Threads permitirá pedirle al algoritmo que muestra más o menos publicaciones de determinados temas

Usuarios de la plataforma ahora podrán influir de manera directa en sus preferencias de contenido al enviar solicitudes específicas al sistema, una medida que busca afinar la relevancia de las sugerencias y mejorar la experiencia dentro de la red social

Guardar

La empresa Meta ha decidido implementar una nueva función experimental en Threads que otorga a los usuarios mayor control sobre los contenidos que reciben, según detalló la propia compañía a través de la declaración del responsable de Threads, Connor Hayes. Esta herramienta permitirá a la comunidad regular de forma directa la frecuencia con la que aparecen publicaciones sobre temas específicos en su feed, simplemente solicitándolo al algoritmo mediante el comando ‘Dear Algo’ ('Querido algoritmo'). Esta medida busca responder a las limitaciones percibidas en los modelos de recomendación existentes, los cuales utilizan patrones de interacción previos del usuario para decidir qué contenidos mostrar, pero a menudo no logran ajustarse a las preferencias reales de cada persona.

Según consignó el medio, la función consiste en permitir que el usuario indique al sistema si desea ver más o menos publicaciones sobre un asunto determinado, como pueden ser el baloncesto o la moda. La activación de este cambio solo requiere escribir el comando indicado junto con una petición clara, sin procesos adicionales o configuraciones complejas. El objetivo de Meta, de acuerdo con la información proporcionada en la plataforma, es afinar la relevancia de las sugerencias de contenido y optimizar la experiencia de uso en Threads, un aspecto que suele generar debate debido a la percepción de que los algoritmos muestran publicaciones que no siempre coinciden con los intereses de sus usuarios.

Meta ha comenzado a probar esta iniciativa en Threads como parte de su esfuerzo continuo por ofrecer una mayor personalización de los feeds de sus plataformas, reportó la compañía. Actualmente, las redes sociales suelen basar sus sistemas de recomendación en algoritmos que procesan datos de interacción, como los comentarios, los ‘me gusta’ y el tiempo de visualización de cada contenido. Sin embargo, según lo expuesto por la empresa, existe un margen considerable de mejora en estos sistemas, puesto que las recomendaciones pueden no adecuarse con la precisión deseada a las expectativas individuales.

El responsable de Threads, Connor Hayes, comunicó mediante una publicación en la propia red social los detalles de esta prueba, subrayando que la novedad facilitará a los usuarios la capacidad de ajustar la frecuencia de publicaciones de ciertos temas en sus feeds. Esta opción no requiere conocimientos técnicos ni acceso a complicadas configuraciones internas, ya que basta con una interacción simple a través del comando diseñado para este propósito.

El anuncio se enmarca en una tendencia creciente en el sector, donde otras plataformas han iniciado movimientos similares. El medio explicó que recientemente TikTok introdujo una función que permite al usuario fijar de modo más preciso la presencia de temas específicos en su feed, con una herramienta mediante la que se indica si se desea aumentar o disminuir la aparición de ciertos contenidos. Pinterest, por su parte, también presentó una opción semejante, aunque en este caso las modificaciones se aplican únicamente a publicaciones generadas por inteligencia artificial.

Meta busca así equiparar sus servicios a las novedades de la industria al permitir un mayor grado de personalización en la experiencia del usuario dentro de Threads, apostando por una intervención más directa en la gestión del contenido, según informó el medio. Las pruebas iniciales determinarán la acogida y la eficacia de esta novedad, de acuerdo con lo declarado por la empresa a través de Hayes en la red social.

El funcionamiento tradicional de los algoritmos de recomendación ha estado en el centro de la discusión pública en los últimos años. El sistema actual suele basarse en el análisis de los comportamientos dentro de la plataforma, con el propósito de presentar publicaciones de potencial interés. Este modelo, a pesar de los avances, tiende a presentar lagunas en la adecuación de las sugerencias, lo que ha motivado a compañías del sector a revisar sus estrategias e innovar en los sistemas de selección de contenidos.

Con la introducción de este ajuste en Threads, Meta espera corregir una de las críticas más habituales hechas por usuarios de redes sociales: la carencia de control significativo sobre los temas priorizados en los feeds personales. Según publicó la compañía, el nuevo método ofrece una alternativa sencilla para modificar la cantidad de publicaciones mostradas sobre un tema específico, sin depender completamente de los cálculos previos del algoritmo basados puramente en la actividad del usuario.

La iniciativa también destaca por proponer un acceso simplificado a la personalización, eliminando la necesidad de navegar por menús complejos o ajustes detallados. Como explicó Hayes en su publicación citada por el medio, el sistema responde de manera inmediata a la solicitud del usuario, permitiendo un ajuste ágil y puntual del contenido visualizado.

La prueba lanzada por Meta en Threads se desarrollará mientras la empresa recoge opiniones de los usuarios y datos sobre la implementación de la herramienta, con la intención de determinar futuras mejoras y su posible extensión al conjunto de la red social. Otras plataformas como TikTok y Pinterest han impulsado líneas de desarrollo semejantes, aunque con diferencias en sus ámbitos de aplicación y métodos de personalización, indicó la fuente.

Meta plantea esta prueba como parte de su estrategia global para adaptar el funcionamiento de sus plataformas a las nuevas demandas de los usuarios, poniendo el foco en la capacidad de decisión directa sobre los algoritmos que configuran el contenido diario. El impacto de este tipo de herramientas queda bajo evaluación continua, siguiendo una tendencia dentro del sector tecnológico de aumentar la transparencia y la influencia de las personas sobre los sistemas automatizados de recomendación, de acuerdo con lo publicado.