Diseñados para engancharte: la economía de la atención explicada

Introducción: de la atención humana a la arquitectura económica del enganche digital

La atención designa una capacidad limitada para seleccionar estímulos, sostener objetivos y asignar recursos mentales. En la economía contemporánea, esa capacidad dejó de ser únicamente una condición psicológica del consumo: también funciona como unidad de intercambio social, visibilidad pública y acumulación económica (Heitmayer, 2024; Loewenstein & Wojtowicz, 2025). Las plataformas digitales organizan interfaces, recomendaciones y notificaciones para prolongar la permanencia, porque cada interacción produce información sobre preferencias y oportunidades de monetización.

El problema, por tanto, no consiste simplemente en que las personas usen mucho sus dispositivos. Consiste en que la arquitectura técnica distribuye la atención mediante reglas privadas, opacas y orientadas a métricas de interacción. Esa distribución puede afectar el autocontrol, la autonomía, las relaciones familiares y la deliberación pública (Benischke & Post, 2026; Jones, 2024). Examinar el enganche exige conectar la psicología de la atención con el modelo económico que convierte la conducta observada en renta.

La atención como recurso escaso y renta de las plataformas digitales

De la atención como moneda simbólica al excedente conductual monetizable

La literatura económica presenta la atención como un recurso escaso cuya asignación explica decisiones que se apartan de los supuestos clásicos de información y racionalidad (Loewenstein & Wojtowicz, 2025). En las redes sociales, esa escasez adquiere una dimensión simbólica: la atención puede acumularse, intercambiarse y convertirse en visibilidad para productos, mensajes políticos o investigaciones (Heitmayer, 2024). La plataforma no vende necesariamente un objeto terminado; organiza el acceso de usuarios y anunciantes a una capacidad humana limitada.

El modelo se vuelve más extractivo cuando las interacciones se registran, clasifican y utilizan para inferir disposiciones futuras. El excedente conductual alude a los datos producidos más allá de lo necesario para prestar un servicio, que pueden alimentar perfiles, predicciones y publicidad dirigida (Jones, 2024). La percepción de que un perfil algorítmico es preciso se relaciona con una mayor sensación de vigilancia y con intentos de modificar la configuración publicitaria (Zhang et al., 2024). Así, la personalización puede aumentar la conveniencia percibida y, simultáneamente, revelar la asimetría entre quien genera datos y quien decide cómo explotarlos.

Cómo los algoritmos convierten la concentración de usuarios en poder de mercado

La renta de atención algorítmica surge cuando una plataforma controla la asignación de visibilidad y puede extraer valor de usuarios, proveedores y anunciantes (O’Reilly et al., 2024). El crecimiento de la plataforma amplía la cantidad de conducta observable y permite ajustar la selección de contenidos, con lo que la concentración de usuarios refuerza la capacidad de intermediación. Esta dinámica no equivale simplemente a tener muchos visitantes: implica gobernar qué aparece, cuándo aparece y qué señales reciben los proveedores sobre la demanda.

Los sistemas de recomendación también modifican la oferta. Un modelo de simulación con agentes y aprendizaje por refuerzo mostró que distintos diseños pueden sesgar la percepción de los proveedores sobre las preferencias de los usuarios y alterar la variedad de contenidos ofrecidos (Darani & Aghaie, 2025). La opacidad dificulta evaluar si la selección favorece satisfacción, diversidad o rentabilidad. Por ello, la propuesta de exigir información sobre las métricas operativas y la monetización de la atención conecta transparencia económica con rendición de cuentas algorítmica (O’Reilly et al., 2024). La escasez psicológica se convierte entonces en poder estructural, cuestión que conduce al examen de los mecanismos concretos de captura.

Diseños persuasivos y recomendaciones algorítmicas: los mecanismos que sostienen el uso continuo

Personalización, descubrimiento de contenidos y optimización del engagement

La personalización sostiene el uso continuo al reducir el esfuerzo de búsqueda y aumentar la probabilidad de encontrar estímulos compatibles con intereses previos. En un estudio mixto sobre TikTok, los índices de «me gusta», las etiquetas en tendencia y la duración de los vídeos influyeron en la probabilidad de recomendación; las entrevistas asociaron la personalización con mayor descubrimiento y participación, aunque también con homogeneidad y cámaras de eco (Zhou, 2024). Estas asociaciones no prueban que cada componente produzca por sí solo una sesión más larga, pero muestran cómo el sistema vincula señales de conducta con visibilidad futura.

