Cuando se escriban los anales del cine del 2025, nadie se acordará de *The Electric State*. Esta película, una adaptación de cómic de ciencia ficción, está ambientada en un mundo donde robots con consiencia perdieron una guerra contra los humanos. Netflix gastó unos reportados 320 millones de dólares en ella, haciéndola la decimocuarta película más cara jamás hecha. Pero fue un fracaso: aunque al principio ocupó el puesto número 1 en la plataforma, los espectadores perdieron interés rápidamente. Hoy, ni siquiera aparece entre las 20 películas más vistas de la compañía, un rendimiento impactante para su producción más costosa hasta la fecha. Se convirtió en solo otro “mockbuster” anónimo, lleno de los signos muy familiares y llamativos del cine de gran pantalla: una búsqueda infantil al estilo Spielberg, un páramo post-apocalíptico como Mad Max, detalles retro-futuristas al estilo Fallout.
Otra forma de clasificar *The Electric State* es como un ejemplo de la “película del algoritmo”, el tipo de producto genérico que satura las plataformas de streaming y parece diseñado para atraer al público más amplio posible. Los directores Anthony y Joe Russo, cuyo estilo podría describirse amablemente como “eficiente”, se especializan en esta papilla digital; también hicieron el thriller de acción igualmente olvidable *The Gray Man*, protagonizada por Ryan Gosling.
Si no haz hecho clic en una película del algoritmo, probablemente te haya sido ofrecida por la reproducción automática. A menudo, el título te dice amablemente qué esperar: *Tall Girl*, una comedia romántica adolescente del 2019, trata sobre una, bueno, chica alta; *Uglies*, una sátira de ciencia ficción de nivel inferior a Aldous Huxley, trata sobre un futuro donde la cirugía estética es un rito de paso; en *Murder Mystery*, Adam Sandler y Jennifer Aniston interpretan a estadounidenses fuera de lugar que hacen de Poirot en un crucero europeo. Pueden incluir a una de las nuevas estrellas, a menudo nombres conocidos pero un nivel por debajo de aquellos que pueden abrir una película solo con su nombre, como Tom Cruise o Margot Robbie. Estos actores – Sandler, Dwayne Johnson, Jennifer Lopez, Gal Gadot – eran los que más tenían que ganar besando el anillo del streaming. El rey actual de la película del algoritmo es Ryan Reynolds, quien protagonizó *6 Underground*, *The Adam Project* y la segunda película más vista de Netflix, *Red Notice*.
Las películas del algoritmo suelen exhibir una estructura narrativa fácil de seguir que no deja a ningún espectador atrás; bajo este régimen, la exposición ya no es un *faux pas* del guion. Un artículo reciente de n+1 reveló que los guionistas que trabajan con Netflix a menudo reciben la nota: “Haz que este personaje anuncie lo que está haciendo para que los espectadores que tienen este programa de fondo puedan seguirle el ritmo.”
En esta era del “visionado en segunda pantalla”, el contenido se mantiene dentro de líneas estéticas cómodas, para no sacar a los espectadores de su estupor de Netflix and chill. La iluminación tiene ese aspecto digital brillante, pero se mantiene obstinadamente de bajo contraste. Las mezclas de sonido son planas porque necesitan funcionar en todos los entornos y dispositivos: la gente ve en todo, desde cascos de realidad virtual hasta móviles viejos.
El entretenimiento amigable con el algoritmo – que busca espectadores lo más ampliamente posible, totalmente o a medias atentos – está poniendo al cine en una pendiente resbaladiza, cree Ted Hope, el ex productor independiente que llegó a dirigir Amazon Original Movies en 2015. “Si ves que la gente disfruta de la programación ambiental, [la tentación es] darles lo que quieren. Yo diría: no les des lo que quieren.” Hope dejó Amazon en 2020 cuando esta se alejaba de títulos de autor ( *Manchester by the Sea* de Kenneth Lonergan, *The Handmaiden* de Park Chan-wook) y se movía hacia una estrategia más populista.
