TelepatIA
La IA decidirá a partir de ahora lo que ves en Netflix.
Hace seis años, por estas mismas fechas, me invitaron a impartir una TED Talk. Mentiría si dijese que no había fantaseado en innumerables ocasiones sobre ser TEDista. Y cuando llegó la oportunidad, no sin cierto vértigo, acepté teniendo clarísimo cuál sería el tema: Netflix, sus algoritmos de recomendación y cómo afectaba a la forma en la que veíamos contenidos. No me voy a extender en exceso en los pormenores de mi razonamiento (si alguien quiere, puede recuperar la charla completa aquí). El resumen sería que Netflix, con su sistema de recomendación (algoritmos mediante), nos convierte en couch potatoes, alimentándose de nuestras preferencias (esa montaña de Big Data que generamos con nuestras interacciones) para afianzarnos en ellas con nuevas recomendaciones (omitiendo todo lo ajeno a nuestra órbita de interés). Un círculo vicioso que funciona más o menos así:
Dentro de Netflix el usuario queda ubicado en el centro de un flujo circular de datos o procesos computacionales invisibles siguiendo la terminología de Cox (2018) que lo convierten a la vez en punto de partida y destino dentro de las lógicas del servicio. El sistema se nutre de las preferencias que trazan con el consumo y, gracias a los algoritmos, vuelve a ellos en forma de recomendaciones. Es así como la plataforma lucha por la atención de sus usuarios, una atención en la que lo determinante, en general, es el tiempo dedicado al contenido o canal (McQuail, 1992). El objetivo último es incrementar las horas de visionado y el engagement con la plataforma, en un bucle comercial infinito (Hallinan; Stiphras, 2016; Sileset al., 2019)
Neira et. al. (2023) “Standing up to Hollywood: the Netflix glocal strategy for popularising non-English-language series worldwide” En Revista Profesional de la Información
Son los algoritmos los que condicionan gran parte de lo que vemos en Netflix (casi 2/3 del contenido que se reproduce en la plataforma, según datos de la compañía). Es decir, nuestras interfaces no están contruidas con la selección confeccionada por un programador humano sino en base a un conjunto de operaciones matemáticas que buscan resolver un problema (encontrar algo que ver) haciendo predicciones a partir de dos grandes bloques de información (lo que saben de ti y lo que saben del contenido).
Y mucho ojo, porque la IA está a punto de darle una vuelta de tuerca a este bucle.
La importancia de la experiencia de usuario
La UX (user experience) cuantifica la calidad de la interacción del usuario con un servicio. En el caso de una plataforma de streaming, el objetivo último es simplificar su usabilidad al máximo para que el individuo se pueda centrar en disfrutar de los contenidos, ya sea encontrando a la primera algo que ver, una buena calidad de reproducción o recordando las características de idioma previamente configuradas.
La experiencia de usuario en el ámbito de las plataformas de streaming es particularmente importante. Estos servicios necesitan minimizar al máximo las fricciones que puedan hacer que el usuario quiera marcharse (un contenido que no carga, una sinopsis incompleta, subtítulos no sincronizados con lo que se ve en la pantalla…). Por eso se la considera tan importante como los contenidos que ofrecen.
En el último año, la IA ha tomado por asalto el diseño y mejora de las experiencias de usuario de las plataformas. Prime Video, por ejemplo, lleva tiempo inmersa en un frenesí de actualizaciónes de su UX con IA. Es el caso de dialogue boost, una funcionalidad basada en inteligencia artificial que analiza el audio original de un contenido para detectar aquellos momentos en los que las voces pueden resultar difíciles de entender, separando los patrones vocales y mejorando la nitidez de la voz sin aumentar el resto de sonidos. También ha enriquecido su visor X-Ray (que despliega información de lo que estás viendo al deterner la reproducción) con un generador de resúmenes (de episodio o de temporada) sin spoilers, para que el usuario se pueda poner rápidamente al día. Hasta Disney, que hasta fechas recientes seguía curando manualmente sus recomendaciones según géneros o temas relevantes (como películas románticas en San Valentín o de terror en Halloween) ha comprendido que necesita incorporar una recomendación más automatizada que vaya más allá de la lógica editorial humana, poco alineada con las necesidades del usuario en la actualidad.
Un nuevo modelo fundacional para la recomendación personalizada
Hace unas semanas Netflix publicó en su blog tecnológico un post en el que explicaba su nuevo modelo fundacional para la recomendacion personalizada. La compañía está replanteando el sistema que ha empleado hasta el momento (basado en múltiples modelos especializados) por un modelo a gran escala entrenado con el historial completo de las interacciones de los usuarios. Sí, has leído bien, el historial completo de todas las interacciones que haces con el servicio (piensa en todo lo que haces desde que haces clic en Netflix hasta que abandonas la aplicación). Hablamos de cientos de miles de millones de interacciones de sus más de 300 millones de clientes y de todos los metadatos de los contenidos (sobre la que se basan los más de 80.000 microgéneros con los que Netflix clasifica el contenido).
