1 agosto, 2026 
9 Min 
Sin comentarios 
Abrís Spotify y aparece una canción que no buscaste. “Quizás te guste esto”. La escuchás. Y sí: te gusta.
Después Netflix te recomienda una serie parecida a la que terminaste ayer.
TikTok parece adivinar qué videos te atrapan. YouTube insiste con algo que, aunque no quieras admitirlo, probablemente vas a mirar.
Entonces aparece la pregunta: ¿cómo hacen para conocernos tanto?
No es magia. Tampoco es que una app “entienda” tus gustos como los entiende una persona. Lo que hay detrás es algo mucho más frío, pero también fascinante: datos, patrones y matemática.
Tus gustos pueden convertirse en una flecha
En matemática, un vector puede pensarse como una flecha. Tiene dirección, sentido y longitud.
Pero en computación, un vector también puede representar información. Por ejemplo, tus gustos musicales.
Imaginemos que una app arma un perfil tuyo según lo que escuchás: rock, pop, trap, reggaetón, música clásica, jazz, electrónica, canciones tristes, canciones para entrenar, artistas que repetís, canciones que saltás. Todo eso puede convertirse en una lista de números. Esa lista funciona como un vector.
No es que la app te conozca como persona. Más bien dice: “Este usuario se parece a este conjunto de datos.” Y después compara tu vector con otros vectores: canciones, artistas, playlists o usuarios parecidos.
La similitud coseno: medir si dos flechas apuntan parecido
Ahí entra una fórmula muy importante. En álgebra lineal y geometría analítica, hay una fórmula que permite comparar el ángulo entre dos vectores:
Puede parecer “chino básico”. Pero la idea es simple: la fórmula mide si dos vectores apuntan en la misma dirección, en direcciones distintas o en direcciones opuestas.
En computación, a esto se lo llama similitud coseno. Sirve para medir qué tan parecidos son dos vectores sin fijarse tanto en su tamaño, sino en su orientación.
Esta medida se usa en sistemas de recomendación, búsqueda de información y análisis de textos, porque permite comparar perfiles, canciones, películas, productos o documentos representados como vectores.
Dicho más simple: no pregunta cuánto escuchás, sino hacia dónde apuntan tus gustos.
¿Qué significa que dé 1, 0 ó -1?
La similitud coseno puede dar valores entre -1 y 1. Si da 1, los vectores apuntan en la misma dirección, lo que podría traducirse en gustos muy parecidos.
Si da 0, los vectores forman un ángulo de 90 grados, lo que indica que no tienen mucha relación. Si da -1, los vectores apuntan en direcciones contrarias, lo cual compara perfiles que van para lados opuestos.
En la vida cotidiana, podríamos pensarlo así: si la similitud es muy positiva, dos personas podrían parecer “amigas” en gustos. Si es cercana a cero, no se cruzan demasiado. Y si fuera negativa, podrían parecer casi “enemigas” de preferencias: una ama lo que la otra evita.
No es enemistad real, claro. Es una forma matemática de hablar de cercanía o distancia entre gustos.
El amigo que escucha el doble que vos
Pensemos en Spotify. Vos escuchás rock alternativo, algo de indie, un poco de pop y bandas tranquilas para estudiar. Tu amigo escucha casi lo mismo, pero el doble de horas por día porque es un “enfermito de la música”.
La pregunta es: ¿la app debería decir que son muy distintos solo porque él escucha más tiempo? No. Porque quizás la dirección de sus gustos es parecida, aunque la cantidad sea distinta.
Ahí la similitud coseno es útil. No se concentra tanto en el tamaño del vector, sino en el ángulo entre ambos. Por eso en la fórmula se divide por el producto de las longitudes de los vectores, que es: ||A||·||B||
Esa parte ayuda a “normalizar” la comparación. Como si dijera: “No me importa tanto quién escucha más horas. Quiero saber si apuntan hacia gustos parecidos.” Entonces, si vos y tu amigo escuchan estilos similares, pueden tener alta similitud, aunque él use Spotify todo el día y vos solo un rato.
Netflix también compara flechas
Con Netflix puede pasar algo parecido. Supongamos que una persona mira muchas series policiales, documentales de crímenes y thrillers psicológicos. Otra persona mira menos horas, pero también elige ese mismo tipo de contenido.
Aunque una vea cinco capítulos por noche y la otra solo uno cada tanto, sus vectores pueden apuntar en una dirección parecida. Entonces el sistema termina pensando: “A estas personas les interesan cosas similares. Si a una le gustó esta serie, quizás a la otra también.”
Plataformas como Netflix, Spotify y Amazon pueden usar ideas de este tipo para representar usuarios y elementos como vectores, y luego calcular similitudes para recomendar contenido.
Por supuesto, los algoritmos reales son más complejos. No usan una sola fórmula mágica. Pero la similitud coseno es una de esas ideas matemáticas simples y poderosas que ayudan a entender cómo una máquina compara preferencias.
