Ofrecer a un lector una noticia que no buscaba y que acaba considerando valiosa no significa necesariamente que haya accedido a perspectivas diferentes. Los sistemas de recomendación pueden facilitar descubrimientos dentro de los intereses que esa persona ya tenía, sin ampliar su horizonte informativo. Para los medios, esta distinción afecta a cómo se diseñan los productos personalizados y a qué resultados se consideran un éxito cuando se evalúa su contribución a una ciudadanía mejor informada.
Esta es una de las ideas centrales del documento Beyond the filter bubble: five misconceptions about serendipity and artificial intelligence, publicado el 28 de octubre por imec-SMIT, de la Vrije Universiteit Brussel (VUB). Sus autores, Annelien Smets, Lien Michiels y Brett Binst, reúnen resultados del proyecto Serendipity Engine para revisar cinco supuestos sobre los descubrimientos inesperados y plantear qué cambia con la llegada de la IA generativa.
La serendipia consiste en descubrir algo interesante o valioso sin haberlo previsto, pero requiere algo más que una coincidencia afortunada. Hace falta reconocer la importancia de lo encontrado y tener posibilidades de explorarlo. La tecnología puede favorecer encuentros inesperados, pero el descubrimiento depende también de que el usuario reconozca su valor. Por eso, los investigadores sostienen que es posible diseñar condiciones que faciliten estas experiencias, aunque ningún sistema pueda garantizar que se produzcan.
Los trabajos del equipo distinguen tres formas de serendipia: ampliar los intereses habituales, profundizar en una afición o inquietud existente y recuperar algo que se había valorado en el pasado. Una recomendación puede, por tanto, resultar reveladora sin conducir hacia un asunto completamente desconocido. Esa diversidad de experiencias cuestiona la idea de que el hallazgo deba ser siempre nuevo o ajeno a los gustos anteriores de una persona.
La finalidad del producto determina cuál de esas experiencias interesa favorecer. Una plataforma audiovisual puede buscar que sus usuarios encuentren contenidos que prolonguen su permanencia; un medio puede perseguir que conozcan perspectivas sociales diferentes. Para las redacciones que trabajan en incorporar objetivos de diversidad a sus recomendaciones, la propuesta del documento exige concretar qué descubrimientos quieren facilitar, a quiénes y con qué propósito antes de decidir cómo medirlos.
Esta distinción también cuestiona que la serendipia sea, por sí misma, una solución a las burbujas de filtros. Un usuario puede encontrar una información inesperada que profundice en sus intereses sin entrar en contacto con posiciones distintas. Que una recomendación resulte sorprendente y valiosa no demuestra que haya aumentado la diversidad informativa del lector. A la inversa, mostrar contenidos diversos tampoco garantiza que quien los recibe los encuentre relevantes o decida explorarlos.
Para estudiar esas diferencias, el equipo ha desarrollado el Serendiptionnaire, un cuestionario modular que permite identificar con mayor precisión qué aspectos de la serendipia experimentan los usuarios. Su finalidad es comprobar si esas experiencias se corresponden con los objetivos del sistema. Si se pretende acercar a los ciudadanos a distintas perspectivas sociales, preguntar únicamente si han descubierto algo nuevo o sorprendente deja sin resolver qué encontraron y qué relación guarda con esa finalidad.
Otra de las ideas revisadas es que mejorar el algoritmo constituye la principal vía para favorecer estos hallazgos. Los investigadores también han estudiado la presentación de las recomendaciones: las introducciones que acompañan a piezas musicales y las etiquetas que anuncian películas como posibles descubrimientos. En estos últimos trabajos observaron que las expectativas creadas por esas etiquetas influyen en la disposición a guardar películas desconocidas para verlas después.
Aunque esas investigaciones proceden de la música y el cine, abren una vía de exploración para los productos periodísticos. La forma de presentar una recomendación puede influir en que el usuario decida explorar un contenido desconocido. Aplicado a un medio, cabría probar cómo explicar la relevancia de una noticia o su relación con otros asuntos facilita ese acercamiento. Su eficacia tendría que evaluarse con lectores, sin trasladar automáticamente los resultados obtenidos en otros servicios.
La IA generativa añade otra cuestión: su capacidad para producir sugerencias y establecer conexiones no implica que vaya a generar más descubrimientos valiosos. Los modelos pueden combinar información de maneras inesperadas, pero el resultado depende del uso que hagan las personas y del margen que tengan para investigar después. El documento cuestiona así que la abundancia de propuestas equivalga, por sí sola, a una mayor serendipia.
Los autores también plantean que una respuesta inmediata y coherente podría reducir los motivos para consultar distintas fuentes, seguir caminos imprevistos o elaborar conexiones propias. Esas búsquedas requieren esfuerzo, pero pueden dar lugar a nuevos conocimientos. Se trata de una posibilidad que merece investigación, no de un efecto causal demostrado en el documento, y conecta con la advertencia de Eli Pariser sobre una «burbuja de uno», en la que los asistentes seleccionen cada vez más la información que recibe cada persona.
La autonomía creciente de los agentes de IA lleva el debate hasta las decisiones posteriores al primer hallazgo. Delegar la exploración en un agente de IA abre preguntas sobre quién decide qué merece seguir investigándose. Los investigadores plantean hasta qué punto estas tecnologías podrían asumir la capacidad de reconocer valor en un descubrimiento y actuar a partir de él, qué caminos elegirían y qué intereses orientarían esas elecciones.
