Los lectores de feeds se suponía que evitarían que la gente perdiese el rastro de toda la información publicada en las redes de Inte et y de empresa, aunque lo que hicieron fue hacer que las personas se ahogasen bajo miles de mensajes no leídos. Twitter se suponía que iba a solucionar ese problema permitiendo que la gente confiase en otros para decirles a qué mensajes prestar atención, pero una vez más las recomendaciones de cientos de personas volvieron a abrumar a los usuarios.
Un grupo de científicos informáticos de IBM Research está tratando de resolver verdaderamente el problema de la sobrecarga de información mediante Social Lens, un prototipo de software que se conecta al software social inte o de la empresa. Filtra las actualizaciones realizadas en la red corporativa—ya sean mensajes inte os o enlaces a contenido web exte o—para revelar qué publicaciones son las más relevantes. El usuario comienza eligiendo un tema y sugiere algunos enlaces o personas relevantes para crear una "lente", que es el filtro que limita el contenido. Los usuarios pueden poseer tantas lentes como deseen. A continuación, el sistema encuentra contenido relacionado y personas que tienden a publicar cosas sobre el tema. Clasifica los resultados considerando cómo se relacionan su fuente y el contenido con las sugerencias iniciales, y después clasifica las sugerencias iniciales para determinar cuáles eran las más esenciales. Esto determina lo que es más importante para mostrar al usuario.
Elizabeth Daly, una de las investigadoras involucradas en el proyecto, afirma que Social Lens lleva a cabo varias cosas inusuales para resolver problemas comunes con los filtros. Por un lado, está diseñado a propósito para a filtrar la información por temas en lugar de adaptarse en base a lo que el usuario lee; a Daly le preocupa que este último método de personalización a menudo da como un resultado que un interés domine a los demás. El prototipo también utiliza la información social, pero no está vinculado específicamente a la red social del usuario—Daly cree que existe una distinción importante entre los amigos y las fuentes de información útil. Además de eso, para uso empresarial, los empleados a veces cambian de intereses al moverse entre distintos proyectos y grupos. Para adaptarse a esto, las lentes no están vinculadas a las personas y pueden ser compartidas entre los compañeros de trabajo.
Debido a que Social Lens clasifica la relevancia de la información por la que se mueve, afirma Daly, incluye un control deslizante que los usuarios pueden manipular para ajustar la cantidad de información que reciben. La gente puede configurarlo para que se les muestre sólo la información más importante en una zona, o, cuando tengan más tiempo, pueden ampliar la vista para ver un mayor número de publicaciones. Daly espera que el control deslizante servirá de ayuda a aquellos usuarios que se resisten a ajustar un filtro por miedo a estropearlo—de esta manera, pueden limitar su vista sin cambiar la lente en su aspecto fundamental.
La investigación aún está muy lejos de convertirse en un producto, pero las pruebas hasta ahora han sido alentadoras. Michael Muller, experto en software de colaboración e involucrado en el proyecto, afirma que un pequeño estudio piloto de usuario con empleados de IBM descubrió que las personas puntuaron las publicaciones de Social Lens como las más interesantes, en comparación con los mensajes recibidos desde la red social de un usuario y con un feed simple de publicaciones recientes. Es más, Muller señala que el 47 por ciento del contenido que la herramienta encontró provino de fuera de la red social del usuario, lo que sugiere que captó información que el usuario quizá no podría haber encontrado de otra forma. De esa nueva información, los usuarios consideraron que el 62 por ciento de la misma era muy relevante.
Social Lens está lejos de ser el único proyecto de este tipo, incluso dentro de IBM. En el mismo evento, la compañía hizo una demostración de Audrey, un sistema que trata de resolver el mismo problema centrándose en la personalización. El equipo de Cognición Social Aumentada del Centro de Investigación de Palo Alto también está desarrollando herramientas capaces de ayudar a los usuarios de negocios a navegar por el paisaje de los medios sociales de forma eficiente, y el Fuse Labs de Microsoft está llevando a cabo experimentos similares.
Decididamente es necesario crear tecnologías para perfeccionar el flujo de actualizaciones y así ayudar a las personas a trabajar de manera eficiente, afirma Joanne Cantor, directora de relaciones exteriores del Centro de Investigación de la Comunicación en la Universidad de Wisconsin-Madison, y autora del libro Conquer Cyberoverload. "Nuestros cerebros están diseñados para querer obtener toda esta información y no ser capaces de ignorarla cuando se nos muestra", afirma. "Sin embargo todas estas interrupciones tienden a interferir con nuestra capacidad para realizar nuestro trabajo y ser creativos".
Cantor advierte que muchas herramientas para acortar la información no son muy fáciles de usar y por eso no se adoptan. Las personas también son reacias a confiar en que la herramienta funcione correctamente sin perder actualizaciones importantes a medida que las filtra.
Daniel Tunkelang, ingeniero de Google y experto en recuperación de información, afirma que le gustan las ideas en que se basa Social Lens—el filtrado por temas tiene bastante sentido en un ambiente de negocios debido a la manera en que los empleados cambian de proyecto a proyecto, y sería estupendo poder compartir las lentes con los nuevos empleados o los miembros del nuevo equipo. Sin embargo, afirma, le preocupa el esfuerzo necesario para que los usuarios configuren una lente. Para hacer que los usuarios trabajen más, afirma, cualquier sistema tendría que recompensar realmente a la gente por su esfuerzo extra. Por otra parte, asegura Tunkelang, Social Lens podría tener éxito si un grupo de personas comprometidas crease lentes que después pudieran compartir a lo largo de sus organizaciones.
Muller reconoce que Social Lens tiene que ser más fácil de usar, y que necesita más pruebas, en particular para determinar si funciona mejor que otros métodos de filtrado.