Lo que una app ve cuando vos elegís
Cuando vos ponés “me gusta”, repetís una canción, abandonás una película a los diez minutos o comprás un producto, dejás pistas. La app no sabe exactamente quién sos. Pero junta señales. Y con esas señales arma un perfil.
Podemos imaginar el proceso así:
- Tus acciones se transforman en datos. Canciones escuchadas, películas vistas, búsquedas, clics, likes, tiempo de reproducción.
- Esos datos se convierten en vectores. Cada usuario, canción, película o producto puede representarse como una lista de números.
- Los vectores se comparan. La similitud coseno mide si apuntan en direcciones parecidas.
- El sistema recomienda. Si algo se parece mucho a tus gustos anteriores, aparece como sugerencia.
La recomendación no sale de la nada. Sale de comparar patrones.
La fórmula no adivina: calcula parecidos
Esto es importante. Una fórmula no “conoce” tus emociones. No sabe si una canción te recuerda a alguien. No sabe si viste una serie porque te gustaba o porque no había otra cosa. No sabe si escuchaste reggaetón porque estabas en una fiesta y no porque sea tu estilo favorito.
Los algoritmos trabajan con datos. Y los datos nunca cuentan toda la historia. Por eso las recomendaciones a veces aciertan mucho y otras veces fallan de forma bastante absurda.
Pero aun con esas limitaciones, la idea matemática es potente: comparar direcciones permite detectar parecidos invisibles. Dos canciones pueden no ser iguales, pero tener energía parecida. Dos películas pueden tener actores distintos, pero un tono similar. Dos usuarios pueden no conocerse, pero compartir patrones de consumo.
La matemática busca esas cercanías.
¿Por qué importa aprender esto?
Porque vivimos rodeados de recomendaciones. No solo de música y series. También de noticias, videos, productos, publicaciones, contactos, anuncios, cursos, juegos. Cada vez que una plataforma decide qué mostrarte primero, hay algún tipo de cálculo detrás.
Y entender un poco esa matemática nos vuelve menos ingenuos. La pregunta no es solo: ¿por qué me recomienda esto? También podemos preguntar: ¿qué datos míos está usando? ¿qué cree que me gusta? ¿me está mostrando variedad o me encierra siempre en lo mismo? ¿me recomienda algo porque me hace bien o porque me mantiene más tiempo conectado?
La matemática no sirve solo para construir algoritmos. También sirve para mirarlos críticamente.
Por eso te propongo que pienses que cada una de tus elecciones en Internet y desde tus distintos dispositivos, deja una huella digital, tu huella, que te satisface los deseos y gustos, pero que también te sesga y te da restricciones. ¿Por qué? Porque uno tiende a repetir lo parecido a todo aquello que antes nos gustó, y limitamos nuestras posibilidades. Nos terminamos relacionando con gente parecida por redes sociales, y teniendo gustos parecidos. Es como si viviéramos en una isla cada grupo, aislados del resto. ¿Te imaginás? Se siente raro, ¿verdad?
Por lo tanto, siempre es bueno disfrutar de los avances tecnológicos que nos facilitan la vida, pero con una mirada crítica. No seamos conejillo de India.
Pero estarás pensando: “¿qué puedo hacer con esto? ¿puedo generar algún efecto en la realidad?”. Podrías cambiar, probar opciones nuevas, animarte de vez en cuando a rotar en otras direcciones, modificar el sentido de tu vector, para poder introducirte en nuevos mundos y llegar a nuevos descubrimientos.
Una fórmula que estaba en el aula y también en tu celular
Lo más interesante es que la fórmula parece de clase de álgebra lineal: vectores, producto punto, módulos, coseno de un ángulo. Pero esa misma idea aparece en tecnologías que usamos todos los días.
Una vez más, la matemática no está encerrada en la carpeta. Está en el celular, en las apps, en las playlists, en las series recomendadas y en las pantallas que parecen conocernos.
Quizás una fórmula no sea tan fría como parece. Porque cuando una app te recomienda una canción, una película o un video, en el fondo está intentando evaluar similitudes y diferencias.
Cierre
La próxima vez que TikTok te sugiera un determinado video, o que Netflix parezca saber qué vas a mirar, podés imaginar algo detrás de la pantalla. No la “bola mágica” leyendo tus pensamientos. Sino flechas.
Vectores apuntando en distintas direcciones. Algunos cerca. Otros lejos. Algunos casi iguales. Otros totalmente opuestos. Y una fórmula midiendo ángulos para decidir qué se parece a qué.
Porque a veces la inteligencia artificial no empieza con una máquina pensando como una persona. A veces empieza con algo mucho más simple: dos flechas, un ángulo y una pregunta matemática sobre tus gustos.
Pero recordá usar la tecnología con sentido crítico. Siempre es bueno que puedas entrenar al algoritmo para ampliar tus preferencias, y no volverte predecible. Sorprendete buscando cosas nuevas! Así expandís tu libertad y creatividad.
