La gentrificació digital

Grup de ballarines vestides de pallasso. Brisbane, Queensland, 1926 | State Library of Queensland | Domini públic

A principis del 2018, el músic i escriptor Damon Krukowski va notar una cosa curiosa en les reproduccions a Spotify de Galaxie 500, el seu antic grup. La cançó més reproduïda del grup de Boston –actiu entre 1987 i 1991– era «Strange», que no havia estat cap senzill, no apareixia en pel·lícules ni sèries famoses ni formava part de cap llista de reproducció de la plataforma. La diferència amb la resta del catàleg de la banda era molt marcada, fins i tot amb aquelles cançons que els fans de Galaxie 500 semblava que apreciaven més. Una altra cosa que a Krukowski li va cridar l’atenció era que el fenomen només s’esqueia a Spotify, no pas a la resta de plataformes de streaming musical.

«Strange» era estranya per a l’estil compositiu del grup de dream pop. Havia estat escrita gairebé com una paròdia de la música popular del moment, a les acaballes del 1980. O sigui que sonava més aviat com un vell èxit radial que com l’ADN del grup, i això semblava explicar, com a mínim parcialment, el nombre de reproduccions de la cançó a Spotify. Quan Krukowski va explicar aquesta curiositat a la seva newsletter, el text va cridar l’atenció de Glenn McDonald, un dels analistes de dades més importants de la plataforma (recordeu aquest nom, perquè hi tornarem al final de l’article).

McDonald va investigar internament què passava amb «Strange» i va descobrir que el track s’assemblava a cançons de grups més tradicionals i populars que Galaxie 500. «Strange» havia aconseguit ficar-se dins l’algoritme per les seves característiques intrínseques. També hi influïa el fet que, el 2017, Spotify va començar a fer servir una funció anomenada autoplay, que reprodueix automàticament temes semblants un cop el disc o la llista de reproducció s’han acabat.

Per dir-ho amb poques paraules, el que sona genèric i popular té moltes més probabilitats de ser recomanat en l’internet actual. Per consegüent, costa que el que és menys convencional destaqui. Això, que avui semblaria de sentit comú, xoca frontalment amb l’esperit de l’internet dels noranta, que semblava que obria les portes a un món nou, menys regit pels agents de poder i més per la curiositat dels internautes.

Aquesta visió utòpica no va durar gaire. L’anècdota de Galaxie 500 està inclosa a Filterworld, el llibre en què el periodista Kyle Chayka analitza com els algoritmes de recomanació allisen a poc a poc la cultura. «Així és com actua la normalització algorítmica: normal és una paraula per a persones discretes i mitjanes; qualsevol cosa que no provoqui reaccions negatives», escriu. «Qualsevol contingut que encaixi en aquesta zona mitjana serà promogut i creixerà acceleradament, com va passar amb “Strange”, mentre que la resta es queda a mig camí.»

Fotografia de Fath | Unsplash

No es tracta d’un fenomen particularment nou, però és evident que s’ha aguditzat i accelerat en els últims anys, i que està afectant indústries que van més enllà de la música o el cinema. Deixar les nostres decisions en mans d’algoritmes (algoritmes alimentats a base de les nostres conductes prèvies), sumat a l’aclaparadora quantitat de contingut que es produeix tota l’estona, està creant una cultura de consum atenta al que funciona per poder destacar-ho. Una average culture, una cultura que no es permet l’experimentació o el desbocament per no quedar invisibilitzada.

Un exemple representatiu d’aquest estat de coses són els hits actuals, que apel·len a una tornada ràpida i precoç per no patir l’skip de l’oient ansiós. Spotify només monetitza les pistes que arriben a un mínim de mil reproduccions, i a això acaba d’afegir-hi una funció perquè l’usuari pugui escoltar «els vint millors segons» de cada tema, de manera que tot plegat està pensat per al consum immediat.

Alguns n’han dit «tiktokització» de la cultura. I té sentit, això. Tot i que ja feia uns quants anys que funcionava, TikTok va popularitzar-se globalment el 2020, l’any del confinament: la gent passava molta estona tancada a casa, i el mitjà més habitual de socialització i entreteniment eren les xarxes socials. L’algoritme de TikTok triga amb prou feines un parell de minuts a detectar els interessos de l’usuari, per després oferir-li un catàleg de vídeos que li resultin atractius.

Com a xarxa social, la plataforma xinesa va canviar les regles del joc de les seves predecessores. És possible seguir comptes, sí, però la seva fortalesa no rau en les temàtiques. Els usuaris persegueixen interessos, no pas persones. Això no només va diferenciar-la de les versions clàssiques de Facebook, Twitter o Instagram, sinó que, a més, va obligar aquestes xarxes a canviar els propis algoritmes i imitar els seus formats (reels en el cas d’Instagram, les pestanyes «Per a tu» i «Seguint» en el cas de l’actualment anomenada X).

Aquesta nova dinàmica també va modificar els comportaments dels influencers, les figures pop del capitalisme de plataformes. Si abans destacaven pel seu metier –moda, gastronomia, viatges, fitness, cinema i un llarg etcètera–, ara n’hi ha molts que persegueixen l’algoritme per no perdre rellevància, atents a què funciona i què no per adaptar-se a una realitat que muta a una velocitat difícil de seguir. No només pel que fa a continguts, sinó també quant als formats (imatges, vídeos verticals i horitzontals, textos, galeries de fotos), aquesta realitat atempta contra qualsevol possibilitat de qualitat, perquè és molt difícil destacar en tots els fronts. D’aquí que últimament hagin sorgit creadors de contingut que són referents d’un tema i, en un obrir i tancar d’ulls, es converteixen en coaches, mestres ioguis o experts en finances. Davant del debilitament del seu estil original, l’instint de supervivència els obliga a perseguir continguts amb més engagement.

