Introducción

Una audiencia que ya no puede pensarse solo como público

Pensar las audiencias contemporáneas exige revisar una de las categorías centrales de los estudios de comunicación. Durante buena parte del siglo XX, la audiencia fue concebida como un conjunto de lectores, oyentes o espectadores vinculados con determinados medios y contenidos. Aunque nunca constituyó una entidad homogénea ni meramente pasiva, podía ser reconocida como una comunidad de sujetos que recibían, interpretaban y resignificaban mensajes. En el actual ecosistema digital, esa representación resulta insuficiente.

Las plataformas transformaron las prácticas de participación en flujos permanentes de datos. Cada búsqueda, reproducción, pausa, desplazamiento, comentario o abandono queda registrado y puede ser utilizado para clasificar perfiles, anticipar comportamientos y organizar la circulación de contenidos. La audiencia no se limita, entonces, a las personas que se relacionan con una propuesta comunicacional: también comprende las métricas que las representan, los modelos que infieren sus intereses y los algoritmos que deciden qué contenidos serán visibles. Como señala Van Dijck (2016), la conectividad no constituye únicamente una posibilidad técnica de vinculación, sino una lógica cultural que convierte las relaciones sociales en información procesable.

A esta transformación se suma la expansión de actores automatizados. Bots, crawlers, APIs y agentes de inteligencia artificial consultan páginas, extraen información, generan solicitudes, recomiendan contenidos e incluso realizan acciones en nombre de los usuarios. Los datos correspondientes a 2025 muestran que el tráfico automatizado ya no representa un fenómeno periférico, sino una dimensión estructural de Internet (Thales, 2026). Esto obliga a introducir una distinción fundamental: tráfico no equivale a audiencia, una solicitud no equivale a una persona y una interacción registrada no constituye necesariamente una experiencia significativa.

En este contexto, la audiencia se convierte en una entidad híbrida, conformada por sujetos, infraestructuras, automatizaciones, datos y criterios de clasificación. La pregunta tradicional acerca de quién recibe un mensaje debe ampliarse: ¿qué sistemas permiten encontrarlo?, ¿qué algoritmos lo jerarquizan?, ¿qué actores humanos y no humanos intervienen en su circulación?, ¿qué comportamientos se registran como participación y qué intereses orientan esa medición? Estudiar audiencias implica, por lo tanto, analizar las condiciones técnicas, económicas y culturales mediante las cuales determinados públicos son producidos, representados y gobernados.

Esta transformación resulta especialmente relevante para las narrativas transmedia. Una historia ya no se expande solamente mediante la intervención de productores y comunidades de seguidores, sino también a través de plataformas y sistemas automáticos que seleccionan, fragmentan, recombinan y redistribuyen sus componentes. La circulación narrativa ocurre dentro de una realidad sociotécnica en la que creación, interpretación, automatización y poder se encuentran estrechamente relacionados.

A partir de esta perspectiva, abrimos el cuatrimestre con la imagen de «Jesús Camarón», una producción generada mediante inteligencia artificial cuya circulación masiva en redes sociales condensa algunas de las principales transformaciones del ecosistema digital contemporáneo. Su viralización permite problematizar el pasaje de las audiencias de masas a las audiencias algorítmicas, la creciente presencia de bots, crawlers y agentes de IA, los problemas de observabilidad y confianza y, de manera más amplia, el valor crítico de la denominada «teoría de Internet muerta».

Al mismo tiempo, la imagen introduce la dimensión afectiva de la experiencia. Su capacidad para provocar extrañeza, humor, fascinación o rechazo muestra que el valor de una narrativa no puede reducirse a su alcance, su volumen de circulación o sus métricas de interacción. Frente a un ecosistema capaz de medir casi todo, el desafío consiste en comprender aquello que los datos no alcanzan a explicar por completo: cómo las personas interpretan, recuerdan, sienten y construyen sentido.

