Un equipo de informáticos de la Universidad Northwestern demostró, mediante cuentas automatizadas en la aplicación móvil de TikTok, que las señales de retroalimentación negativa —como pulsar 'no me interesa' o indicar que se desea ver menos contenido similar— surten efecto, pero de forma transitoria. Si el usuario no reitera ese mismo tipo de反馈 de manera constante, el algoritmo vuelve gradualmente a recomendar el contenido rechazado. Piotr Sapiezynski y Levi Kaplan, coautores del estudio, detallaron la metodología: emplearon dispositivos emulados con cuentas ficticias, interceptaron el tráfico de red para obtener metadatos y utilizaron modelos de lenguaje para tomar decisiones automatizadas, validadas con respuestas humanas. Los investigadores enmarcan el trabajo dentro de las auditorías algorítmicas, disciplina que examina cómo operan las plataformas, cuándo fallan y de qué manera pueden perjudicar a personas y sociedades. El artículo publicado en ICWSM, revista de la Asociación para el Avance de la Inteligencia Artificial, confirma las sospechas expresadas por usuarios en redes sociales y plantea dudas sobre la eficacia real de las herramientas de control que TikTok ofrece en su página 'Para ti'. El algoritmo de TikTok, a diferencia del de otras redes, se apoya tanto en señales implícitas (tiempo de visualización) como explícitas (likes o follows), lo que hace más difícil revertir una recomendación no deseada.
Noticias agregadas con IA