La sociedad digital, pieza a pieza

La Era Digital o Era de la Información, también llamada Revolución Digital,  hace referencia al periodo histórico iniciado a mediados de la dećada de 1970 gracias a la convergencia en el desarrollo de tecnologías electrónicas, telemáticas e informáticas que se caracteriza por el uso cada vez más generalizado e intensivo en la sociedad de las tecnologías de información y comunicación, tanto en el área estrictamente económica como en otras áreas como el entretenimiento y las relaciones sociales, sobre todo a partir del desarrollo de Internet y el uso masivo de dispositivos móviles de comunicación. Mas allá del uso intensivo de dichas tecnologías, la era digital ha implicado tambiéun una nueva forma de subjetividad, que ha provocado una transformación profunda en las relaciones sociales; asimismo, en el área económica ha supuesto un factor fundamental en la globalización económica, además de incrementar la productividad de forma notable gracias a la digitalización de los procesos productivos y de comercialización; la difusión y producción de conocimiento se han desarrollado también de forma notable gracias a las tecnologías digitales, reforzando y acelerando el desarrollo y aplicación de dichas tecnologías. Más concretamente, la Era Digital ha traido consigo fenómenos y escenarios de gran relevancia histórica como la Tercera Revolución Industrial, la desmaterialización de la economía, la sociedad postindustrial y la modernidad líquida.

Digitalización – Brecha digital La Era digital o Era de la información es un periodo histórico que arranca a mediados del siglo XX y que sigue vigente en la actualidad, que arrancó a partir del desarrollo de la informática y tecnologías de comunicación que han traido consigo una explosión de la producción, almacenamiento de los datos y la información en general y su acceso, comunicación y aprovechamiento económico, científico y social. La gestión automatizada de la información a través de herramientas informática ha permitido su explotación hasta el punto de convertir la información en un activo económico de gran productividad, de modo que la información genera a su vez más información, increméntadose así su volumen de forma exponencial, generando cambios de paradigma en lo económico y social, asociada a fenómenos históricos contemporáneos como la Tercera Revolución Industrial, la desmaterialización de la economía, la sociedad postindustrial y la modernidad líquida.

Capitalismo de la vigilancia

La economía de la atención es el análisis de los mercados en los que el bien escaso no es la información sino el tiempo y la capacidad de atender de un público, de modo que quien produce contenido no vende contenido: vende audiencia a un tercero. La formulación canónica es de Herbert Simon, que en 1971 escribió que en un mundo rico en información la abundancia de información produce escasez de atención, y que por tanto el problema de diseño consiste en asignar atención y no en aumentar información. Simon estaba hablando de organizaciones y no de medios, y ese origen conviene recordarlo: el argumento no es una denuncia de la publicidad, es una constatación aritmética sobre un recurso que no se puede fabricar.

El mercado es más viejo que la teoría. Tim Wu fechó su origen en 1833, cuando el New York Sun bajó su precio a un centavo, muy por debajo del coste, y compensó la pérdida vendiendo espacio publicitario: la prensa dejó de vivir de sus lectores para vivir de su número de lectores. A partir de ahí la secuencia es reconocible en cada tecnología nueva. El folletín barato descubre que la sensación se vende sola; el cartel descubre la vía pública; la radio descubre que puede entrar en la casa a una hora fija; la televisión descubre que puede medir cuántos están mirando. Cada medio repite la misma jugada —regalar el contenido, cobrar el público— y cada vez se produce un pánico sobre el envilecimiento del gusto que no impide que el modelo se consolide.

Lo que sí es nuevo, y es lo que convierte el asunto en un problema sociológico y no solo económico, es la incorporación de un mecanismo psicológico bien medido al diseño del producto. Charles Ferster y B. F. Skinner publicaron en 1957 el estudio sistemático de los programas de refuerzo y establecieron un resultado sólido: un refuerzo entregado de forma intermitente e impredecible —el programa de razón variable— produce tasas de respuesta más altas y más resistentes a la extinción que un refuerzo constante. Es el principio que hace funcionar las máquinas tragaperras. Una interfaz que actualiza su contenido con un gesto y devuelve un resultado distinto cada vez implementa ese programa: el desplazamiento infinito, ideado en 2006, elimina el punto en que el usuario debía decidir si seguía; el gesto de tirar para recargar, popularizado poco después, añade la espera y la variabilidad. En 2014 el procedimiento estaba escrito en forma de manual, con nombre —el modelo del gancho— y con la secuencia de disparador, acción, recompensa variable e inversión.

La estructura del mercado añade una torsión que suele pasar desapercibida y que es la clave para entender por qué el sistema se comporta como se comporta. Lo que se compra y se vende no es atención, sino un indicador de atención: impresiones, tiempo de permanencia, visionados por encima de un umbral de segundos. El anunciante paga por una medida, no por un estado mental, y la medida la produce quien vende. Eso genera dos incentivos permanentes: optimizar el indicador aunque se separe de la cosa —una reproducción automática cuenta como visionado— y una industria de fraude publicitario que consiste en fabricar el indicador sin ningún ser humano detrás. Al mismo tiempo, cualquier estimación del consumo real basada en preguntar es poco fiable: la revisión sistemática que compararon Parry y sus colaboradores en 2021 entre uso declarado y uso registrado por el propio dispositivo encontró que las dos medidas coinciden mal, y que el error no es aleatorio sino sistemático. Buena parte de la literatura sobre efectos del tiempo de pantalla se construyó sobre autoinformes que no miden lo que dicen medir.

Hay dos objeciones serias al modo en que la crítica de la atención se formula habitualmente, y las dos tienen respaldo empírico. La primera es la de la adicción. Los cuestionarios que miden «uso problemático» de pantallas están calcados de los criterios diagnósticos del juego patológico —tolerancia, abstinencia, pérdida de control— y varios investigadores del propio campo, entre ellos Joël Billieux y sus coautores en 2015, advirtieron de que ese trasplante convierte en patología cualquier afición intensa: aplicado con el mismo umbral al ejercicio, a la lectura o al trabajo, el instrumento diagnostica adicción en un porcentaje enorme de la población. Que un diseño explote un mecanismo de refuerzo es un hecho comprobable; que el resultado sea una adicción en sentido clínico es una afirmación mucho más fuerte y peor sostenida.

