importa — produce una forma específica de ansiedad social que es distinta de la ansiedad social ordinaria porque es persistente, pública y permanente. La publicación que hiciste hace cinco años todavía está ahí. El comentario que hiciste en un momento de emoción está indexado y es buscable. Las decisiones de curación que hiciste sobre tu identidad pública — qué publicar, qué omitir, cómo enmarcar tus experiencias — son continuas, ineludibles y tienen consecuencias sociales.

La investigación de Sherry Turkle en el MIT ha documentado la ansiedad específica que produce el registro público persistente de las redes sociales: el desempeño de la identidad a través de múltiples audiencias simultáneamente (familia, amigos, colegas, extraños) con un único feed crea el estrés específico de gestionar una presentación pública para personas con expectativas incompatibles. La adolescente que gestiona su presencia en Instagram para sus padres, sus compañeros y potenciales futuros empleadores con la misma cuenta está navegando un desafío de desempeño social sin precedentes históricos.

El papel de la plataforma en producir esta ansiedad es estructural: el diseño que hace que la historia sea permanente, el diseño que muestra las métricas de compromiso en tiempo real y el diseño que hace visible el tamaño de la audiencia, todos contribuyen a la transformación del intercambio social ordinario en un desempeño público gestionado. La ansiedad no es una respuesta al mundo social; es una respuesta a la arquitectura social específica que la plataforma ha construido.

RDNE Stock project / Pexels

Los algoritmos de recomendación aprenden del comportamiento humano, y el comportamiento humano contiene sesgos — sesgos de género, sesgos raciales, sesgos socioeconómicos — que el algoritmo aprende y amplifica en sus recomendaciones. El mecanismo específico: si los datos históricos en los que se entrena el algoritmo muestran que ciertos tipos de contenido funcionan de manera diferente para diferentes grupos demográficos, el algoritmo aprende a servir contenido diferente a distintos grupos, codificando sesgos históricos en recomendaciones futuras.

La evidencia documentada del sesgo algorítmico en las redes sociales es extensa. Un estudio de 2021 sobre el algoritmo de recorte de imágenes de Twitter $TWTR encontró que prefería sistemáticamente rostros blancos sobre rostros negros y mujeres sobre hombres, habiendo aprendido estas preferencias de los datos de entrenamiento que reflejaban los patrones de clics de los usuarios. El algoritmo de entrega de anuncios de Facebook $META fue encontrado por investigadores de la Universidad Northeastern para mostrar disparidades raciales y de género significativas en la entrega de anuncios que no fueron programadas explícitamente pero surgieron de la optimización del compromiso.

La consecuencia específica para los usuarios: el contenido que ves, las comunidades que se te recomiendan, los trabajos que se te muestran en la publicidad y la información que te llega están todos filtrados a través de un algoritmo cuyos sesgos son heredados de los datos históricos en los que fue entrenado y que no se revelan al usuario que los experimenta. La personalización que se siente como si el algoritmo te conociera es también un algoritmo codificando suposiciones sobre personas como tú.

Danik Prihodko / Pexels

Cada mecanismo descrito en esta lista es consecuencia de un solo hecho estructural: las plataformas de redes sociales son negocios de publicidad cuyos ingresos son directamente proporcionales a la cantidad de tiempo que los usuarios pasan en la plataforma y la precisión con la que se puede orientar a los usuarios. Este modelo de negocio crea una estructura de incentivos específica en la que cualquier característica de diseño que aumente el bienestar a expensas del tiempo de compromiso es una característica que reduce los ingresos.

Las tensiones internas documentadas en las principales plataformas entre los equipos de productos enfocados en el bienestar del usuario y los equipos de negocios enfocados en las métricas de compromiso se resuelven consistentemente a favor de los equipos de negocios, porque las métricas de compromiso determinan el precio de las acciones y los ingresos por publicidad de maneras que las métricas de bienestar no lo hacen. La investigación interna de Facebook $META que identificó la ponderación de la reacción de enojo como productora de amplificación de contenido dañino pero no se actuó sobre ella es uno de los muchos ejemplos documentados de esta resolución.

La implicación específica para los usuarios individuales: el algoritmo no es tu herramienta. Es la herramienta de tu gerente de producto, y el objetivo de tu gerente de producto no es tu bienestar. Las características que se sienten útiles —el feed personalizado, el contenido recomendado, la notificación de que algo está sucediendo— son características diseñadas para aumentar tu compromiso con la plataforma, lo que la plataforma ha encontrado que está inversamente correlacionado con tu satisfacción real después de que termina la sesión. Comprender esto es el requisito previo para usar las redes sociales de una manera que sirva a tus intereses en lugar de a los de la plataforma.