Los primeros sistemas intentaban encontrar una página entre millones. Los actuales intentan predecir qué contenido interesará a cada persona. Entre ambos extremos aparecieron algoritmos de búsqueda, grafos, recomendación, subastas publicitarias, clasificación y aprendizaje automático que hoy trabajan simultáneamente para decidir buena parte de lo que vemos en línea.
Cuando se habla del “algoritmo” de Google, YouTube, Instagram o TikTok suele imaginarse una especie de fórmula secreta que decide qué contenido triunfa y cuál desaparece. La realidad es más complicada: las grandes plataformas no funcionan con un algoritmo, sino con conjuntos de sistemas especializados que recuperan información, clasifican contenidos, calculan probabilidades, detectan spam, seleccionan publicidad y vuelven a ordenar los resultados antes de mostrarlos.
Google, por ejemplo, explica actualmente que Search utiliza cientos de algoritmos y modelos de aprendizaje automático que cumplen funciones distintas y se activan en diferentes combinaciones. Algunos tienen décadas; otros utilizan redes neuronales y modelos de lenguaje. PageRank, el sistema que ayudó a construir el buscador original, todavía forma parte de sus sistemas centrales de clasificación.
La historia de los algoritmos de Internet es, por ello, también la historia de una pregunta que ha ido cambiando. Primero fue: ¿dónde está la información? Después: ¿qué información es más importante? Más tarde: ¿qué probablemente te interesa? Y actualmente empieza a ser: ¿qué respuesta podemos construir para ti a partir de toda esa información?
Un algoritmo, en su sentido más sencillo, es una serie de instrucciones para resolver un problema o tomar una decisión. Una receta de cocina puede pensarse como un algoritmo: recibe ciertos ingredientes, establece una secuencia de pasos y produce un resultado. En computación ocurre algo parecido, aunque las instrucciones se expresan mediante código y pueden ejecutarse millones de veces por segundo. Un algoritmo clásico puede contener reglas relativamente explícitas: si ocurre A, hacer B; ordenar estos objetos según determinado valor; encontrar el camino más corto entre dos puntos; contar cuántos enlaces recibe una página.
Los sistemas modernos de Internet suelen ser mucho más complejos porque combinan estas reglas con modelos de aprendizaje automático. En esos casos, los programadores no escriben directamente todas las decisiones que tomará el sistema: diseñan su arquitectura, seleccionan datos, variables, objetivos y métodos de entrenamiento, y el modelo aprende relaciones estadísticas que después utiliza para calcular probabilidades. Un recomendador puede recibir cientos o miles de señales [qué vimos, cuánto tiempo permanecimos, qué ignoramos, qué personas seguimos, qué características tiene un contenido] y producir finalmente una puntuación que indique qué tan conveniente parece mostrar determinada publicación a determinado usuario.
Esto también explica por qué decir que “el algoritmo decidió” puede ser engañoso. Los algoritmos no eligen sus propios objetivos. Alguien determina qué debe optimizarse, qué datos puede utilizar el sistema, qué conductas cuentan como señales positivas, cuáles reciben penalizaciones y qué restricciones se aplican después. El modelo puede aprender patrones imposibles de describir mediante unas cuantas reglas sencillas, pero funciona dentro de una arquitectura construida a partir de decisiones humanas, empresariales y técnicas.
Primera etapa: encontrar algo dentro de Internet
En los primeros años de la Web, el problema fundamental era relativamente sencillo de explicar y extraordinariamente difícil de resolver: cada día aparecían más páginas y alguien tenía que organizar aquello.
Una de las soluciones fueron los directorios. Yahoo comenzó en la década de 1990 como un catálogo jerárquico de sitios agrupados por categorías, una especie de biblioteca de Internet. Paralelamente aparecieron buscadores capaces de recorrer páginas automáticamente mediante crawlers, almacenar sus contenidos en índices y recuperar documentos relacionados con las palabras que escribía el usuario. A finales de esa década convivían directorios humanos con buscadores automatizados como AltaVista, Lycos o Infoseek.