Entre las compañías de streaming, Netflix es por mucho la más exitosa. Ahora tiene 301 millones de suscriptores en todo el mundo – 100 millones más que su competidor más cercano, Amazon Prime Video. Lanzando más de 100 “originales” al año, es más prolífica que incluso los estudios de Hollywood en su apogeo de la Edad de Oro. Se expandió en la década de 2010 desde su base en EE. UU. a casi 200 países y opera como un distribuidor global monolítico de entretenimiento. Si bien parte de su contenido es puramente local, también pretende seleccionar los títulos más prometedores de todo el mundo y hacerlos disponibles internacionalmente (como pasó con la serie *Squid Game* y la adaptación alemana ganadora del Oscar en 2022 de *Sin novedad en el frente*).
El modelo de Netflix, y su enorme éxito, le dan una influencia sin precedentes sobre el futuro del cine. No está claro hasta qué punto la forma de esa influencia la determina el algoritmo. Ciertamente, cualquier espectador de Netflix habrá notado la proliferación de películas que parecen encajar en la categoría de “película del algoritmo” – pero no son algorítmicas en el sentido de ser generadas directamente por máquinas (al menos aún no). El co-CEO de la compañía, Ted Sarandos, ha negado “ingeniería inversa” de películas a partir de sus datos, diciéndole a Vulture.com en 2018 que la comisión era “70% instinto y 30% datos” (aunque en una entrevista tres años antes, lo había dicho al revés). El departamento de relaciones públicas de Netflix declinó permitirme hablar con ninguno de sus ejecutivos principales para este artículo, pero reiteró la línea sobre “el error de pensar que comisionamos por algoritmo”. Varios de los ex ejecutivos de la compañía, y otras personas en la industria cinematográfica, solo me hablarían bajo condición de anonimato; conscientes de la posición dominante actual de Netflix en la industria, y su cautela sobre el uso de datos, temen que podría dañar sus carreras si hablaban públicamente de sus experiencias.
Entonces, ¿qué está pasando dentro de las cajas negras de las plataformas de streaming? ¿Hasta qué punto los algoritmos y los datos están realmente impulsando la producción de películas – y si no es así, de dónde vienen todas las llamadas películas del algoritmo?
A fines de los años 2000, el entonces director de personalización de Netflix, Todd Yellin, se propuso una tarea no tan insignificante: redefinir completamente la taxonomía de cómo se clasifican las películas y la televisión. Era un cinéfilo y director dedicado que había hecho un aclamado primer largometraje en 2006, el drama familiar *Brother’s Shadow* ambientado en Brooklyn. Pero trabajar en Netflix le dio la oportunidad de ejercitar otras habilidades.
“También tengo una parte matemática en mi cerebro”, dijo, “entonces pensé que si subdivides las películas y series en sus partes constituyentes y las etiquetas adecuadamente, ¿eso ayudaría a poner el título correcto frente a la persona correcta en el momento correcto?”
Este era su plan para refinar el sistema de recomendaciones de Netflix; el proceso mediante el cual el contenido se ordena y se pondera matemáticamente para ofrecer a cada usuario la selección más agradable. Aunque a menudo se le llama “el algoritmo”, en realidad involucra a 10 o más algoritmos interconectados.
Después de acostar a sus hijos pequeños, Yellin se sentaba en su viejo sillón y revisaba su biblioteca de libros de cine en busca de ideas para clasificar el contenido. Rápidamente fue más allá del repertorio de géneros tradicionales –terror, comedia, thriller– para comenzar a etiquetar los títulos según criterios temáticos: “¿Trata sobre baile? ¿Arquitectura? ¿Relaciones maritales? Luego mirábamos las emociones: ¿qué tan oscuro es?” Para los asuntos de tono, él y su equipo asignaban valores del uno al cinco o del uno al diez.
Se creó un nuevo puesto de trabajo –“etiquetador”– para ver y clasificar el contenido de Netflix. Yellin lo recuerda como un trabajo minucioso. Él y sus ayudantes eventualmente diseñaron lo que en 2014 equivalía a 77.000 “altgéneros” (es muy probable que haya más ahora): las categorizaciones que también, dependiendo de lo que el algoritmo te sirva, aparecen en la página de inicio de Netflix como etiquetas de fila, las categorías de películas que se te ofrecen. Van desde lo familiarmente soso (“Películas de aventuras”) hasta lo un poco más específico (“Thrillers de crimen implacables”) y lo exasperantemente amplio (“Siente todas las emociones”). Y luego, por supuesto, está el “Visionado casual” que supuestamente pudre el cerebro de todos, como *The Electric State* o *Red Notice*, una comedia de acción que es una mezcla de James Bond, Indiana Jones y Rápidos y Furiosos.