La segunda objeción es que hasta hace poco no existía evidencia causal sobre el efecto de todo esto en el bienestar, solo correlaciones. El experimento mejor diseñado al respecto es el que publicaron Hunt Allcott, Luca Braghieri, Sarah Eichmeyer y Matthew Gentzkow en 2020: pagaron a un grupo de usuarios para desactivar su cuenta en una red social durante cuatro semanas y compararon los resultados con un grupo de control. Los que la desactivaron declararon más bienestar subjetivo, dedicaron más tiempo a actividades fuera de la pantalla y mostraron menos polarización política. Los mismos autores encontraron dos resultados que complican la lectura fácil: los participantes exigían una cantidad de dinero considerable para renunciar al servicio durante ese mes —es decir, le atribuían un valor real y positivo—, y una parte redujo su uso también después del experimento, lo que sugiere que estaban consumiendo más de lo que ellos mismos consideraban óptimo. El cuadro que sale de ahí no es el de una víctima manipulada ni el de un consumidor soberano, sino el de alguien que valora un servicio y a la vez no consigue usarlo en la cantidad que preferiría.

La conclusión defendible es más estrecha y más útil que la denuncia general. Hay un recurso finito que no puede crecer; hay un mercado que lo compra mediante indicadores que él mismo genera; hay técnicas de diseño con base experimental que aumentan el consumo de ese recurso por encima de lo que el propio consumidor elegiría en frío; y hay una diferencia importante entre eso y una enfermedad. Simon lo dejó dicho en la frase menos citada de su artículo de 1971: en un entorno saturado, un sistema de información bien diseñado no es el que entrega más información, sino el que absorbe información y devuelve menos.

La clasificación algorítmica – Las cámaras de eco – La soledad conectada – Capitalismo de la vigilancia – Industria cultural – Comunicación de masas – Era digital – Las estéticas de internet

El capitalismo de la vigilancia es el orden económico que convierte la experiencia humana en materia prima gratuita para extraer datos de comportamiento, con los que se fabrican predicciones sobre lo que las personas harán, y que se venden en mercados de futuros conductuales. El concepto es de la socióloga y psicóloga social Shoshana Zuboff, profesora emérita de la Harvard Business School, que lo desarrolló desde 2014 y lo expuso en La era del capitalismo de la vigilancia (2019). Su tesis central es que el producto no es el usuario ni su atención, sino la predicción de su conducta futura, y que el cliente no es el usuario en ningún momento: el usuario es el yacimiento.

Zuboff sitúa el origen en Google entre 2001 y 2003. La empresa acumulaba registros residuales de comportamiento —consultas, patrones de escritura, clics, tiempos de permanencia— que trataba como desechos útiles para mejorar el servicio. La presión por generar ingresos tras el estallido de la burbuja tecnológica llevó a descubrir que ese excedente conductual, aplicado a la predicción de clics publicitarios, tenía un valor extraordinario, y que su valor aumentaba cuanto más excedente se recogía, incluidos los datos sin ninguna relación con el servicio prestado. Ese descubrimiento —el excedente conductual como activo, no como residuo— es para Zuboff el equivalente de la invención de la producción en cadena, y el patrón se extendió después a las redes sociales, los teléfonos, los coches, los electrodomésticos y las ciudades. La lógica competitiva empuja además hacia la fase siguiente: si predecir mejor exige más datos, y más datos ya no bastan, el paso rentable es intervenir para que la conducta se ajuste a la predicción. Zuboff llama a ese conjunto de infraestructuras Big Other, y describe la operación como una desposesión sin contrato: no hay intercambio, porque no hay nada que el usuario ceda a sabiendas y a cambio de algo.

El diagnóstico tiene consecuencias jurídicas y políticas concretas. Los derechos que se dan por descontados —privacidad, protección de datos, consentimiento informado— se ejercen sobre información que uno ha entregado, mientras que el excedente conductual es inferido: la predicción de que alguien va a cambiar de trabajo, quedarse embarazada o sufrir una recaída no la ha comunicado nadie, y no está claro de quién es. Sobre esta asimetría de conocimiento se apoya lo que Zuboff considera la amenaza específica del modelo: no la pérdida de intimidad, sino la pérdida del derecho al tiempo futuro, la capacidad de actuar sin que la acción esté ya modelada y sea comercializable.

La crítica al concepto es sustancial y merece figurar junto a él. Evgeny Morozov ha sostenido que la formulación de Zuboff aísla la vigilancia del funcionamiento normal del capitalismo y sugiere que existiría un capitalismo digital sano al que volver, cuando la extracción de datos es continuación de dinámicas de acumulación muy anteriores a Google. Otros autores objetan que hablar de una mutación del capitalismo confunde una estrategia empresarial con una época histórica, y que la tradición de los estudios de vigilancia ya había descrito la dispersión de la mirada institucional sin necesidad de postular un orden económico nuevo: el ensamblaje vigilante de Kevin Haggerty y Richard Ericson (2000) explicaba la convergencia de sistemas de registro heterogéneos sobre un mismo individuo doce años antes.

La objeción empírica es la más incómoda y la menos atendida, porque afecta al supuesto sobre el que se apoya todo el edificio: que las predicciones funcionan. La medición del efecto incremental de la publicidad dirigida arroja resultados mucho más pobres de lo que el sector proclama. Thomas Blake, Chris Nosko y Steven Tadelis publicaron en 2015 un experimento de campo a gran escala en un mercado en línea que encontró que la publicidad de pago en buscadores apenas producía ventas adicionales: la mayor parte de los clics venían de compradores que habrían llegado igualmente por vía gratuita. Randall Lewis y Justin Rao mostraron el mismo año un problema estadístico de fondo: los efectos publicitarios realistas son tan pequeños en relación con la variabilidad del gasto de los consumidores que detectarlos exige muestras enormes, de modo que la inmensa mayoría de las campañas se evalúa con instrumentos incapaces de distinguir un efecto real de ruido. Tim Hwang extrajo en 2020 la consecuencia: el mercado publicitario digital negocia un activo cuyo valor nadie puede verificar, y su estructura se parece a la de una burbuja sostenida por métricas autoproducidas. Si esto es correcto, la amenaza del modelo no está tanto en el poder predictivo que ejerce como en el que dice tener —lo que no lo hace inocuo, porque las decisiones sobre créditos, seguros, precios y empleo se toman igual con esas predicciones mediocres, y quien las sufre no puede impugnarlas—. La discusión sigue abierta, y el término se ha convertido mientras tanto en la etiqueta estándar para describir la economía política de la era digital.

Panóptico – La clasificación algorítmica – La economía de la atención – El trabajo de plataforma – La moderación de contenidos – Digitalización – Metadatos – Brecha digital – Sociedad postindustrial

La clasificación algorítmica es la asignación automatizada de personas a categorías con el fin de repartir algo: un crédito, una entrevista de trabajo, una plaza escolar, una prestación, la atención de una patrulla o una recomendación de condena. Su rasgo definitorio no es el uso de estadística —los seguros la usan desde el siglo XVIII— sino la combinación de tres cosas: la decisión se toma sobre un individuo, la regla se aplica sin excepción y el sistema opera a una escala en la que revisar caso por caso es imposible. Todo lo demás es antiguo, y verlo antiguo es la mejor forma de entender qué falla.

