En su libro del 2013 The Content Machine, Michael Bhaskar caracterizaba la curaduría de contenidos como uno “de los retos fundamentales de Internet”. Apenas tres años después, la invitación de Bhaskar a los editores —a que imiten la obsesión de los medios digitales por la curaduría— sigue estando vigente. El crecimiento de la escala de producción de contenidos (ya no sólo editoriales), las modificaciones de la industria que han acercado las herramientas de producción a los ciudadanos de a pie y los cambios en las políticas y patrones de consumo sin duda han contribuido a desplazar a los productores tradicionales de su función de selectores y prescriptores. La curaduría a escala humana, por lo demás, no puede enfrentar por sí sola la cantidad desbordante de contenidos a la espera de ser curados para el público.

El surgimiento, a finales de la década pasada, del interest graph (https://miter.mit.edu/articlehow-interest-graph-will-shape-future-web/) y el uso extendido que se ha dado a algoritmos basados en esa construcción de redes han permitido refinar los procedimientos para determinar los patrones de consumo de los usuarios y para establecer las relaciones entre usuarios e intereses. Así, las plataformas basadas en redes de intereses son cada vez más hábiles en llevar a los usuarios aquellos contenidos que concuerdan con sus preferencias. Esto, siempre y cuando hayan sido alimentadas por el rastro del usuario en la red y reconstruidas por el algoritmo.

En un sentido estrictamente comercial, la curaduría algorítmica tiene, sin duda, un gran atractivo para el acercamiento al público. No obstante, el acceso a la información y a bienes de consumo cultural trasciende el simple aspecto monetario, ya que asegura la disposición de herramientas de construcción personal. Por este motivo son numerosas las voces que alertan sobre el aislamiento ideológico que la personalización algorítmica puede provocar. El algoritmo, en su aparente neutralidad, es tanto técnico como político.[1]

Cabe preguntarse si la capacidad prescriptora del algoritmo podrá suplir del todo las habilidades persuasivas que los curadores tradicionales solían poner en marcha para guiar el consumo. ¿Veremos con mayor frecuencia curadurías mixtas que aprovechan las ventajas de cada método?

[1] Bozdag, Engin. “Bias in algorithmic filtering and personalization”. En Ethics Inf Technol 15: 209-227, 2013. Disponible en: https://www.researchgate.net/publication/257560404_Bias_in_algorithmic_filtering_and_personalization