En 2012, el New York Times publicó una historia que se hizo famosa. Una cadena de supermercados americana, Target, había desarrollado un sistema para predecir qué clientes estaban embarazadas — antes de que ellas lo anunciaran públicamente — analizando cambios en sus patrones de compra. Compraban más suplementos de calcio, bolas de algodón sin perfume, jabón sin fragancia.
Un padre furioso fue a una tienda a quejarse porque su hija adolescente había recibido cupones de cunas y ropa de bebé. Semanas después llamó a disculparse: su hija estaba, efectivamente, embarazada. Target lo había sabido antes que él.
Eso era 2012. Con datos de compra en tienda física. Sin smartphones, sin redes sociales, sin asistentes de voz.
Lo que existe ahora es incomparablemente más potente.
Durante la primera fase de la era digital, el valor de los datos era retrospectivo: te mostraban anuncios basados en lo que habías hecho. Buscaste vuelos a Roma, te mostramos anuncios de hoteles en Roma. Compraste zapatillas de running, te mostramos más zapatillas de running.
Eso ya parecía invasivo. Pero era relativamente inocuo porque era reactivo — respondía a algo que ya habías decidido hacer.
Lo que ha cambiado con la inteligencia artificial es que el sistema ya no necesita esperar a que hagas algo. Puede predecir lo que vas a hacer antes de que lo decidas. Y actuar en consecuencia.
No te muestran lo que quieres. Te muestran lo que el modelo predice que querrás. Y con suficientes datos, la diferencia es imperceptible.
Los modelos actuales pueden predecir, con una precisión escalofriante, cuándo vas a romper una relación, cuándo vas a cambiar de trabajo, cuándo vas a tener una crisis de ansiedad, cuándo eres susceptible a gastar dinero impulsivamente. No porque sean mágicos. Porque han visto los patrones de millones de personas antes que tú y saben qué señales preceden a cada cosa.
Esto no es ciencia ficción. Hay tres áreas donde este salto de "recopilar" a "predecir" ya tiene consecuencias reales para personas normales hoy mismo.
Algunas aseguradoras y entidades financieras usan modelos predictivos para ajustar precios según el riesgo calculado de cada persona. No solo el riesgo declarado (edad, historial médico, sueldo) sino el inferido: tus patrones de comportamiento digital, a qué hora revisas el correo, cómo escribes en el móvil, qué apps tienes instaladas.
En algunos mercados, el precio que ves en pantalla para un seguro de coche o un préstamo personal puede ser diferente al que ve otra persona con el mismo perfil declarado, porque el algoritmo ha calculado que tú tienes más o menos probabilidades de pagar, de tener un accidente, o de cancelar.
Pagas más porque el sistema predice que eres más arriesgado. Y nunca te dicen por qué.
Los algoritmos de recomendación de TikTok, Instagram y YouTube no solo aprenden qué contenido te gusta. Aprenden en qué estado emocional estás cuando consumes cada tipo de contenido, y te muestran el contenido que maximiza el tiempo que pasas en la plataforma según ese estado.
Si estás triste, el algoritmo puede detectarlo por tus patrones de scroll (más lento, más tiempo en ciertos vídeos) y mostrarte contenido que alarga ese estado porque genera más engagement. No porque quiera hacerte daño — porque la tristeza que navega lento es más rentable que la alegría que cierra la app.
Documentos internos de Meta filtrados confirmaron que sus propios investigadores sabían que Instagram empeoraba la imagen corporal de las adolescentes. Siguieron igual porque los números de engagement eran buenos.
El caso Cambridge Analytica en 2016 mostró algo que hasta entonces era teórico: los datos de redes sociales pueden usarse para construir perfiles psicológicos de votantes y mostrarles mensajes políticos específicamente diseñados para sus vulnerabilidades emocionales particulares.
No el mismo mensaje para todo el mundo. Mensajes diferentes para personas diferentes, calibrados para maximizar el impacto emocional según el perfil de cada una. A alguien que puntúa alto en neuroticismo, mensajes que activan el miedo. A alguien que puntúa alto en apertura, mensajes que apelan a la novedad y el cambio.
Lo que hace esto especialmente difícil de detectar es que el receptor no sabe que está siendo manipulado de una forma distinta a sus vecinos. Cada uno recibe lo que el modelo predice que le moverá a él específicamente.
Todo lo anterior tiene un denominador común que va más allá de la privacidad en el sentido técnico. Se trata de autonomía — de la capacidad de tomar decisiones genuinamente propias.