1. De la audiencia de masas a la audiencia algorítmica

La cultura de la convergencia describió tempranamente un entorno en el que los contenidos circulan entre medios y los públicos participan de manera activa en su apropiación, interpretación y expansión (Jenkins, 2008). Desde esta perspectiva, el consumo no es el punto final de la comunicación: puede transformarse en conversación, producción derivada, archivo, parodia, comunidad o co-creación. Las narrativas transmedia profundizan esa lógica al distribuir un universo narrativo entre múltiples lenguajes y soportes, de modo que cada medio realiza una contribución específica y las audiencias reconstruyen conexiones entre fragmentos (Scolari, 2013)

Sin embargo, en las plataformas esa participación queda inscripta en una arquitectura económica y técnica. Cada visualización, pausa, desplazamiento, búsqueda o abandono se convierte en un dato. La cultura de la conectividad no solo facilita vínculos: también codifica las relaciones sociales para hacerlas cuantificables, comparables y gobernables (Van Dijck, 2016). A su vez, el capitalismo de plataformas se apoya en infraestructuras que intermedian intercambios y extraen valor de los datos producidos por las actividades de sus usuarios (Srnicek, 2018). La audiencia ya no es únicamente aquello que se estudia después de la circulación; es una construcción operativa que se actualiza en tiempo real mediante modelos de clasificación y predicción.

De allí surge la noción de audiencia algorítmica. No designa simplemente a personas que usan algoritmos, sino a públicos cuya visibilidad, composición y experiencia están mediadas por sistemas automáticos. Las plataformas infieren afinidades, segmentan perfiles y ordenan la oferta de contenidos según objetivos de descubrimiento, recomendación, retención y monetización. En ese proceso, no se limitan a observar gustos preexistentes: crean condiciones para que ciertos objetos sean encontrados, repetidos y compartidos, mientras otros permanecen fuera del campo de atención. La recomendación es, por tanto, una forma de edición cultural.

Esta mediación modifica también las prácticas de creación. Quien produce para plataformas anticipa formatos, duraciones, ritmos y señales que puedan ser reconocidos por los sistemas de distribución. El riesgo es confundir la legibilidad algorítmica con la relevancia cultural: aquello que obtiene más impresiones o interacciones no necesariamente produce mayor comprensión, memoria o experiencia compartida. Como advierte Lovink (2019), las redes sociales organizan afectos y conductas mediante diseños orientados a sostener la conexión y la recurrencia. La audiencia conectada es activa, pero su actividad ocurre en ambientes que establecen incentivos, umbrales de visibilidad y formas específicas de participación.

2. Internet como infraestructura híbrida: humanos, bots y agentes

Los datos presentados en nuestra primer clase de Teóricos, permiten dimensionar el crecimiento de la automatización. El informe de Thales publicado en 2026, basado en actividad observada durante 2025, sostiene que el 53 % del tráfico web analizado fue automatizado: 40 % correspondió a bots considerados maliciosos y 13 % a automatización benigna; el tráfico atribuido a personas representó el 47 % (Thales, 2026). El mismo estudio informa que los ataques de bots impulsados por IA crecieron 12,5 veces en un año y que el promedio diario de solicitudes bloqueadas alcanzó los 25 millones. Más que una anomalía ocasional, la automatización aparece como un componente persistente de la infraestructura digital.

Un bot es un programa que ejecuta tareas de manera automática. Su condición automatizada no determina por sí sola su valoración. Los llamados “bots buenos” pueden indexar páginas para un buscador, verificar disponibilidad, moderar contenidos o facilitar accesibilidad. Los “bots malos” pueden extraer datos sin autorización, probar credenciales robadas, ocupar inventario, alterar métricas o atacar servicios. Un crawler —o rastreador— es un tipo de bot que recorre páginas, solicita recursos, sigue enlaces y recolecta información para indexarla, analizarla o incorporarla a otros sistemas. En el contexto de la IA generativa, los crawlers pueden reunir datos para entrenar modelos, mientras que los fetchers recuperan información o ejecutan acciones a partir de una solicitud de un usuario. Thales (2026) estima que, dentro del tráfico de IA detectable que estudió, el 85 % correspondió a crawlers y el 15 % a fetchers. La novedad de la etapa “agéntica” es que los agentes de IA conforman una tercera categoría difícil de reducir a la oposición entre bot bueno y bot malo. Pueden buscar información, comparar opciones, completar formularios, operar mediante APIs o realizar tareas en nombre de una persona. La misma infraestructura que habilita un servicio legítimo puede utilizarse para abuso automatizado. El criterio decisivo deja de ser la mera identidad técnica del actor y pasa a incluir su intención, autorización, comportamiento, escala y efecto. Esto explica por qué la frontera entre automatización legítima y maliciosa se vuelve más porosa.

