En muchas oportunidades, al momento de navegar en línea, nos hemos encontrado con recomendaciones sobre qué vídeos ver, qué páginas visitar, a qué personas seguir, qué música escuchar o qué noticias leer. En la mayoría de casos, el objetivo principal de estas plataformas es mantener la atención de las personas tanto tiempo como sea posible dentro de sus dominios, ya sean aplicativos o páginas web. En un contexto electoral, ¿cuál es la relevancia de estas sugerencias? ¿Hacia dónde nos conducen estas recomendaciones? ¿Cuál es el rol de la tecnología? ¿Es posible liberarnos de estos sistemas?

Los periodos electorales traen consigo un conjunto de interacciones muy particulares entre las personas. Por ejemplo, se extienden los espacios de diálogo, se escuchan propuestas de cambio, pero lo más resaltante es la cobertura de propaganda política que ataca desde los espacios más tradicionales como radio y televisión hasta los más recientes como redes sociales. Básicamente, en este periodo, las personas están expuestas a estrategias, campañas y discursos con el objetivo de captar la mayor cantidad de votos. Muchas de estas estrategias se han posicionado en las redes sociales, ya que han tenido un rol fundamental en la manera en que los partidos políticos han interactuado con su público objetivo, especialmente debido a restricciones de reunión masiva a causa del COVID-19.

Este nuevo espacio de interacción en los dominios de las plataformas de redes sociales tiene mecánicas muy diferentes a aquellas que ocurre en el espacio analógico. Por ejemplo, en las redes, mencionamos un interés en común de las plataformas por la atención y tiempo del usuario, y para que esto sea posible las personas deben recibir estímulos positivos durante su navegación en estas plataformas. Los estímulos pueden variar entre mensajería, likes, comentarios afirmando posturas o en contra de una diferente, etc. En el espacio analógico, reunir a estas personas y generar este tipo de estímulos es muy complicado, mientras que las redes sociales no solo permiten un mayor alcance sino que tienen la capacidad de generar estas reacciones positivas de manera casi instantánea, en cualquier momento y desde cualquier lugar en el que se encuentren las personas.

Otra característica inherente a estas plataformas es su capacidad de almacenar todo tipo de interacciones de sus millones de usuarios. El gran volumen de estos datos, complementados con técnicas de análisis basadas en inteligencia artificial, le dan la posibilidad a la plataforma de mostrar a sus usuarios contenido con el que más se sientan a gusto o contenido con el que existe mayor probabilidad de interactuar.

Es en este punto donde se discute el impacto de estos algoritmos de recomendación, ya que las creencias y pensamientos de las personas pueden ser conducidos poco a poco a versiones más extremas o radicalizadas que generarían una división mucho más marcada entre grupos contrarios. Sin embargo, también es importante reconocer que la existencia de agrupaciones y movimientos asociados a formas de pensamiento, tradiciones, gustos o preferencias se da desde mucho tiempo antes de la aparición de internet, redes sociales u otras tecnologías con las que hoy convivimos e interactuamos.

Estos espacios digitales aislados y compuestos por contenido afín a las creencias de las personas y otros usuarios con comportamiento similar son las llamadas cámaras de eco o también filter bubbles. El problema con estos espacios ha sido estudiado y analizado desde incluso antes de la revolución de internet: se caracterizan por desarrollar sus propias reglas, sus propias fuentes de información y lenguaje donde cualquier punto de vista distinto es desacreditado con hostilidad. Algunas plataformas optaron por incluir fact-checkers sobre algunos temas en específico, añadiendo un etiquetado a sus contenidos. Sin embargo, se ha visto que este etiquetado también genera, en grupos más radicalizados, la sensación de que la plataforma ha elegido un bando específico.

Afortunadamente, muchas de estas plataformas ponen algunos datos a disposición a través de APIs, de manera que es posible analizar y visualizar el comportamiento de cierto grupo de usuarios en estas redes. Son estas visualizaciones las que nos muestran clusters de personas agrupadas por un interés, afinidad o comportamiento muy similar en estas plataformas.