Obrir Netflix, recórrer el catàleg durant deu minuts i acabar sense haver triat cap pel·lícula és una situació cada vegada més habitual. L’excés d’opcions pot convertir-se en un problema per a les plataformes de streaming, que competeixen no només per oferir continguts, sinó també per aconseguir que l’usuari en triï un i comenci a reproduir-lo.
La intel·ligència artificial juga un paper cada vegada més important en aquesta batalla. Netflix utilitza sistemes de recomanació que analitzen grans quantitats d’informació per anticipar els gustos de cada persona i presentar-li una selecció molt més reduïda que el conjunt del catàleg. L’objectiu és combatre el que es coneix com a «fatiga de decisió» i evitar que l’usuari abandoni l’aplicació abans de veure res.
Aquesta és una de les conclusions de l’anàlisi publicada per la Universitat Oberta de Catalunya (UOC), elaborada amb les aportacions de Juan Luis García Fernández, professor dels Estudis de Ciències de la Salut i investigador del NeuroADaS Lab, i Elena Neira, professora dels Estudis de Ciències de la Informació i de la Comunicació i experta en plataformes de streaming.
A més, l’usuari no només vol escollir una opció que li agradi, sinó que pot quedar atrapat pensant si una altra pel·lícula o sèrie hauria estat millor. Com més gran és el nombre d’alternatives, més difícil resulta arribar a la sensació d’haver pres la decisió perfecta.
Per a Netflix, aquest bloqueig té una conseqüència empresarial directa: si l’usuari no troba ràpidament què veure, pot tancar l’aplicació i anar a una altra plataforma o simplement dedicar el temps a una altra activitat.
Com decideix Netflix què et mostra
El sistema de recomanacions combina diferents tipus d’informació. D’una banda, analitza el comportament del mateix usuari, com els continguts que ha vist o les cerques que ha fet. De l’altra, incorpora patrons de comportament d’altres usuaris i informació sobre els mateixos continguts.
Així, el sistema de Netflix utilitza tècniques de machine learning i deep learning per elaborar prediccions i seleccionar les opcions que considera més adequades per a cada perfil. No es tracta, per tant, de mostrar simplement els continguts més populars, sinó d’intentar trobar els que tenen més probabilitats d’encaixar amb els gustos de cada espectador.
Neira explica que els algorismes funcionen com un filtre que redueix una selecció potencialment enorme a un nombre manejable d’opcions. La professora compara aquest mecanisme amb la feina d’un bibliotecari: ajuda a arribar a la prestatgeria adequada, però la decisió final continua sent de l’usuari.
De les recomanacions a parlar amb la plataforma
La IA està portant aquest sistema un pas més enllà. Segons Neira, Netflix treballa en una experiència en què l’usuari pugui establir una conversa amb el sistema i explicar-li directament què busca en cada moment.
Aquesta evolució permetria passar d’un model en què l’algoritme interpreta les accions de l’espectador a un altre en què aquest també pot expressar de manera explícita les seves preferències. La IA podria interpretar més informació sobre el context i els gustos de la persona per afinar encara més la selecció.
La personalització també arriba a elements aparentment secundaris, com les miniatures. Netflix pot adaptar les imatges que apareixen a les portades de pel·lícules i sèries perquè siguin potencialment més atractives per a cada usuari.
El risc de deixar decidir massa a la màquina
L’estratègia té una clara dimensió empresarial. Com més fàcil sigui trobar un contingut que satisfaci l’usuari, més probabilitats hi haurà que el reprodueixi, continuï utilitzant la plataforma i mantingui la subscripció. La personalització, per tant, busca convertir l’excés d’oferta en una experiència més senzilla i satisfactòria.
Però aquesta comoditat també té una cara menys evident. García Fernández alerta del risc d’externalitzar progressivament funcions mentals que abans exercia directament l’usuari. En aquest sentit, parla del possible «deute cognitiu»: la dependència creixent de sistemes automatitzats per resoldre tasques que requereixen poc esforç, però que formen part de les nostres capacitats per decidir de manera autònoma.
L’algoritme pot ajudar, així, a passar de centenars de possibilitats a deu opcions. Però la qüestió és si l’usuari continuarà escollint entre aquestes deu o acabarà deixant que la màquina faci també aquest últim pas.