Aquí aparece una primera familia de algoritmos que todavía existe: los algoritmos de recuperación de información. Su trabajo consiste, simplificando mucho, en responder qué documentos parecen corresponder con una consulta. Las palabras presentes en una página, su frecuencia, sus títulos y posteriormente muchos otros indicadores permiten obtener un conjunto inicial de candidatos. Pero encontrar páginas que contengan una palabra no resuelve otro problema: si existen cien mil documentos que hablan de lo mismo, ¿cuáles deberían aparecer primero?
PageRank: Internet se convierte en un grafo
Google encontró parte de la respuesta mirando no solamente el contenido de las páginas, sino las relaciones entre ellas. En el artículo académico publicado por Sergey Brin y Larry Page en 1998, Google utilizaba explícitamente la estructura de hipervínculos de la Web para mejorar sus resultados. La intuición detrás de PageRank era que un enlace podía funcionar de forma parecida a una cita académica: si muchas páginas enlazan hacia otra, esa página probablemente tiene cierta importancia; y un enlace procedente de una página que a su vez es importante puede tener mayor peso que otro cualquiera.
Con PageRank, la Web podía representarse como un grafo: las páginas eran nodos y los enlaces eran aristas. Fue un cambio conceptual importante. El buscador ya no observaba exclusivamente qué decía cada documento, sino también qué posición ocupaba dentro de una red de documentos.
Ese principio sigue apareciendo en muchos sistemas digitales. Un algoritmo de grafos puede estudiar páginas enlazadas entre sí, pero también usuarios que siguen a otros usuarios, cuentas que comparten publicaciones, productos comprados conjuntamente o canciones conectadas por patrones de escucha.
Sin embargo, Google actual ya está muy lejos de ser simplemente PageRank. La propia compañía señala que este sistema continúa funcionando como una pieza entre muchas otras. Search utiliza sistemas para evaluar relevancia, frescura, contenido original, enlaces, spam, significado de las consultas y numerosos elementos adicionales.
De buscar información a recomendarla
Mientras los buscadores trataban de resolver qué página debía ocupar el primer lugar, las tiendas digitales, servicios musicales y plataformas de video se enfrentaron a otra pregunta: ¿qué podría gustarle a esta persona aunque todavía no lo haya buscado?
De ahí surgió otra gran familia: los sistemas de recomendación. Una de sus técnicas clásicas es el collaborative filtering o filtrado colaborativo. La idea puede resumirse así: si dos personas han mostrado preferencias similares y una de ellas consume algo que la otra todavía no conoce, existe cierta probabilidad de que también le interese.
Otra variante compara productos directamente: quienes compraron o consumieron A también suelen consumir B. Amazon describió en 2003 un sistema de filtrado colaborativo producto a producto diseñado para producir recomendaciones en tiempo real a gran escala.
Existe además la recomendación basada en contenido. En lugar de depender solamente del comportamiento de otros usuarios, el sistema compara características de los propios objetos: dos canciones pueden compartir género o determinadas propiedades sonoras; dos videos pueden tratar temas semejantes; dos artículos pueden contener conceptos relacionados. Los sistemas actuales suelen mezclar estas aproximaciones con aprendizaje automático.
YouTube descubre que un clic no significa interés
La evolución de YouTube permite observar especialmente bien cómo fueron cambiando estos objetivos. La compañía recuerda que hacia 2008 sus recomendaciones eran mucho más primitivas: los videos populares dominaban el descubrimiento y buena parte del tráfico procedía todavía de búsquedas y enlaces compartidos fuera de la plataforma. Después comenzó a comparar hábitos de visualización entre usuarios para encontrar contenidos que pudieran interesar a públicos similares.
