Cómo funciona el algoritmo de recomendación de YouTube: las dos torres que deciden qué ves

Cómo funciona el algoritmo de recomendación de YouTube es una de esas cosas que todo el mundo cree saber y casi nadie ha leído, aunque Google lo ha contado en artículos científicos con nombres y apellidos. Abre YouTube ahora: entre decenas de millones de vídeos, la portada te enseña una docena. Esa criba la hacen, en buena parte, dos torres.

Cómo funciona el algoritmo de recomendación de YouTube: una torre para ti y otra para los vídeos

En 2019, un equipo de Google encabezado por Xinyang Yi presentó en el congreso RecSys de Copenhague el artículo «Sampling-Bias-Corrected Neural Modeling for Large Corpus Item Recommendations». Describe un modelo de «dos torres»: una red neuronal resume lo que se sabe de quien mira y del vídeo que está viendo en ese momento, y otra resume cada vídeo candidato. Cada torre convierte su lado en una lista de números, y el sistema busca los vídeos cuya lista se parece más a la tuya. Lo desplegaron en YouTube para sacar sugerencias de un catálogo de decenas de millones de vídeos.

Lo curioso es qué datos usaban. De tu lado, el vídeo que estás viendo y los últimos que viste, metidos en una especie de bolsa. Del lado del vídeo, cosas como su identificador, el del canal, las visualizaciones o los «me gusta». Y para aprender, cada clic llevaba una nota: cero si hiciste clic y apenas lo miraste, uno si lo viste entero.

Antes de las torres: un embudo de millones a docenas

Tres años antes, Paul Covington, Jay Adams y Emre Sargin habían contado la arquitectura general en «Deep Neural Networks for YouTube Recommendations», de 2016. Son dos fases. La primera reduce el catálogo enorme a unos cientos de vídeos que pueden interesarte. La segunda puntúa esos pocos cientos con mucho más detalle y decide el orden. El dibujo del artículo es literalmente un embudo: millones, cientos, docenas.

La segunda fase escondía una decisión de fondo. No ordenaba por probabilidad de clic sino por tiempo de visualización esperado. El motivo, según los autores: ordenar por porcentaje de clics suele premiar vídeos engañosos que la gente no termina, lo que todos llamamos «clickbait», mientras que el tiempo de visualización refleja mejor el interés real.

Otro detalle del mismo artículo: el modelo llevaba un dato llamado «edad del ejemplo» para poder recomendar lo recién subido. Sin él, tendía a predecir la popularidad media del pasado y lo nuevo lo tenía crudo.

El día que YouTube perdió un 20 % de visualizaciones a propósito

En 2021, Cristos Goodrow, vicepresidente de ingeniería de YouTube, lo explicó para el público general en el blog oficial, en «On YouTube’s recommendation system». Su ejemplo era un aficionado al tenis que busca resúmenes de Wimbledon, hace clic en una miniatura prometedora y se encuentra a otro aficionado comentando el partido. Una y otra vez. En 2011 se dieron cuenta de que un clic no significa que hayas visto nada, y en 2012 añadieron el tiempo de visualización. Al hacerlo, las visualizaciones cayeron de golpe un 20 %, y lo dieron por bueno.

Luego vino otro matiz: no todo el tiempo vale lo mismo. Goodrow confesaba haberse quedado despierto viendo vídeos al azar cuando podía estar aprendiendo un idioma. Por eso miden lo que llaman «tiempo de visualización valorado», con encuestas en las que puntúas el vídeo de una a cinco estrellas. Su lista de señales: clics, tiempo de visualización, respuestas a encuestas, veces compartido, «me gusta» y «no me gusta». Y añadía que el sistema aprende cada día de más de 80.000 millones de señales.

Lo que dicen los que viven de esto (y lo que no está en los artículos)

Entre los que asesoran a canales, la imagen de las dos torres se ha puesto de moda. Denzel Wa la usaba el 3 de octubre de 2026 en un vídeo para creadores: una torre de personas, otra de vídeos, y todo el trabajo de un canal consiste en que YouTube entienda de qué va cada vídeo y a quién enseñárselo. Hasta ahí cuadra con lo publicado.

Él añade cosas de su experiencia: que el título y la transcripción son lo que más pesa para entender un vídeo y que la descripción y las etiquetas importan poco. Puede que en la práctica tenga razón, pero eso no sale en los artículos de Google, que hablan de identificadores, canal y estadísticas del vídeo y no detallan el peso del texto. También cuenta que YouTube enseña un vídeo nuevo a un grupo pequeño y lo amplía si funciona. Es una lectura razonable de lo que se ve en las estadísticas de un canal, no algo que YouTube haya publicado con ese detalle.

Y un aviso más: los artículos son de 2016 y 2019. Nadie fuera de YouTube sabe cuánto queda de aquello en el sistema de hoy.

Tres cosas que puedes hacer mañana con esto

• Lo que ves hasta el final cuenta más que lo que pinchas. Si te tragas entero un vídeo que odias, el sistema tiene pocas formas de saber que lo odiabas.
• Las encuestas de estrellas sirven. Son una de las señales que YouTube reconoce, así que contestarlas tiene efecto.
• Tu historial es tuyo. YouTube explica en su web que puedes pausar, editar o borrar el historial de búsquedas y reproducciones, y eso cambia lo que te recomienda.