Los algoritmos no leen la mente, pero moldean el estado emocional

Los algoritmos no comprenden el cansancio, la tristeza o el miedo. Su operación se basa en la observación de conductas, el cálculo de probabilidades y el aprendizaje sobre qué estímulos captan la atención de los usuarios. Esta mecánica les permite intervenir en la experiencia afectiva sin necesidad de acceder a la vida interior de las personas, registrando acciones como el tiempo de visualización, la velocidad de desplazamiento, las búsquedas, los comentarios y los contenidos abandonados.

Cada interacción genera una señal, desde un ‘Me gusta’ hasta la duración del visionado. Con estos rastros, los sistemas construyen predicciones. Investigaciones sobre señales afectivas en recomendadores de redes sociales han demostrado la posibilidad de anticipar si una publicación será entretenida, inspiradora o irritante. Otros estudios, según revela un análisis reciente difundido por The Conversation España, han encontrado que el lenguaje compartido en Facebook puede predecir indicadores de depresión registrados en historias clínicas. Sin embargo, esto no implica un diagnóstico infalible de emociones, ya que estas dependen del contexto y la cultura, y el reconocimiento facial, por ejemplo, no identifica estados emocionales universales con la precisión a menudo prometida por la industria.

El paso crucial ocurre cuando estas predicciones se transforman en recomendaciones, filtrando miles de contenidos para presentarlos a los usuarios. Esta selección modifica el entorno emocional digital. Contenidos negativos, como la amenaza, el conflicto o la pérdida, tienen una ventaja competitiva, captando la atención de forma rápida. Un análisis de más de 370 millones de impresiones de titulares reveló que las palabras negativas aumentan la probabilidad de clic. Asimismo, un experimento con usuarios de Facebook demostró que la reducción de publicaciones positivas o negativas en el muro de noticias puede provocar pequeños cambios en el lenguaje emocional que el usuario publica posteriormente.

No todas las emociones rinden igual algorítmicamente. Aquellas que generan alta activación —indignación, miedo, entusiasmo— favorecen la respuesta inmediata y se difunden con mayor rapidez, especialmente en contextos políticos. Auditorías recientes han comparado la priorización algorítmica por engagement con un orden cronológico, evidenciando que los algoritmos amplifican contenido emocionalmente cargado y hostil, incluso cuando los usuarios no declaran preferirlo. Esto crea un circuito de retroalimentación bidireccional donde el estado de ánimo del usuario influye en el consumo de contenido, y este, a su vez, puede intensificar o prolongar un estado emocional. Por ejemplo, una persona triste que interactúa con contenido melancólico puede recibir más recomendaciones de esa índole, concentrando un estado transitorio.

La ausencia de intención en los algoritmos es un punto clave: no buscan manipular, sino optimizar una función, generalmente maximizar clics o tiempo de uso. La emoción se convierte así en un recurso económico para anticipar la próxima acción del usuario. La personalización se percibe como íntima, pero es estadística. Esto subraya la necesidad de un nuevo enfoque en la alfabetización digital, que vaya más allá de la detección de noticias falsas o la protección de contraseñas, para incluir la comprensión de cómo las plataformas construyen ambientes emocionales y qué se deduce de nuestros datos. La capacidad algorítmica podría orientarse a fines diferentes, como priorizar contenidos valiosos o promover la diversidad emocional, e incluso ya existen resultados prometedores en salud mental con agentes conversacionales que reducen síntomas depresivos. El desafío es debatir los objetivos de los algoritmos y exigir que la tecnología merezca nuestra atención, no solo que la compita.