La comparación entre plataformas de vídeo breve aporta otra capa. En una encuesta a estudiantes universitarios, TikTok recibió valoraciones más altas que Instagram Reels y YouTube Shorts en precisión de recomendación, serendipia y facilidad percibida; en TikTok e Instagram Reels, esas características se asociaron indirectamente con uso adictivo mediante la participación (Roberts & David, 2025). El resultado identifica una cadena plausible, aunque el diseño transversal no establece dirección causal. La personalización puede facilitar el acceso y, al mismo tiempo, estrechar el repertorio de estímulos que el usuario llega a considerar.

Intermitencia, automatización y plataformas como andamiajes atencionales hostiles

Las plataformas pueden entenderse como andamiajes atencionales: estructuras externas que orientan la selección y el mantenimiento de la atención. Voinea, Marin y Vică las comparan con máquinas tragaperras porque combinan recompensas intermitentes, estímulos emocionalmente activadores y expectativas inciertas sobre el siguiente contenido (Voinea et al., 2024). La analogía no significa que toda sesión produzca dependencia clínica, pero sí describe una arquitectura que dificulta anticipar cuándo aparecerá un estímulo especialmente gratificante.

La captura también opera mediante automatización. Cuando la interfaz encadena vídeos, reduce decisiones de salida y selecciona estímulos con carga emocional, el usuario puede pasar de una decisión deliberada a una respuesta habitual (Voinea et al., 2024). La atención guiada por emociones se extiende además al plano colectivo: la indignación moral puede propagarse dentro de grupos y generar actitudes compartidas (Voinea et al., 2024). En este sentido, el diseño no solo organiza minutos individuales, sino también circuitos de contagio afectivo.

La literatura de diseño persuasivo introduce una cautela metodológica. Una metaanálisis de 92 ensayos controlados aleatorizados sobre aplicaciones de salud mental encontró mejoras clínicas frente a controles, con un tamaño de efecto de g = 0,43, pero no halló asociación entre el número de principios persuasivos y la participación o la eficacia (Valentine et al., 2025). El resultado impide tratar toda persuasión como dañina: el efecto depende del propósito, la métrica y el contexto de uso. También muestra que «participación» carece de una definición estable, pues los estudios emplearon 25 métricas distintas y una parte no comunicó datos de participación (Valentine et al., 2025).

De la atención guiada al uso problemático de vídeos breves

El uso problemático aparece cuando la atención guiada se integra con disposiciones personales y respuestas automáticas. En una encuesta a 561 personas chinas, un modelo de mediación serial indicó que la automaticidad y la atención guiada por el valor mediaban completamente la relación entre autocontrol y uso problemático de vídeos breves (Zhu & Fong, 2025). Las personas con menor autocontrol tendían a responder de forma más automática y a atender selectivamente a estímulos valorados, proceso vinculado con el resultado problemático. El estudio valida un mecanismo compatible con el modelo I-PACE, pero su carácter transversal limita las inferencias temporales.

La evidencia sobre las características de las plataformas converge en que precisión, facilidad y descubrimiento pueden intensificar la participación (Roberts & David, 2025). Aun así, no toda interacción frecuente es problemática, y la duración de uso no equivale por sí misma a pérdida de control. La personalización puede reducir el disfrute cuando se elimina, como mostró un experimento de dos semanas con 88 usuarios de TikTok: un flujo menos personalizado redujo frecuencia y duración, aumentó la autorregulación y disminuyó el disfrute (Dekker et al., 2025). El diseño persuasivo sostiene, por tanto, tanto la utilidad percibida como una posible dependencia funcional.