El primer sistema de clasificación de personas a escala industrial es el de Bertillon. Su problema era concreto: la legislación francesa castigaba con más dureza al reincidente, y no había manera fiable de saber si un detenido que daba un nombre falso ya había pasado por el sistema. La antropometría judicial resolvía el problema por eliminación —cada medida divide el archivo en tramos, y once medidas dejan un puñado de fichas candidatas— y con ello inauguró la lógica que sigue vigente: lo importante no es la exactitud de cada dato, sino que el conjunto de datos permita descartar. El sistema tenía dos defectos que la propia práctica reveló. Las medidas dependían del operador, con lo que la misma persona podía producir dos fichas distintas; y la clasificación no servía para identificar a partir de un rastro dejado en la escena. Las huellas dactilares, cuya clasificación quedó resuelta a finales del siglo XIX, ganaron por ambas razones y desplazaron a la antropometría en dos décadas.

Geoffrey Bowker y Susan Leigh Star formularon en 1999 la teoría general de esto en Sorting Things Out, y sus tres resultados siguen siendo el mejor instrumento para analizar cualquier sistema automatizado. El primero es que las clasificaciones son infraestructura: se vuelven invisibles cuando funcionan y solo se notan cuando fallan, igual que las tuberías. El segundo es que toda clasificación produce categorías residuales —el «otros», el «no consta»— y que ahí se acumula precisamente lo que el sistema no supo prever, de manera que el cajón de sastre es el lugar donde hay que mirar para entender los supuestos de un esquema. El tercero, el más útil, es lo que llamaron torsión: cuando la biografía de una persona no encaja en la casilla disponible, no se corrige la casilla, se corrige la biografía, y el coste de esa deformación lo paga siempre el clasificado y nunca el clasificador.

La mecanización llegó con el censo estadounidense de 1890 y con las tarjetas perforadas de Hermann Hollerith. Su aportación no fue sumar más rápido: fue permitir el cruce de variables, es decir, localizar subpoblaciones. Un registro que puede responder a la pregunta «quiénes son, uno a uno, los residentes de este distrito que cumplen estas tres condiciones» es una herramienta distinta de un recuento, y su potencia es indiferente al propósito. William Seltzer y Margo Anderson reunieron en 2001 la documentación de lo que ocurre cuando ese propósito cambia: los sistemas de registro de población europeos, construidos para administrar servicios, fueron utilizados durante la ocupación alemana para localizar a los grupos perseguidos, y la correlación entre la calidad del registro civil de un país y la proporción de su población judía asesinada es uno de los hallazgos más sombríos de la historia de la estadística. La lección no es que registrar sea malo: es que un registro sobrevive al régimen que lo creó, y que la evaluación de un sistema de clasificación tiene que incluir a quien lo heredará.

El caso que fijó el debate contemporáneo es el de las puntuaciones de riesgo de reincidencia usadas por tribunales estadounidenses. En 2016, un equipo de ProPublica analizó los resultados de una de esas herramientas en un condado de Florida y encontró un patrón claro: entre los acusados que no reincidieron, los negros habían recibido una etiqueta de alto riesgo con mucha más frecuencia que los blancos; entre los que sí reincidieron, los blancos habían sido etiquetados de bajo riesgo con más frecuencia. La empresa respondió que su instrumento estaba calibrado: dentro de cada puntuación, la proporción real de reincidencia era la misma para blancos y negros. Lo notable es que ambas partes tenían razón, y ese es el resultado que conviene retener. Alexandra Chouldechova, y de forma independiente Jon Kleinberg, Sendhil Mullainathan y Manish Raghavan, demostraron en 2016 y 2017 que cuando las tasas base de dos grupos difieren, es matemáticamente imposible que una puntuación esté calibrada y a la vez iguale las tasas de error entre grupos. No es un defecto de implementación que un equipo mejor pueda corregir: es un teorema de imposibilidad. Cualquier sistema de este tipo tiene que elegir qué criterio de equidad sacrifica, y esa elección es política y no técnica.

Los fallos documentados forman ya un catálogo con estructura reconocible. En 2018 Joy Buolamwini y Timnit Gebru midieron sistemas comerciales de clasificación de género a partir de fotografías y encontraron tasas de error de hasta el 34,7 % en mujeres de piel oscura frente al 0,8 % en hombres de piel clara: el sistema no era peor en general, era peor exactamente donde había menos ejemplos en su entrenamiento. En 2016, Kristian Lum y William Isaac mostraron con datos de una ciudad estadounidense el problema del bucle de realimentación en la predicción policial: si el modelo se entrena con detenciones registradas y no con delitos cometidos, enviar más patrullas a una zona produce más registros en esa zona, que el modelo interpreta como confirmación. La predicción se cumple porque se actúa sobre ella. Y en la administración pública hay al menos dos sentencias que fijaron límites: un tribunal neerlandés anuló en febrero de 2020 el sistema de detección de fraude social SyRI por incompatible con el derecho a la vida privada, y el programa australiano de cálculo automático de deudas de prestaciones —que promediaba ingresos anuales para imputar cobros indebidos mes a mes— acabó reclamando cientos de miles de deudas inexistentes, en una devolución multimillonaria y una comisión de investigación. En España, el programa que decide la concesión del bono social eléctrico dio lugar a un litigio por el acceso a su código fuente en el que la administración opuso la propiedad intelectual del software: un caso ejemplar de que la opacidad de estos sistemas rara vez es técnica y casi siempre es jurídica.

Queda la objeción más importante, y es a favor de los algoritmos. La alternativa no es una decisión limpia, es una decisión humana con sesgos igual de grandes, distribución mucho más caprichosa y ninguna posibilidad de auditoría: un juez no puede ser sometido a validación cruzada. Kleinberg y sus coautores mostraron en 2018, con datos de decisiones de fianza en Nueva York, que una regla estadística bien construida podía reducir simultáneamente la población encarcelada y la delincuencia respecto a las decisiones reales de los jueces, y que además hacía explícitas las disparidades raciales que la práctica judicial dejaba invisibles. El argumento sólido, por tanto, no es que clasificar automáticamente sea ilegítimo, sino que la comparación honesta es entre dos sistemas imperfectos y que solo uno de los dos puede ser medido. Lo que sigue siendo indefendible es el tercer camino, el habitual: un sistema automático cuyos criterios no se publican, cuyas tasas de error por grupo no se miden y cuya decisión ninguna persona puede revisar.

