El azar está dejando de ser parte esencial del proceso, así que, si todavía no tienes pareja puede que sea un algoritmo el que te presente al amor de tu vida… o a los amores de tu vida.
Ha llovido mucho desde el “Sexy or Not”. Las aplicaciones de hoy en día buscan mejorar tu experiencia, tratan de optimizar tu tiempo y emplean para ello una gran capacidad computacional que les permite saber a qué hora te conectas, qué días o qué tipo de perfiles te gustan, por ejemplo.
Tinder, la reina de las apps de citas, opera en 196 países. Sus usuarios generan una media de 1.600 millones de swipes al día, que se traducen en 26 millones de coincidencias (en el argot, match) y posibilitan un millón y medio de citas a la semana. Como cualquier aplicación, Tinder procesa toda esta cantidad de datos, los cruza con otros que obtiene de otras fuentes, como Facebook e Instagram, y con datos que ellos mismos van generando a partir de tu comportamiento. De hecho, una app de dating podría actualizar sus recomendaciones casi inmediatamente mientras tú y millones de usuarios interaccionan. Además, le sería posible aplicar técnicas para mejorar la calidad de tu búsqueda, como machine learning, behavioural análisis o incluso el reconocimiento de imágenes.
En este punto, es importante señalar que estas técnicas no son novedosas. Servicios de recomendación, existen desde hace ya tiempo. Por ejemplo, FilmAffinity, fundada en 2002, recomienda películas basándose en tus gustos.
Como es lógico, en sus orígenes, estas plataformas no mostraban la calidad de la experiencia, inmediatez o el éxito con las aplicaciones con las que trabajan hoy en día. Está claro que el avance de los dispositivos móviles ha tenido mucho que ver en el desarrollo que presentan las plataformas de citas en la actualidad. No obstante, no ha sido este el único aliado con el que han contado. Siendo objetivos, si hace años una app de dating hubiese querido presentar a los usuarios la misma calidad que se ha conseguido desarrollar, hubieran empleado un carísimo supercomputador con unas licencias de software valoradas en decenas de miles de euros. Aun así, hubieran tenido que solucionar la disponibilidad de una aplicación que es un hervidero de interacciones a nivel mundial, además, manteniendo una latencia aceptable. Ni siquiera a nivel de procesado una máquina de estas características garantiza el éxito. El volumen de datos es muy grande y se requiere un procesador que responda rápidamente a impacientes usuarios ávidos de coqueteo. En este punto, entrarían los conceptos de computación distribuida con el uso de las tecnologías Big Data.
En lugar de centralizar el procesado en una computadora potente, valorada en un mínimo de $ 436,000.00 MXN, nos servimos de máquinas a un precio óptimo de mercado, nos centramos en la capacidad que se obtiene por cada peso invertido y las ponemos a trabajar en equipo, repartiéndose el trabajo y organizándose en estructuras resistentes a fallos, potentes y escalables en función de la necesidad de la aplicación. Cuando una de ellas falla, se redistribuye el trabajo, cuando añades más máquinas, aumentas la capacidad. Los datos están replicados de manera que, si pierdes una, no dilapidas la información. Este entramado puede ser orquestado por software open source que no requiere pago de licencias.
El abaratamiento de los costos, unido a las posibilidades que hoy día presenta la nube (Amazon, Azure, Google Cloud), brinda la posibilidad a los startups de poner a prueba sus ideas y materializarlas en un plazo mucho más razonable.
La calidad del dato también resulta fundamental. No existe machine learning que valga si tus datos no aportan nada. Para ilustrar esta afirmación, tenemos la conocida anécdota de Tinder y los usuarios que usaban la técnica de likes masivos. La plataforma descubrió un aumento considerable de personas que, distraídamente, concedían decenas de “me gusta” a todos los perfiles mostrados, sin ni siquiera prestar atención a la pantalla del móvil, con el fin de aumentar las probabilidades de éxito. ¿Consecuencia inmediata? El deterioro de la calidad del dato. En otras palabras, si el usuario falsea sus preferencias no sabemos lo que le gusta realmente. Este comportamiento llevó a la aplicación a limitar el número de likes que un usuario puede realizar en un tiempo determinado, obligándoles a ser más selectivos.
El online dating es solo un campo más en el que las tecnologías Big Data han tenido un fuerte impacto. En everis trabajamos con este tipo de tecnologías y las aplicamos en nuestro día a día en proyectos de banca, seguros, utilidades, salud y servicios. No son tan sugestivas como Tinder, pero aplicando el Big Data se consigue, incluso, salvar vidas. Es el caso de la solución SmartICU, que permite monitorizar pacientes en estado crítico y prever una situación de crisis con 8 minutos de antelación. En otros proyectos también hemos aplicamos Big Data para ayudar a compañías a prepararse para la European General Data Protection Regulation (GDPR), que ha supuesto un cambio de escenario en el que usuario ha ampliado sus derechos sobre el control de sus datos privados. Esta ley da más control a los usuarios europeos sobre el uso que las aplicaciones de ligoteo o de cualquier otro tipo hacen sobre nuestros datos.
Ahora que ya sabes un poco más de estas aplicaciones, vigila la información que compartes.
¡Qué la fuerza del amor te acompañe!