La cultura dirigida por datos mató al genio creativo e intuitivo (y la inteligencia artificial potenciará el proceso)

Nos chirría que lo razonable en la empresa "dirigida por datos" se traslade a las disciplinas creativas. La inteligencia artificial puede acelerar que "lo que funciona" determine nuestra creaciones

Dexter Fletcher planeó una larga y elaborada secuencia de apertura para la película Ghosted en la que Ana De Armas conducía un coche a través de una montaña. Se trataba de una referencia a otra escena de la película de 1978 “Juego peligroso”, protagonizada por Goldie Hawn y Chevy Chase. Fletcher explicó a Deadline que cuando planteó la secuencia a Apple, le respondieron que entendían lo que intentaba crear, pero que les preocupaba si tendría eco entre el público del streaming.

"Me pareció genial esa escena de apertura de tres minutos, y me dijeron que no se podía hacer porque si [la secuencia de apertura] continúa y no ocurre algo en los primeros 30 segundos, sabemos que los datos muestran que la gente simplemente desconectará", dijo. "Yo no quiero eso, así que cedo".

"No se puede hacer una película para streaming de la misma manera que para cine. Hay métricas y enfoques diferentes. Tiene que haberlos, por la misma razón de que la gente puede desconectar muy rápidamente”

No se entiende por qué alguien podría resistirse a tres minutos seguidos de Goldie Hawn,

El síndrome de “todas las películas y series se parecen”, “cada vez hay más secuelas” lo glosamos hace tiempo con algunas cifras: El 85% de las películas más taquilleras de 2021 fueron secuelas, remakes o están basadas en obras anteriores, cada década ese mismo top tiene más obras protagonizadas por superhéroes y, para rematar, tenemos el pronóstico de Ben Affleck, “Habrá 40 películas al año en cines, todas secuelas y franquicias”.

Lo que ilustra el ejemplo de la escena de Ana de Armas frente a la de Goldie Hawn es que la tendencia a asegurar, a imitar lo que ha tenido éxito no se queda ya en la trama principal y los protagonistas sino que está extendiendo a cada elemento de la obra, sea serie, película, vídeo, titular o canción que se distribuya y consuma en digital. Ahora no sólo sabemos si una actriz asegura un taquillazo o que últimamente funcionan las películas con terremotos, también podemos medir si la gente desconecta en diálogos largos, cuánto debe durar una escena de acción o las edades, géneros y color de piel de los personajes que nos mantienen mirando.

En el artículo “Creación de medios con aprendizaje automático” del blog técnico de Netflix hay una mención a factores que su sistema puede aprender. El caso típico es el de carátulas y cómo adaptarlas para que el usuario haga click para ver la obra, pero hay mucho más: el punto delicado está en cuando plantean tomar decisiones más fuertes, en guión, personajes, trama, etc. a partir de lo que ha aprendido su plataforma sobre como conseguir el éxito. Es diferente el “si pones a una chica con morritos en el póster y el tráiler te irá mejor” a “cambia a la madura con carácter por una influencer que pone morritos este guión que me has pasado”. O tal vez te digan "no puedes usar estas palabras que no se entienden” o “simplifica este giro complicado de guión”. O casi “quítate tú que una IA puede escribir mejor con los patrones detectados”. El drama del guionista no es tanto que una IA pueda hacer ya su trabajo sino que lo oriente por completo.

Hace poco Massive Attack apuntaba a algo parecido en música al hilo de la aparición de esta canción,

Podemos verlo en las carátulas de los vídeos de Youtube como explica Lord Draugr (por no hablar de las narrativas y temas en las que todos copian a todos), en los creadores de hilos en Twitter basados en la exageración y el hype, en el estilo de titular de los medios para rendir mejor en Google Discover (por ejemplo el patrón “frase que no informa del todo, declaración que lleva algo al extremo sacada de contexto”), en las poses en Instagram, en los memes en TikTok, en los titulares de las webs pensadas para SEO.

Grandes producciones y pequeños creadores parecen cada vez más enfocados en imitarse. Pero ya no es tanto la adscripción a un estilo o una temática sino a lo que los números nos muestran que funcionan. No es (o no sólo) mimetismo, es analítica y decisiones basados en los datos.