Cuando captar la atención transforma la experiencia individual y la esfera pública

Autocontrol, atención guiada por el valor y vulnerabilidad ante el uso problemático

El vínculo entre autocontrol y uso problemático no debe interpretarse como una responsabilidad exclusivamente individual. La evidencia disponible describe una mediación cognitiva en la que menor autocontrol se relaciona con automaticidad y atención guiada por el valor, que a su vez se vinculan con consumo problemático de vídeos breves (Zhu & Fong, 2025). La interfaz encuentra así una disposición previa y la convierte en una secuencia de respuestas fáciles de repetir. La vulnerabilidad depende de la interacción entre capacidades individuales, estímulos valiosos y arquitectura de elección.

Las diferencias de regulación atencional tampoco se distribuyen de manera uniforme. La literatura filosófica sobre distracción digital sostiene que las variaciones en regulación de arriba abajo y de abajo arriba, participación en internet y control de la búsqueda de recompensas se relacionan con factores socioeconómicos (Kärki, 2024). Cuando esas diferencias afectan el aprendizaje en el aula o tareas que requieren cognición compleja, la distracción puede amenazar la igualdad de oportunidades (Kärki, 2024). Las intervenciones centradas únicamente en fuerza de voluntad trasladan al usuario un coste que el diseño contribuye a producir.

Desigualdad en la distracción digital y mediación de las relaciones familiares

La experiencia familiar modifica el riesgo de uso problemático adolescente. Una revisión sistemática encontró asociaciones consistentes entre relaciones positivas entre progenitores e hijos, clima familiar favorable y menor uso problemático de redes sociales (Vossen et al., 2024). La crianza afectuosa, receptiva y exigente se relacionó con menos problemas, mientras que la inconsistencia y el control se asociaron con más problemas (Vossen et al., 2024). En cambio, la mediación específica de internet mostró resultados menos uniformes: las reglas restrictivas se asociaron con menor uso problemático, mientras que las restricciones reactivas mostraron la relación opuesta.

El «phubbing» parental presentó una asociación positiva consistente con el uso problemático adolescente (Vossen et al., 2024). Este hallazgo desplaza la explicación desde la vigilancia técnica hacia la calidad de la interacción cotidiana. La revisión también advierte que la mayoría de los estudios eran transversales y empleaban definiciones heterogéneas de crianza, por lo que no puede establecerse una secuencia causal firme (Vossen et al., 2024). La desigualdad atencional se reproduce así en hogares con recursos distintos para sostener conversaciones, límites y acompañamiento.

Engagement, satisfacción y amplificación algorítmica de contenidos divisivos

La optimización de la interacción puede seleccionar contenidos que generan actividad sin satisfacer las preferencias reflexivas del público. Una auditoría algorítmica prerregistrada en Twitter observó que, frente a un orden cronológico inverso, la clasificación basada en interacción amplificaba contenidos emocionalmente cargados y hostiles hacia el exogrupo (Milli et al., 2025). Los usuarios declararon que esos mensajes les hacían sentirse peor respecto al grupo político contrario, y no prefirieron los tuits seleccionados por el algoritmo (Milli et al., 2025). La conducta revelada, como clics, compartidos o «me gusta», funciona entonces como un indicador imperfecto del bienestar.

Una clasificación basada en preferencias declaradas redujo contenidos airados, partidistas y hostiles hacia el exogrupo, aunque podía reforzar contenidos acordes con las actitudes previas (Milli et al., 2025). La solución no es sustituir una métrica por otra sin evaluar sus efectos distributivos y epistémicos. Los sistemas de recomendación influyen también en qué proveedores interpretan como demanda, alterando variedad y oferta (Darani & Aghaie, 2025). La captura individual de atención puede acumularse en una esfera pública más polarizada, asunto que exige distinguir participación, satisfacción y calidad de la información.

Una evidencia ambivalente: eficacia del enganche, bienestar del usuario y límites de la personalización

La controversia sobre si la personalización aumenta realmente la participación

La evidencia experimental reciente respalda una relación entre personalización y uso, pero no autoriza una generalización ilimitada. Cuando 88 usuarios de TikTok recibieron durante una semana un flujo menos personalizado, disminuyeron la frecuencia y la duración de uso, mientras aumentó la autorregulación y descendió el disfrute (Dekker et al., 2025). El diseño dentro de los participantes y la obtención de capturas objetivas fortalecen la comparación, aunque el seguimiento de dos semanas limita la evaluación de efectos persistentes.

