La plataforma de Elon Musk no solo tolera el contenido que provoca indignación — lo amplifica de forma deliberada. Eso es lo que concluye un estudio publicado este 18 de agosto en las Proceedings of the National Academy of Sciences (PNAS). La investigación, liderada por Ziv Epstein de Stanford, siguió a 715 usuarios americanos de X durante semanas usando una extensión de navegador que capturaba su feed «Para ti» y su feed de Seguidos. El resultado es tan claro que el propio Epstein admite que no es el titular más sorprendente del año — pero que tenían que documentar el por qué. Y lo han conseguido.Lo publica Lawrence Bonk en Engadget este martes con acceso al paper completo. Lo que el estudio añade al debate no es la conclusión (que el ragebait funciona) sino la mecánica concreta que lo hace posible: el algoritmo sobrevalora las respuestas frente a los likes, y esa sobrerepresentación de engagement negativo genera un bucle de retroalimentación que lleva a los usuarios hacia contenido cada vez más extremo. El ángulo político — que todo esto afecta de forma desproporcionada a los usuarios que se identifican como demócratas — convierte el paper en munición política en un año electoral. Pero la arquitectura técnica subyacente es el problema real.¿Qué dice exactamente el estudio de la Academia de Ciencias de EE.UU.?Los investigadores midieron los valores personales de cada participante usando la Teoría de Valores de Schwartz, un sistema de 19 puntos que mapea creencias como «tolerancia», «dominación» o «seguridad personal». Después cruzaron esos valores con el contenido que el algoritmo les mostraba. El hallazgo central: el algoritmo de X tiene «más probabilidad de amplificar» contenido que contradice los valores declarados de cada usuario. No el contenido que les gusta o confirma su visión del mundo, sino el que los pone nerviosos.El mecanismo está en los pesos que el algoritmo asigna a distintos tipos de interacción. Las respuestas representan menos del 7% del total de interacciones en la plataforma, pero el sistema las pesa mucho más que los likes o los retweets. Y como las respuestas indignadas son la forma de engagement más habitual ante contenido que contradice las creencias del usuario, el algoritmo aprende rápidamente a servir más contenido que provoque esa respuesta. Epstein lo describe como «un bucle de cebo a la rabia» (outrage feedback loop): el sistema aprende que te enojas y continúa sirviendo más de lo mismo.¿Por qué este sesgo afecta más a los usuarios que se identifican como demócratas?Es la pregunta que el propio estudio deja sin respuesta definitiva. Los investigadores apuntan dos hipótesis: que hay más contenido de tendencia derechista en X (lógico tras la compra de Musk y la reintegración de cuentas baneadas), o que los usuarios demócratas tienden a responder con más frecuencia al contenido con el que están en desacuerdo. Ambas explicaciones son plausibles y probablemente se refuerzan mutuamente.Lo que es incontestable es el contexto: desde que Musk compró Twitter en 2022, la plataforma ha acelerado un ciclo de cambios algorítmicos y de moderación que han priorizado el engagement bruto sobre la calidad del contenido. El estudio de Stanford cuantifica el efecto de esas decisiones. Que el resultado sea una plataforma que fabrica indignación de forma sistemática no es un bug, es la consecuencia predecible de optimizar para tiempo en pantalla sin restricciones de calidad.Llevo cubriendo la evolución de los algoritmos de redes sociales desde 2008, cuando Facebook empezó a experimentar con EdgeRank, y nunca había visto un sistema que documentara de forma tan explícita la correlación entre desacuerdo de valores y amplificación. Lo que antes era intuición periodística ahora tiene 715 usuarios, un cuestionario de 19 puntos y un paper en PNAS.¿Ha cambiado algo desde que el estudio tomó los datos?Nikita Bier, exjefe de producto de X, publicó en la misma plataforma — con cierta ironía — que el algoritmo ya ha sido modificado desde que se recogieron los datos del estudio. Según Bier, el predictor de respuestas recibió un impulso de 15x para publicaciones de personas que el usuario sigue, lo que habría reducido el ragebait «por orden de magnitud». La empresa no ha respondido oficialmente al paper.Epstein, por su parte, no se muestra muy preocupado por si el problema ya está corregido. El objetivo del estudio, dice, era generar un debate sobre la transparencia algorítmica: estas plataformas tienen «cantidades enormes de poder sobre la información que consumimos» y prácticamente ninguna obligación de explicar cómo funcionan. El reciente cambio en X para priorizar respuestas de cuentas seguidas apunta en la dirección correcta, pero son ajustes que se hacen sin transparencia ni auditoría externa.El problema de fondo no es técnico. Es de incentivos. X monetiza el engagement, y el engagement negativo genera más tiempo en pantalla que el positivo. Mientras ese modelo no cambie, los ajustes son parches. Si buscas una alternativa que explícitamente rechace esa lógica, Bluesky o Mastodon siguen siendo las opciones más coherentes con ese objetivo. Pero la mayoría de la conversación pública seguirá ocurriendo en X, lo que convierte a este paper en un documento que importa más allá del debate académico.El algoritmo que sirve más rabia no está roto. Está funcionando exactamente como fue diseñado. Y eso es lo más preocupante.La pregunta que Epstein deja abierta es también la más incómoda: si un investigador de Stanford tardó meses de trabajo con 715 usuarios y una extensión de navegador para documentar lo que cualquier usuario activo de X puede sentir en veinte minutos, ¿qué probabilidad hay de que las empresas tecnológicas de turno corrijan el problema antes de que lo exija un regulador? La respuesta histórica — desde Facebook y el efecto de las fake news en 2016 hasta el propio algoritmo de YouTube que radicalizaba usuarios antes de ajustarse en 2019 — sugiere que los ajustes llegan cuando la presión externa es suficiente. Los datos del paper de PNAS son precisamente esa presión.La noticia El estudio de Stanford que confirma lo que llevábamos años sospechando: el algoritmo de X fabrica rabia a propósito fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.