Capítulo 1. Experiencia de usuario e inteligencia artificial en medios públicos y privados: claves para la redefinición del ecosistema televisivo
DOI:
https://doi.org/10.52495/c1.emcs.40.p116Palabras clave:
Inteligencia artificial, experiencia de usuario, sistemas de recomendación, medios públicos y privados, pluralismo informativoResumen
Este capítulo explora el impacto creciente de la inteligencia artificial en la transformación de la experiencia de usuario dentro del ecosistema televisivo, tanto en medios públicos como privados. A través del análisis de tendencias actuales, se examina cómo los sistemas de personalización, recomendación y análisis de comportamiento están reconfigurando la relación entre las audiencias y las plataformas audiovisuales. Esta evolución tecnológica, basada en el tratamiento masivo de datos, plantea oportunidades evidentes para mejorar la accesibilidad, la pertinencia de los contenidos y el engagement, pero también desafíos críticos en términos de ética, pluralismo y función social de los medios.
En el caso de los medios privados, la implementación de la IA se orienta principalmente hacia objetivos comerciales, como la maximización del consumo o la fidelización del usuario. Frente a ello, los medios públicos deben responder a una lógica distinta, integrando estas herramientas tecnológicas sin renunciar a su vocación de servicio público, diversidad informativa y responsabilidad editorial. El texto subraya la necesidad de desarrollar sistemas de recomendación transparentes, auditables y centrados en el usuario, capaces de conjugar eficiencia algorítmica y compromiso democrático. En definitiva, se aboga por una adopción crítica de la inteligencia artificial, que complemente —y no sustituya— el criterio profesional en la toma de decisiones editoriales.
Sumario: 1. La experiencia televisiva en transformación; 2. Personalización y accesibilidad como ejes de transformación en la televisión pública; 3. La experiencia de usuario como ventaja competitiva en las plataformas privadas; 4. Usos, límites y potencial estratégico de la IA en los medios públicos; 5. La inteligencia artificial en las plataformas privadas: hiperpersonalización, eficiencia y expansión narrativa; 6. Convergencias, divergencias y dilemas emergentes; 7. Conclusiones y líneas de futuro.
Descargas
Citas
BBC. (2021, diciembre 23). 2021 highlights: Looking back on a busy year for BBC R&D. BBC Research & Development. https://www.bbc.com/rd/blog/2021-12-highlights
Carpentier, N. (2016). Power as Participation’s Master Signifier. En D. Barney; G. Coleman; C. Ross; J. Sterne; T. Tembeck (Eds.), The Participatory Condition in the Digital Age (pp. 3-20). University of Minnesota Press.
De Veirman, M.; Hudders, L.; Nelson, M.R. (2019). What is influencer marketing and how does it target children? A review and direction for future research. Frontiers in Psychology, 10, 2685. https://doi.org/10.3389/fpsyg.2019.02685
Diakopoulos, N. (2019). Automating the News: How Algorithms Are Rewriting the Media. Harvard University Press.
Enli, Gunn (2008). Redefining Public Service BroadcastingMulti-Platform Participation. Convergence: The International Journal of Research Into New Media Technologies. 14. 105-120. 10.1177/1354856507084422.
Fieiras-Ceide, C.; Vaz, M.; Túñez, M. (2022). Artificial intelligence strategies in European public broadcasters: Uses, forecasts and future challenges. Profesional de la Información, 31(5), e310518. https://doi.org/10.3145/epi.2022.sep.18
Fieiras-Ceide, C.; Vaz, M.; Túñez, M. (2023). Designing personalisation of European public service media (PSM): Trends on algorithms and artificial intelligence for content distribution. Profesional de la Información, 32(3), e320311. https://doi.org/10.3145/epi.2023.may.11
Fieiras-Ceide, C. et al. (2024). Transformando la experiencia de usuario en televisión en streaming: prioridades de innovación y tecnología en plataformas OTT. Estudios sobre el Mensaje Periodístico, 30(4), 713-726. https://doi.org/10.5209/emp.96367.
Helberger, N.; Karppinen, K.; D’Acunto, L. (2018). Exposure diversity as a design principle for recommender systems. Information, Communication & Society, 21(2), 191-207. https://doi.org/10.1080/1369118X.2016.12719
Jenkins, H. (2006). Convergence Culture: Where Old and New Media Collide. NYU Press.
Lobato, R. (2019). Netflix Nations: The Geography of Digital Distribution. NYU Press.
Mittelstadt, B.D.; Allo, P.; Taddeo, M.; Wachter, S.; Floridi, L. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2), 1-21. https://doi.org/10.1177/2053951716679679
Moe, H.; Van den Bulck, H. (2018). Public service media, universality and personalisation through algorithms: Mapping strategies and exploring dilemmas. Media, Culture & Society, 40(6), 875-892. https://doi.org/10.1177/0163443717734407
Napoli, P.M. (2011). Audience Evolution: New Technologies and the Transformation of Media Audiences. Columbia University Press.
Tefertiller, A.C. (2018). Media substitution in cable cord-cutting: The adoption of web-streaming television. Journal of Broadcasting & Electronic Media, 62(3), 390-407. https://doi.org/10.1080/08838151.2018.1451862
Vaz-Álvarez, Martín; Túñez López, Miguel; Ufarte Ruíz, María José (2020). What Are You Offering?: An Overview of VODs and Recommender Systems in European Public Service Media. En: Rocha, Á.; Ferrás, C.; Montenegro Marín, C.; Medina García, V. (eds). Information Technology and Systems. ICITS 2020. Advances in Intelligent Systems and Computing, vol 1137. Springer, Cham. https://doi.org/10.1007/978-3-030-40690-5_69
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los artículos publicados en la revista se distribuyen con la Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional
