En 1268, la República de Venecia adoptó un complejo procedimiento para elegir a un nuevo dux. Con algunas modificaciones, se mantuvo hasta 1797. Doscientos diez años después, en 2007, Miranda Mowbray, de HP Labs, y Dieter Gollmann, de la Universidad Técnica de Hamburgo, decidieron estudiar aquel extraño mecanismo con las herramientas de la seguridad informática y los protocolos de elección de líderes actuales. El procedimiento veneciano constaba de diez rondas de sorteos y votaciones. Funcionaba de la siguiente manera: del Gran Consejo se sorteaban treinta miembros y luego otro sorteo los reducía a nueve. Estos, a su vez, elegían a cuarenta y, de nuevo, el azar los reducía a doce, que elegían a veinticinco. Otro sorteo más los dejaba nueve, que elegían a cuarenta y cinco; de ellos se sorteaban once, y estos eran los encargados de elegir a los cuarenta y un electores finales. Para conseguir ser el dux se necesitaban veinticinco de estos votos.
Un procedimiento así nos parece completamente loco incluso en esta época en la que estamos acostumbrados a todo. Sin embargo, de loco no tenía nada ya que el sistema funcionaba perfectamente para evitar que se controlara de antemano la elección. Aunque no eliminaba de forma definitiva las alianzas y los sobornos, los investigadores han encontrado en el proceso propiedades de resistencia a la corrupción y de negociación entre facciones que resultan interesantes para el manejo de grupos en redes sociales. Los grupos concertados nos los podemos encontrar en muchos ámbitos, desde acuerdos de citación para inflar indicadores académicos a reseñas fraudulentas en marketplaces donde es importante la valoración de productos. También en los pactos entre votantes o la visibilidad de una noticia en agregadores y redes sociales. Cuando los grupos cerrados actúan para manipular una clasificación se produce un perjuicio que va más allá de colocar a sus miembros por encima de lo merecido ya que si una minoría organizada consigue decidir lo que aparece en portada, el resultado deja de representar la participación independiente que el sistema promete medir.
Uno de los primeros ensayos de moderación distribuida en la web fue Slashdot —que, flipo, sigue activo—. Rob Malda lo puso en marcha en 1997, con el apoyo de Jeff Bates. En 1999 ya disponía de un sistema de karma y moderación que trataba de ordenar las conversaciones. Las valoraciones de los comentarios influían en la reputación de sus autores, y esta era uno de los criterios para seleccionar a quienes recibían permisos temporales de moderación. Lo que se moderaba eran, fundamentalmente, los comentarios; no era un sistema de votación de noticias equivalente al de los agregadores posteriores. En septiembre de ese mismo año llegó la metamoderación: otros usuarios podían valorar si las decisiones de moderación habían sido justas.
Digg, lanzado en 2004, con muy buen criterio decidió que fueran los votos de los usuarios los que visibilizarán las noticias. La plataforma se enfrentó entonces a la coordinación de votos y se ajustó el algoritmo para tener en cuenta la diversidad de los votantes. Los primeros controles no evitaron las campañas de spam, ya que ser portada en Digg se había convertido en relevante mediáticamente. En agosto de 2010, Ole Ole Olson denunció en AlterNet la actuación de un grupo autodenominado como los Digg Patriots, un grupo conservador que se coordinaba mediante Yahoo! Groups para promover determinados enlaces y hundir otros que en menos de un año intercambió cerca de trece mil mensajes. Sus integrantes difundían enlaces con peticiones de voto y avisos urgentes para enterrar contenidos que consideraban liberales reduciendo artificialmente la visibilidad de las noticias que enviaban otros participantes.
En diciembre de 2005, Ricardo Galli y Benjamí Villoslada pusieron en marcha Menéame, inspirado en Digg y desarrollado como software libre. Su sistema distinguía entre el karma de cada usuario y la puntuación de las noticias. La reputación del votante influía en el peso de su voto, pero la promoción a portada incorporaba otros factores. La explicación histórica del algoritmo describe ajustes relacionados con la antigüedad del envío, la rapidez con que recibía apoyo, las categorías y la composición de los votos. No sería correcto resumirlo diciendo que cada voto a una noticia que no alcanzaba la portada hacía perder karma al usuario, ni que el umbral medía directamente la calidad periodística de los contenidos. Menéame también introdujo mecanismos para reducir la influencia de los apoyos concentrados. En 2008 documentó una penalización por afinidad, que rebajaba el peso de los votos de quienes apoyaban una proporción elevada de los envíos de otro usuario. En octubre de 2012 sustituyó aquel mecanismo por un análisis de la diversidad basado en la densidad de grafos. Galli explicó que comparaba el patrón de los votantes de cada noticia con el de las noticias publicadas en los días anteriores, para aplicar bonificaciones o penalizaciones.
La dificultad de estos mecanismos está en distinguir la afinidad legítima de la manipulación. En el caso de Menéame es una confusión muy habitual, al ser un medio progresista varios lectores pueden votar habitualmente los mismos artículos porque comparten intereses, horarios o fuentes —y especialmente una tirria estratosférica a la presidenta de la Comunidad de Madrid—. Los ajustes contra el abuso pueden generar sospechas de arbitrariedad, especialmente cuando un voto pesa menos de lo que esperaba su autor. Publicar el código permite examinar las reglas y discutir sus efectos, aunque también facilita que un adversario las estudie. De ahí no se deduce que un sistema tenga que ser deliberadamente vago para funcionar: la transparencia del algoritmo y la reserva de ciertas señales operativas son decisiones distintas.
