Si el algoritmo de recomendación de las plataformas sociales fuera de código abierto, ¿qué tipo de posibilidades se abrirían? La percepción más inmediata es que cada publicación en las redes sociales en realidad implica una expectativa psicológica: ¿cuántas personas la verán, quiénes reaccionarán, cuál será la forma específica de interacción? Esta expectativa en esencia constituye un modelo predictivo de auto-validación.

Siguiendo esta línea de pensamiento, ¿sería posible construir un mercado de predicción en la cadena, dedicado exclusivamente a la transmisión del contenido social? Por ejemplo, predecir el número total de me gusta, compartidos y comentarios tras la publicación de un tuit popular, o la intensidad de interacción de una cuenta de gran influencia, e incluso llegar a identificar qué líderes de opinión formarán una cadena de interacción. Este tipo de datos son verificables con resultados claros, además de ser lo suficientemente dinámicos y multidimensionales.

Esto no solo es una cuantificación del impacto social, sino que también explora un nuevo segmento de mercado de predicciones: convertir los efectos de difusión abstractos en señales de valor negociables. Con una mayor transparencia en los algoritmos, parece que estas aplicaciones contarían con una base de datos más sólida.