Capitalismo de la vigilancia – Panóptico – La economía de la atención – El trabajo de plataforma – Racismo científico y craniometría – Los apaches de París – Algoritmo – Era digital

Una cámara de eco es un entorno de comunicación en el que una persona se encuentra sobre todo con opiniones que confirman las que ya tenía, porque su red de contactos está compuesta por gente que piensa como ella. Una burbuja de filtro es cosa distinta: la selección la hace un sistema de personalización sin que el usuario la elija ni la advierta. La distinción importa porque el diagnóstico y el remedio son opuestos —en un caso el filtro son las amistades, en el otro una empresa— y porque casi toda la conversación pública sobre el asunto las confunde. Cuando se separan y se van a mirar los datos, la tesis popular sale bastante peor parada de lo que su difusión haría suponer.

La idea de que la gente busca lo que confirma sus creencias no la trajo internet: es el hallazgo fundacional de la investigación empírica sobre medios. Paul Lazarsfeld, Bernard Berelson y Hazel Gaudet siguieron durante la campaña presidencial estadounidense de 1940 a un panel de votantes del condado de Erie y encontraron que la propaganda apenas convertía a nadie: su efecto principal era reforzar la preferencia previa y activar al ya convencido, porque cada votante se exponía preferentemente al material de su lado. Joseph Klapper consolidó ese resultado en 1960 con el nombre de tesis del refuerzo. Y Elihu Katz y Lazarsfeld habían añadido en 1955 la pieza que hoy se olvida: la influencia de los medios llega filtrada por los líderes de opinión del entorno inmediato, es decir, la red social —en el sentido literal, no informático— fue siempre el filtro. Cuando Cass Sunstein describió en 2001 el peligro de un periódico personalizado que solo trajera lo que uno quisiera leer, y cuando Eli Pariser popularizó en 2011 la expresión burbuja de filtro, estaban actualizando una preocupación de sesenta años con un agente nuevo.

El primer resultado que descoloca la tesis es de contabilidad. Matthew Gentzkow y Jesse Shapiro midieron en 2011 la segregación ideológica del consumo de noticias en línea y la compararon con la de otros entornos. El consumo digital estaba segregado, pero menos que las conversaciones cara a cara: el barrio, el trabajo, la familia y el círculo de amigos son ideológicamente más homogéneos que el conjunto de sitios que una persona visita. La razón es simple y poco intuitiva: los grandes portales de noticias tienen audiencias enormes y mezcladas, y un usuario cualquiera pasa por varios. Andrew Guess llegó a una conclusión convergente en 2021 al analizar dietas informativas medidas en el dispositivo y no declaradas: la mayoría de la gente consume, sobre todo, medios de centro y en pequeña cantidad, y los solapamientos entre las dietas de unos y otros son grandes. El votante encerrado en su cámara existe, pero es una minoría pequeña y muy activa, no el caso medio.

El segundo resultado afecta al papel del algoritmo. Eytan Bakshy, Solomon Messing y Lada Adamic analizaron en 2015 la exposición a contenidos del otro lado en una red social grande y descompusieron el recorte en tres tramos: el que produce la composición de la red de amistades, el que produce la ordenación algorítmica y el que produce el clic del propio usuario. El recorte mayor lo hacía la red de amistades; el del algoritmo era menor que el de la elección personal. El estudio tiene una limitación conocida —solo pudo usar a quienes declaran su ideología en el perfil, que no son representativos— y no cierra la cuestión, pero invierte la carga de la prueba. Sobre la supuesta madriguera de recomendaciones que conduce del vídeo moderado al extremo, Homa Hosseinmardi y sus coautores encontraron en 2021, con datos de navegación real, que el consumo de contenido radical estaba impulsado por la demanda de una minoría que ya lo buscaba y que llegaba a él con frecuencia desde fuera de la plataforma, no arrastrada por su recomendador.

El tercer resultado es el más difícil de esquivar. Levi Boxell, Matthew Gentzkow y Jesse Shapiro compararon en 2017 la evolución de la polarización política en Estados Unidos por grupos de edad y encontraron que había crecido más entre los mayores, es decir, en el grupo demográfico con menor uso de internet y de redes sociales. Si el mecanismo causal fuera el que se le atribuye, la polarización debería haber crecido más donde más se usan las plataformas, y ocurre lo contrario. En la misma línea, los grandes experimentos de campo realizados en colaboración con una plataforma durante un ciclo electoral estadounidense —cambiar el muro a orden cronológico, eliminar las republicaciones, reducir la proporción de contenido afín— produjeron efectos pequeños o nulos sobre la polarización y las actitudes políticas de los participantes en plazos de varios meses. Es la clase de resultado que obliga a rehacer el argumento: no dice que las plataformas sean inocuas, dice que la vía por la que se supone que hacen daño no es la que se creía.

Lo que sí resiste el escrutinio conviene enumerarlo con precisión, porque es donde está el problema real. Primero, la concentración: Nir Grinberg y sus coautores encontraron en 2019, analizando una elección estadounidense, que una fracción minúscula de usuarios —del orden del uno por ciento— concentraba la gran mayoría de la exposición a fuentes no fiables, y una fracción aún menor, la mayoría de las republicaciones. El problema no está repartido; está en una cola muy delgada y muy intensa, que además es la que produce la mayor parte del contenido que todos los demás ven citado. Segundo, la asimetría de la oferta: Yochai Benkler, Robert Faris y Hal Roberts mostraron en 2018 que la estructura del ecosistema mediático estadounidense es asimétrica —un extremo del espectro construyó un circuito propio con sus propias reglas de verificación, mientras el resto siguió sujeto a las convenciones periodísticas—, y que esa asimetría es una propiedad de la oferta de medios y no del filtro de cada usuario. Tercero, el incentivo: William Brady y sus coautores midieron en 2017 que los mensajes con lenguaje moral y emocional se difunden significativamente más que los equivalentes neutros, de modo que un sistema que ordena por interacción premia sistemáticamente la indignación. Ahí hay un mecanismo bien documentado, y no consiste en aislar al consumidor sino en abaratar la producción de agravio.

La lección metodológica es la que más vale conservar. La tesis de la cámara de eco es atractiva porque explica el desacuerdo político sin atribuir ninguna razón al adversario: si el otro piensa distinto es porque está encerrado, no porque tenga argumentos. Esa comodidad es precisamente lo que debería levantar sospechas, y explica su éxito de difusión mucho mejor que su respaldo empírico. La expresión funciona, en la práctica, como una acusación —los que están en la burbuja son siempre los otros— y su circulación cumple con el hallazgo de Brady: es contenido moralizado, y por tanto se propaga bien.

