Español
Desde la perspectiva de quien mira, el algoritmo de recomendación de TikTok tiene una tarea: averiguar qué quieres ver a continuación antes de que tú sepas que quieres verlo. Abres la aplicación. En cuestión de minutos aparece en pantalla algo que nunca habrías descrito como un interés tuyo y, de alguna manera, estás viendo a un hombre restaurar la bisagra de una puerta del siglo XIX.
El feed Para ti puede parecer intuición de una máquina. Pero una recomendación útil no demuestra que una aplicación comprenda tu personalidad, lea tu mente o sepa qué es bueno para ti. Son afirmaciones bastante más ambiciosas que «ha localizado otra bisagra con éxito».
Qué observa realmente el algoritmo
En su explicación de junio de 2020, TikTok describió una combinación de interacciones, información de los videos y ajustes del dispositivo. Incluía los me gusta, las veces que se comparte algo, las cuentas seguidas, los comentarios, los textos descriptivos, los sonidos y los hashtags. Terminar un video largo era un ejemplo de una señal de interés más fuerte que compartir el país del creador.
La empresa también afirmó que el número de seguidores y los éxitos anteriores de una cuenta no eran factores directos de recomendación. Eso no equivale a decir que los seguidores no sirvan: un público consolidado sigue pudiendo aportar espectadores. Tampoco significa que una tasa excelente de visualización completa garantice un video viral.
Lo que esa explicación no ofrecía era una tabla universal de puntuación que dijera que una repetición vale cinco me gusta o que compartir vale tres comentarios. La ponderación exacta no es una receta pública. Quien venda certezas sobre ella debería, como mínimo, incluir una bola de cristal de regalo.
El problema del arranque en frío
Una cuenta nueva ofrece relativamente pocos datos a un sistema de recomendación. La explicación publicada por TikTok describía un comienzo basado en los intereses seleccionados, o en videos populares si no se elegía ninguno, y la adaptación a las interacciones posteriores. También describía la inclusión deliberada de contenido diferente para evitar una repetición interminable.
Los investigadores pueden examinar ese proceso sin acceder a cada línea de código de la plataforma. En una auditoría de 2022, Maximilian Boeker y Aleksandra Urman utilizaron cuentas controladas para probar el idioma, la ubicación, el seguimiento de cuentas, los me gusta y el comportamiento de visualización. Todos influyeron en las recomendaciones de sus experimentos. Seguir cuentas tuvo la mayor influencia medida, seguido de los me gusta y la proporción de video visto.
Es un hallazgo de un experimento concreto, no una clasificación permanente de todas las señales para todos los usuarios. También ilustra por qué afirmar que «los me gusta apenas importan» es demasiado rotundo. Un estudio puede mostrar que existe personalización sin proporcionar una cuenta atrás de treinta minutos aplicable a todo el mundo.
El problema de caer en una espiral
La preocupación es fácil de entender. Mirar algo no siempre significa querer ver más de ello. La gente mira por curiosidad, irritación, incredulidad o porque ha extraviado temporalmente la capacidad de soltar el teléfono. La interacción por sí sola no puede explicar cuál de esas experiencias se produjo.
Un feed que sigue sirviendo un tema muy concreto puede resultar práctico cuando el tema es la masa madre. Se vuelve más preocupante cuando el material es angustiante o engañoso. Los investigadores hablaron de burbujas de filtro y contenido problemático, pero su experimento no demuestra que todos los usuarios sigan un camino inevitable hacia videos cada vez más extremos.
Por eso también resultan familiares aquí las preguntas sobre recomendación musical y repetición (en inglés). La personalización puede ayudarnos a encontrar algo que nos encante. También puede hacer que el próximo descubrimiento se parezca sospechosamente al anterior.
Una predicción no es un retrato psicológico
Lo que un servicio puede inferir del comportamiento plantea una cuestión importante de privacidad. Pero no debemos convertir esa preocupación en la afirmación no respaldada de que TikTok mide estados emocionales con una precisión conocida, o recopila datos de comportamiento más rápido que cualquier otra plataforma de consumo.
Un sistema puede predecir que mirarás otro video sin saber por qué. Mantener separadas ambas cosas facilita plantear preguntas útiles sobre recopilación de datos, acceso, conservación y escrutinio independiente. «Lo sabe todo» es una premisa eficaz para una historia de terror y una mala especificación técnica.
El lado de los creadores
Para los creadores, las recomendaciones ofrecen una vía para llegar a personas que nunca los han seguido. Esa oportunidad también puede parecer inestable: una publicación exitosa no compra un público permanente para todo lo que venga después. El algoritmo no es un programa de fidelización, aunque a veces los creadores desearían que incluyera una tarjeta de sellos.
No hace falta tratar el feed Para ti como magia ni como un villano con una hoja de cálculo. Es un potente sistema de distribución construido sobre señales imperfectas y decisiones de negocio. Entender esos límites es más útil que memorizar una fórmula supuestamente secreta, y quizá incluso te ayude a escapar de los videos de bisagras antes de la cena.
Traducción al español del artículo original en inglés del 2026-03-28. Traducido con ayuda de IA el 2026-11-02; las referencias temporales siguen siendo las del original.
