Sesgos, las Fuerzas Ocultas de la Toma de Decisiones

Foto de Jr Kropa, Unsplash.

Por: Soraya Carvajal B.

En el panorama competitivo actual, ya sea en tecnología, finanzas o retail, crear productos y servicios que realmente conecten con las personas es primordial. En el Diseño de Experiencia de Usuario (UX) hay un principio fundamental: la absoluta necesidad de colocar al usuario en el centro de cada decisión de diseño para satisfacer sus necesidades de manera efectiva.

Sin embargo, lograr esto requiere algo más que buenas intenciones y procesos optimizados. Exige una comprensión profunda de las corrientes psicológicas invisibles que moldean el comportamiento humano: los sesgos cognitivos. Estos patrones sistemáticos de desviación del juicio racional no son solo conceptos psicológicos abstractos; son fuerzas poderosas que influyen activamente en el razonamiento, el juicio y la toma de decisiones en todas las industrias.

Desde la forma en que se comercializa un producto y cómo se enmarca un servicio, hasta las propias funciones que se priorizan durante su desarrollo, los sesgos cognitivos juegan un papel crítico. Reconocerlos es el primer paso para diseñar experiencias de usuario más intuitivas, éticas y exitosas.

Entre los sesgos más comunes que se deben tener en cuenta se encuentran el sesgo de confirmación, el efecto de encuadre y la falacia del coste hundido. Comprender a estos influenciadores ocultos ya no es solo una ventaja, sino un componente esencial del pensamiento estratégico y del diseño centrado en el usuario en el mundo moderno.

Sesgo Cognitivo: Un sesgo cognitivo es un patrón sistemático de desviación del juicio racional. Nuestro cerebro utiliza estos atajos mentales (heurísticos) para simplificar la toma de decisiones, pero a menudo conducen a una distorsión perceptual, una valoración inexacta y una interpretación ilógica.

  • Efecto de Ambigüedad: La tendencia a evitar opciones para las que la probabilidad de un resultado favorable es deconocida, en favor de opciones donde la probabilidad es conocida, incluso si es menor.

Ejemplo: A un usuario se le presentan dos planes de suscripción. El Plan A indica claramente «Música ilimitada por 9,99 €/mes». El Plan B dice «Pago por uso, el coste varía según lo que escuches». La mayoría de los usuarios elegirá el Plan A para evitar la ambigüedad y la imprevisibilidad potencial del coste del Plan B.

  • Ilusión de Agrupamiento: La tendencia a percibir patrones en eventos aleatorios o a ver agrupaciones en muestras pequeñas de datos donde no existe un patrón real.

Ejemplo: Un desarrollador de aplicaciones ve que el engagement de los usuarios se disparó dos martes consecutivos. Podría suponer incorrectamente que los martes son inherentemente mejores para lanzar nuevas funciones, ignorando que los picos probablemente se debieron a eventos aleatorios no relacionados, como una publicación viral en redes sociales.

  • Sesgo de Confirmación: La tendencia a buscar, interpretar, favorecer y recordar información que confirma o apoya las creencias o valores preexistentes de uno.

Ejemplo: Un product manager que cree que un nuevo botón rojo de «Comprar Ahora» funcionará mejor, prestará atención principalmente a los datos del test A/B (prueba por redirección, que permite comparar dos versiones de algo) que muestran un leve aumento en las conversiones del botón rojo, mientras que restará importancia o desestimará los datos que no muestran ningún cambio significativo o incluso una disminución.

Sesgo Cultural: La tendencia a juzgar e interpretar fenómenos a través del lente de las normas y prácticas culturales propias, lo que lleva a malentendidos o a un diseño inapropiado para otras culturas.

Ejemplo: Una aplicación global de entrega de comida utiliza un icono de pulgar hacia arriba para significar una reseña positiva de un restaurante. Sin embargo, en algunas partes de Oriente Medio y África Occidental, este gesto puede considerarse ofensivo. Lanzar la aplicación con este icono sin adaptación cultural crearía una barrera para los usuarios en esas regiones.

  • Sesgo de Falso Consenso: La tendencia a sobrestimar el grado en que los demás comparten nuestras creencias, opiniones y comportamientos.

Ejemplo: Un equipo de desarrollo, formado por personas expertas en tecnología, diseña una nueva aplicación con un sistema de navegación complejo basado en gestos. Dan por sentado que es intuitivo porque a ellos les parece lógico, solo para descubrir que la mayoría de su base de usuarios, menos técnica, se siente confundida y frustrada.