Pero apareció un problema fundamental que sigue acompañando a las plataformas actuales: ¿cómo se mide realmente el interés? Durante un periodo, los clics parecían una buena respuesta. Si alguien presionaba sobre una miniatura, probablemente quería ver aquel video.
Un título exagerado o una miniatura engañosa podía generar un clic y provocar que el usuario abandonara inmediatamente la reproducción. YouTube comenzó entonces a conceder mayor importancia al tiempo de visualización. En 2012 anunció que sus recomendaciones favorecerían los videos capaces de mantener a las personas mirando, no simplemente aquellos capaces de conseguir un clic.
El cambio fue revelador. Según YouTube, cuando incorporó el tiempo de visualización a las recomendaciones, el número de vistas cayó inicialmente alrededor de 20%. Posteriormente agregó otras señales, entre ellas clics, duración de la reproducción, likes, dislikes, compartidos y encuestas sobre satisfacción. Ya no era suficiente calcular qué contenido era popular. Había que predecir una conducta.
Las redes sociales dejan de ser cronológicas
Las redes sociales introdujeron otra capa. Un grafo social básico puede responder quién sigue a quién. Si una persona sigue a 200 cuentas, la solución más sencilla consiste en mostrar todas sus publicaciones en orden cronológico. Pero cuando el volumen de contenido aumenta aparece nuevamente el problema del ranking: quizá durante una ausencia de ocho horas fueron publicadas mil cosas. ¿Cuáles deberían aparecer primero?
Twitter todavía presentó en febrero de 2016 como una nueva función la posibilidad de colocar arriba los tuits que calculaba que probablemente importarían más al usuario, antes de continuar con la secuencia cronológica. Un año después, la empresa describía modelos capaces de asignar una puntuación de relevancia utilizando características del tuit, del autor y del comportamiento histórico de cada usuario.
Aquí se consolida una familia que hoy domina las plataformas sociales: los algoritmos de ranking personalizado. La pregunta deja de ser “¿qué publicación es más importante para todos?” y se convierte en “¿qué publicación obtiene la puntuación más alta para esta persona, en este momento y bajo estas reglas?”.
TikTok y el salto del grafo social al grafo de intereses
TikTok llevó esa lógica todavía más lejos. Un feed social tradicional parte principalmente de conexiones explícitas: primero decides a quién seguir y después el sistema organiza lo producido por esas personas. TikTok demostró la potencia de construir una experiencia donde gran parte del contenido puede proceder de completos desconocidos.
En la explicación pública de su sistema For You, TikTok señala que utiliza señales como videos vistos, likes, compartidos, comentarios, cuentas seguidas, búsquedas, información sobre los videos y algunas características de configuración. No todas pesan igual: terminar de ver un video largo, por ejemplo, puede representar una señal mucho más fuerte que compartir país con quien lo publicó. TikTok señala además que el número de seguidores de una cuenta no es por sí mismo un factor directo de su sistema de recomendación.
En términos conceptuales, esto permite construir algo semejante a un grafo de intereses. No hace falta conocer previamente al creador. El sistema intenta inferir que cierto usuario, cierto video, cierto sonido, determinado tema y otros usuarios con patrones semejantes están cerca unos de otros en un espacio matemático.
Las redes neuronales modernas permiten representar además usuarios y contenidos mediante embeddings: largas listas de números en las que objetos considerados semejantes terminan relativamente próximos. De esta forma pueden encontrarse relaciones que ningún programador tuvo que escribir previamente como una regla del tipo “si mira tenis, recomendar jazz”. El sistema aprende patrones estadísticos a partir de enormes cantidades de interacciones.
Los algoritmos actuales trabajan por etapas
Un feed moderno tampoco toma todos los contenidos existentes en Internet y los compara uno por uno cada vez que abrimos una aplicación. Eso sería demasiado costoso. En términos generales, los grandes sistemas de recomendación suelen funcionar mediante varias etapas.