Las APIs ocupan un lugar estratégico en este ecosistema porque permiten que sistemas distintos intercambien datos y acciones sin pasar necesariamente por una interfaz visible. Según Thales (2026), el 27 % de los ataques de bots analizados se dirigió a endpoints de APIs. La interfaz gráfica, pensada para la percepción humana, deja de ser la única puerta de acceso: agentes y bots pueden relacionarse directamente con las funciones internas de una aplicación. En consecuencia, una narrativa, un servicio o una noticia ya no circulan solamente entre pantallas y personas, sino también entre sistemas que los consultan, clasifican y recombinan.

3. Qué muestran —y qué no muestran— las métricas

Las cifras sobre tráfico automatizado deben leerse con cautela. No describen la totalidad de Internet, sino el universo que cada empresa puede observar mediante su propia infraestructura, su base de clientes y sus métodos de clasificación. Cloudflare, por ejemplo, informó que al 2 de diciembre de 2025 el 47 % de las solicitudes de contenido HTML analizadas era de origen humano y el 44 % provenía de bots no vinculados con IA; además, los bots de IA representaron en promedio el 4,2 % de esas solicitudes y Googlebot, considerado por separado, el 4,5 % (Belson, 2025). Estas cifras no son directamente comparables con las de Thales porque difieren el corpus, la unidad de análisis y las categorías empleadas.

La diferencia entre resultados no invalida los informes; por el contrario, enseña algo fundamental sobre la producción de conocimiento digital. Una métrica no es un espejo neutro del mundo: depende de qué se cuenta, desde dónde, durante qué período y con qué reglas. “Tráfico” no equivale a “usuarios”, una solicitud HTTP no equivale a una persona y una interacción no equivale necesariamente a una experiencia. Tampoco todo bot produce contenido ni toda cuenta automatizada interviene en redes sociales. Por ello, no es metodológicamente correcto trasladar sin mediaciones un porcentaje de solicitudes a una afirmación sobre el porcentaje de identidades humanas o sobre la autenticidad de una comunidad.

Esta cautela se vuelve aún más necesaria ante la brecha de visibilidad. Thales (2026) aclara que sus datos sobre IA corresponden a clientes detectables o declarados; parte de la automatización puede ocultar su identidad o imitar navegadores legítimos. La observación, entonces, es parcial. Al mismo tiempo, el informe de LogicMonitor (2026), basado en una encuesta a cien responsables de decisión de nivel directivo realizada a mediados de 2025, sostiene que el problema contemporáneo ya no es la falta de datos, sino la dificultad para correlacionarlos, contextualizarlos y establecer relaciones causales. La observabilidad propone reunir métricas, registros, trazas, rendimiento de Internet y experiencia de usuario para pasar de detectar fallas a predecirlas e incluso remediarlas de manera automática.

La observabilidad no debe confundirse con una transparencia total. Cuanto más compleja es la infraestructura, mayor es la distancia entre lo que ocurre y lo que un tablero logra representar. LogicMonitor (2026) informa que solo el 4 % de las organizaciones encuestadas declaró una madurez operativa plena en el uso de IA, mientras que la mayoría permanecía en etapas de experimentación o implementación limitada. El propio informe subraya la necesidad de explicabilidad, reglas de gobierno, flujos de aprobación y posibilidad de revertir acciones. En otras palabras, la autonomía técnica requiere límites: un sistema que actúa sin ofrecer razones verificables puede aumentar la velocidad, pero también ampliar errores y debilitar la confianza.

