La vida digital moderna está definida por una paradoja: las empresas tecnológicas poseen enormes cantidades de datos personales, pero la experiencia del usuario a menudo parece desconectada de ese conocimiento. Por ejemplo, un usuario puede ser rastreado lo suficiente como para que se le muestren anuncios de productos que ya ha comprado, o recibir marketing de servicios que no tiene intención de utilizar. Esto sugiere que, si bien la recopilación de datos es omnipresente, la aplicación de esos datos a menudo sigue siendo 'reactiva', activando una respuesta genérica a una acción reciente en lugar de reflejar una comprensión más profunda de la vida y las preferencias del usuario.
La fricción técnica también surge cuando los servicios priorizan las suposiciones geográficas sobre la configuración explícita del usuario. Un usuario puede tener su ubicación del sistema, el idioma del navegador y la configuración de la cuenta todos establecidos en inglés, y aun así encontrarse redirigido a páginas de destino en finlandés o verse obligado a usar interfaces en alemán cuando viaja o navega desde regiones específicas. Estos fallos indican una ruptura en la forma en que las plataformas priorizan los datos: en lugar de respetar las preferencias específicas que un usuario ha configurado manualmente, los sistemas pueden recurrir a heurísticas generales basadas en la ubicación. Esto crea una experiencia frustrante donde el software parece 'ajeno' a la identidad declarada del usuario a pesar de tener acceso a su perfil de cuenta.
Además, los algoritmos de aprendizaje automático a menudo tienen dificultades para identificar patrones de comportamiento matizados. Un usuario podría omitir consistentemente cada pista vocal en una lista de reproducción de techno durante años, pero el algoritmo podría no reconocer esta preferencia específica. Del mismo modo, una sola búsqueda de instrucciones de instalación para un electrodoméstico específico podría malinterpretarse como un interés a largo plazo en electrodomésticos, lo que lleva a una inundación de recomendaciones irrelevantes. Esto resalta una limitación significativa en los modelos predictivos actuales: a menudo tienen dificultades para distinguir entre una necesidad de utilidad de una sola vez y un interés de consumo persistente. Si bien algunos argumentan que el objetivo de la publicidad es la coerción en lugar de la utilidad, la presencia persistente de 'malas' recomendaciones sugiere que el salto de rastrear a un usuario a comprender verdaderamente su contexto sigue siendo un obstáculo significativo para muchas plataformas.