Primero aparece la recuperación de candidatos. Entre millones o miles de millones de objetos se selecciona un conjunto considerablemente menor de posibilidades. Después llega el ranking. Uno o varios modelos calculan diferentes probabilidades: posibilidad de hacer clic, detenerse, mirar un video completo, compartirlo, comentar, ocultarlo o realizar alguna otra acción que la plataforma considere relevante.
Posteriormente puede existir una fase de reranking. Ahí intervienen otras reglas: evitar demasiado contenido del mismo creador, introducir variedad, limitar determinadas categorías, aplicar políticas de seguridad o equilibrar distintos objetivos.
TikTok reconoce explícitamente esta necesidad de diversificación y señala que introduce deliberadamente contenidos diferentes para evitar secuencias excesivamente homogéneas. Meta, por su parte, describe actualmente sus feeds de Facebook e Instagram como sistemas de inteligencia artificial que predicen qué publicaciones resultarán más valiosas o relevantes para cada persona. El resultado visible, una publicación colocada encima de otra, es apenas el último paso de toda una cadena.
Búsqueda, recomendación, publicidad y moderación son problemas diferentes
Por eso conviene distinguir varios tipos de algoritmos que conviven actualmente en Internet. Los algoritmos de búsqueda y recuperación encuentran documentos relacionados con una consulta. Los algoritmos de ranking deciden su orden. Los sistemas de recomendación intentan anticipar qué contenido podría interesarnos aunque no lo hayamos solicitado explícitamente. Los algoritmos de grafos analizan relaciones entre páginas, personas, comunidades u objetos. Los clasificadores intentan determinar si algo pertenece a determinadas categorías: spam, desnudez, discurso de odio, fraude, contenido político o innumerables etiquetas internas.
También existen algoritmos publicitarios, que funcionan mediante otra lógica. Cuando existe un espacio disponible para publicidad puede realizarse una subasta automatizada entre anuncios elegibles. Google explica que su Ad Rank considera elementos como la oferta económica, la calidad del anuncio, el contexto de la búsqueda y otros factores. Meta también combina las ofertas con predicciones sobre la probabilidad de que una persona realice la acción buscada y con estimaciones de calidad.
Finalmente están los sistemas de moderación automática, entrenados para detectar contenidos que podrían infringir las reglas antes o después de su publicación. Meta reconoce utilizar inteligencia artificial y aprendizaje automático para identificar grandes cantidades de contenido potencialmente infractor. Una misma publicación puede atravesar varios de estos sistemas antes de aparecer en una pantalla.
Google también pasó de palabras a significados
La búsqueda siguió una evolución semejante a la de las recomendaciones. PageRank permitió aprovechar las relaciones entre páginas, pero durante las décadas siguientes Google fue incorporando sistemas capaces de interpretar cada vez mejor el lenguaje.
En 2015 introdujo RankBrain, su primer sistema de aprendizaje profundo desplegado en Search, destinado entre otras cosas a relacionar palabras con conceptos. En 2018 agregó neural matching, que permite relacionar consultas y páginas más allá de coincidencias textuales exactas. En 2019 incorporó BERT para interpretar palabras dentro de su contexto y comprender mejor el significado completo de una consulta.
Esto explica por qué un buscador moderno ya no necesita necesariamente encontrar exactamente las mismas palabras introducidas por el usuario.
Y la transición continúa. Las funciones generativas de Google Search se apoyan actualmente sobre sus sistemas tradicionales de búsqueda, ranking y calidad: la inteligencia artificial generativa no sustituyó de golpe al viejo buscador, sino que se está construyendo encima de una infraestructura algorítmica acumulada durante décadas.
