Cómo Google Discover decide qué contenidos te enseña (y por qué importa a Alphabet)

Google lleva décadas siendo sinónimo de "buscar": esa barra sobre fondo blanco es el producto estrella de Alphabet y la base de buena parte de sus ingresos publicitarios. Pero hay una segunda pata que funciona con una lógica distinta: Google Discover, un servicio que no espera a que el usuario pida algo, sino que le pone delante un meneo continuo de titulares, vídeos y artículos. Un usuario español puede encontrarse sin buscarlos los secretos culinarios de Ferran Adrià, a qué hora se acuesta la presentadora Pilar Rubio, las ofertas de Lidl o el coche que le librará de la inspección anual. Discover no tiene app propia: viene preinstalado en los móviles Android como parte de la interfaz y se abre deslizando el dedo hacia la derecha en la pantalla de inicio. Su aspecto recuerda al de una red social, aunque sin comentarios, retuits ni interacciones visibles de otros usuarios.

La pregunta del millón es cómo decide qué enseñarte. Según explican los investigadores Olaya López Munuera y Carlos Lopezosa en The Conversation, la respuesta corta es que no existe una fórmula mágica ni un algoritmo único que puedas entrenar o manipular, por mucho que circulen teorías al respecto. Discover funciona con una red enorme y opaca de instrucciones ocultas, una especie de caja negra sobre la que Google ha contado más bien poco. Lo que se sabe viene de trabajos de sus propios ingenieros y de la literatura académica independiente, que sitúa estos sistemas en la frontera entre la recuperación de información y la curación algorítmica de contenidos, y que ya ha documentado su impacto en el periodismo.

La forma más útil de imaginarlo es como un embudo por etapas. En la primera, igual que en el buscador, Google rastrea internet y construye una base de contenidos indexados, aplicando un filtro inicial para dejar fuera lo que incumple sus políticas (por ejemplo, material que busque reclutar para organizaciones terroristas o imágenes explícitas sin contexto periodístico). Pasar ese corte solo significa que un contenido es elegible, no que vaya a aparecer en tu meneo. Después, el sistema detecta qué "entidades" concretas —personas, marcas, temas— aparecen en tus búsquedas e interacciones y las conecta entre sí, de modo que puede interpretar que varias consultas aparentemente inconexas responden al mismo interés y agruparlas en temas y subtemas. Una vez perfilado tu interés, hay que traducirlo a un lenguaje que la máquina pueda comparar a gran escala: según analistas como Damien Andell, Discover usaría representaciones matemáticas conocidas como embeddings, que convierten tus intereses y los grupos de entidades en coordenadas de un tablero parecido al del juego Hundir la flota. Cuanto más cerca quedan dos puntos, mayor afinidad. En la última fase entran los modelos predictivos, que afinan la selección midiendo señales como clics, "me gusta" y zooms.

¿Por qué debería importarle esto a un inversor? Porque Discover no es una curiosidad técnica, sino una máquina de captar atención que mantiene al usuario dentro del ecosistema de Google sin necesidad de que abra una app concreta ni de que formule una búsqueda. Cada deslizamiento es tiempo de pantalla que no se pasa en una red social o en la web de un medio, y ese tiempo es inventario publicitario potencial para Alphabet. Además, el sistema se alimenta del contenido de terceros —medios, creadores, tiendas— y a la vez decide su visibilidad, lo que convierte a Discover en un árbitro silencioso del tráfico de muchos negocios digitales que dependen de él. La otra cara es la opacidad: al no haber una explicación pública de por qué se recomienda cada cosa, es difícil auditar el sistema, algo especialmente delicado en Europa, donde las normas sobre recomendación algorítmica obligan a las plataformas a ser más transparentes sobre cómo ordenan y priorizan lo que ves.