La exploración en lo que se crea disminuye, cada vez hay menos creadores que se salen del guión de lo que está funcionando (de lo que le ha funcionado). Desde de la idea de optimización de la inversión en tiempo, esfuerzo y dinero tiene sentido: se empieza pensando que uno es un creador, un artista, un medio con una misión, se acaba descubriendo que trabajas en una industria. Un día estás pensando en creatividad, calidad y riesgo, al siguiente intentando mejorar una décima un KPI.

Y es que este giro se ha dado antes en la empresa. Son las compañías dirigidas por datos, las “data driven” que tanto ha divulgado Titonet. Algo que explica muy bien Fernando es que la dirección por datos no asume una posición estática basada en la repitición, sino que, al contrario, se basa en la recopilación y en el análisis continuo para adaptar sus productos y servicios a los cambios en el mercado. Para entender todo esto mejor recomiendo su vídeo con Fernando Polo, que me gusta especialmente cuando discute la situación “los datos contradicen mi intuición” (a mi me gusta más la idea de “empresa orientada por datos”, pero es una discusión para otro momento).

Nos chirría que lo razonable en la corporación (hacer lo que funciona) se traslade a las disciplinas creativas. Como “creador” siento que estoy alumbrando algo nuevo y con sentido, no ejecutando un proceso ni maximizando un “KPI”; como “consumidor” (o lector, espectador, el término que queramos) espero recibir algo que procede del acto de un acto de voluntad, la expresión creativa del estado interior de alguien, no el resultado de la ingeniería inversa de un algoritmo de distribución en una plataforma. Como contamos aquí, hay una exigencia de que arte y creación sigan siendo dirigidos por humanos:

La inteligencia artificial puede acelerar la tendencia: tanto por saber más y mejor qué tiene éxito y por qué (o con qué correlaciona mejor dicho) como para acelerar y aumentar la creación. Esta segunda parte la discutimos:

Para la primera subrayaría que los sistemas de deep learning son muy buenos en las inferencias inductivas, encontrar patrones en millones de datos con los que hacer predicciones: qué combinación de palabras y acordes suele coincidir en las canciones de éxito en Tiktok de los últimos meses, cada cuanto hay que cambiar de plano y debe aparecer un rostro en los episodios que la gente no abandona. La inteligencia va a tener más y mejor “olfato” sobre lo que funciona y lo que no que cualquiera de nosotros.

Pero por diseño y naturaleza esos mismos sistemas de inteligencia artificial no son capaces de idear “algo nuevo”. Una IA generativa te puede imitar el estilo de escritura de André Bretón o de Marinetti, pero no se puede sacar de la manga un nuevo manifiesto surrealista o proclamar una corriente nueva como el futurismo. Podrá ayudar a crear una canción que encaje con el estilo de Drake hasta la fecha, pero no puede decidir que el cantante rompa con el pasado, abrace una nueva corriente o cambie radicalmente de temas a la luz de una experiencia personal o de un nuevo entendimiento del mundo.

Como en la empresa, este proceso no va de rehacer siempre la misma obra, el mismo artículo, el meme que nos funcionó. La repetición a cierto nivel, funciona (como explican Iván Leal y Janira Planes) pero los memes pasan rápido de moda, los asuntos hoy importantes aguantan en la agenda apenas un par de días, los superhéroes ya cansan.

Aunque gran parte del proceso creativo se automatiza y el cambio de lo que tiene interesa también lo detectan los datos, necesitamos cierta serendipia: autores, plataformas y compañías que se arriesguen algo que no venga dirigido por datos. Con la aceleración de producitividad que ofrecen los sistemas de inteligencia artificial generativa es posible que el premio para los que arriesgan sea cada vez menor: en cuestión de días (o de horas, o de minutos) tendrán una avalancha de imitadores que han detectado su éxito y son capaces de generar una obra que les imite.

Poco a poco se intuye una resistencia, críticas a la factoría de churros de Netflix orientada por sus algoritmos, hartura de refritos de versiones de artistas fabricados en labotorio, desprecio de titulares clickbait y refugio en otros enfoques y estilos. A más inteligencia artificial, más algoritmos y plataformas y más datos sobre los que tomar decisiones, más urgente resulta establecer relaciones directas entre creadores y quienes les seguimos.

Imágenes: Antonio Ortiz con Midjourney