Otros estudios son correlacionales. La encuesta a 555 estudiantes vinculó las posibilidades percibidas de recomendación, serendipia y facilidad con la participación y, mediante esta, con uso adictivo (Roberts & David, 2025). La encuesta no permite saber si la plataforma produce esas percepciones, si los usuarios con mayor predisposición las valoran más o si ambas vías operan simultáneamente. La controversia se explica, en parte, por la diferencia entre manipular un flujo y medir valoraciones retrospectivas.

Preferencias reveladas frente a satisfacción, autonomía y resultados sociales

Las preferencias reveladas son útiles para predecir clics o compartidos, pero pueden desviarse de la satisfacción declarada. La auditoría de Twitter mostró precisamente que un algoritmo orientado al engagement amplificó contenido que los usuarios no preferían y que empeoraba su valoración del exogrupo político (Milli et al., 2025). La plataforma puede optimizar una señal conductual que el usuario, al reflexionar, rechaza. Esta brecha cuestiona la equivalencia entre permanecer más tiempo y beneficiarse del servicio.

La autonomía también queda afectada cuando el usuario conoce poco sobre la producción de recomendaciones y dispone de escaso control sobre sus datos. Entrevistas con jóvenes finlandeses mostraron que los sistemas limitaban oportunidades de autoexpresión y exigían adaptarse a su lógica, aunque los participantes también empleaban recursos para obtener beneficios propios (Jylhä et al., 2025). La personalización, por tanto, combina utilidad práctica con dependencia de reglas ajenas. Evaluarla requiere incluir agencia, satisfacción y pluralidad, no solo duración.

Qué aportan los experimentos, las encuestas, las entrevistas y los modelos de simulación

Cada método ilumina una parte distinta del fenómeno. Los experimentos identifican cambios próximos en conducta y experiencia, las encuestas comparan percepciones y asociaciones entre plataformas, las entrevistas reconstruyen imaginarios de agencia, y las simulaciones exploran cómo las reglas algorítmicas modifican proveedores y oferta (Darani & Aghaie, 2025; Dekker et al., 2025; Jylhä et al., 2025; Roberts & David, 2025). Ningún método, por separado, establece los efectos sociales de largo plazo.

La metaanálisis de aplicaciones de salud mental añade una advertencia sobre la medición: 25 indicadores distintos de participación impidieron una evaluación global coherente (Valentine et al., 2025). La investigación futura debe separar exposición, interacción, disfrute, autorregulación, satisfacción y uso problemático. Esa precisión metodológica prepara una agenda de gobernanza que no confunda eficacia comercial con bienestar.

Brechas de investigación y alternativas para gobernar la atención digital

De la responsabilidad individual al diseño responsable de sistemas de recomendación

La concentración en autocontrol y hábitos individuales resulta insuficiente cuando las interfaces incorporan captura atencional, recompensas intermitentes y selección automatizada (Roffarello et al., 2025; Voinea et al., 2024). Las heurísticas de atención digital proponen diseñar interfaces que respeten autonomía, competencia y relación social, en lugar de exigir al usuario una regulación permanente (Roffarello et al., 2025). Este enfoque desplaza la prevención desde el bloqueo posterior hacia las condiciones iniciales de interacción.

La gobernanza también debe exigir transparencia sobre métricas, asignación de atención y monetización (O’Reilly et al., 2024). Los sistemas deberían evaluarse por sus efectos sobre usuarios y proveedores, porque la recomendación puede modificar simultáneamente conducta, oferta y visibilidad (Darani & Aghaie, 2025). La responsabilidad del diseño no significa eliminar toda personalización, sino justificar sus objetivos y hacer auditables sus consecuencias.

Justicia del consumidor, agencia juvenil y bienestar epistémico como criterios de evaluación

La justicia del consumidor requiere definir qué cuenta como trato equitativo en una recomendación. La investigación sistemática sobre equidad distingue múltiples concepciones de discriminación y clasifica métricas para evaluar sesgos contra usuarios (Vassøy & A, 2024). No existe una única métrica suficiente: la evaluación debe considerar acceso, exposición, calidad, diversidad y posibles perjuicios. La agencia juvenil añade la capacidad de comprender y negociar el uso de datos, no solo la posibilidad formal de aceptar o rechazar una recomendación (Jylhä et al., 2025).