4. La “teoría de Internet muerta” como provocación crítica

La llamada “teoría de Internet muerta” sostiene, en su formulación más extrema, que buena parte de la actividad y del contenido en línea habría sido reemplazada por automatización y que la apariencia de participación humana sería una simulación producida por bots y algoritmos. La expresión circuló en foros y alcanzó difusión pública a partir de 2021 (Tiffany, 2021). Como teoría empírica totalizante, carece de evidencia suficiente: los datos disponibles no demuestran la desaparición de las personas ni una operación coordinada que haya sustituido la vida social de Internet.

No obstante, su potencia pedagógica reside en que vuelve visible una inquietud legítima. En plataformas saturadas de contenido, es cada vez más difícil establecer quién habla, con qué grado de autonomía y bajo qué incentivos. Cuentas que producen comentarios genéricos, redes que inflan tendencias, imágenes generadas en serie y respuestas automáticas pueden fabricar una apariencia de consenso o comunidad. La ilusión no consiste únicamente en hacer pasar una máquina por una persona; también puede consistir en presentar una magnitud de interacción como prueba de relevancia social.

La teoría funciona mejor, por tanto, como metáfora crítica que como descripción literal. Permite preguntar qué queda de la conversación cuando la producción, la distribución y la recepción son parcialmente automatizadas. También obliga a distinguir entre presencia y participación, entre circulación y sentido, entre actividad medible y vínculo social. Una Internet muy activa puede, paradójicamente, ofrecer experiencias empobrecidas si la interacción se reduce a patrones repetitivos diseñados para retener atención y generar publicidad.

Desde la perspectiva del capitalismo de plataformas, la simulación de actividad no es un accidente externo al modelo: las métricas de interacción poseen valor económico. El número de reproducciones, comentarios o seguidores opera como señal para los sistemas de recomendación y como argumento para anunciantes, productores y usuarios. Cuando bots o prácticas coordinadas alteran esas señales, no solo falsean una estadística; intervienen en la distribución de visibilidad. Así, la pregunta por la autenticidad de la audiencia remite también al poder de jerarquizar contenidos y de determinar qué expresiones culturales adquieren relevancia pública.

5. Plataformización de las noticias y crisis de confianza

El desplazamiento de las audiencias hacia plataformas sociales, video y chatbots se observa con claridad en el consumo informativo. El Digital News Report 2026 señala que, por primera vez en el promedio global relevado, las plataformas superaron tanto a la televisión como a los sitios y aplicaciones de noticias como vías de acceso, mientras el uso semanal de chatbots de IA para informarse creció del 7 % al 10 % (Egan et al., 2026). Entre las personas de 18 a 24 años, Instagram alcanzó al 42 % como plataforma informativa. Estos cambios no implican solo una migración de soporte: modifican los criterios de descubrimiento, autoridad y relevancia.

En el modelo editorial clásico, una organización periodística jerarquizaba temas y asumía públicamente la responsabilidad por esa selección. En el modelo plataformizado, el encuentro con la noticia depende en gran medida de recomendaciones personalizadas, creadores, tendencias, fragmentos audiovisuales y conversaciones laterales. La fuente puede quedar subordinada a la interfaz que distribuye el contenido. Cuando un chatbot sintetiza una noticia, se incorpora además una nueva capa de mediación: el usuario puede recibir una respuesta sin visitar el medio que produjo la información y sin reconocer con claridad qué fuentes fueron utilizadas.

La caída de la confianza no puede atribuirse a una única causa, pero este entorno complejiza su construcción. La abundancia de contenido, la indistinción entre información y entretenimiento, la circulación de piezas sintéticas y la dificultad para reconocer actores automatizados erosionan los indicios tradicionales de autoridad. Frente a ello, la alfabetización mediática necesita ampliarse: ya no basta con evaluar el mensaje; es preciso reconstruir su procedencia, sus transformaciones, las infraestructuras que lo hicieron visible y los intereses que orientan su circulación.

El regreso al siglo XIX: sentimientos, afecto y construcción de sentido

La incorporación de Beethoven y Brahms propone un desplazamiento deliberado: frente a un presente atravesado por métricas, algoritmos y automatizaciones, la clase regresa a dos obras del siglo XIX para reconocer un cambio radical en la historia cultural. En ese período, los sentimientos y la subjetividad adquieren una nueva centralidad. La obra deja de concebirse únicamente como una forma equilibrada o como la representación de un contenido exterior y comienza a organizarse alrededor de la experiencia interior del sujeto.

