Mediación algorítmica
Sinónimos: Algorithmic mediation
Definición ampliada
La mediación algorítmica, o algorithmic mediation, ocurre cuando un sistema automatizado selecciona, ordena, recomienda, resume o transforma lo que una persona puede ver y hacer. El algoritmo no se limita a transportar una realidad ya dada: introduce criterios de relevancia y deja otras posibilidades fuera de la vista.
El concepto describe una relación, no un efecto único. Que un contenido aparezca primero puede influir en la atención o en una decisión, pero no permite deducir por sí solo qué creerá o hará una persona. Para estudiar el efecto hay que conocer el mecanismo, la interfaz, la población, la exposición y la alternativa con la que se compara.
Contexto histórico
La selección automática precede a las plataformas actuales, pero ganó peso social con los buscadores, los sistemas de recomendación y las redes sociales. Los estudios de plataformas mostraron que los algoritmos determinan qué resulta visible y relevante mediante elecciones técnicas e institucionales, no mediante una regla neutral y universal [1].
Importancia actual
A fecha de septiembre de 2026, feeds, buscadores, asistentes generativos y sistemas de apoyo a decisiones median grandes volúmenes de información. Evaluar esa mediación exige examinar tanto el modelo como los datos, los objetivos de optimización, la interfaz y la posibilidad real de corregir o impugnar el resultado.
Aplicaciones
Generales
- Ordenar resultados de búsqueda y noticias.
- Recomendar vídeos, productos o documentos.
- Priorizar solicitudes, alertas o casos para revisión humana.
- Resumir varias fuentes antes de mostrarlas a una persona.
Sanitarias
- Ordenar información de salud en un buscador, un portal o un asistente. La posición altera lo que queda disponible para la atención, pero no demuestra un efecto clínico determinado.
- Priorizar personas para programas de gestión sanitaria. En un sistema real, usar el gasto como sustituto de la necesidad produjo una asignación desigual que solo apareció al auditar la variable objetivo [2].
- Diseñar revisiones en las que se registre qué opciones fueron mostradas, ocultadas o resumidas, además del resultado final.
Limitaciones
- La mediación no equivale a manipulación ni a sesgo, aunque puede contenerlos. Son hipótesis que requieren evidencia adicional.
- No basta con inspeccionar el código: datos, objetivo, reglas de negocio e interfaz también determinan la selección.
- Una explicación plausible del orden no prueba que sea la explicación real.
- La personalización dificulta reproducir qué vio cada persona y con qué alternativa se habría encontrado.
- El efecto observado en una plataforma o población no se traslada automáticamente a otra.
Ejemplos
Dos buscadores pueden recuperar los mismos diez documentos y mediar la consulta de forma distinta si los ordenan con criterios diferentes. Para auditar esa diferencia hacen falta las listas mostradas y el criterio de evaluación; la mera existencia de personalización no permite afirmar que haya creado una burbuja.
En sanidad, un algoritmo puede decidir qué casos llegan antes a un equipo de gestión. Si la prioridad usa coste previo como aproximación de necesidad, la mediación incorpora esa elección y puede excluir a personas con necesidad alta y menor gasto registrado [2].