Spotify acaba de anunciar que sus listas de reproducción basadas en prompts incluirán también podcast. Esta funcionalidad, lanzada a finales del año pasado en algunos territorios (entre los que no se encuentra España), permite crear listas siguiendo el procesamiento del lenguaje natural, como ChatGPT. El procedimiento es sencillo: el usuario lanza una petición dentro de Spotify, el sistema la interpreta y le devuelve una lista de referencias basadas en ella. Este es un nuevo ejemplo de cómo la IA está extendiendo su presencia en las plataformas de streaming como aliado para mejorar la experiencia de usuario, especialmente en el ámbito de la recomendación.

Spotify comenzó a probar las listas basadas en prompts a finales del año pasado en Nueva Zelanda, extendiéndola poco después a Estados Unidos, Canadá, Reino Unido, Irlanda, Australia y Suecia. Esta funcionalidad permite crear listas musicales a partir de las indicaciones proporcionadas por el usuario. El prompt puede ser genérico o específico y admite referencias a aspectos como la época, el género, el contexto de escucha, el estado de ánimo o los instrumentos empleados en las canciones, entre otros muchos indicadores. Además, el prompt se puede editar o replantear para refrescar las pistas incluidas en la misma.

Lo que Spotify acaba de anunciar supone una ampliación de esta funcionalidad para incluir podcasts, un formato clave para la plataforma ante la magnitud de sus escuchas. Según datos difundidos por la compañía, más de 34 millones de podcast se descubren cada semana por primera vez en Spotify.

Para generar la lista personalizada solo es necesario un prompt. Por ejemplo: “prepara una lista de podcast de estilo de vida que hablen sobre estilo de vida con especial atención al deporte y la nutrición en formato conversacional y que no duren más de 35 minutos”. El usuario, además, puede activar la actualización de la lista generada con la periodicidad que desee e, incluso, configurarla para que no se actualice. Además, cada episodio añadido a la lista llevará una breve nota indicando por qué fue incluido en ella.

Los LLMs y la experiencia de usuario

La IA generativa ha encontrado en las plataformas de streaming un un circuito de pruebas ideal, especialmente en el ámbito de la recomendación, una de las puntas de lanza de la experiencia de usuario. Las plataformas cuentan con amplios catálogos y un consumo intenso, lo que genera grandes volúmenes de datos. Esto permite entrenar la tecnología para ofrecer algo mejorado a lo que, hasta ahora, hacían en solitario los algoritmos. A diferencia de estos últimos, que tratan de “adivinar” lo que querrás ver o escuchar basándose en elementos como el historial de visionado o lo que es tendencia en tu ámbito geográfico, los LLMs (modelos de IA entrenados con enormes cantidades de datos para comprender, generar y procesar lenguaje humano de manera natural) funcionan interpretando el lenguaje humano.

Eso sí, no lleva a cabo la tarea en solitario. Es, más bien, un puente entre el lenguaje humano y el motor algorítmico de recomendación. El LLM traduce una petición humana (el prompt) en señales útiles para afinar el sistema de recomendación basado en algoritmos, que suele combinar técnicas como el filtro colaborativo (lo que otros ven o escuchan), análisis de contenido (las etiquetas asociadas al mismo) y otras señales de contexto (como el historial de visionado).

En la práctica el resultado es un modelo de recomendación con el que es posible dialogar y, por tanto, resulta mucho menos rígido. Además, el usuario aprecia más personalización ya que parte de las instrucciones que él mismo ha proporcionado. 

Spotify no está solo

Spotify no es la única compañía que está testando fórmulas para integrar los LLMs en su experiencia de usuario. Desde finales del año pasado Youtube está probando una nueva funcionalidad denominada “Your custom feed”, con la que pretende mejorar la precisión de las selecciones de su página de inicio, permitiendo a los usuarios definir activamente el contenido que quieren ver mediante indicaciones escritas en lugar de depender únicamente del algoritmo.  Con esta herramienta se pretende reducir la frustración causada por sugerencias repetitivas o poco relevantes y contar con una alternativa más eficaz a la opción de marcar individualmente cada contenido con la opción “No me interesa”. Amazon, por su parte, ofrece en sus Fire TV una función de búsqueda por voz basada en IA que responde a consultas abiertas sobre series y películas.

Netflix es otra de las plataformas que se han subido a la moda de los LLMs. La primavera pasada presentó una nueva experiencia de búsqueda impulsada por inteligencia artificial basada en OpenAI para permitir a los usuarios descubrir contenido mediante lenguaje natural. Tubi hizo algo similar con su buscador, que podía responder a preguntas y recomendar contenido según peticiones específicas de los usuarios. Esta función, sin embargo, fue retirada poco después de su lanzamiento, probablemente debido a su baja adopción, por lo que aún queda por ver si la propuesta de Netflix logrará evitar los mismos obstáculos.

Un nuevo sistema de recomendación

Los sistemas de recomendación de contenidos clásicos están evolucionando gracias a las posibilidades que ofrece la nueva tecnología, que permite dar entrada a una lectura más interpretativa de la intención para superar el principal inconveniente que plantea el modelo tradicional: la sensación de que el algoritmo no acierta. La existencia de información proporcionada por el usuario permite minimizar este problema gracias a la existencia de una intención clara (querer ver o escuchar algo) y unas especificaciones declaradas (el prompt).

Ahora bien, no es una solución mágica, ya que los LLMs también introducen cierta dosis de ambigüedad. El mismo prompt puede significar cosas muy diferentes para dos usuarios de ahí que, al menos de momento, los sistemas estén utilizando los LLMs como una contribución para mejorar la capa predictiva de los algoritmos. Además, aunque la recomendación pueda parecer más libre y personalizada, no está exenta de encerrar al usuario en la misma burbuja de afinidad en la que ha estado durante años. Por no hablar de que implican una contribución activa de un usuario que lleva mucho tiempo recibiendo pasivamente las recomendaciones.

La apuesta de estas compañías en la nueva tecnología no es gratuita. Son conscientes de que, bien aplicada, les permitirá engrosar el círculo virtuoso sobre el que se sustenta su negocio. A menor fricción entre intención y consumo más tiempo de uso. Y a mayor tiempo de uso más engagement. La perspectiva, al menos en teoría, parece prometedora.