Reddit ha recurrido a la ofuscación de los datos de votación. En una explicación pública de 2014, uno de sus administradores describió el origen del vote fuzzing: los contadores se alteraban para dificultar que quienes manipulaban votos averiguasen si estos estaban siendo descartados. Esa práctica no debe confundirse con ocultar temporalmente una puntuación, ni con bloquear silenciosamente una cuenta entera, lo que suele llamarse shadowban. Son mecanismos diferentes, aunque puedan perseguir objetivos relacionados. Tampoco basta con observar que una cifra cambia al recargar una página para demostrar qué tratamiento ha recibido un voto concreto. Hacker News, creado por Paul Graham, también descarta votos mediante controles contra el abuso. Sus preguntas frecuentes lo reconocen expresamente y explican que la posición de las noticias depende tanto de los puntos y el tiempo transcurrido como de otros factores, entre ellos las denuncias de usuarios, el software contra abusos y la intervención de los moderadores. Esa documentación permite afirmar que existe filtrado, pero no reconstruir una regla universal según la cual votar repetidamente a una misma persona anule automáticamente esos votos. Atribuirle un criterio tan preciso exigiría conocer su implementación.
El caso de X es el más reciente y el más elegante, porque aborda el problema desde el lado contrario. Cuando Twitter lanzó Birdwatch en 2021, el sistema de notas de contexto que hoy se llama Community Notes, el equipo de Keith Coleman y Jay Baxter dio por hecho que cualquier votación sería colonizada por los dos bandos de cada disputa y, en lugar de perseguir camarillas, construyó un algoritmo al que no le sirven de nada. El modelo, publicado con su código, descompone cada valoración en una media global, un sesgo del usuario, un sesgo de la nota y el producto de dos vectores que sitúan a usuario y nota en un espacio latente que en la práctica captura la polarización, y solo publica las notas cuyo sesgo propio, lo que queda una vez descontada la afinidad ideológica, supera un umbral. Una nota que entusiasma a un bando y a nadie más no se publica por mucho que la voten, mientras que una que gusta a gente que suele discrepar sale con muy pocos votos. Se lo conoce como algoritmo bridging y no necesita saber quién se coordina con quién, porque la coordinación entre afines es justo lo que descuenta.
El análisis de campañas coordinadas en redes de microblogs es la versión del problema que preocupa a los gobiernos ya que está más que demostrado como influyen en la opinión pública y por ende en las elecciones. El grupo de Filippo Menczer en la Universidad de Indiana lo formalizó en 2021 en Uncovering Coordinated Networks on Social Media, con Diogo Pacheco como primer firmante, y la técnica para evitar las camarillas consiste en elegir una traza costosa de compartir por azar —retuits en los mismos segundos, imágenes con el mismo hash, cambios de nombre en la misma secuencia—, construir el grafo entre cuentas y esa traza, proyectarlo, conservar solo las aristas que un modelo nulo no explica y extraer las componentes conexas; la ventana temporal se elige para cada plataforma y cada conducta, y el coste depende de cuánto cueste extraer la traza. Facebook institucionalizó el concepto en 2018, cuando Nathaniel Gleicher explicó que la empresa perseguiría el comportamiento coordinado no auténtico, es decir, el engaño sobre quién actúa y no la coincidencia de opiniones, porque un sindicato o una asociación vecinal se coordinan sin fingir que sus miembros actúan por separado.
En agosto de 2015 Wikipedia en inglés bloqueó 381 cuentas del anillo Orangemoody, una red de editores de pago que creaba artículos promocionales y extorsionaba después a los interesados; la detección combinó CheckUser, la herramienta que compara direcciones y navegadores, con el patrón de edición, porque una IP coincidente sola no demuestra nada. En 2012 Qiang Cao, de Duke, con Telefónica Research y Tuenti, desplegó en la red social española SybilRank, que reparte confianza desde cuentas verificadas mediante paseos aleatorios cortos sobre el grafo de amistades y la normaliza por el número de conexiones, de modo que las cuentas falsas, unidas entre sí y apenas con usuarios reales, quedan en la cola; de las doscientas mil peor puntuadas, cerca del noventa por ciento merecían suspensión. La Internet Research Agency de San Petersburgo, descrita ya por Adrian Chen en 2015, tardó en ser atribuida cuenta a cuenta por las plataformas hasta 2017, porque sus perfiles se habían construido con paciencia, sin sincronía ni reciprocidad, y solo la infraestructura —pagos, accesos, anuncios— los delató, lo que enseña que contra un adversario con presupuesto el grafo del comportamiento no basta. Y en Reddit, en 2014, la sanción a Unidan, uno de sus usuarios más populares, por votarse con cuentas secundarias mostró que las camarillas de una sola persona existen y se cazan como siempre, comparando direcciones y dispositivos.
El karma de Slashdot, el umbral móvil de Menéame, el recuento alterado de Reddit y la búsqueda de acuerdos entre discrepantes de Community Notes responden de formas distintas al mismo problema: como controlar los votos coordinados para que no visibilicen una realidad artificial. Como en otros ámbitos donde la algoritmia conlleva poder, las soluciones pueden funcionar puntualmente pero, tanto si son públicas como privadas, siempre habrá gente trabajando para evitarlas. Los venecianos combinaron sorteos y votaciones durante diez rondas para dificultar que una facción controlara la elección. Las familias siguieron allí, negociando, formando alianzas y buscando la manera de colocar a uno de los suyos.