  • Efecto de Encuadre: La tendencia de las personas a que sus decisiones se vean influenciadas por cómo se presenta la información (por ejemplo, como una pérdida o una ganancia) en lugar de basarse solo en la información en sí.

Ejemplo: Una empresa descubre que presentar su precio como «¡Ahorra 50 € al año!» es más efectivo para convertir usuarios que presentarlo como «Solo 4,99 € al mes», aunque el valor financiero sea idéntico. El encuadre de «ahorro» es más poderoso.

  • Error Fundamental de Atribución: La tendencia a sobre-enfatizar explicaciones basadas en la personalidad para los comportamientos de los demás, mientras se subestiman los factores situacionales.

Ejemplo: Un diseñador ve en los análisis que muchos usuarios abandonan un formulario de registro complejo. El diseñador podría pensar: «Los usuarios son vagos» (una atribución personal) en lugar de considerar que el formulario es demasiado largo y pide información innecesaria (un factor situacional).

  • Sesgo de Retrospectiva: La tendencia a ver los eventos pasados como haber sido predecibles y obvios, resumida a menudo por la frase «ya lo sabía».

Ejemplo: Después de que una nueva consola de videojuegos se agote al instante debido a una demanda sin precedentes, causando caídas de la web, los críticos afirman que la empresa obviamente debería haber preparado más servidores. Esto ignora el hecho de que predecir con precisión una carga tan masiva y en tiempo real es extremadamente difícil, y el resultado solo parece obvio en retrospectiva.

  • Sesgo Implícito y Sesgo Racial: Sesgo Implícito se refiere a las actitudes o estereotipos que afectan a nuestra comprensión, acciones y decisiones de manera inconsciente. Sesgo Racial es una forma específica de sesgo implícito relacionado con la raza.

Ejemplo (Implícito): Un algoritmo de recorte de imágenes, entrenado con un conjunto de datos predominantemente de una etnia, se centra y prioriza constantemente los rostros de esa etnia, recortando o representando incorrectamente a personas de otras razas. Esto refleja el sesgo inconsciente en sus datos de entrenamiento.

Ejemplo (Racial): Una IA de «belleza» o un filtro que aclara automáticamente el tono de la piel o altera los rasgos faciales para ajustarse a un estándar racial específico demuestra un sesgo racial claro y dañino.

  • Efecto de Posición Serial: La tendencia a recordar mejor los primeros (efecto de primacía) y los últimos (efecto de recencia) elementos de una serie.

Ejemplo: En una lista de películas recomendadas en un servicio de streaming, es más probable que los usuarios recuerden y hagan clic en los primeros y últimos títulos mostrados. Las películas en medio de la lista, a pesar de ser igual de relevantes, reciben menos atención.

  • Sesgo de Deseabilidad Social: La tendencia a responder a preguntas o tomar decisiones de una manera que será vista favorablemente por los demás, lo que a menudo lleva a informar en exceso sobre el comportamiento «bueno» y a sub-reportar el «malo».

Ejemplo: En las encuestas, las personas pueden exagerar la frecuencia con la que usan una aplicación de «alimentación saludable» o informar menos del tiempo que pasan en juegos de redes sociales, porque esa es la respuesta socialmente deseable.

  • Falacia del Coste Hundido/Irrecuperable: La tendencia a continuar con un proyecto o persistir en el uso de un producto una vez que se ha realizado una inversión de dinero, esfuerzo o tiempo, incluso si los costes actuales superan los beneficios.

Ejemplo: Un usuario continúa pagando un software de gestión de proyectos premium año tras año, aunque su equipo lo considere inadecuado y no lo use. Siente que ha «invertido» demasiado tiempo en aprenderlo y migrar sus datos como para dejarlo, por lo que el coste hundido lo mantiene suscrito.

  • Sesgo del Superviviente: La tendencia a centrarse en las personas o cosas que «sobrevivieron» a un proceso y pasar por alto inadvertidamente aquellas que no lo hicieron debido a su falta de visibilidad.

Ejemplo: Un equipo de producto solo recopila feedback de los usuarios actuales y activos de su aplicación para planificar nuevas funciones. Esto ignora las necesidades y razones de los usuarios que probaron la aplicación y la abandonaron. Al solo escuchar a los «supervivientes», el equipo desarrolla una comprensión distorsionada de lo que el mercado realmente quiere y por qué la gente abandona el producto.