La economía de la atención – La clasificación algorítmica – Viralización – Espiral del silencio – Comunicación de masas – Opinión – Comunidad virtual – La moderación de contenidos

La viralización es la difusión de un contenido de persona a persona, en la que cada receptor puede convertirse en emisor y el alcance final no lo determina el emisor inicial sino la estructura de la red por la que circula. La metáfora es epidemiológica y trae consigo un modelo preciso: si cada individuo contagiado infecta en promedio a más de uno, la difusión crece; si infecta a menos de uno, se apaga. Ese modelo es útil como punto de partida y engañoso como descripción, porque casi ningún contenido de los que se llaman virales se difunde así.

La primera teoría social del contagio es de Gabriel Tarde, que en Les lois de l’imitation (1890) sostuvo que casi todo lo social se propaga por imitación y formuló tres regularidades: la imitación va de lo interior a lo exterior —primero se copian las ideas, después las formas—, desciende por la jerarquía social, y avanza en progresión geométrica cuando no encuentra obstáculo. Everett Rogers reunió en 1962 la evidencia acumulada sobre difusión de innovaciones y añadió las piezas empíricas que faltaban: la curva acumulada en forma de S, la clasificación de los adoptantes por rapidez y, sobre todo, la constatación de que la decisión de adoptar depende más de lo que hacen los conocidos que de la información disponible. Elihu Katz y Paul Lazarsfeld habían mostrado en 1955 el mecanismo intermedio con datos de campaña: la influencia de los medios llega en dos pasos, filtrada por los líderes de opinión del entorno inmediato de cada persona.

Mark Granovetter añadió en 1973 el resultado que se ha convertido en tópico y que se cita casi siempre mal. Su hallazgo era que la información nueva —una oferta de trabajo, en su caso— llega con más frecuencia a través de vínculos débiles que de vínculos fuertes, porque los conocidos lejanos son quienes tienen acceso a círculos a los que uno no llega. De ahí se saltó a la conclusión de que los vínculos débiles difunden mejor cualquier cosa, y eso es falso. Damon Centola y Michael Macy demostraron en 2007 la distinción decisiva: hay contagios simples, que basta con recibir una vez —una noticia, un rumor, un enlace—, y contagios complejos, que requieren confirmación de varias fuentes antes de que alguien actúe, como sumarse a una huelga, adoptar una práctica costosa o cambiar de conducta sanitaria. Los primeros viajan mejor por vínculos débiles y largos; los segundos necesitan redes densas y redundantes, donde varios contactos del mismo círculo refuercen el mensaje, y en ellos los vínculos largos son un estorbo porque diluyen el refuerzo. La mayoría de las cosas que importan socialmente son contagios complejos.

El resultado más importante para entender el fenómeno es de Sharad Goel, Ashton Anderson, Jake Hofman y Duncan Watts, publicado en 2016. Reconstruyeron millones de árboles de difusión reales y midieron su viralidad estructural, es decir, la profundidad media de las cadenas. La conclusión: la abrumadora mayoría de los episodios de difusión, incluidos los de mayor alcance, son emisiones —una cuenta con mucha audiencia publica y el resto recibe directamente de ella, sin cadena— y las cascadas genuinamente virales, con muchas generaciones sucesivas de retransmisión, son extraordinariamente raras. Dos contenidos con el mismo alcance total pueden tener estructuras opuestas, y la práctica habitual de llamar viral a cualquier éxito confunde precisamente eso. La consecuencia práctica es dura para el marketing y para la sociología: lo que suele producir alcance no es el contagio, es tener acceso a un emisor grande. Un dato del pasado apunta en la misma dirección: David Liben-Nowell y Jon Kleinberg reconstruyeron en 2008 el árbol de difusión de cadenas de correo electrónico reales y encontraron una forma inesperada, muy profunda y muy estrecha, incompatible con el modelo de ramificación amplia que la analogía epidémica hacía esperar.

Sobre qué contenidos se comparten más, la mejor evidencia es de Jonah Berger y Katherine Milkman, que en 2012 analizaron qué artículos de un gran diario acababan en la lista de los más enviados: el predictor no era que la noticia fuera positiva o negativa, sino su nivel de activación emocional. La admiración, la indignación y la ansiedad aumentan la probabilidad de compartir; la tristeza, que es negativa pero desactivadora, la reduce. El resultado explica por qué un sistema que ordena por interacción favorece sistemáticamente el agravio: no porque prefiera el conflicto, sino porque el conflicto activa.

Queda el caso más citado y su corrección, que juntos son la mejor lección metodológica del campo. Soroush Vosoughi, Deb Roy y Sinan Aral publicaron en 2018 un análisis de cascadas verificadas en una red social y concluyeron que las noticias falsas se difundían más lejos, más rápido y más profundamente que las verdaderas, y que la culpa no era de los programas automáticos sino de las personas. En 2021, Jonas Juul y Johan Ugander repitieron el análisis emparejando las cascadas por tamaño final —comparando cascadas falsas y verdaderas que habían alcanzado el mismo número de personas— y encontraron que sus mecanismos de difusión eran prácticamente indistinguibles. La diferencia no está, por tanto, en cómo se propaga lo falso, sino en cuántas historias falsas llegan a hacerse populares. Es una corrección que no consuela, pero cambia el remedio: el problema está en la producción y en la selección inicial, no en una supuesta contagiosidad especial de la mentira.

Conviene cerrar con la advertencia más severa que se ha hecho a toda esta literatura. Cosma Shalizi y Andrew Thomas demostraron en 2011 que, en datos observacionales de redes, el contagio y la homofilia están genéricamente confundidos: cuando dos amigos hacen lo mismo, no hay manera de distinguir con esos datos si uno influyó en el otro o si eran amigos porque ya se parecían. Casi todos los estudios que atribuyen a la influencia social la propagación de una conducta —fumar, engordar, votar— son vulnerables a esa objeción, y solo la experimentación aleatorizada la evita. La viralización existe; lo que rara vez existe es la prueba de que un caso concreto lo haya sido.

Las cámaras de eco – La economía de la atención – Memeficación – Comunicación de masas – Espiral del silencio – Comunidad virtual – La moderación de contenidos – Era digital

El trabajo de plataforma es el que se asigna, tarifa, dirige y evalúa a través de una aplicación cuyo titular se presenta como intermediario tecnológico y no como empleador. La discusión pública lo ha tratado casi siempre como un problema de calificación jurídica —si el repartidor es autónomo o asalariado—, y esa es la parte visible pero no la interesante. Lo característico de esta forma de organización no es el contrato: es que las funciones clásicas del mando —repartir la tarea, fijar el ritmo, medir el rendimiento, sancionar— se ejecutan mediante un sistema informático que no da órdenes, sino que distribuye información de manera desigual.

