Toda era de la edición ha tenido su guardián —la estantería del librero, la columna del crítico, la lista del club de lectura— y todo guardián ha hecho la misma promesa y la misma omisión: seleccionar lo mejor, y definir lo mejor como lo que se vende. El guardián más nuevo de la industria, el sistema de recomendación por IA, hace esa promesa en código y la omisión a escala industrial. Lo que se descubre en 2026 es, en primera aproximación, lo que el algoritmo está construido para encontrar; y el oficio apenas empieza a auditar qué, exactamente, está construido para encontrar.

La mecánica merece una mirada más atenta de la que suele recibir. Un motor de recomendación moderno no clasifica libros por calidad; los clasifica por compromiso predicho, medido en los proxies conductuales que la plataforma escoja: tiempo de permanencia, finalización, clics, recompra. Cada proxy es defendible; cada uno también selecciona en silencio por propiedades ortogonales al mérito literario. El libro que engancha en tres páginas supera al que florece en treinta. El iniciador de serie supera al independiente. Lo familiar supera a lo extraño —a menos que lo extraño llegue pre-validado por el clúster de afinidad del lector, en cuyo caso lo supera todo, brevemente, hasta que su novedad decae en la nueva norma del clúster.

Las consecuencias son visibles en los patrones de adquisición. Las editoriales, cuyos datos de ventas ahora están algorítmicamente mediados en un grado que apenas empiezan a modelar, reportan una inclinación medible hacia las propiedades que premia la economía de la recomendación: ganchos de alto concepto, estructuras seriadas, señales de cubierta legibles en miniatura, géneros cuyos lectores devoran y reseñan prolíficamente. Nada de esto es nuevo —los mercados siempre han seleccionado—, pero la selección ahora opera en bucles de retroalimentación medidos en días, con decisiones de novedades tomadas meses antes por personas que leen el clima algorítmico del trimestre pasado. La industria, observó un editor, adquiere ahora libros para un lector que es en parte una máquina.

La contracorriente es real y merece ser cartografiada. Los sistemas de recomendación, con todas sus tendencias aplanadoras, también han abierto nichos que los guardiennes de antaño no podían servir con rentabilidad: el romance de catálogo que encuentra a sus mil lectores en once husos horarios; la traducción literaria que se agrupa entre lectores de obras adyacentes; el no ficción de aficionado cuya audiencia siempre estuvo ahí, simplemente invisible para la economía de estantería. El descubrimiento, en la era algorítmica, es simultáneamente más monótono en la cima y más diverso en la cola —una distribución con un pico alto y un grueso final largo, y un ahuecamiento del catálogo medio en medio.

Las respuestas del editor convergen en los metadatos como palanca que controlan. Datos ricos, estructurados y honestos —títulos comparables, códigos de audiencia, descriptores de contenido, los campos poco glamurosos cubiertos en otras páginas de este periódico— son la principal entrada que las editoriales pueden optimizar para el descubrimiento algorítmico, y la inversión ha seguido en consecuencia. La nueva disciplina de «operaciones de descubrimiento» trata el algoritmo como un canal de distribución con sus propios estándares de especificación, sus propias auditorías de calidad, sus propios gestores de cuenta. La cubierta, dijo un veterano, ahora se escribe dos veces: una para el humano en la tienda, una para la máquina que decide si el humano jamás la ve.

El clima regulatorio gira en los bordes. Las autoridades de competencia de varias jurisdicciones han abierto pesquisas sobre la transparencia de los sistemas de recomendación, con los libros entre los casos de estudio; las obligaciones de revelación de las plataformas, si llegan, darán a las editoriales su primera mirada real a las funciones de ponderación que dan forma a su mercado. La posición de las asociaciones del oficio, fraguada en larga negociación, sostiene que los lectores merecen saber por qué se les recomendó un libro —un principio de transparencia que las plataformas hasta ahora han concedido de forma selecta, en notas al pie, a los reguladores.

La pregunta más honda es qué hace la estantería algorítmica con la propia lectura. Un guardián que optimiza el compromiso moldeará, con el tiempo, el compromiso que mide —entrenando a los lectores en el tempo de los ganchos y en las satisfacciones de lo familiar. El contrapeso histórico del oficio era el selector humano de confianza, cuyo valor residía precisamente en recomendar contra las preferencias demostradas del lector. Si ese contrapeso puede sobrevivir a su traducción al sistema —como señal de entrenamiento, como objetivo de diversidad, como anulación editorial— es la pregunta que la estantería algorítmica responderá, estantería a estantería, recomendación a recomendación, esta temporada y en el código previsible.