Comprender estos sesgos es crucial para diseñar mejores productos, interpretar con precisión los datos de los usuarios y tomar decisiones empresariales más racionales.

Si desea profundizar en este tema: «Pensar rápido, pensar despacio», de Daniel Kahneman.

Aplicaciones de la IA

Por: Soraya Carvajal B.

La inteligencia artificial, IA, está generando una transformación en los diferentes sectores productivos y en el mundo de los negocios, solo comparable con los cambios que trajo en su momento la Revolución Industrial. El énfasis de estas tecnologías aplicadas al mundo empresarial, está puesto en mejorar la oferta de productos y servicios, optimizar la productividad de las compañías y generar nuevas oportunidades de crecimiento, pero sin duda reinventará la forma en que las compañías se desarrollarán y competirán.

Entre las aplicaciones de la IA que se van generalizando están los chatbots, los motores de búsqueda, los sistemas de predicción de compras, los sistemas de generación de noticias, los exámenes médicos a distancia, el reconocimiento facial biométrico, la robótica, entre otros.

Algunos ejemplos de la AI en los diferentes sectores productivos:

Asistencia sanitaria: Las empresas están aplicando el aprendizaje automático con el propósito de mejorar la atención a los pacientes, los diagnósticos médicos, realizándolos en el menor tiempo, al igual que reducir los costes de los servicios.

Actualmente, una de las tecnologías sanitarias más conocidas es IBM Watson. Este sistema entiende el lenguaje natural y es capaz de responder a las preguntas que se le formulan, extrae datos de los pacientes y de otras fuentes de datos disponibles para formar hipótesis que posteriormente presenta con un esquema de puntuación de confianza.

La división DeepMind de Google usa la inteligencia artificial para ayudar a los médicos a analizar muestras detejido, determinando la probabilidad de que otros tipos de cáncer de mama se extiendany determinando los mejores tratamientos de radioterapia.

La unidad de ciencias de la vida de Alphabet (Google) trabaja con el SmartWatch para identificar patrones en la progresión de la enfermedad de Parkinson

La startup Insilico Medicine utiliza el Deep Learning para acortar las pruebas de medicamentos para la esclerosis lateral amiotrófica (ELA), el cáncer y las enfermedades relacionadas con la edad, mientras que la startup FDNA utiliza la tecnología de reconocimiento facial para comparar con una base de datos asociada a más de 8.000 enfermedades raras y trastornos genéticos para el intercambio de datos y puntos de vista con los centros médicos en 129 países a través de su aplicación Face2Gene.

En los Negocios:

Los chatbots son sistemas de atención al cliente automatizados que incorporan software de inteligencia artificial. También llamados asistentes personales virtuales (Siri, Alexa, Cortana, Google Now, Bixby, etc…), funcionan en dispositivos, en diversas plataformas y se han incorporado en los sitios web para ofrecer asistencia o servicios inmediatos a los clientes/usuarios, respondiendo a preguntas, brindando información, apoyando procesos de facturación, ayudando a programar citas de seguimiento, entre otros aspectos.

En las Finanzas: Actualmente la IA está presente en aplicaciones que pueden recopilar datos personales y proporcionar asesoramiento financiero, herramientas para hacer la banca móvil más asequible, alertar de los próximos pagos, asesorar en tiempo real a la hora de comprar y contribuir a realizar compras inteligentes.

Así mismo, ya están disponibles herramientas de análisis predictivo y toma de decisiones automatizadas para construir modelos de riesgo de crédito, conceder préstamos o detectar el fraude; agentes de seguros virtuales, sistemas de inteligencia artificial que realizan predicciones sobre el mercado e incluso aplicaciones dirigidas a corredores de bolsa y administradores de fondos de cobertura, entre otros ejemplos.

Galileo, Alpha Sense, Pefin, Zest Finance, Kiakia, Kasisto, Praetorian, Cleo, Trifacta

En la educación: La IA hoy está presente en la realidad virtual, la robótica educativa, los sistemas de tutoría inteligente, los sistemas de aprendizaje online, la analítica del aprendizaje, etc., de esta manera, paulatinamente está cambiando dónde, cómo y con quién se realizan los procesos de aprendizaje.

