Vemos un video hasta el final. Pasamos rápidamente frente a otro. Buscamos un producto, guardamos una publicación, seguimos una cuenta o regresamos varias veces a una página.
Para nosotros pueden ser acciones separadas, realizadas por razones muy distintas. Son parte de nuestro paso por internet. Para un sistema digital, algunas de ellas pueden convertirse en información útil para decidir qué mostrar después.
Ahí empieza una diferencia importante: una plataforma no necesita conocernos como nos conoce otra persona para construir una interpretación sobre lo que probablemente nos interese.
Esa interpretación se alimenta de actividad registrada, relaciones entre acciones y modelos capaces de encontrar patrones. A veces acierta. Otras veces insiste durante semanas con algo que ya dejó de importarnos.
Las plataformas no necesitan conocernos para construir una interpretación de lo que podría interesarnos.
Una acción puede convertirse en una señal
Dar clic parece una decisión mínima. También lo es detenerse unos segundos frente a un video, buscar algo o abandonar una publicación casi inmediatamente.
Sin embargo, los sistemas de recomendación pueden utilizar distintas formas de comportamiento histórico y contextual para ajustar lo que presentan al usuario. Revisiones recientes sobre estos sistemas describen precisamente el uso de interacciones anteriores y señales de contexto para adaptar las recomendaciones conforme cambian los intereses.
El recorrido puede entenderse de manera sencilla:
acción → señal → relación con otras señales → patrón → inferencia → recomendación
Eso no significa que cada clic revele una intención precisa. Buscar información sobre bicicletas puede significar que queremos comprar una, que ayudamos a alguien, que estamos haciendo una tarea o que simplemente vimos algo que despertó nuestra curiosidad.
Una acción aislada admite muchas explicaciones. La interpretación empieza cuando se relaciona con otras.
Las cookies son una parte, no todo el sistema
Las cookies llevan años asociadas con la idea de que internet “nos sigue”, y tienen una función importante, aunque con frecuencia se les atribuye prácticamente todo.
Una cookie es una pequeña cantidad de información que un sitio puede guardar a través del navegador. Sirve, entre otras cosas, para mantener una sesión abierta, recordar preferencias y, en determinados casos, registrar y analizar comportamiento.
También existen cookies de terceros, creadas desde dominios distintos al sitio que estamos visitando. Históricamente han permitido funciones como medición, publicidad y seguimiento entre diferentes sitios, aunque los navegadores han impuesto cada vez más restricciones y sus políticas actuales varían considerablemente.
Pero reducir toda la personalización a las cookies deja fuera buena parte de lo que ocurre actualmente.
Una plataforma puede aprender mucho de lo que hacemos dentro de su propio entorno, incluso sin seguirnos por toda la web.
Lo que hacemos dentro de una plataforma ya dice bastante
Pensemos en una aplicación de video. El sistema puede registrar qué contenidos abrimos, cuáles terminamos, con cuáles interactuamos, qué buscamos y cómo va cambiando nuestra actividad. En otros servicios pueden importar las páginas que visitamos dentro del sitio, productos consultados, cuentas seguidas o decisiones anteriores.
Google, por ejemplo, explica que la actividad guardada puede utilizarse tanto para recomendaciones personalizadas como para publicidad. Entre sus ejemplos menciona búsquedas anteriores y actividad en servicios como Search y YouTube.
Para el usuario, una búsqueda del martes y un video visto el jueves pueden no guardar ninguna relación consciente.
Para un sistema pueden convertirse en dos piezas de un patrón.
Y ahí aparece uno de los cambios importantes de la cultura digital: parte de lo que interpretamos como una experiencia espontánea está mediada por sistemas que seleccionan entre enormes cantidades de opciones aquello que calculan que tiene mayor probabilidad de resultar relevante.
También existen señales fuera de la plataforma
La historia se vuelve un poco más compleja cuando pasamos de lo que hacemos dentro de una aplicación a la actividad que puede producirse en otros sitios y servicios.
Dependiendo de la plataforma, los permisos, la configuración y las tecnologías involucradas, existen herramientas como píxeles, SDK, identificadores y sistemas de medición que permiten relacionar determinadas actividades.
Meta, por ejemplo, explica en su documentación de privacidad que anunciantes, desarrolladores y editores pueden proporcionarle información mediante herramientas como sus API, SDK y Meta Pixel. Esa información puede incluir actividad en sitios y aplicaciones, además de determinadas interacciones o compras.
Un píxel puede integrarse en un sitio para registrar determinados eventos. Un SDK es un conjunto de herramientas que un desarrollador incorpora dentro de una aplicación y que, según su función y permisos, puede participar en medición, analítica u otras tareas.
Los dispositivos también han introducido límites importantes. En el ecosistema de Apple, por ejemplo, una aplicación necesita autorización mediante App Tracking Transparency para vincular datos recogidos en su app con información de aplicaciones, sitios web o propiedades de otras empresas con fines de seguimiento, y para acceder al identificador publicitario del dispositivo.