El bienestar epistémico ofrece un criterio para valorar si las infraestructuras comunicativas mantienen las condiciones necesarias para ejercer agencia en la esfera pública (Hyzen et al., 2025). Este marco conecta dataficación, algoritmización y plataformización con la producción, circulación y adquisición del conocimiento. Junto con la justicia del consumidor, permite evaluar sistemas por sus efectos sobre autonomía informativa, diversidad y capacidad de juicio, además de sus métricas comerciales.

Preguntas abiertas sobre causalidad, efectos a largo plazo y diferencias entre plataformas

Persisten dudas sobre la duración de los efectos, la dirección causal y la comparabilidad entre servicios. El experimento de TikTok observó cambios durante dos semanas, mientras que varias encuestas midieron asociaciones en un único momento (Dekker et al., 2025; Roberts & David, 2025). La literatura familiar también depende ampliamente de diseños transversales (Vossen et al., 2024). Se necesitan seguimientos prolongados, medidas conductuales verificables y diseños que separen selección de usuarios, características de interfaz y efectos de recomendación.

Las diferencias entre TikTok, Instagram Reels, YouTube Shorts y Twitter impiden asumir una arquitectura única. Cambian los objetivos, los formatos, las señales de interacción y las relaciones entre usuarios, creadores y anunciantes (Milli et al., 2025; Roberts & David, 2025). La investigación deberá comparar plataformas con métricas comunes, registrar preferencias declaradas y reveladas, e incorporar resultados sociales y epistémicos. Solo así la gobernanza podrá responder a mecanismos específicos en lugar de regular una abstracción llamada «redes sociales».

Conclusión: recuperar la atención exige cuestionar el modelo de negocio y rediseñar sus incentivos

La economía digital convierte una capacidad humana limitada en una fuente de predicción, visibilidad y renta. La personalización, la recomendación y las recompensas intermitentes pueden sostener el uso continuo, pero sus efectos dependen de la autonomía, la satisfacción, la vulnerabilidad y el contexto social (Dekker et al., 2025; Voinea et al., 2024). La divergencia entre interacción observada y bienestar declarado demuestra que el engagement no basta como criterio de éxito (Milli et al., 2025).

Recuperar la atención requiere modificar los incentivos que premian la permanencia sin distinguir entre uso valioso y captura compulsiva. Eso implica transparencia sobre la asignación y monetización de la atención, auditorías de equidad, métricas de bienestar epistémico y diseños que respeten la agencia (Hyzen et al., 2025; O’Reilly et al., 2024; Vassøy & A, 2024). La responsabilidad individual conserva un lugar, pero no puede sustituir la transformación de las arquitecturas que hacen rentable distraer, perfilar y retener.