La Sonata para piano n.º 14 en do sostenido menor, Op. 27 n.º 2, compuesta por Ludwig van Beethoven en 1801 y conocida posteriormente como Claro de luna, permite advertir este desplazamiento. Su primer movimiento no comienza con la energía y la estructura afirmativa esperables en una sonata clásica, sino con un Adagio sostenuto introspectivo, construido sobre una figura rítmica persistente. La música crea una atmósfera de suspensión en la que el sentido surge de la propia experiencia afectiva: de la repetición, la espera, la tensión y la sensación de interioridad. Beethoven no incorpora simplemente sentimientos a una forma preexistente, sino que convierte esa dimensión subjetiva en el principio organizador de la obra.

La Sinfonía n.º 3 en fa mayor, Op. 90, compuesta por Johannes Brahms en 1883, muestra la consolidación y la potencia alcanzadas por esa transformación cultural. En la interpretación de Herbert von Karajan, la densidad de la orquesta, la amplitud del fraseo y los contrastes entre contención y expansión intensifican la fuerza emocional de la obra. Particularmente en el tercer movimiento, Poco allegretto, esa potencia no se manifiesta solamente mediante el volumen, sino a través de una melodía melancólica que avanza, se repliega y reaparece, produciendo una experiencia afectiva de enorme intensidad.

El regreso a estas obras permite mostrar que la construcción de sentido no depende exclusivamente del contenido que puede describirse o transmitirse. También se produce mediante ritmos, silencios, intensidades, expectativas y emociones. La permanencia de Beethoven y Brahms demuestra que una obra cultural puede atravesar siglos porque continúa generando experiencias sensibles en públicos muy diferentes. Karajan, al interpretar a Brahms desde otro momento histórico, no reproduce simplemente una partitura: reactualiza su potencia afectiva y vuelve a ponerla en circulación.

Este recorrido establece un contraste con el ecosistema digital contemporáneo. Las plataformas pueden registrar cuántas veces se escuchó una obra, cuánto tiempo permaneció una persona frente a ella o cuántas veces fue compartida. Sin embargo, esas métricas no permiten explicar qué sentimientos despertó, qué recuerdos activó ni de qué manera intervino en la construcción de sentido. Volver al siglo XIX permite, entonces, recuperar aquello que la cuantificación de las audiencias tiende a relegar: la dimensión afectiva de la experiencia cultural.

Musica y emoción

La investigación sobre música y emoción muestra que la respuesta afectiva puede activarse mediante diferentes mecanismos, entre ellos la memoria episódica, la expectativa musical, el contagio emocional y las imágenes mentales (Juslin & Västfjäll, 2008). Esto permite comprender por qué una obra puede atravesar públicos, medios y momentos históricos sin conservar un significado único. La emoción no es un adorno agregado al contenido: organiza la atención, favorece la memoria y vuelve significativa una experiencia. Al mismo tiempo, no debe reducirse a una fórmula segura de impacto; depende de historias personales, convenciones culturales y situaciones de escucha.

Para la creación transmedia, la consecuencia es decisiva. Diseñar una experiencia no consiste en multiplicar soportes ni en optimizar cada pieza para obtener una reacción inmediata. Consiste en construir relaciones entre lenguajes, momentos y puntos de entrada capaces de suscitar curiosidad, identificación, sorpresa, inquietud o deseo de participación. Las métricas pueden indicar que alguien permaneció, hizo clic o volvió, pero no explican por sí solas qué sintió, qué comprendió ni qué incorporó a su memoria. Confundir atención con afecto conduce a producciones eficaces para la plataforma pero débiles como experiencia cultural.

En este punto, la emoción adquiere una dimensión política. Las plataformas también diseñan afectos: promueven urgencia, indignación, recompensa, comparación y temor a quedar afuera. Por eso, reivindicar lo afectivo no significa celebrar cualquier estímulo emocional, sino analizar cómo se produce, quién se beneficia y qué tipo de vínculo habilita. Una narrativa responsable puede buscar intensidad sin manipulación, participación sin falsa comunidad y personalización sin encerrar a los sujetos en perfiles rígidos.