A veces, estas etiquetas de fila se generan automáticamente, basándose en relaciones subyacentes entre los altgéneros reveladas por el aprendizaje automático. A cada usuario se le asigna una “distancia” matemática a cada altgénero, basada en cuánto o cuán poco interactúa con ellos en la plataforma. Agregada entre millones de usuarios, esta red de patrones de consumo revela correspondencias, superposiciones y afinidades inesperadas en los gustos de los espectadores. Un ejemplo fue la superposición entre las audiencias a las que les gustaba la Fórmula Uno y los documentales de rock clásico; en ese caso, el sistema de recomendaciones podría generar una categoría que combinara las dos.
Esta arquitectura de datos más profunda fue un cambio de juego para Netflix. Originalmente, el servicio generaba recomendaciones basadas en un sistema de calificación de usuarios de cinco estrellas, pero en 2017 Netflix abandonó esto en favor del sistema basado en altgéneros. “Pasar de las recomendaciones explícitas a las implícitas fue el gran cambio”, dijo Yellin. “Recomendaciones basadas en el comportamiento: lo que realmente viste y consumiste, versus lo que dijiste que te gustaba”.
Las empresas de streaming reciben, a través de sus interfaces de usuario, cantidades de datos sin precedentes. En 2017, Netflix registraba 700 mil millones de “eventos de datos” –interacciones con la plataforma de alguna forma– por día. No solo si optaste por algo en “Tan completamente cautivador” o por un documental deportivo, sino en qué dispositivo lo viste, a qué hora del día viste, cuántos otros títulos miraste, si apagaste algo temprano, cuántas veces lo volviste a ver, y así sucesivamente. Todos son nodos en la nube de datos galáctica que los servicios utilizan para decidir qué películas y programas de televisión ponen frente a nosotros.
No es sorprendente que la cultura de los datos esté integrada en la forma en que los servicios de streaming hacen negocios. Después de todo, eran empresas de tecnología mucho antes de ser estudios de cine. Amazon Prime Video es, por supuesto, una rama del minorista en línea más grande del mundo, mientras que Netflix –que comenzó como un negocio de DVD por correo en 1997– estaba igualmente enraizado en la logística en línea. Su cofundador Reed Hastings era originalmente un científico e ingeniero informático. Pero a medida que Netflix maduró de una empresa de distribución a un estudio –produciendo su primer programa de televisión, *House of Cards*, en 2013, y su primera película, el drama de guerra africano *Beasts of No Nation* en 2015– la importancia de los datos en la toma de decisiones creativas solo ha crecido.
Como la mayoría de las empresas de Silicon Valley, a Netflix le gusta moverse rápido. En cinco segundos, para ser precisos; este, según el documento del taller que entregan a los colaboradores potenciales, es el tiempo dentro del cual “la audiencia decide subconscientemente si verá tu programa”.
Una apertura rápida y sin ambigüedades es innegociable para la empresa; la mayoría de los cineastas entrevistados para este artículo lo mencionaron. El guionista Aron Coleite fue contratado para mejorar la película de ciencia ficción de 2024, *Atlas*. Su borrador original comenzaba con la estrella de la película, Jennifer Lopez, interrogando la cabeza cortada de un terrorista robot. Se consideró demasiado excéntrico y Coleite terminó reemplazándolo con una introducción más convencional de un asalto de un equipo Swat; se dejó convencer por los datos de Netflix que demuestran que los espectadores necesitan engancharse dentro de un cierto margen de tiempo. Él siente que ese margen se está acortando: “Lo veo reduciéndose a medida que es más difícil controlar la capacidad de atención”.
En Netflix, los equipos especializados de estrategia y análisis están integrados en cada división del negocio. El equipo de estrategia y análisis en la división de contenido ayuda a valorar un nuevo título prospectivo –ya sea adquirido o desarrollado internamente– modelando su rendimiento basado en datos históricos. La compañía ha estado haciendo esto por mucho tiempo: hay charlas disponibles en YouTube que se remontan a 2016, en las que Caitlin Smallwood, entonces jefa de ciencia y algoritmos en Netflix, detalla cómo el éxito previsto de una película evolucionaba según los nuevos elementos agregados durante la preproducción, como la incorporación de ciertos actores o la reacción en las redes sociales a un avance. (Netflix luego suprimió este tipo de divulgación, por temor a que se interpretara como la adulteración algorítmica del arte).