La tecnologia que havia de democratitzar el coneixement i oferir noves maneres d’adquirir informació travessa un moment crític, un exemple del que l’urbanista francès Paul Virilio va anomenar «accidents integrals»: una tecnologia no pot existir sense accidents, efectes secundaris que sorgeixen després que s’hagi implementat massivament. En la superfície, els algoritmes de recomanació són útils perquè permeten que l’usuari estalviï temps i obtingui el que vol, però els seus efectes són lluny de ser neutrals. La conseqüència evident és aquest aplanament mencionat al principi: cançons escrites per arribar a ser la propera tendència a TikTok, sèries basades en el que dicten les mètriques de les plataformes on demand, contingut serialitzat de consum fragmentat, veloç i ultraprocessat.

Fotografia de Kivanc Erdirik | Unsplash

En una investigació titulada «Algorithms and taste-making. Exposing the Netflix Recommender System’s operational logics» (2021), Niko Pajkovic va fer la prova d’inventar-se tres usuaris des de zero, amb la ment posada en diferents estereotips, com el fanàtic dels esports, l’amant del cinema d’autor i el consumidor compulsiu de comèdies romàntiques. Els primers dies de l’experiment va començar a notar canvis a la home de cadascun d’aquests usuaris (com era previsible), però també va fer altres descobriments. Per exemple, en les miniatures de cada producte audiovisual. D’aquesta manera, a la pantalla principal del fan dels esports s’hi veien «imatges que incloïen moviment i colors brillants» (si bé no eren material estrictament esportiu), mentre que la pantalla de l’amant de les pel·lícules d’autor «la dominaven tons més foscos, imatges d’art en blanc i negre i molts retrats d’actors».

Això pot passar fins i tot amb un mateix títol. L’octubre del 2018, alguns usuaris de Netflix van acusar la plataforma de fer servir miniatures diferents de la pel·lícula Love Actually d’acord amb cada perfil. Per exemple, un pòster en què apareixia Chiwetel Ejiofor, que no té un paper principal a la pel·lícula, cosa que va aixecar la sospita que als usuaris racialitzats se’ls mostraven actors racialitzats. Netflix va desentendre’s ràpidament del tema amb un comunicat en què afirmava que el seu algoritme no es regia «per raça, gènere o ètnia», sinó exclusivament per l’historial de l’usuari.

Els anomenats «filtres bombolla» existeixen com a mínim des de fa quinze anys, quan Google va començar a personalitzar els resultats del seu cercador, l’any 2009; però fins i tot havent fet unes quantes investigacions, el poder de la influència que té encara no s’ha establert del tot. Sí que es poden percebre els efectes d’aquesta càmera d’eco en el consum de notícies, perquè a mesura que un usuari mostra als mitjans el seu interès per certa tendència política, sumant-hi, també, el seu comportament (likes, comparticions, comentaris), l’algoritme tendeix a mostrar-li un contingut similar.

Aquest sistema de distribució i validació dels continguts a la web és permeable a generar polaritzacions, com passa en el mapa polític des de fa cert temps. Però així com en alguns temes provoca opinions extremes, en els consums culturals sembla que pren un altre sentit. «Mentre que les bombolles polítiques divideixen els usuaris en faccions oposades per desacords, les recomanacions culturals els uneixen amb l’objectiu de construir una audiència cada cop més gran per al material de mínim comú denominador», sosté Chayka al seu llibre.

Un altre dels exemples que fa servir per il·lustrar aquest problema és el que anomena «Instagram coffee shops»: cafeteries que segueixen un patró pres de l’estètica predominant d’aquesta xarxa social (parets i butaques de colors pastel, quadres genèrics i cambrers disposats a preparar l’enèsim flat white de la jornada) i que poden trobar-se a qualsevol ciutat del món, com en una gentrificació global influïda per la cultura dels algoritmes.

Aquests algoritmes no tenen el «gust» que podria tenir un ésser humà, per això resulta problemàtic dir-ne «recomanació». Són fórmules matemàtiques programades per detectar patrons en el consum humà col·lectiu i posteriorment vincular-los a un consum individual. Això mateix va explicar Glenn McDonald en una entrevista recent a El Diario. «L’alquimista de dades», com se’l coneix popularment, és responsable d’alguns dels algoritmes més populars de Spotify i també el creador d’Every Noise at Once, un mapa musical gegantí amb gèneres d’arreu del planeta.

McDonald va ser acomiadat el desembre passat, després d’una retallada de personal. «A les biblioteques públiques hi ha una titularitat pública. A Spotify, no: allà hi ha uns interessos econòmics. Però la meva feina no va guiar-se mai de manera principal per imperatius empresarials», va dir en un moment de l’entrevista. I va afegir: «Tots hauríem de tenir por. Qualsevol persona que treballa amb la tecnologia vinculada a assumptes humans ha de tenir-ho present en cada pas que faci. I escoltar la seva consciència. Sempre m’he sentit alleugerit de treballar en un servei de streaming musical i no en un d’assegurances mèdiques.»