La genealogía es larga y aclara qué es antiguo y qué es nuevo. El pago por pieza y el trabajo a domicilio organizaban desde el siglo XVIII una relación en la que el empresario no compraba tiempo sino resultado, y trasladaba al trabajador el riesgo de la interrupción. Los oficios de recadero de la ciudad industrial —mensajeros de telégrafo, vendedores de periódicos, repartidores— funcionaban ya con la estructura completa: retribución por entrega, disponibilidad prolongada, herramienta propia, espera no remunerada y ninguna garantía de volumen. Frederick Taylor sistematizó en 1911 la medición del trabajo con cronómetro y la separación entre quien concibe la tarea y quien la ejecuta; Ford añadió en 1913 la cinta móvil, que convirtió el ritmo en un parámetro de la máquina. La reducción de tiempos fue espectacular —el montaje de un chasis pasó de más de doce horas a poco más de una— y el coste humano se hizo visible enseguida en la rotación de plantilla, que en aquel año llegó a cifras extraordinarias y obligó a Ford a doblar el salario diario en 1914 para poder retener a alguien. Harry Braverman leyó en 1974 esa secuencia entera como una tendencia a la descualificación: cuanto más se separa la concepción de la ejecución, menos discreción tiene el trabajador y más sustituible es.

Lo nuevo empieza aquí. Alex Rosenblat y Luke Stark documentaron en 2016, estudiando a conductores de una plataforma de transporte, que el mecanismo de control no era la instrucción sino la asimetría informativa: el conductor no sabe adónde va el viaje antes de aceptarlo, no conoce la fórmula que fija la tarifa, no sabe por qué le llega un aviso y no otro, y solo puede inferir el funcionamiento del sistema por ensayo y error. La empresa, en cambio, conoce cada parámetro. Ese desnivel produce una forma de dirección sin órdenes: nadie manda nada, y sin embargo el comportamiento del trabajador queda determinado con más precisión que bajo un capataz. Katherine Kellogg, Melissa Valentine y Angèle Christin lo formularon en 2020 como un terreno de disputa nuevo, con su repertorio propio: donde el sistema es opaco, los trabajadores construyen teorías populares sobre cómo funciona, las comparten en grupos de mensajería y organizan contramedidas colectivas —desconexiones coordinadas para provocar subidas de tarifa, por ejemplo— que son a la vez conflicto laboral y depuración de errores.

El punto donde la comparación con el pasado deja de ser tranquilizadora es el de la medición del salario. Cuando existe tiempo de espera no remunerado, la retribución por hora no está definida: depende de si se cuentan las horas conectado sin encargo, el desplazamiento hasta la zona de trabajo, la amortización del vehículo, el seguro y el combustible. De ahí que los estudios sobre ingresos de repartidores y conductores arrojen resultados que se contradicen sin que ninguno mienta —cambian el denominador— y de ahí que las cifras que difunden las propias plataformas sean sistemáticamente las más altas posibles: se calculan sobre tiempo de servicio y no sobre tiempo de disponibilidad. Cualquier discusión sobre si estos trabajos pagan bien que no especifique el denominador es una discusión vacía. Veena Dubal añadió en 2023 el problema simétrico: cuando la tarifa se personaliza en tiempo real según el comportamiento previo de cada trabajador —cuánto ha rechazado, cuánto necesita, cuánto tarda en aceptar—, dos personas que hacen el mismo trayecto pueden cobrar distinto, y la retribución deja de ser un precio para convertirse en una predicción sobre cada individuo.

La respuesta jurídica ha sido notablemente convergente allí donde ha llegado a los tribunales superiores. El Tribunal Supremo español declaró en septiembre de 2020, en pleno de su sala social, que los repartidores de una plataforma de comida eran trabajadores por cuenta ajena, y el razonamiento es el que interesa: la ajenidad y la dependencia no se aprecian por la presencia de un jefe, sino porque la plataforma controla el algoritmo de asignación, fija el precio, posee la marca y la clientela y dispone de un sistema de puntuación que condiciona el acceso al trabajo; que el repartidor use su propia moto y elija franja horaria es irrelevante frente a eso. El Tribunal Supremo británico llegó en febrero de 2021 a una conclusión equivalente sobre los conductores de una aplicación de transporte, insistiendo además en un punto de método: la calificación de la relación no puede depender de cómo la describa el contrato redactado por una de las partes. En España el criterio se convirtió en ley en 2021, con una norma que introdujo dos cosas: la presunción de laboralidad para el reparto y —esto es lo verdaderamente novedoso— el derecho del comité de empresa a ser informado de los parámetros y reglas en que se basan los algoritmos que afectan a las condiciones de trabajo. Es la primera vez que una legislación laboral europea trata la fórmula de un sistema informático como materia de información obligatoria. La Unión Europea siguió después con una directiva que combina una presunción de laboralidad con obligaciones sobre la gestión algorítmica, y en el otro extremo, un referéndum en California consagró la excepción contraria, dejando a los conductores de aplicaciones fuera del estatuto de empleado.

Faltan dos objeciones y las dos son sólidas. La primera: la flexibilidad que estos trabajos ofrecen es real y muchos trabajadores la valoran por encima de otras condiciones, sobre todo quienes tienen cargas de cuidado, estudios o un segundo empleo. Alex Wood y sus coautores encontraron en 2019 la formulación precisa de la paradoja: hay autonomía genuina sobre cuándo trabajar y ninguna sobre cómo y cuánto se cobra, y la primera se usa para justificar la ausencia de la segunda. La segunda objeción es que reclasificar no arregla automáticamente nada. Después de que España impusiera la presunción de laboralidad, una de las plataformas de reparto abandonó el mercado y otras reorganizaron la actividad mediante flotas subcontratadas; el empleo se formalizó y una parte de la precariedad se desplazó en lugar de desaparecer. Es el resultado esperable cuando se corrige la etiqueta contractual sin tocar el mecanismo, y señala dónde está lo que hay que regular: no en el nombre de la relación, sino en el reparto del riesgo de las horas vacías y en el acceso a los parámetros con los que se dirige a alguien.

La clasificación algorítmica – Capitalismo de la vigilancia – Precariedad laboral – División social del trabajo – Condiciones de trabajo – Fuerza de trabajo – La economía de la atención – Era digital

La moderación de contenidos es el conjunto de reglas, procedimientos y trabajo humano con el que una plataforma decide qué publicaciones permanecen visibles y cuáles se retiran, degradan o etiquetan. La observación central de este campo, formulada por Tarleton Gillespie en 2018, es contraintuitiva y decisiva: moderar no es una tarea accesoria que las plataformas asumen a regañadientes, es su producto. Un servicio abierto sin moderación se llena en semanas de material que expulsa a los usuarios —fraude, acoso, contenido sexual no consentido, contenido de explotación infantil— y deja de ser utilizable. Toda plataforma es, por tanto, una operación de censura privada, y la única pregunta razonable es quién fija sus reglas y con qué posibilidad de recurso.