Implicancias para el laboratorio de creación transmedia con IA

El mapa de audiencias propuesto para la cursada debe asumir esta complejidad. No alcanza con describir edad, ubicación o hábitos declarados. Es necesario reconocer las plataformas que median el encuentro, las lógicas de recomendación, las métricas disponibles, las formas de consumo afectivo y la posible presencia de actores automatizados. La pregunta “¿para quién narramos?” se amplía: ¿quién puede encontrar la propuesta?, ¿qué sistema decide mostrarla?, ¿qué acciones cuentan como participación?, ¿cómo se diferencia una respuesta humana de una señal automática?, ¿qué datos se recolectan y para qué se utilizan?

El prototipo narrativo con IA agrega otro nivel. La inteligencia artificial puede funcionar como herramienta de ideación, producción, adaptación o interacción, pero también como actor que modifica el relato. Si genera respuestas, selecciona recorridos o actúa en nombre del proyecto, sus criterios deben formar parte de la matriz interpretativa. Un protocolo ético debería explicitar al menos la procedencia de los materiales, la intervención de IA, el tratamiento de datos, los límites de la personalización, los mecanismos de moderación, la posibilidad de revisión humana y las acciones previstas ante errores o usos abusivos.

La sostenibilidad tampoco puede reducirse a monetización. Incluye la capacidad de mantener la experiencia sin degradar la confianza, explotar a las comunidades ni depender de métricas artificiales. Un proyecto puede ser técnicamente escalable y, sin embargo, culturalmente frágil si no construye reconocimiento, reciprocidad y sentido de pertenencia. Por eso, el desafío del laboratorio consiste en combinar experimentación tecnológica con lectura crítica: utilizar IA sin naturalizar su opacidad y diseñar circulación sin confundir visibilidad con valor.

Les compartimos la presentación que genero la conversación en la pasada clase:

Referencias

Belson, D. (2025, 15 de diciembre). The 2025 Cloudflare Radar year in review: The rise of AI, post-quantum, and record-breaking DDoS attacks. Cloudflare Blog.

Brahms, J. (2012). Symphonies Nos. 1 & 3 [Álbum grabado por la Orquesta Filarmónica de Berlín; H. von Karajan, director]. Deutsche Grammophon. (Grabación original de 1978).

Egan, J., Robertson, C. T., Ross Arguedas, A., Newman, N., Nielsen, R. K., Mukherjee, M., & Fletcher, R. (2026). Digital news report 2026. Reuters Institute for the Study of Journalism.

Gillespie, T. (2014). The relevance of algorithms. En T. Gillespie, P. J. Boczkowski y K. A. Foot (Eds.), Media technologies: Essays on communication, materiality, and society (pp. 167–194). The MIT Press.

Jenkins, H. (2008). Convergence culture: La cultura de la convergencia de los medios de comunicación. Paidós.

Juslin, P. N., & Västfjäll, D. (2008). Emotional responses to music: The need to consider underlying mechanisms. Behavioral and Brain Sciences, 31(5), 559–575.

Kinderman, W. (2009). Beethoven (2.ª ed.). Oxford University Press.

LogicMonitor. (2026). 2026 observability & AI outlook for IT leaders: Autonomous IT is closer than you think.

Lovink, G. (2019). Tristes por diseño: Las redes sociales como ideología (M. Calderón Torres, Trad.). Consonni.

Musgrave, M. (Ed.). (1999). The Cambridge companion to Brahms. Cambridge University Press.

Scolari, C. A. (2013). Narrativas transmedia: Cuando todos los medios cuentan. Deusto.

Srnicek, N. (2018). Capitalismo de plataformas (A. Giacometti, Trad.). Caja Negra. (Obra original publicada en 2016).

Thales. (2026). 2026 Thales bad bot report: Bad bots in the agentic age.

Tiffany, K. (2021, 31 de agosto). Maybe you missed it, but the Internet “died” five years ago. The Atlantic.

Van Dijck, J. (2016). La cultura de la conectividad: Una historia crítica de las redes sociales (H. Salas, Trad.). Siglo XXI Editores. (Obra original publicada en 2013).