Por eso el panorama actual ya resulta bastante más complejo que la vieja idea de una cookie siguiéndonos por internet.
De varias acciones a una inferencia
La pieza más interesante aparece después de recopilar información: qué se puede deducir a partir de ella.
Imaginemos una secuencia cotidiana:
| Acción | Qué podría aportar al sistema |
|---|---|
| Buscar un destino | Una posible señal de interés relacionada con viajes. |
| Ver varios videos del lugar | Mayor continuidad alrededor del mismo tema. |
| Consultar equipaje | Otra acción que puede relacionarse con ese interés. |
| Guardar una publicación | Una señal adicional de relevancia para ese contenido. |
| Ignorar recomendaciones posteriores | Nueva información que puede modificar la lectura anterior. |
Ninguna de esas acciones demuestra por sí misma que alguien tenga planeado un viaje. Juntas pueden aumentar la probabilidad de que determinados contenidos, productos o anuncios resulten relevantes para ese usuario.
Eso es una inferencia: pasar de aquello que pudo observarse a una estimación sobre algo que no fue necesariamente declarado de manera explícita.
La posibilidad tampoco es nueva. Un trabajo ampliamente citado de Michal Kosinski, David Stillwell y Thore Graepel mostró ya en 2013 que ciertos registros digitales de comportamiento podían utilizarse estadísticamente para predecir características que los usuarios no habían declarado directamente.
Las tecnologías han cambiado enormemente desde entonces, pero el principio sigue siendo útil para comprender el fenómeno: lo que hacemos puede contener más información estadística de la que percibimos mientras lo hacemos.
Una inferencia tampoco significa que nos conozcan
Aquí conviene hacer una pausa. Si una plataforma recomienda exactamente el producto que estábamos considerando, puede producir una sensación casi personal: “sabe que lo quiero”.
Pero el sistema trabaja de otra manera. No necesita comprender nuestras motivaciones completas para calcular que un contenido tiene determinada probabilidad de interesarnos. Los sistemas de recomendación actuales utilizan distintas fuentes de comportamiento, relaciones entre usuarios y contenidos, contexto y modelos cada vez más sofisticados para ordenar posibilidades.
Eso explica también por qué pueden equivocarse.
Podemos investigar algo para otra persona y terminar recibiendo recomendaciones durante semanas. Ver un solo video puede abrir una sucesión de contenidos que nunca buscamos. Un interés intenso durante dos días puede conservarse mucho después de haber desaparecido.
El sistema reconoce patrones; nuestra vida tiene razones. Entre ambas cosas existe una distancia que la personalización intenta reducir, pero nunca elimina por completo.
Cómo nos leen también depende de qué dejamos disponible
Cookies, historial, actividad en aplicaciones, identificadores y herramientas de medición forman partes diferentes del ecosistema. Además, los usuarios cuentan con configuraciones y controles que pueden limitar algunos usos.
Google permite, por ejemplo, controlar si determinada actividad se utiliza para personalizar anuncios; Meta ofrece controles sobre actividad recibida desde tecnologías externas; y los sistemas operativos incorporan permisos que restringen ciertas formas de seguimiento entre aplicaciones y sitios.
Nada de esto vuelve simple el panorama.
Lo importante para entenderlo es reconocer que “cómo nos leen” no depende de una única tecnología escondida detrás de la pantalla. Es el resultado de diferentes capas: lo que hacemos, aquello que queda registrado, las posibilidades técnicas para relacionarlo y los modelos que intentan encontrar sentido en ese conjunto.
Y quizá por eso algunas coincidencias digitales resultan tan inquietantes. Hablamos de algo y aparece. Pensamos en un producto y comenzamos a verlo. Comentamos un viaje y pareciera que internet ya estaba esperando.
La pregunta que surge es inevitable: ¿realmente nos están escuchando o existen suficientes pistas para que parezca que lo hacen? Esa pregunta merece su propia historia.
▏
Desde la investigación
- Raza y colaboradores, Computer Science Review (2026). Su revisión amplia de sistemas de recomendación muestra la evolución desde métodos tradicionales hacia modelos profundos, basados en grafos, aprendizaje por refuerzo y sistemas apoyados en modelos de lenguaje, además de destacar el papel de la personalización y el contexto.
- Revisión sobre sistemas adaptativos de recomendación (2025). Analizó 97 investigaciones publicadas entre 2020 y 2024 y describe sistemas que se adaptan a comportamientos y señales contextuales conforme las preferencias cambian.
- Kosinski, Stillwell y Graepel, PNAS (2013). Mostraron tempranamente que registros digitales de comportamiento podían utilizarse para realizar inferencias estadísticas sobre características que las personas no necesariamente habían expresado directamente.
- Documentación de Google, Meta, Apple y MDN. Permite distinguir entre actividad dentro de servicios, cookies, tecnologías utilizadas en sitios y aplicaciones, identificadores y controles actuales de seguimiento y personalización.