La genealogía útil no es la de la censura estatal sino la de la autorregulación de una industria para evitarla, porque ahí está el patrón que se repite. En Estados Unidos, la ley Comstock de 1873 convirtió al servicio de correos en el filtro moral del país y dio a un inspector particular, Anthony Comstock, poderes para incautar impresos, con una amplitud que su propia época encontró excesiva. Cuando el cine se convirtió en espectáculo de masas, las juntas municipales de censura empezaron a multiplicarse y a dictar criterios contradictorios de una ciudad a otra; la industria reaccionó adoptando en 1930 un código propio, y a partir de 1934 una oficina que lo aplicaba antes del rodaje con capacidad de negar el sello sin el que ninguna sala exhibía. El código no era ley: era un contrato privado más restrictivo que cualquier norma vigente, adoptado para impedir que se legislara. Ese es exactamente el argumento con el que las plataformas defienden sus normas de comunidad, y también explica su rasgo más constante —que prohíben bastante más de lo que la ley prohíbe—.

El paso al mundo digital tiene un origen jurídico concreto y con una ironía dentro. A comienzos de los años noventa, dos sentencias estadounidenses establecieron una regla perversa: un servicio en línea que no moderaba nada era tratado como simple distribuidor y no respondía por lo publicado, mientras que uno que moderaba pasaba a ser considerado editor y respondía de todo, incluso de lo que no había visto. La consecuencia era que moderar salía carísimo y no moderar era gratis. La sección 230 de la ley estadounidense de 1996 se escribió precisamente para eliminar ese incentivo: garantizó que retirar contenido de buena fe no convirtiera al servicio en responsable del resto. Es decir, la norma que suele presentarse como el escudo de la impunidad de las plataformas se aprobó para hacer posible la moderación. Sin ella, el modelo dominante habría sido el de no tocar nada.

Lo que la etapa digital añade es la escala, y la escala convierte un problema de criterio en un problema de aritmética. Las grandes plataformas informan de retiradas del orden de miles de millones de elementos por trimestre. Con volúmenes así, cualquier tasa de acierto por debajo del cien por cien produce errores en cantidades absolutas enormes: un 99 % de precisión sobre mil millones de decisiones deja diez millones de decisiones equivocadas, repartidas entre retiradas injustas y contenidos dañinos que permanecen. No existe ninguna combinación de personas y software que elimine ese resultado, y por eso la discusión sobre si una plataforma «censura demasiado» o «no hace lo suficiente» suele ser una discusión sobre qué tipo de error se prefiere. La automatización funciona muy bien en un caso concreto y mal en el resto: comparar una imagen contra una base de huellas digitales de material ya identificado es fiable y rápido, mientras que juzgar si una frase nueva es una amenaza, una broma o una cita requiere contexto, y los clasificadores rinden mucho peor en los idiomas para los que hay menos datos de entrenamiento, que son la mayoría de los idiomas del mundo.

La parte que menos se discute y más importa es el trabajo. Sarah T. Roberts documentó en 2019 lo que llamó moderación comercial de contenidos: decenas de miles de personas, casi siempre contratadas por empresas intermediarias en países con salarios bajos, revisando cada día colas de material que incluye violencia extrema, abuso sexual infantil y suicidios, con cuotas de decisiones por hora, acuerdos de confidencialidad que les impiden hablar de su trabajo y un acceso escaso a atención psicológica. La invisibilidad no es un descuido: forma parte del diseño, porque la ficción de un servicio automático y neutral es comercialmente valiosa. Las consecuencias han llegado a los tribunales —hay al menos un acuerdo colectivo multimillonario en Estados Unidos por daños psicológicos a miles de moderadores, y litigios en curso en África oriental sobre condiciones laborales en los centros subcontratados—, y su interés sociológico es que revelan la estructura completa: en la cadena que va del usuario que denuncia a la publicación que desaparece, la parte peor pagada y con menos protección es la única que efectivamente decide.

La regulación pública ha vuelto por dos vías opuestas. La alemana, en 2017, impuso plazos cortos para retirar contenido manifiestamente ilícito bajo multas elevadas, con la objeción previsible y bien fundada de que un plazo corto más una multa alta empuja a retirar por defecto, de modo que la norma compra seguridad jurídica a costa de sobrerretirada. La europea, con el reglamento de servicios digitales de 2022, escogió una vía procedimental en lugar de sustantiva: no dice qué hay que quitar, sino que obliga a explicar cada retirada al afectado, a ofrecer un recurso, a publicar informes de transparencia y a evaluar riesgos sistémicos. Esa elección responde a la crítica que Kate Klonick había formulado en 2018 al describir a las plataformas como los nuevos gobernantes de la expresión: el problema no es que fijen reglas —alguien tiene que hacerlo— sino que las fijaban sin motivación, sin apelación y sin registro público, es decir, sin ninguno de los rasgos que distinguen a un procedimiento de una arbitrariedad. La respuesta privada al mismo reproche fue la creación de órganos de apelación independientes, un mecanismo que resuelve una cantidad ínfima de casos y cuyo valor real es sentar criterio.

Quedan dos objeciones que ninguna reforma disuelve. La primera es que la moderación es política aunque se presente como técnica: las normas se redactan en una lengua y una cultura y se aplican a cientos de contextos donde el mismo enunciado significa cosas distintas, y no existe un punto de vista neutral desde el que decidir. La segunda es que la eficacia de las medidas más contundentes es limitada y desigual: expulsar a una cuenta o a una comunidad reduce su alcance en la plataforma que la expulsa, y eso está medido, pero desplaza a una parte de su audiencia hacia espacios menos moderados donde es más difícil observarla, con lo que el problema mejora en el sitio donde se mide y empeora donde no se mide. La conclusión honesta es que la moderación no es un problema que admita solución, sino una función de gobierno permanente, ejercida por empresas privadas sobre la infraestructura de la conversación pública, y que las únicas mejoras verificables hasta ahora no han venido de acertar más, sino de dejar rastro: motivar las decisiones, permitir recurrirlas y publicar los números.

Las cámaras de eco – La clasificación algorítmica – La economía de la atención – Censura – Comunicación de masas – Industria cultural – Capitalismo de la vigilancia – Era digital

La soledad conectada es la tesis de que las tecnologías de comunicación aumentan la frecuencia del contacto y reducen su profundidad, de modo que una persona puede tener más interacciones que nunca y menos gente a la que contarle algo importante. Es una de las afirmaciones más repetidas sobre la vida contemporánea y una de las peor sostenidas por los datos, no porque sea falsa —hay partes verdaderas— sino porque casi todas sus formulaciones populares confunden cuatro cosas distintas: vivir solo, estar aislado, sentirse solo y tener pocos confidentes. Las cuatro se miden de manera diferente, evolucionan de manera diferente y solo la tercera es un problema de salud.