Según Smallwood, este proceso llegó hasta evaluar los *pitch decks* o guiones en busca de elementos que pudieran aumentar o reducir su atractivo. El director Cary Fukunaga mencionó que una estructura narrativa compleja en su miniserie de 2018 sobre la industria farmacéutica, *Maniac*, fue descartada debido a la pérdida de audiencia prevista por los datos. Él afirmó a la revista GQ que “al final, el argumento del algoritmo va a ganar”. Los equipos de datos de Netflix siempre estaban desarrollando productos nuevos para guiar las decisiones sobre el contenido. Esto incluía software que mostraba estadísticas importantes (como los altgéneros relevantes y otras clasificaciones) de cada título en formatos de resumen tipo tarjeta de béisbol, y una herramienta que calificaba el atractivo de actores de reparto de nicho para el público.
Smallwood, quien dejó Netflix en 2021, dijo que nada se imponía basándose únicamente en los datos. “Nuestro objetivo con los ejecutivos de contenido era mejorar el proceso creativo, no reemplazarlo. Queríamos que consideraran lo que los datos y algoritmos sugerían, incluso si lo rechazaban,” explicó. En mis conversaciones con creativos, fue sorprendente que la persuasión, y no la coerción, pareciera ser el modus operandi de Netflix. Casi todos los profesionales que hablé y que trabajan con empresas de streaming dijeron estar sorprendidos por la poca información cruda que recibían. Durante la producción de películas, en particular, el proceso de dar notas se mantuvo como siempre, basado en la intuición de los ejecutivos.
La compañía sí emite guías de estilo interno, muy probablemente influenciadas por los datos en algún nivel. Algunas de estas guías están relacionadas con la narrativa, como la del taller de *pitch*, que tiene reglas de guion bastante genéricas, como “¿Quién es el héroe y qué quiere?” y “El escenario debe ser un personaje en tu historia”. (Nada tan malo como insistir en que los personajes anuncien lo que están haciendo). A veces estas abordan cuestiones estéticas: un productor que trabajó en uno de los shows exitosos recientes de la empresa mencionó una estipulación para imitar el look frío de David Fincher. El amarillo aparentemente es un color resonante y útilmente no género a la hora de concebir programas infantiles, siguiendo la estela *Day-Glo* de Bob Esponja y los Minions.
Los datos más tangibles que reciben los cineastas vienen en forma de evaluaciones de rendimiento periódicas –a los tres, 10 y 30 días del lanzamiento–, una práctica de Netflix y Amazon Prime Video. A menudo esto consiste en cifras de audiencia y tasas de finalización; algunos encuentran esto nebuloso comparado con los ingresos de taquilla, la métrica de rendimiento tradicional de los estudios. También está el Netflix Preview Club que, a diferencia de las evaluaciones, permite hacer ajustes antes del lanzamiento. El Preview Club es una sección de acceso anticipado para espectadores invitados, y combina el monitoreo moderno de cómo interactúan con un contenido con cuestionarios más tradicionales tipo grupo de enfoque. Pero no está claro cuánto de esta investigación llega a los cineastas. Varios me dijeron que hubiera sido útil, al hacer los cambios finales de posproducción, tener datos más granulares sobre las reacciones del público.
A menudo, lo que cineastas y ejecutivos me contaron sobre el enfoque de los *streamers* respecto a los datos no sonaba tan diferente de la antigua mentalidad de línea de producción de Hollywood. Los estudios siempre han buscado una fórmula racionalizada y repetible para el éxito, desde el encasillamiento de actores durante la Edad de Oro hasta los manuales prescriptivos de guion como *Screenplay* de Syd Field y *Save the Cat* de Blake Snyder durante la era de los conglomerados, y las rigurosas pruebas de pantalla. El software de análisis de guiones de los 2000, como Epagogix y ScriptBook, intentó predecir el éxito en taquilla basándose en *tropes* narrativos y el personal vinculado a los proyectos; estas eran versiones prototípicas de lo que hacen ahora las empresas de streaming. Si los algoritmos son un conjunto fijo de pasos que lleva a un resultado controlable, entonces el proceso de desarrollo anterior, intentando alinear los patitos de la narrativa en el orden correcto, también era algorítmico en un sentido básico.