ToolboX, Be Challenge, Level 5, Play2speak, Gokoan, Classmate , Khan Academy, Iris.ai, Knewton

En el ámbito Jurídico:  Laautomatización del proceso de búsqueda, recopilación, procesamiento de la información y revisión documental, que permite un mejor uso del tiempo, están contribuyendo a la eficiencia del sector jurídico. Así mismo, el Blockchain, el Project Management, los sistemas de administración de decisiones, el análisis biométrico, el Machine learning, el Deep learning, entre otras tecnologías, serán decisivas para la generación y edición de documentos jurídicos, la identificación digital, la lucha contra el fraude o para la detección y reconocimiento de los patrones en las resoluciones judiciales.

Lex Machina, Legaltech Innovaction Farm, Lexis Nexis

En la fabricación: La incorporación de la inteligencia artificial a través de la robótica, el Big Data y la Internet de las Cosas, está revolucionando el sector industrial. Así, el nuevo entorno productivo y empresarial está siendo marcado por la digitalización de la cadena de valor, los nuevos métodos de procesamiento de datos, la utilización de sensores, el uso del software inteligente y el control de los procesos en tiempo real.

Estas tecnologías ayudarán a reducir costes, mejorar la productividad y generar nuevas oportunidades de crecimiento en las compañías, impulsando aquellos puestos de trabajo altamente cualificados, al igual que los más creativos, mientras que las tareas repetitivas y rutinarias quedarán a cargo de las máquinas.

Bosch, Mindsphere, General Electric, IoT en la agricultura y alimentación, Agrosecurity, Robots, drones y sensores en el sector del vino

Inteligencia artificial, presente en nuestras vidas

IA 6

Por: Soraya Carvajal B

Si usted realiza compras en las grandes plataformas electrónicas que rastrean sus adquisiciones previas y le sugieren opciones nuevas acorde con sus “preferencias”; si utiliza asistentes de voz desde su móvil para hacer consultas, convertir voz a texto o ejecutar instrucciones; si realiza traducciones en línea, en tiempo real; si utiliza filtros en su correo electrónico; si es usuario de programas de reconocimiento facial; si es asiduo a los videojuegos o si utiliza Google o motores de búsqueda similares, sepa entonces que usted está en contacto cada día con la Inteligencia Artificial (IA). La IA es una realidad cotidiana, está presente en múltiples aspectos de nuestras vidas y no, no es ciencia ficción.

La Inteligencia artificial (IA o Artificial Intelligence, en inglés) es el campo de las ciencias de la computación que se centra en la creación de programas y mecanismos que pueden mostrar comportamientos considerados inteligentes. Así, la IA es la simulación de procesos de inteligencia humana por parte de máquinas, especialmente sistemas informáticos. Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para el uso de la información), el razonamiento (para llegar a conclusiones aproximadas o definitivas) y la autocorrección.

La IA nace en una reunión celebrada en 1956 en Dartmouth (Estados Unidos) en la que participó un grupo de científicos que serían los principales investigadores del área. En este evento J. McCarthy, M. Minsky, N. Rochester y C. E. Shannon redactaron una propuesta en la que aparece por primera vez el término «inteligencia artificial», cuya definición se adjudica a John McCarthy.

Principales temas de la IA

Aunque existen diferentes definiciones acerca de la IA, esta rama de la computación viene trabajando fuertemente en diferentes temas, entre los que destacan:

La planificación automática (Automated Planning)

La planificación es el procedimiento automático diseñado para encontrar un plan que resuelva un problema concreto. Esta disciplina de la IA aborda el diseño de un curso de acción que tendrá por misión satisfacer cierto objetivo, generalmente a través de la ejecución de un robot u otros agentes artificiales capaces de actuar en un entorno.

Representación del conocimiento

La representación del conocimiento y el razonamiento es un área de la inteligencia artificial que tiene como objetivo fundamental representar el conocimiento de una manera que facilite la inferencia. Es decir, sacar conclusiones a partir de dicho conocimiento para poder resolver los problemas. Sus aplicaciones en la medicina, por ejemplo, ayudan a elaborar diagnósticos.

Aprendizaje automático (Machine Learning)

Es una rama de la inteligencia artificial, que permite programar sistemas para tomar decisiones automáticas a partir de grandes cantidades de datos, entrenándolos con miles de ejemplos para identificar patrones y que puedan actuar de forma anticipada posteriormente. Su objetivo es desarrollar técnicas que permitan que las máquinas aprendan, incluso sin ser programadas de manera explícita, dado que los programas informáticos pueden aprender y cambiar cuando se exponen a nuevos datos y/o de sus mismos errores.

