Internet sigue dándole vueltas a una pregunta planteada por el éxito country récord de Ella Langley: ¿cómo pudo una canción que muchas personas dicen no haber escuchado, de una cantante que no reconocían, pasar más semanas en el No. 1 que cualquier otra en la historia de 68 años del Billboard Hot 100?

«Choosin' Texas» de Langley permaneció en la cima de la lista durante 24 semanas, superando el récord de 22 semanas de «All I Want for Christmas Is You» de Mariah Carey. La canción navideña de Carey es un clásico de temporada que regresa a la conversación pública cada invierno. La racha de Langley terminó en la lista del 10 de octubre, cuando «Patient Zero» de Taylor Swift debutó en el No. 1. La canción de Carey, que normalmente regresa al No. 1 cada diciembre, necesitaría tres semanas más en la cima para recuperar el récord, según Billboard y el informe de Billboard sobre el debut de Swift.

Sin embargo, solo el 24% de los oyentes de música en EE.UU. sabía quién era Ella Langley en el segundo trimestre de 2026, según la empresa de datos e investigación del entretenimiento Luminate, que compartió las cifras con Fortune. El reconocimiento había aumentado desde el 13% en el cuarto trimestre de 2025 y el 17% en el primer trimestre de 2026, pero aún llegaba a menos de uno de cada cuatro oyentes de música en EE.UU.

Un éxito No. 1, en otras palabras, todavía puede dejar a gran parte del público preguntándose: «¿Quién?». Esta desconexión plantea una pregunta más amplia: ¿qué pasó con la monocultura?

La monocultura se refiere a un conjunto compartido de referencias culturales: las canciones, programas de televisión y películas que la gente podía asumir que otros conocían, aunque personalmente no les gustaran. Más recientemente, los críticos también han usado el término en un sentido casi opuesto, para describir cómo los algoritmos y la inteligencia artificial pueden aplanar la cultura hasta la uniformidad.

Compartir referencias era más fácil cuando gran parte de lo que la gente veía y escuchaba llegaba a través de un pequeño número de cadenas de televisión, emisoras de radio y MTV. Los porteros de la industria determinaban qué llegaba a las audiencias masivas. No hacía falta ser fanático para saber de qué hablaba todo el mundo.

Esa audi compartida nunca incluyó a todos, y comenzó a fragmentarse antes de TikTok. Pero los feeds personalizados han llevado la división más lejos: lo que llega a un usuario depende cada vez más de lo que el sistema de una plataforma cree que esa persona específica quiere ver. Fortune examinó previamente la relación entre algoritmos, IA y monocultura en un informe aparte.

El bucle de retroalimentación en acción

TikTok destaca la personalización de su feed Para Ti. Como explica la empresa en su descripción de cómo funcionan las recomendaciones, «no hay un único feed Para Ti».

Por ejemplo, un usuario podría ver un clip de un concierto de Olivia Rodrigo y luego sentir que cada quinto video muestra otro clip de la cantante. TikTok dice que su sistema considera lo que a los usuarios les gusta y comparten, a quién siguen y si ven un video hasta el final. También evalúa los videos en sí, incluidos sus descripciones, sonidos y hashtags. La preferencia de idioma, la configuración de país y el tipo de dispositivo también se tienen en cuenta, aunque TikTok dice que esos factores tienen menos peso.

En conjunto, esas señales ayudan al sistema a decidir qué contenido debería recibir más la atención del usuario. TikTok también dice que procura mantener la variedad, incluso evitando generalmente dos videos consecutivos que usen el mismo sonido o provengan del mismo creador.

En Estados Unidos, el sistema de recomendación ahora es supervisado por la empresa conjunta respaldada por Oracle que asumió las operaciones de TikTok en ese país en enero. La empresa ha dicho que reentrenará el algoritmo de recomendación con datos de usuarios estadounidenses. Fortune informó sobre ese acuerdo de propiedad en diciembre de 2025.

Si sigues viendo un tipo de contenido determinado, el algoritmo puede seguir mostrándote más de lo mismo. Investigadores observaron ese bucle de retroalimentación en un estudio publicado en EPJ Data Science en febrero. Los investigadores probaron el feed Para Ti de TikTok con cuentas automatizadas programadas en torno a diferentes intereses.

El estudio encontró que TikTok recomendaba cada vez más videos que coincidían con esos intereses, y ese refuerzo típicamente comenzaba dentro de los primeros 200 videos vistos. Los feeds mantenían cierta variedad, pero cuanto más se amplificaban los intereses de una cuenta, menos hashtags distintos encontraba. Los experimentos se realizaron en 2024, antes del cambio de propiedad de TikTok en EE.UU. El estudio está disponible a través de Springer.

Los hallazgos ayudan a explicar por qué una persona puede creer que un tema está dominando internet, mientras que un vecino recibe un feed completamente distinto y no tiene idea de qué le habla.

Los usuarios también pueden estrechar sus propias selecciones. TikTok y otras plataformas ofrecen controles como la configuración «Administrar temas» de TikTok, que permite a los usuarios indicar qué temas quieren ver más o menos. Los detalles de esta función fueron reportados por TechCrunch.

Vigilado desde todos los frentes

La información utilizada para personalizar un feed puede provenir de fuera de la aplicación. Meta anunció en junio que usaría información que otras empresas ya comparten ella, incluidas las compras que la gente realiza en otros sitios web, para personalizar los feeds de los usuarios y las respuestas de IA, no solo los anuncios.

El ejemplo de Meta fue sencillo: alguien que compra una carpa en línea podría empezar a ver más Reels relacionados con el campamento. Los usuarios pueden gestionar esta actividad a través de una configuración llamada «Actividad de otras empresas», según el anuncio de la empresa.

Lo que los usuarios ven y lo que compran puede contribuir al cálculo, moldeando un rincón individual de internet hecho a la medida de cada persona.

No todos celebran esa comodidad. El escritor de The New Yorker Kyle Chayka dedicó un libro a sus preocupaciones, Filterworld: How Algorithms Flattened Culture.

«Estas plataformas y feeds digitales prometen una gran experiencia comunitaria… pero creo que en realidad están atomizando nuestras experiencias, porque nunca podemos saber qué están viendo otras personas en sus propios feeds», dijo Chayka a Fresh Air de NPR en 2024. La entrevista está disponible a través de NPR.

Chayka sostuvo que esta fragmentación le quita parte de la alegría al arte y dificulta que la gente se entusiasme con las mismas cosas. Los sistemas de recomendación más avanzados pueden dejarnos en burbujas separadas. Pero la tensión persiste: si algo no le interesa a una persona, ¿debería aparecer en su feed solo para crear una experiencia cultural compartida? Y si ese contenido nunca le llega, ¿cómo sabría si le habría gustado?

Esta historia fue publicada originalmente en Fortune.com.