Existe además una dificultad para estudiar estos sistemas: las plataformas han sido históricamente mucho más transparentes sobre los principios generales de sus algoritmos que sobre su funcionamiento completo. Google, Meta, TikTok, YouTube y otras empresas publican explicaciones, investigaciones y documentación sobre algunas señales utilizadas por sus sistemas, pero no ofrecen necesariamente el código completo, los pesos asignados a cada variable, todos los modelos que intervienen, sus cambios internos o la totalidad de las reglas utilizadas para ordenar contenido. Parte de esa reserva responde a motivos comerciales y de seguridad, un sistema completamente conocido podría ser manipulado con mayor facilidad, pero también ha producido una importante asimetría de información: plataformas privadas pueden modificar sistemas capaces de alterar la visibilidad de medios, empresas, creadores o actores políticos sin que quienes dependen de ellos puedan observar con precisión qué cambió.
Por eso, cuando desde fuera se intenta determinar por qué una publicación tuvo mayor alcance que otra, rara vez es posible reconstruir toda la cadena causal. Podemos conocer algunas señales, observar resultados y realizar experimentos, pero el funcionamiento exacto de un sistema de recomendación comercial suele ser una caja parcialmente abierta, no una fórmula pública y estable. Además, estos sistemas cambian constantemente: una plataforma puede modificar objetivos, introducir nuevos modelos, ajustar pesos, agregar reglas o realizar experimentos simultáneos con distintos grupos de usuarios. Hablar del “algoritmo de Instagram” o “el algoritmo de YouTube” como si fuera una fórmula única e inmutable simplifica, por tanto, una infraestructura que puede estar compuesta por numerosos modelos y que además evoluciona de manera continua.
El algoritmo dejó de describir Internet y comenzó a construir una versión de Internet para cada usuario
Ese quizá sea el cambio más profundo. El directorio de los años noventa intentaba construir aproximadamente el mismo mapa para todos. PageRank calculaba una cierta importancia global de las páginas. Los primeros rankings de popularidad mostraban aproximadamente los mismos ganadores a millones de personas. Los sistemas actuales incorporan cada vez más información contextual y personalizada.
Dos personas pueden escribir la misma consulta y encontrarse con diferencias. Dos usuarios pueden abrir Instagram simultáneamente y recibir feeds distintos. Dos personas sentadas una al lado de otra pueden recorrer TikTok durante una hora sin encontrarse prácticamente con los mismos videos.
Eso significa que los algoritmos actuales no se limitan a medir Internet. También organizan el entorno en el que cada usuario observa Internet.
Y ahí aparece un fenómeno adicional: la retroalimentación. El sistema muestra algo porque calcula que puede interesarnos; reaccionamos ante aquello; nuestra reacción se convierte en una nueva señal; esa señal modifica futuras recomendaciones. El usuario entrena continuamente su propio entorno al mismo tiempo que ese entorno condiciona aquello con lo que puede interactuar.
No hace falta asumir una intención conspirativa para que este proceso tenga consecuencias. Las plataformas establecen objetivos, relevancia, satisfacción, interacción, tiempo de visualización, seguridad, ingresos u otros, y sus modelos buscan optimizarlos bajo determinadas restricciones. Cambiar la métrica significa cambiar el comportamiento del sistema. La transformación de YouTube de clics a tiempo de visualización en 2012 es un ejemplo especialmente claro de ello.
Por eso hablar simplemente de “el algoritmo” puede ocultar más de lo que explica.
Desde PageRank hasta los actuales sistemas de recomendación y modelos generativos, Internet ha pasado de algoritmos diseñados principalmente para encontrar información a arquitecturas capaces de clasificar, predecir, seleccionar y producir información.
La próxima vez que una publicación aparezca en primer lugar, un video sea recomendado automáticamente o una página desaparezca de los resultados, probablemente no habrá detrás una sola fórmula tomando una decisión. Habrá una cadena de modelos, señales, reglas, objetivos económicos y decisiones humanas que, en una fracción de segundo, habrá decidido qué pequeña porción de Internet merece llegar hasta esa pantalla.