De hecho, más datos solo ha intensificado problemas clásicos de Hollywood, como cómo conseguir que los cineastas, e incluso los propios ejecutivos creativos de las *streamers*, confíen en ellos para guiar asuntos artísticos. Parte del problema es acordar cómo interpretar útilmente el remolino de datos. “Las distintas métricas, y la importancia que se les asignaba, cambiaban constantemente,” dijo un exejecutivo de cine de Netflix. “Tuve más jefes de los que podía contar, y las métricas de éxito cambiaban igual de seguido. Puedes tener todas las métricas que quieras, pero eso no significa que estés tomando mejores decisiones o creando contenido más amado.” Los ejecutivos también pueden interpretar los datos de forma selectiva para inclinar la balanza a favor de sus propios proyectos, dijo un productor que ha supervisado una serie de películas para Netflix. En sus relaciones públicas externas, la empresa anuncia la singularidad y sofisticación de su algoritmo; internamente, sin embargo, la gente todavía intenta realizar sus propias preferencias y pasiones. “Y aprovechan el algoritmo para eso,” dijo el productor.
Y tanto cineastas como ejecutivos saben la verdad: a la hora de evaluar el éxito probable de un título, los datos solo pueden hacer tanto. Netflix es diligente en predecir cómo les irá a los títulos en la plataforma, revisando regularmente la precisión de sus pronósticos y actualizando luego los modelos. Pero muchos éxitos mayores, como *Gambito de Dama* y *El juego del calamar*, fueron una completa sorpresa. La famosa máxima de William Goldman sobre Hollywood –“Nadie sabe nada”– todavía aplica.
Pero si Netflix no abruma a los cineastas con datos, y si no hay consenso sobre cómo interpretar los pocos datos que sí ven, entonces ¿qué es responsable de todo ese contenido genérico y predecible que abarrota tu pantalla?
Una respuesta es que los datos sí están tomando decisiones, solo que en una etapa más temprana del proceso: determinan qué se encarga y qué no. Es poco probable que los cineastas sepan si su proyecto fue aprobado o rechazado en base a lo que dijeron los datos o algoritmos sobre él. Pero hablé con un agente que me contó que, en un estudio importante, a los ejecutivos creativos se les excluyó del comité de aprobación para no sesgar el proceso de decisión con antigua frivolidad artística.
Otros en la industria tienen explicaciones differentes para la avalancha de películas de algoritmo. El productor Neal Dodson, cuyo thriller de 2019 *Triple Frontera* fue una Original de Netflix, piensa que los ejecutivos no le prestan demasiada atención al remolino y confusión de datos; simplemente eligen jugar a lo seguro. “Quieren hacer películas geniales, pero no quieren que los despidan,” dijo Dodson. Tienen miedo de que si hacen algo muy arriesgado, los despidan. Pero si no hacen nada suficientemente arriesgado, la gente dice que no hicieron buenas películas. Es como estar entre la espada y la pared.” Quizás este conservadurismo –nada raro en los ejecutivos de Hollywood– es lo que ha impulsado el cine algorítmico, más que nada verdaderamente algorítmico.
Hay cierta ironía en seguir dependiendo de la mentalidad restrictiva de la era analógica, dijo otro ex-ejecutivo de Netflix: “Solía bromear diciendo que, por la aceleración de todo, Netflix había pasado de ser una compañía de medios muy nueva a una bastante anticuada más rápido que nadie.”
Otra razón para el contenido cansado y repetitivo podría ser la falta de supervisión que caracterizó la fase de crecimiento de Netflix a fines de la década de 2010. Antes, había apoyado a autores que luchaban por obtener apoyo de los estudios de Hollywood; esto le dio a la compañía obras como la aventura de eco-terrorismo *Okja* de Bong Joon-ho, el drama autobiográfico *Roma* de Alfonso Cuarón y la épica de crimen de Martin Scorsese *The Irishman*.
Pero alrededor de 2016, Netflix decidió cambiar su enfoque. Inundó la plataforma con contenido, financiado mediante deuda (pasó de unos $500 millones en 2013 a casi $13 mil millones en 2019). Se esforzó por entregar suficientes películas y series a su base de suscriptores en expansión; *South Park* se burló de la compañía en un episodio, mostrando a sus ejecutivos contestando el teléfono: “Netflix, tu proyecto está aprobado. ¿Con quién hablo?”.
