Netflix tiene demasiado contenido. Lo que en tiempos era un activo (tener una oferta muy amplia de entretenimiento) se ha convertido en un problema para los usuarios. Disfrutar del servicio (tanto como para querer seguir pagándolo) tiene una relación directa con unas buenas estadísticas de visionado. Y ahí es donde el modelo actual comienza a ser insuficiente porque no son pocos los que, una vez dentro de la plataforma, pasan casi tanto tiempo buscando que viendo algo en concreto.
El tantas veces elogiado sistema de recomendación de Netflix nació para dar respuesta a una necesidad: simplificar las elecciones cuando existen demasiadas opciones. Pero parece que los algoritmos ya no son tan efectivos como antaño. Por eso la compañía ha empezado a integrar IA generativa dentro de su sistema con una fórmula bien conocida: haciendo que encontrar contenido sea tan fácil como hablar con ChatGPT desde el móvil.
La lógica de cualquier sistema de recomendación se basa en reducir el tiempo que transcurre entre que el usuario entra en la aplicación y le da a reproducir. Para Netflix esta ventana siempre ha sido crítica, tanto por la magnitud del catálogo como por la saturación de oferta y la evolución en la forma en que el usuario busca contenido. Elisabeth Stone, CTO de Netflix, explicó durante una conferencia celebrada la semana pasada en San Francisco las medidas que están desarrollando internamente para adaptarse a este nuevo contexto de visionado.
Una de las vías de aproximación ha sido la introducción de nuevos formatos en pantallas clave. El feed de vídeo vertical en su app móvil, por ejemplo, está claramente diseñado para facilitar la navegación y para incentivar el descubrimiento. Otro tanto cabe decir de la integración de podcasts en vídeo, un recurso que les permite ofrecer experiencias más y diversas y competir por la atención visual y auditiva que actualmente está diseminada en redes sociales o en servicios como YouTube.
Históricamente la base del sistema de recomendación ha sido el Big Data: el historial de navegación y consumo, las preferencias declaradas por el usuario y el comportamiento de usuarios de perfiles similares. En paralelo, la compañía ha llevado a cabo un aprendizaje profundo de los contenidos, a los que se asignan centenares de metadatos para tratar de identificar los puntos en común que unen las selecciones de los usuarios. De ahí nacen los más de 83.000 microgéneros que la compañía emplea para presentar selecciones a medida de las preferencias.
La recomendación nunca se ha dejado a merced de los datos cuantitativos, sino que históricamente se ha corregido con un criterio humano. Los responsables del producto, en última instancia, han velado por preservar la experiencia, sobre todo resolviendo discrepancias como, por ejemplo, cuando un formato de recomendación que el algoritmo había validado como apropiado se encontraba con una respuesta negativa por parte del usuario. Este sistema, aunque útil en una primera etapa, comienza a ser insuficiente en el actual momento de madurez digital.
Según Stone, la incorporación de la IA generativa representa un salto hacia una comprensión mucho más rica del catálogo, conectándolo con el mundo real, la conversación social y las tendencias del momento.
El descubrimiento conversacional es gran apuesta de la compañía, que está experimentando con interfaces de voz y búsquedas móviles que permitirán al usuario interactuar con la aplicación usando lenguaje natural para encontrar aquello que quiere. En la práctica, permite lanzar peticiones como las que le haríamos a Chat GPT. De esta forma, la búsqueda pasiva se sustituye por un diálogo activo que tiene en cuenta el estado de ánimo y el entorno del usuario.
Esta nueva funcionalidad de búsqueda y descubrimiento conversacional se encuentra actualmente en fase de pruebas, con diferentes ensayos a través de la interfaz de usuario de voz en teléfonos móviles. Se presenta como un buscador que permite usar lenguaje natural para explorar el catálogo y que, gracias a la IA generativa, llega a recomendaciones más atinadas gracias a la IA generativa, a que se amplía el conocimiento y los matices del contenido.
¿Cómo funciona esto en la práctica? Imaginemos que lanzamos la siguiente petición: “Estoy estresada y necesito ver algo que me haga desconectar”. A partir de ahí el sistema
trabajará con varios vectores de información. El primero, lo que sabe de ti, es decir, tu historial de visualización y el tipo de contenido con el que tú tienes sesiones de visionado satisfactorias (porque duran mucho, porque no las dejas a medias o porque las vuelves a ver con cierta frecuenta, por ejemplo). En segundo lugar, considera lo que sabe del contenido (las capas que la IA generativa ayuda a enriquecer). Y, por último, el entendimiento del mundo, ya que también se tiene en cuenta la conversación cultural y los temas que son tendencia.
Al entrelazar estos tres factores, el descubrimiento conversacional permite a los usuarios obtener recomendaciones concretas y adaptadas a búsquedas no solo basadas en criterios clásicos como un género o un actor sino en peticiones complejas basadas en su situación o estado de ánimo. El sistema también tendrá en cuenta factores como el contexto familiar y será capaz de reconocer esa variable para buscar alternativas más apropiadas para un disfrute individual o colectivo.
Durante años, Netflix ganó la batalla del streaming gracias a un catálogo amplio y a su solvencia tecnológica. Pero con el actual entorno saturado de contenidos y estímulos digitales, la abundancia ha dejado de ser una ventaja automática. La apuesta por la IA generativa refleja un cambio de paradigma: el reto ya no consiste en ofrecer más opciones, sino en comprender mejor qué necesita cada usuario en cada momento. Si Netflix logra convertir la búsqueda en una conversación y el descubrimiento en una experiencia intuitiva, podría resolver uno de los mayores problemas que ella misma ayudó a crear: el de tener demasiado para elegir.
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。