References

• Benischke, M. H., & Post, C. A. (2026). From platform design to attention governance: Rethinking social media externalities. Journal of Management Studies, 63(7), 4358–4376. https://doi.org/10.1111/joms.70118
• Darani, M. M., & Aghaie, S. (2025). Recommender systems impact on platform’s content and outcomes: the role of providers and algorithm designs. Journal of Research in Interactive Marketing, 19(6), 917–935. https://doi.org/10.1108/jrim-04-2024-0198
• Dekker, C. A., Baumgartner, S. E., & Sumter, S. R. (2025). For you vs. for everyone: The effectiveness of algorithmic personalization in driving social media engagement. Telematics and Informatics, 101, 102300. https://doi.org/10.1016/j.tele.2025.102300
• Heitmayer, M. (2024). The second wave of attention economics. attention as a universal symbolic currency on social media and beyond. Interacting with Computers, 37(1), 18–29. https://doi.org/10.1093/iwc/iwae035
• Hyzen, A., Van den Bulck, H., Puppis, M., Kulig, M., & Paulussen, S. (2025). Epistemic welfare and algorithmic recommender systems: overcoming the epistemic crisis in the digitalized public sphere. Communication Theory, 36(1), 46–57. https://doi.org/10.1093/ct/qtaf018
• Jones, J. (2024). Don’t fear artificial intelligence, question the business model: How surveillance capitalists use media to invade privacy, disrupt moral autonomy, and harm democracy. Journal of Communication Inquiry, 49(1), 6–26. https://doi.org/10.1177/01968599241235209
• Jylhä, V., Hirvonen, N., & Haider, J. (2025). Algorithmic recommendations in the everyday life of young people: imaginaries of agency and resources. Information Communication & Society, 28(15), 2641–2657. https://doi.org/10.1080/1369118x.2025.2470227
• Kärki, K. (2024). Digital distraction, attention regulation, and inequality. Philosophy & Technology, 37(1). https://doi.org/10.1007/s13347-024-00698-z
• Loewenstein, G. F., & Wojtowicz, Z. (2025). The economics of attention. Journal of Economic Literature, 63(3), 1038–1089. https://doi.org/10.1257/jel.20241665
• Milli, S., Carroll, M., Wang, Y., Pandey, S., Zhao, S. Y., & Dragan, A. D. (2025). Engagement, user satisfaction, and the amplification of divisive content on social media. PNAS Nexus, 4(3), pgaf062. https://doi.org/10.1093/pnasnexus/pgaf062
• O’Reilly, T., Strauss, I., & Mazzucato, M. (2024). Algorithmic attention rents: A theory of digital platform market power. Data & Policy, 6. https://doi.org/10.1017/dap.2024.1
• Roberts, J. A., & David, M. E. (2025). Technology affordances, social media engagement, and social media addiction: An investigation of TikTok, instagram reels, and YouTube shorts. Cyberpsychology Behavior and Social Networking, 28(5), 318–325. https://doi.org/10.1089/cyber.2024.0338
• Roffarello, A. M., De Russis, L., & Lukoff, K. (2025). The digital attention heuristics: Supporting the user’s attention by design. ACM Transactions on Computer-Human Interaction, 32(4), 1–41. https://doi.org/10.1145/3725215
• Valentine, L., Hinton, J. D. X., Bajaj, K., Boyd, L., O’Sullivan, S., Sorenson, R. P., Bell, I. H., Vega, M. S., Liu, P., Peters, W., Mangelsdorf, S. N., Wren, T. W., Moller, C. I., Cross, S. P. M., McEnery, C., Bendall, S., Nicholas, J., & Álvarez‐Jiménez, M. (2025). A meta-analysis of persuasive design, engagement, and efficacy in 92 rcts of mental health apps. Npj Digital Medicine, 8(1), 229. https://doi.org/10.1038/s41746-025-01567-5
• Vassøy, B., & A, H. L. (2024). Consumer-side fairness in recommender systems: a systematic survey of methods and evaluation. Artificial Intelligence Review, 57(4). https://doi.org/10.1007/s10462-023-10663-5
• Voinea, C., Marin, L., & Vică, C. (2024). Digital slot machines: Social media platforms as attentional scaffolds. Topoi, 43(3), 685–695. https://doi.org/10.1007/s11245-024-10031-0
• Vossen, H. G. M., van den Eijnden, R. J. J. M., Visser, I., & Koning, I. M. (2024). Parenting and problematic social media use: A systematic review. Current Addiction Reports, 11(3), 511–527. https://doi.org/10.1007/s40429-024-00559-x
• Zhang, D., Strycharz, J., Boerman, S. C., Araujo, T., & Voorveld, H. A. M. (2024). Google knows me too well! coping with perceived surveillance in an algorithmic profiling context. Computers in Human Behavior, 165, 108536. https://doi.org/10.1016/j.chb.2024.108536
• Zhou, R. (2024). Understanding the impact of TikTok’s recommendation algorithm on user engagement. International Journal of Computer Science and Information Technology, 3(2), 201–208. https://doi.org/10.62051/ijcsit.v3n2.24
• Zhu, J., & Fong, L. H. N. (2025). Self-control and problematic short-form video usage: the mediating roles of automaticity and value-driven attention. Behaviour and Information Technology, 44(14), 3609–3619. https://doi.org/10.1080/0144929x.2025.2452367