Un productor de una película independiente, que recibió más de $10 millones de Netflix, dijo que no recibió comentarios durante el rodaje y que los ejecutivos no veían el material del día. “Básicamente nos transfirieron el dinero; mi impresión fue que no debería llamarlos a menos que se incendiara la casa. Tienen más dinero que cualquier estudio quizás, pero no podían controlar todas sus películas. No se puede crecer tan rápido”. Muchos otros cineastas con los que hablé afirmaron similarmente que Netflix les dio bastante libertad.
Este productor cree que la falta de rigor y de ejecutivos con experiencia durante la fase de expansión dañó el control de calidad. Por un lado, esta fase permitió la creación de obras brillantes o fuera de lo común como *Okja*, la errática sátira del mundo del arte *Velvet Buzzsaw* y *I’m Thinking of Ending Things* de Charlie Kaufman. Por otro, permitió que montones de títulos genéricos con tramas y estilos de rodaje mediocres se acumularan en la plataforma.
La era de expansión de Netflix terminó repentinamente en la primavera de 2022. El explosivo crecimiento de suscriptores impulsado por la pandemia en 2020 –cuando Netflix añadió 37 millones de nuevos miembros– se agotó, y en el último trimestre de 2021 y el primero de 2022, perdió cientos de miles de suscriptores. Wall Street reaccionó: el precio de las acciones de la compañía cayó un 57% en un solo día.
Esto causó una crisis de confianza dentro de Netflix. La compañía limitó su presupuesto de contenido a $17 mil millones al año, poniendo fin a los aumentos anuales precipitados de los años anteriores. La política de cheques en blanco para directores famosos también se canceló (por ejemplo, se descartó *Paris Paramount*, el regreso de la reina de las comedias románticas Nancy Meyers con un presupuesto de $150 millones).
Después de que Netflix introdujera un nivel más barato con anuncios en 2022 y restringiera el uso compartido de contraseñas al año siguiente, el número de suscriptores comenzó a subir de nuevo. Pero la compañía todavía intenta ser más eficiente. Designó al experimentado ejecutivo de Warner Bros, Dan Lin, como su nuevo jefe de cine en febrero de 2024; según *The Hollywood Reporter*, consiguió el trabajo al decirle a la compañía que “las películas no eran geniales y que las finanzas no cuadraban”. Es demasiado pronto en su mandato para juzgarlo por su producción, pero se espera que restrinja la cantidad y los presupuestos, mientras intenta mejorar la calidad.
Este enfoque es compatible con lo que Bela Bajaria, directora de contenidos de Netflix, llamó el modelo de “hamburguesa gourmet” de la compañía: ofrecer a los espectadores productos familiares y comerciales con valores de producción de alta gama. Apostar por una corriente principal inofensiva, en lugar de buscar arriesgadamente la excelencia artística, es mejor para mantener el número de suscriptores. La gente puede sentirse atraída por una plataforma por un título destacado, pero se queda cuando sabe que habrá un suministro constante de títulos lo suficientemente buenos.
Como dijo Steven Soderbergh a *Vulture*: “Toda la industria ha pasado de un mundo de economía newtoniana a uno de economía cuántica, donde dos cosas que parecen opuestas pueden ser ciertas al mismo tiempo: puedes tener un éxito masivo en tu plataforma, pero en realidad no está haciendo nada para aumentar los ingresos de tu plataforma”. El éxito de una película ya no se define únicamente por su rendimiento en taquilla; atrapada dentro de una sola plataforma de streaming, ha sido aislada de las duras realidades financieras. Las métricas de visualización poco claras de Netflix han fomentado esta desconexión. Solía definir una “vista” como ver el 70% de una película. En enero de 2020, la compañía decidió que ver dos minutos era suficiente. Ahora, calcula el número de vistas de una película o serie dividiendo el total de horas de visualización de todos los usuarios para un título entre su duración (para no perjudicar a los títulos más cortos); mejor, pero todavía un promedio impreciso.
Algunos cineastas –como David Fincher, que tiene contrato con Netflix– ven libertad artística en deshacerse de los grilletes de la taquilla. Otros ven esta nueva falta de responsabilidad como una deriva hacia la mediocridad algorítmica. “Lo mejor que puedes hacer si tu objetivo empresarial se limita a la adquisición de audiencia es que todos vean lo mismo”, dijo Ted Hope. “Porque incluso con esa estrategia de un suministro regular, sabes que lo que aumenta el compromiso es que más gente hable de lo mismo”.