Cuando un sistema sabe lo que vas a querer antes de que lo quieras, y actúa para que lo quieras más fácilmente, ¿quién está tomando la decisión realmente? ¿Tú, que "elegiste" hacer clic? ¿O el algoritmo que diseñó el camino que llevaba a ese clic?
No es que el algoritmo sea malvado. Es que está optimizado para un objetivo que no es el tuyo. Tu bienestar, tu autonomía, tu capacidad de tomar decisiones informadas — ninguna de esas cosas está en la función de optimización. Lo que está es el engagement, la retención, la conversión. Y esos objetivos a veces coinciden con los tuyos. Muchas veces no.
La diferencia con la publicidad tradicional es de escala y precisión. Un anuncio en televisión intentaba persuadirte. Este sistema modela tu psicología individual y construye el entorno exacto más probable para hacerte hacer lo que quiere que hagas. Es persuasión personalizada a una escala que no tiene precedente histórico.
La respuesta honesta es que no podemos escapar de esto completamente. Los modelos predictivos están en todas partes y operan con datos que en gran parte ya cedimos hace años.
Pero hay dos cosas que sí podemos hacer y que tienen un impacto real.
La primera es reducir los datos nuevos que cedemos. Cada dato que no entra al sistema es un dato que no puede usarse para predecirte. El navegador que no registra tu historial, el buscador que no guarda tus búsquedas, la app de mensajería que no analiza tus patrones de comunicación — todo eso reduce la precisión del modelo que tienen de ti. No lo elimina, pero lo degrada.
La segunda es ser consciente de cuándo el entorno está diseñado para influirte. El feed infinito, las notificaciones constantes, el autoplay, los "solo quedan 2 unidades" — son técnicas de diseño específicamente construidas para bypasear tu capacidad de decisión consciente. Reconocerlas no las desactiva, pero sí te da algo de distancia.
Tengo el feed de Instagram con cuentas seleccionadas y no uso el Explorar. En YouTube uso la extensión que elimina las recomendaciones — solo busco lo que quiero ver, no dejo que el algoritmo decida. En el móvil tengo las notificaciones de redes sociales desactivadas.
No es una solución perfecta. Pero hay una diferencia enorme entre usar estas plataformas y ser usado por ellas. Y esa diferencia empieza por decidir activamente cómo interactúas con ellas, en lugar de dejarte llevar por el diseño.
En el siguiente artículo pasamos de la teoría a algo más práctico: cómo puedes seguir usando internet con normalidad sin ser completamente transparente. No desaparecer — simplemente dejar de ser tan legible.
No necesitan que les cuentes nada directamente. Los modelos predictivos aprenden de los patrones de millones de personas y detectan correlaciones que no son obvias. El caso de Target en 2012 lo ilustra bien: cambios en los productos que compras pueden predecir un embarazo antes de que lo announces. Hoy, con datos de búsquedas, ubicación, uso del móvil y patrones de comunicación, la precisión es incomparablemente mayor.
En Europa el RGPD regula el uso de datos personales y la toma de decisiones automatizada, pero la aplicación real es inconsistente y las empresas encuentran formas de operar en zonas grises. La discriminación de precios algorítmica existe y está documentada en seguros, préstamos y comercio electrónico. La regulación va muy por detrás de la tecnología, como ocurre habitualmente en este sector.
No directamente, pero lo infiere de tus patrones de comportamiento. La velocidad de scroll, el tiempo que te detienes en cada vídeo, si retrocedes, si repites — todo eso genera señales que el modelo correlaciona con estados emocionales observados en millones de usuarios anteriores. No necesita saber que estás triste: detecta que tu patrón de uso coincide con el de personas que estaban tristes.
Cambridge Analytica fue una empresa que usó datos de millones de perfiles de Facebook para construir modelos psicológicos de votantes y mostrarles mensajes políticos personalizados según sus vulnerabilidades emocionales. Demostró que los datos de redes sociales permiten no solo predecir comportamientos sino influir en ellos de forma individualizada. El caso fue el primer escándalo masivo sobre el uso político de datos personales y cambió cómo mucha gente entiende el valor real de sus datos.
Sí, aunque no eliminarlo completamente. Reducir los datos nuevos que cedes — buscador privado, navegador sin rastreo, mensajería cifrada — degrada la precisión del modelo que tienen de ti. También ayuda ser consciente de los mecanismos de diseño persuasivo: feed infinito, notificaciones, autoplay. Reconocerlos no los desactiva, pero sí crea distancia entre el estímulo y tu respuesta.
Serie completa · 7 artículos