Entre los ejemplos de aplicación del aprendizaje automático están: los motores de búsqueda, los programas de detección de fraude en el uso de las tarjetas de crédito, análisis del mercado de valores, la clasificación de secuencias del ADN, la detección de contenidos inadecuados en redes sociales como Twitter, Facebook o Instagram usando algoritmos, la personalización del feed de noticias para cada usuario por parte de Facebook, o la recomendación de nuevos productos y películas por parte de Amazon y Netflix.

Procesamiento del Lenguaje Natural, PLN (Natural Language Processing)

Es un campo de las ciencias que integra la computación, la inteligencia artificial y la lingüística y estudia interacciones entre las máquinas y el lenguaje humano. Como rama de conocimiento de la Inteligencia Artificial se centra en conseguir que una máquina comprenda lo que una persona expresa mediante el uso de su lengua natural de expresión (su idioma).

El PLN busca diseñar mecanismos para comunicarse que sean eficaces computacionalmente, es decir, que se puedan realizar por medio de programas que ejecuten o simulen la comunicación. De esta manera, los modelos que se están aplicando se centran no solo en la comprensión del lenguaje en sí, sino en aspectos generales cognitivos de los humanos, así como en la organización de su memoria.  Aunque las lenguas se expresan en forma oral, escrita o mediante símbolos, El PLN está más avanzado en el tratamiento de textos escritos.

Aprendizaje profundo (Deep learning)

Es una rama de investigación de la inteligencia artificial que imita el trabajo del cerebro humano a la hora de procesar datos y crear patrones. El Deep Learning representa un mayor acercamiento a la arquitectura y al modo de funcionamiento del sistema nervioso humano, con el añadido de que las máquinas aprenden a mayor velocidad y pueden analizar y procesar enormes cantidades de datos, detectando incluso características ocultas en los mismos.

Robótica

Área de la ingeniería que se centra en el diseño y fabricación de máquinas automáticas programables (robots) con el fin de realizar tareas repetitivas (como ensamblaje de aparatos, automóviles, etc.), pero también se están desarrollando robots aptos para tareas complejas y de alta especialización, con mayor autonomía y capacidad para tomar decisiones. Hoy los robots están presentes en numerosos y diversos sectores como la industria, logística, salud, exploración espacial, sector militar, entre otros y también se está utilizando el aprendizaje automático para construir robots que interactúen en entornos sociales.

Visión artificial

Hace referencia a los métodos usados para capturar, procesar y analizar imágenes del mundo real, patrones, señales, caracteres, objetos, escenas, etc., con la finalidad de producir información que pueda ser entendida por una máquina.

La transparencia y la confianza en la era digital

DSC_2439 (Medium)
De izq a der: Eduardo Madina, de Kreab España; María Tadeo, de Bloomberg España; Julio Montes, de Maldita.es y Borja Bergareche, de Vocento.

Por: Soraya Carvajal B.

La transparencia tiene un valor decisivo en la creación de reputación y confianza, en la consolidación de la democracia y en el crecimiento económico, especialmente en la era digital. Esta fue una de las conclusiones de la tercera edición del Corporate Transparency Summit, celebrado recientemente en Madrid.

En el evento, donde se abordaron los desafíos y riesgos que la digitalización comporta para la sociedad y las corporaciones, Charlotte Erkhammmar, Ceo Global de Kreab, señaló que, con el incremento de la información y el notable acceso a la misma, cada vez es más difícil discernir entre información correcta y falsa, de manera que las fake news han llegado a ser, incluso, una amenaza para la democracia.

En este escenario, la dirigente de Kreab señaló que la comunicación puede cumplir un papel clave, contribuyendo a balancear la información negativa. También destacó la importancia de incrementar la transparencia en el sector corporativo, hizo un llamado a adoptar la tecnología (criptomonedas, blockchain y la inteligencia artificial) y afirmó que la transparencia está directamente relacionada con inspirar confianza.

Carina Szpilka, presidenta de Adigital, señaló a su vez, que la resistencia al cambio y la capacidad para estar en constante transformación e innovación, son los principales desafíos que afrontan las organizaciones de la economía digital.

Esta dirigente destacó la importancia de la transparencia en la gestión corporativa, asegurando que la transparencia no es el fin, sino el medio para obtener los objetivos corporativos y construir confianza con sus grupos de interés (accionistas, empleados, instituciones públicas, comunidades, etc.)

