Computadora, ¿Qué es lo importante?

Las computadoras se suben al avión.

En aviación comercial existen dos enfoques sobre el uso de computadoras en los sistemas de vuelo:

El primer enfoque indica que la computadora sólo entregue información necesaria para el vuelo: alertas, estado de vuelo, mejor ruta, economía de combustible, recomendación para el aterrizaje, etc. La tripulación es la que controla el avión. Es decir, el piloto elige.

El segundo enfoque es contrario: los sistemas controlan el vuelo y toman decisiones, corrigen el rumbo, estabilizan y aterrizan el avión, dejando a la tripulación al monitoreo de sistemas y correcciones en vuelo. Entonces, la máquina decide.

Siendo una de las industrias más seguras, siguen sucediendo accidentes. Como el caso del vuelo 72 de Qantas, donde la computadora súbitamente comenzó maniobras peligrosas por un error en la interpretación de datos de vuelo, hasta que el capitán salvó la situación pasando a control manual. O como el trágico accidente del vuelo 1951 de Turkish Airlines, en el que el sistema alertó problemas en la aproximación al aterrizaje: el avión volaba demasiado lento, las alertas fueron ignoradas por la tripulación a bordo, y se estrellaron.

Que el sistema sólo entregue información o que decida, es un dilema del día a día.

Computadora, define: importante

El periodismo digital está ante un dilema similar. La necesidad de informar rápido, procesar mayor cantidad de datos para encontrar patrones, o sencillamente buscar tendencias, evidencia un problema al que se debe prestar atención.

Se generan preguntas: ¿Podemos automatizar el periodismo? ¿Cómo podemos ayudar a definir lo importante? ¿Los sistemas deberían decidir?

Un ejemplo muy usado es el trabajo de Narrative Science. Esta empresa utiliza algoritmos que transforman datos duros de deportes y finanzas en noticias, con sentido humano. Este proceso sólo está generando notas, no está respondiendo a nuestra pregunta.

Nuestra pregunta es: ¿Cómo definimos y publicamos lo importante?

Por ahora el modelo común es la decisión humana: el editor a cargo de una redacción decide y publica lo importante a su criterio. Trabajando con equipos de programadores, enfocados en construir herramientas que apoyen el día a día. Dejando la decisión de la publicación al periodista.

Aunque no hay modelos donde los algoritmos decidan y publiquen, basta mirar fuera de la industria de los medios para encontrar ejemplos que funcionan con bastante éxito. EdgeRank es uno de ellos: es el algoritmo responsable de lo que ves en tu flujo de noticias en Facebook.

Cada actividad en Facebook, publicar un estado, subir una foto o dar like se considera un “edge”. El algoritmo utiliza esta información con tres variables para sus cálculos: la afinidad del tema de la publicación con tus contactos, el peso en relación a las actividades sobre ésta y el tiempo de publicación de cada “edge”. Esto determina si una noticia es lo suficientemente importante para aparecer en tu flujo de actualizaciones cuando visitas Facebook. Se publica lo que según el algoritmo cree que deberías leer y aprende en base a tus acciones sobre cada publicación. El sistema decide.

Los medios, los programadores y las decisiones automatizadas

La cantidad de data en la web crece de manera exponencial y es demasiada para monitorearla. En principio las decisiones sobre detección de tendencias e importancia deberían ser parte de algoritmos, ahorrando tiempo que podría ser invertido en otras tareas, lo correcto sería integrarlos dentro de los CMS Editoriales. Primero, para que estén dentro del flujo de trabajo de publicación y luego, para compartir estos datos a través de un API al público y otros sistemas.

Como en la industria de la aviación, el periodismo tiene que probar nuevos enfoques, discutirlos, corregir fallos y volver a empezar. Es necesario un desarrollo ágil, de programadores y periodistas, para explorar nuevos caminos.

La idea es experimentar.