En 1959 se fundó en Nueva York una empresa que quiso hacer algo que entonces sonaba a ciencia ficción: predecir el comportamiento humano con un ordenador. Se llamaba Simulmatics. Reunió más de cien mil entrevistas de encuestas viejas, repartió a los votantes en cuatrocientas ochenta categorías y simuló cómo reaccionaría cada grupo ante los temas de la campaña. Trabajó para el Partido Demócrata en las elecciones de 1960, las que ganó Kennedy. Después, la propia empresa difundió que su máquina había sido el arma secreta de aquella victoria. La leyenda es más grande que los hechos: hubo contrato y hubo informes, pero que aquello ganara la elección es un cuento que Simulmatics vendió muy bien. La historia la ha reconstruido la historiadora Jill Lepore, y a ella le interesa sobre todo lo que la máquina significó para la política. A mí me interesa algo más pequeño y, creo, más revelador.
Porque Simulmatics no quiso quedarse en las urnas. Uno de sus técnicos, Alex Bernstein, intentó construir modelos para editores de libros y revistas y para distribuidores de cine. La idea era la misma que con los votantes: prever cuánto se vendería, quién se suscribiría, qué llenaría las salas. Trasladar el cálculo del elector al lector y al espectador. Y ahí, en el terreno de la cultura, el proyecto fracasó. No por escrúpulo ni por límite teórico, sino por una razón puramente material: no había datos suficientes para alimentar los modelos. La ambición existía; la infraestructura para cumplirla, no.
Ese fracaso me parece el dato más interesante de toda la historia, porque marca con precisión lo que ha cambiado. Lo que Simulmatics soñó y no pudo hacer en 1960 —anticipar qué cultura consumiría cada tipo de público y ajustar de antemano lo que se le ofrece— es, casi palabra por palabra, lo que hoy hacen sin esfuerzo las plataformas de recomendación. Lo que faltaba entonces era exactamente lo que ahora sobra: los datos. Cada reproducción, cada pausa, cada abandono a los diez segundos, cada búsqueda, alimenta hoy los modelos que aquella empresa no pudo construir. El sueño era el mismo. Solo le faltaba el combustible, y el combustible somos nosotros.
No estoy diciendo que Simulmatics inventara Netflix, ni que haya una línea recta de aquella empresa a los algoritmos actuales. No la hay: los sistemas de hoy nacieron por su cuenta, con otra técnica y en otro mundo. Lo que hay no es una herencia, es una repetición. La misma operación intelectual —convertir a los públicos en tipos calculables, predecir su respuesta y modular lo que se les hace visible— aparece en 1960 sin medios para realizarse y reaparece hoy con todos los medios. No es un linaje. Es una idea que esperó sesenta años a que la realidad técnica la alcanzara.
Y lo que esa idea, ahora sí realizada, decide no es menor. Cuando un sistema predice qué querrás ver y organiza en consecuencia lo que te muestra, no está solo facilitándote la vida. Está interviniendo en algo más hondo: en qué obras llegan a aparecer ante ti y cuáles no. Lo que no encaja en ningún tipo calculable, lo que no se parece a lo que ya consumiste, lo raro, lo lento, lo que no genera señal, tiende a volverse invisible. No censurado, algo más eficaz: sencillamente no recomendado. Y una obra que nadie encuentra es, a efectos prácticos, una obra que casi no existe en el espacio público, por mucho que exista en algún servidor.
No hay que ser nostálgico ni tecnófobo para ver el problema. La predicción no es el mal; ordenar la abundancia es útil, y nadie quiere volver a buscar a ciegas entre millones de archivos. Lo que hay que mirar de frente es quién decide los criterios de esa predicción, con qué fin, y qué queda sistemáticamente fuera. Porque el gusto que estos sistemas dicen servir es, en parte, un gusto que ellos mismos fabrican: te ofrecen más de lo que ya elegiste, y al hacerlo estrechan poco a poco lo que puedes llegar a elegir. El círculo se cierra sobre sí mismo y lo llamamos personalización.
Ya en su momento hubo quien lo vio venir. Cuando en la campaña de 1960 se propuso condicionar el mensaje del candidato a lo que dijera la máquina, el historiador Arthur Schlesinger escribió que le hacía temblar la idea de que un hombre no dijera algo hasta haberlo consultado con el ordenador. Hablaba de política, pero la advertencia sirve igual para la cultura: el problema no es que la máquina calcule, es que dejemos que su cálculo decida por anticipado lo que merece ser dicho, mostrado o visto. Simulmatics no pudo cerrar ese círculo con los libros y las películas porque le faltaban los datos. Nosotros se los hemos dado todos. La pregunta que no supieron responder en 1960 no era técnica, y sigue sin serlo: no si se puede predecir qué miraremos, sino qué se pierde cuando alguien lo predice por nosotros.
Sobre la conversación abierta
Este texto parte de un episodio de la historia de la informática, la empresa Simulmatics reconstruida por Jill Lepore, para preguntar algo que toca de lleno a la cultura: qué ocurre cuando la predicción de nuestro comportamiento decide qué obras se nos hacen visibles. Distingo con cuidado el hecho histórico de la interpretación, y sostengo una genealogía de una lógica, no una continuidad causal entre aquella empresa y los sistemas actuales. Si alguien quiere intervenir desde la historia de la tecnología, los estudios de plataformas, la sociología de la cultura o la práctica de quienes publican y distribuyen obra bajo estos sistemas, este cuaderno sigue abierto.
Fuentes
Lepore, Jill. If Then: How the Simulmatics Corporation Invented the Future. Nueva York: Liveright, 2020. (Base histórica sobre Simulmatics; las tesis sobre su legado son interpretación de la autora.)
Lepore, Jill. «Democracy v the machine», The Guardian, The Long Read, 18 de agosto de 2026, en relación con su libro The Rise and Fall of the Artificial State (2026).
Pool, Ithiel de Sola, y Robert Abelson, «The Simulmatics Project» (informe sobre el trabajo para el Partido Demócrata en la campaña de 1960).
Sobre las advertencias tempranas: Arthur M. Schlesinger Jr. (1959-1960); Eugene Burdick, The 480 (1964); Lewis Mumford, The Myth of the Machine (1967).