Szpilka, reivindicó, además, el alcance de “hacer las cosas bien y ser responsables en toda la cadena de valor” y recordó que “en España estamos perdiendo la oportunidad de aumentar el PIB entre un 1% y un 1,5% con la digitalización que conlleva, por sí misma, a la transparencia”.

Tecnología y transparencia

DSC_2396 (2) (Medium)
Almudena de la Mara, cofundadora de Blockchain España, explicando esta tecnología y sus posibilidades.

En el encuentro también se abordó el papel que la tecnología y la transformación digital están desempeñando en relación con el cambio cultural y estratégico de las organizaciones empresariales y la administración pública.

En este sentido, Almudena de la Mata, co-fundadora de Blockchain España, destacó que esta tecnología es un disruptor que implica pasar de la “internet de la información” a la “internet del valor”; que puede suponer un cambio de paradigma económico y social, y tiene un enorme potencial para la generación de negocios, la inclusión y la transparencia corporativa.

Para esta profesional, blockchain contribuye a crear confianza gracias a la combinación de registros únicos (bases de datos), encriptado y distribución, mediante un registro único y compartiendo copias en tiempo real. De la Mata, asegura, además, que blockchain posibilita transacciones transparentes, seguras, inmutables, trazables y automáticas.

De la Mata afirma que blockchain tiene posibilidades de aplicación multisectoriales, cuenta con un enorme potencial de generación de negocios en sectores como monedas, contratos, patentes y activos, pero también tiene aplicabilidad en el sector de los medios de comunicación, dado que esta tecnología puede ayudar a luchar contra las fake news y a monetizar la propiedad intelectual, estableciendo los derechos como activos.

En el evento se abordó el auge de las plataformas digitales, entendidas como espacios comunes de transacción y como nuevos modelos de negocio basados en la generación de confianza, donde la valoración activa por parte de los usuarios reviste especial importancia.

También se analizaron las plataformas digitales como esos espacios que apuestan por construir y saber vivir colectivamente, pero, donde el control social queda diluido y la relevancia de generar confianza puede llevar, incluso, a la “dictadura de la reputación”.

En el encuentro, los expertos destacaron la creciente transformación digital y el desarrollo de modelos tecnológicos que permiten la compartición de datos en tiempo real y desestimaron la “demonización de los datos”, por sí mismos, aunque coincidieron en la importancia de saber quién los controla, quién puede acceder y hacer uso de los mismos y con qué propósitos.

En este sentido, los representantes de plataformas como Traity, Cabify, Consentio y Liliana Arroyo, investigadora y experta en transformación digital, expresaron que la transparencia no sólo se trata de poner los datos encima de la mesa, sino de explicar cómo se toman las decisiones, cuáles son los límites o barreras de las mismas, quiénes desarrollan los algoritmos, y reivindicaron la necesidad e importancia de la educación digital.

Medios, redes sociales y credibilidad

Jack Werner (Medium)
Jack Werner hablando de noticias falsas, leyendas urbanas y sesgos de confirmación.

Finalmente, el evento se analizaron los cambios en el modelo de negocio de la comunicación, el proceso de transformación que están viviendo los medios de comunicación, al igual que los desafíos que implica todo el fenómeno de la posverdad y la credibilidad en la era de los algoritmos.

Así, Jack Werner, periodista, experto en fake news y cofundador de Viralgranskaren, advirtió acerca de las innumerables leyendas urbanas y noticias falsas que circulan a diario por las redes sociales.  Werner también hizo un llamado a las audiencias para que contrasten la información, hagan una lectura crítica de medios y redes sociales y reten sus propios sesgos de confirmación, es decir, esa tendencia a querer creer toda información que va acorde nuestra manera de pensar, independientemente de su veracidad.

María Tadeo, corresponsal de Bloomberg en España, señaló que, aunque actualmente la posverdad es un hecho indiscutible, la clave está en seguir desempeñando el ejercicio informativo con seriedad, rigor, pluralidad y contraste de voces y fuentes, porque “la verdad, como principio en el periodismo tiene que seguir ahí”.

Para Borja Bergareche, Director de Innovación Digital de Vocento, el principal problema no es que existan noticias falsas en los medios y redes sociales, sino la enorme velocidad y el alto volumen de información en la era de los algoritmos. “Puede haber algunos problemas en la producción, pero el problema nuevo está en la distribución viral, inmediata de la información, que ocurre en las redes sociales (…) Y en que, por los filtros burbuja, nos hemos dejado envolver en esos círculos de gente que nos miente”, precisó.