Esto supone un paso de gigante. En la arquitectura anterior, los modelos se entrenaban independientemente y eso hacía muy difícil centralizar el aprendizaje de preferencias y mejorar la eficiencia en el uso de datos comunes. El nuevo modelo busca generar un conocimiento a gran escala. Es decir, recuperando la idea del círculo vicioso al que me refería antes, será mucho más grande y tendrá mucho más caudal de información.
El sistema adapta la transicion en las técnicas de procesamiento de lenguaje natural (NLP, el tipo de IA que permite a un ordenador comprender, interpretar y generar lenguaje humano) hacia los modelos de lenguaje grandes (LLM, como ChatGPT). En el caso de Netflix, la IA permitirá procesar grandes volúmenes de información que hasta ahora se estaban procesando de manera limitada y por separado y, además, les dará significado. Eso implicará un proceso de tokenización de las interacciones del usuario, es decir, se va a enseñar al sistema a identificar qué es una interacción con Netflix significativa. De esta manera se podrá predecir mejor, traduciendo los hábitos de visionado en recomendaciones todavía más personalizadas.
Netflix asegura que este nuevo modelo permitirá crear un sistema de recomendación basado en muchos más datos, más eficiente, adaptable y capaz de aprender de manera más integral. También repercutirá en un sistema más ágil y adaptado a las demandas cambiantes, además de ser más sencillo y económico para la empresa. Para el usuario, supondrá interactuar con un sistema capaz de predecir con mayor precisión qué contenidos le gustarán más. Auténtica telepatIA.
Pero ¿y los efectos colaterales? Resulta curioso que la aplicación práctica de tecnología basada en inteligencia artificial en ámbitos como la UX se perciba de una manera mucho más amable que, por ejemplo, cuando se debaten sus usos en el ámbito creativo. Eso a pesar de los riesgos. De entrada, este sistema podría acentuar todavía más la famosa visión de tunel que generan los sistemas de recomendación: condenan a la invisibilidad aquello que no es afín a las preferencias del usuario (aunque, por supuesto, siempre habrá sitio para emplazar aquello que al sistema le interesa que veas). Por no hablar del sesgo que un sistema hiperpersonalizado de recomendación introduce en la formación de nuestro gusto, un proceso en el que el descubrimiento es una pieza fundamental.
Noticias breves de esta semana
Google, junto a Sphere Entertainment, reinventó el clásico de 1939 ‘El Mago de Oz’ para la pantalla inmersiva de Las Vegas Sphere. Mediante técnicas de IA mejoraron la resolución del metraje y expandieron escenas más allá de sus encuadres originales, de modo que más del 90 % de la película fue modificada por IA para ofrecer planos más amplios y representaciones completas de personajes antes invisibles. Esta versión se estrenará el 28 de agosto de 2025.
Warner Bros. Discovery Sports Europe, en colaboración con Amazon Web Services, presentó la plataforma Cycling Central Intelligence (CCI); este sistema impulsado por IA generativa debutó en la Serie Mundial de Ciclismo de Montaña WHOOP UCI 2025 en Araxá, Brasil, y busca optimizar las transmisiones en vivo al ofrecer acceso instantáneo a datos detallados de corredores, sedes e historiales de carreras, mejorando así la narrativa de los comentaristas.
Midjourney lanzó su V7, que cuenta con dos modos (‘Turbo’ y ‘Relax’) e introdujo el ‘Draft Mode’, que genera borradores a 10× la velocidad y a la mitad de coste que el modo estándar, aunque con calidad inferior que luego puede mejorarse con un clic.
Investigadores de Nvidia y Stanford presentaron ‘Test-Time Training’, una técnica de inteligencia artificial que permite generar videos más largos que antes—con demostraciones que producen clips animados de hasta un minuto con mayor coherencia y capacidad narrativa.
Spotify presenta los anuncios con IA generativa, que permitirá a los anunciantes usar esta tecnologia para crear guiones y locuciones de sus anuncios de audio sin coste adicional. De momento la tecnología solo estarán disponible en EEUU y Canadá.
Runway, la startup que desarrolla una variedad de modelos de IA generativa para la producción de contenido multimedia, incluidos modelos de generación de video, ha recaudado 308 millones de dólares en una nueva ronda de financiación. Runway se hizo famosa a finales del año pasado tras el acuerdo cerrado con Lionsgate para entrenar su IA con el catálogo del miniestudio.
¡Hasta la semana que viene!
Elena
Muy buena esa TED talk, Ele! increíble el rumbo que ha tomado todo en tan poco tiempo. Abrazo!