Una vez existió la noción de que las compañías de streaming –facilitadas por espacio infinito en servidores y catálogos interminables– encontrarían nuevas audiencias para títulos de cine más oscuros. Sin embargo, en un análisis de datos de visualización de Netflix entre 2016 y 2019, el investigador independiente Stephen Follows descubrió que la compañia era aún más dependiente de un puñado de títulos exitosos que la taquilla de cine tradicional: el 7% principal de títulos de Netflix en Estados Unidos representó el 50% de las visualizaciones (comparado con el 41% de los ingresos taquilleros del 7% principal de películas de cine).
No es tanto que las películas sean hechas por algoritmos, sino que, al promover constantemente la elección masiva o segura, el algoritmo en sí tiene un efecto aplanador y empobrecedor sobre nuestros gustos en general. Es intrigante que, mientras la mayoría de los colaboradores de Netflix entrevistados para este artículo alabaron su experiencia creativa individual, la mayoría también expresó preocupación sobre cómo los algoritmos podrían estar homogenizando la cultura a una escala más amplia. “Es un temor mío,” dijo el director de un gran éxito de Netflix. “Existe un equilibrio constante que intentamos encontrar con la tecnología. Los algoritmos pueden ser increíblemente útiles cuando quieres una sugerencia de qué ver. Y también pueden ser tremendamente irritantes y un freno para la originalidad y la creatividad. Ambas cosas pueden ser ciertas.”
Netflix, o al menos algunos de sus ex-empleados, son consientes del problema. Smallwood dijo que su mayor desafío era cómo guiar a los espectadores hacia el catálogo más profundo y evitar ofrecerles sólo variaciones de lo que ya habían visto. “Inyectábamos variedad intencionalmente en las páginas personalizadas de la gente,” dijo. “Como si espolvoreáramos algunos elementos que no estaban en lo más alto de la lista del algoritmo.” (La compañía ha registrado recientemente patentes para innovaciones con este fin). Incluso experimentaron con diferentes formas en que los espectadores podrían expresar sus preferencias para moldear lo que se les muestra. Pero “los consumidores no quieren tener que esforzarse para encontrar qué ver,” dijo Smallwood. “Solo quieren que se les sirva lo correcto.”
No solo las empresas de *streaming* no tienen incentivos para promover la diversidad de contenido en la industria, dijo Ted Hope, sino que también han destruido el modelo de negocio más amplio que hace posible la diversidad. Cuando Netflix u otro servicio de *streaming* compra una película, exige efectivamente ser el único distribuidor a nivel mundial; este modelo favorece inherentemente el trabajo de mercado masivo que tendrá alcance global. También ha vuelto obsoleta la antigua táctica de pre-vender los derechos de distribución en territorios individuales, que era a menudo como las películas independientes reunían sus presupuestos.
Ryan Reynolds, Gal Gadot y Dwayne Johnson en “Red Notice”. Fotografía: Frank Masi/Netflix
La analista de la industria Tansy Kelly Robson señaló que antes de la era del *streaming*, incluso los estudios tradicionales tenían incentivos para asumir algunas películas más fuera de lo común. Aunque estos títulos tenían un valor taquillero incierto, los estudios podían generar ingresos con ellos revendiéndolos a cadenas de televisión. Pero con las películas de las empresas de *streaming* encerradas en sus propias plataformas, los recién llegados tienen poca razón para hacer trabajos arriesgados con valor en otros lugares. Si necesitan agitar su catálogo, pueden seleccionar cuidadosamente trabajos *indies* independientes que funcionaron bien en cines o festivales, sin asumir el riesgo financiero de desarrollarlos.
Robson observó que una película prominente podría atraer suscriptores a una plataforma, “pero es difícil decir si es [por] el show u otro factor externo, y el costo por espectador lo convierte, esencialmente, en un producto de ganancia.” Ese es muy posiblemente el caso no solo para ofertas más inusuales, sino también para costosos fracasos de películas por algoritmo como “The Electric State”. Pero parece que lo que Netflix está haciendo funciona, y que Wall Street está convencida por ahora. Desde abril de 2022, el precio de sus acciones ha subido constantemente. Los clientes y accionistas parecen lo suficientemente contentos con el carrusel interminable de ofertas olvidables de la plataforma.