El origen del debate es anterior a internet y conviene fecharlo bien, porque su fecha es la primera objeción. Robert Putnam publicó en 1995 un artículo con el título que se hizo célebre, Bowling Alone, y en 2000 el libro que lo desarrolló. Su tesis: durante las tres décadas anteriores el capital social estadounidense —la densidad de asociaciones, la asistencia a reuniones, la afiliación sindical, la participación en asociaciones de padres, las ligas deportivas de barrio— había caído de forma sostenida y transversal. Su indicador insignia era la paradoja de los bolos: cada vez más gente jugaba y cada vez menos jugaba en liga. Y su diagnóstico causal no fue el que se le atribuye: Putnam atribuyó la mayor parte del descenso al relevo generacional, es decir, a la sustitución de las cohortes formadas por la guerra y la posguerra por otras educadas en la privacidad doméstica, y una parte considerable a la televisión. La caída empieza en los años sesenta o setenta, treinta años antes de que existiera cualquier red social. Cualquier explicación que atribuya el fenómeno a los teléfonos móviles tiene un problema de cronología insalvable.

El episodio más instructivo de esta literatura es el de las redes de confidentes, porque muestra cómo se corrige un hallazgo. En 2006, Miller McPherson, Lynn Smith-Lovin y Matthew Brashears compararon dos oleadas de una gran encuesta estadounidense y concluyeron que el número medio de personas con las que un adulto discutía asuntos importantes había caído de unas tres a unas dos entre 1985 y 2004, y que la proporción de quienes no citaban a nadie se había triplicado. El resultado dio la vuelta al mundo. Tres años después, Claude Fischer publicó un análisis detallado señalando que la magnitud del cambio era implausible, que no aparecía en otras series y que el patrón de respuestas apuntaba a un problema de administración del cuestionario —un efecto de aprendizaje de los entrevistadores que producía respuestas artificialmente cortas—. Los autores originales aceptaron parte de la crítica. Que el dato más citado sobre el aislamiento social contemporáneo fuera probablemente un artefacto metodológico es la mejor vacuna disponible contra la lectura rápida de esta clase de estadísticas.

La segunda oleada del debate llegó con la tecnología y produjo el episodio de humildad científica más limpio del campo. En 1998, un equipo dirigido por Robert Kraut publicó un estudio longitudinal —titulado, sin rodeos, «la paradoja de internet»— que encontraba que un mayor uso de internet en los primeros meses de conexión de un hogar se asociaba a menor implicación social y más síntomas depresivos. En 2002 los mismos autores publicaron el seguimiento: los efectos negativos habían desaparecido, y en la mayoría de indicadores se habían invertido. La interpretación que ellos mismos propusieron es la que ha resistido: lo medido en 1998 no era el efecto de internet, era el efecto de estrenar internet en un momento en que casi nadie de tu entorno estaba dentro. Cuando la red se vuelve el lugar donde están tus conocidos, el signo cambia.

La tercera oleada se centró en los adolescentes y en los teléfonos, y su desenlace estadístico es el más importante del artículo. Frente a la tesis de que la generalización del móvil habría desencadenado una crisis de salud mental juvenil, Amy Orben y Andrew Przybylski aplicaron en 2019 a tres grandes conjuntos de datos una técnica llamada curva de especificaciones, que consiste en calcular todas las combinaciones razonables de variables y medidas —decenas de miles de análisis posibles— en lugar de escoger una. El resultado fue que la asociación entre uso de tecnología digital y bienestar adolescente existe, es negativa y es minúscula: del orden de magnitud del que muestran, en los mismos datos, llevar gafas o comer patatas. Ese hallazgo no niega que a determinados adolescentes determinadas plataformas les hagan daño; lo que niega es que el efecto medio sobre la población tenga el tamaño que el debate público le atribuye. A ello se suma un problema de medición ya conocido: la mayor parte de esta literatura usa tiempo de pantalla declarado, que coincide mal con el registrado por el dispositivo.

Lo que sí está bien establecido merece enumerarse, porque es sustancial. Primero, la soledad —entendida como sentimiento y no como situación— es un factor de riesgo para la salud comparable a otros que se consideran graves: la revisión de estudios que reunieron Julianne Holt-Lunstad y sus colaboradores en 2015 encontró que el aislamiento social y el sentimiento de soledad se asocian a un aumento de la mortalidad del orden del veinticinco al treinta por ciento, con la cautela obligada de que se trata de datos observacionales y de que la causalidad puede correr en ambos sentidos. Segundo, la distinción de John Cacioppo entre aislamiento objetivo y soledad percibida es la más útil del campo: se puede estar solo sin sentirse solo y sentirse muy solo rodeado de gente, y es la percepción, no el recuento de contactos, la que predice los efectos fisiológicos. Tercero, el cambio estructural que sí ha ocurrido en todos los países ricos es el aumento de los hogares unipersonales, que en España han pasado a ser en torno a la cuarta parte del total; Eric Klinenberg documentó en 2012 la parte contraintuitiva de ese fenómeno, y es que quienes viven solos tienden a socializar más fuera de casa que quienes conviven, de modo que vivir solo no es un indicador de aislamiento sino, a menudo, de lo contrario.

Cuarto y más útil: el efecto del uso de redes sociales sobre el bienestar depende del tipo de uso, y esa dependencia está medida. La revisión crítica de Philippe Verduyn y sus coautores en 2017 ordenó los estudios en dos grupos coherentes: el uso activo y dirigido —escribir a alguien concreto, conversar, mantener un vínculo— se asocia a mejoras del bienestar, mientras que el uso pasivo —recorrer contenido ajeno sin interactuar— se asocia a empeoramientos, con la envidia por comparación social como mecanismo mejor documentado. Sherry Turkle acertó, por tanto, en la intuición que expuso en 2011 —esperamos más de la tecnología y menos de los demás—, aunque su argumento se apoyaba en observación clínica y no en medición. La formulación defendible de la tesis es más estrecha y más exigente que la popular: no es que estar conectado produzca soledad, sino que la conexión sustituye mal a la conversación cuando se consume en lugar de practicarse, y que la infraestructura de sociabilidad que se perdió —logias, ligas, sindicatos, parroquias, cafés de barrio— no la ha reemplazado ninguna aplicación, entre otras cosas porque nadie te espera dentro de una aplicación un martes a las ocho.

La economía de la atención – Las cámaras de eco – Comunidad virtual – Anomia – Era digital – Ocio – Socialización primaria – Las estéticas de internet