Netflix puede estar de vuelta en el camino, pero la película por algoritmo tal como la conocemos está a punto de ser potenciada por la próxima generación de automatización: la IA. La tecnología, por su naturaleza, saquea la creatividad del pasado. Para los propósitos de la industria cinematográfica, sus datos de entrenamiento incluirán guiones, metraje, bandas sonoras, patrones de edición, efectos especiales, cada dominio concebible de trabajo de los últimos 125 años de Hollywood. Auto-generar todo esto usando IA costará una fracción de lo que cuesta hacerlo de verdad. Pero las ganancias en productividad y eficiencia vendrán al costo de arraigar aún más el enfoque algorítmico de la creatividad.
La IA ya se está utilizando en los márgenes de las películas. Netflix usó IA generativa para insertar personajes CGI en algunas tomas de “The Electric State” y también para crear una secuencia de un edificio derrumbándose en la serie de ciencia ficción argentina “El Eternauta”. Amazon también usó la tecnología para trabajos de efectos visuales en su serie bíblica “La Casa de David”. Pero estos ejemplos están lejos de generar una película o serie de televisión desde cero.
Todd Yellin cree que ChatGPT es capaz de escribir una película navideña genérica ahora, pero la posible reacción negativa por pisotear la artistry humana no valdría el riesgo. La mayoría de los entrevistados que consulté piensan que aún estamos a algunos años de que la IA produzca un guión que rompa boundaries.
Las empresas de *streaming* ya auto-generan imágenes y tráilers, personalizados para cada suscriptor. Si, por ejemplo, “Good Will Hunting” aparece en el feed de un adicto a las comedias románticas, la imagen miniatura de la película mostraría a Matt Damon y Minnie Driver acurrucados; para un usuario que prefiere comedias, aparecería Robin Williams. Para Yellin, este tipo de uso de la IA se mantiene en el lado correcto de la línea: “Una distinción importante artística y tal vez ética es entre usar algoritmos e IA generativa para crear una película o programa de TV versus usarlos para crear una pieza de contenido promocional.”
Pero es difícil creer que las plataformas se detendrán ahí. Stephen Follows realizó recientemente una encuesta de patentes presentadas por Netflix y Amazon Prime Video; entre las 500 patentes de la primera hay herramientas de edición y efectos visuales basadas en aprendizaje automático, mientras que la segunda ha presentado más de 7,000 patentes en áreas similares.
Sus innovaciones abarcan todas las áreas, desde el análisis de guiones, hasta la creación automatizada de storyboards, simulaciones de audiencias sintéticas para probar conceptos clave y un “monitoreo de emociones” que rastrea las respuestas de los espectadores en tiempo real.
La extraña paradoja de la era del streaming es que, mientras la búsqueda por personalizar el entretenimiento continúa, el entretenimiento en sí se vuelve cada vez más impersonal. El usuario, y la fantasía de la elección ilimitada, son los reyes. El autor y la singularidad de la perspectiva ahora son subordinados – y el tsunami de la IA amenaza con arrastrarlos por completo.
Yellin aún intenta reconciliar el giro de la industria hacia el contenido optimizado con su pasión por el arte con personalidad. Dejó Netflix a finales del 2022 para volver a su primer amor: la dirección. Coescribió y dirigió The 52nd State, una historia criminal sobre un trabajador costarricense de TI despedido por Hewlett-Packard que se ve envuelto en una estafa. Finalmente comenzó a filmarse este verano. Pero, al volver a un panorama cinematográfico radicalmente cambiado, Yellin se sorprendió de lo difícil que es ahora conseguir financiación para una película independiente. “Ha sido un camino duro. El modelo para hacer cine independiente ha cambiado”, admitió. “Muchas compañías se han alejado de la prefinanciación de películas independientes. ¿Por qué asumir el riesgo de financiarlas por adelantado, cuando luego pueden escoger las que quieran de la camada?”
¿Por qué, en efecto? Por suerte, aún tenía sus contactos, y su viejo amigo, el cofundador de Netflix Reed Hastings, intervino para apoyar el proyecto como productor ejecutivo; su primera incursión en la producción cinematográfica. El magnate tecnológico multimillonario trae la caballería para el acosado cine indie: ¿qué tal eso para un giro argumental del tercer acto algorítmicamente perfecto?
Escucha nuestros podcasts aquí y suscríbete al correo electrónico semanal de The Long Read aquí.
Este artículo fue amendado el 29 de agosto de 2025 para corregir el nombre de Park Chan-wook.