Atención y juicio: cómo cambia la crítica literaria en la era algorítmica

Atención y juicio: cómo cambia la crítica literaria en la era algorítmica

La crítica literaria siempre trabajó con mediaciones: catálogos, reseñas, bibliotecas, programas universitarios y conversaciones entre lectores. La novedad de los sistemas algorítmicos no es que introduzcan una mediación, sino que ordenan la visibilidad a una velocidad y una escala difíciles de percibir. Recomiendan un libro, resumen una trama, agrupan palabras y sugieren parecidos. Pero encontrar un patrón no equivale a formular un juicio crítico.

La atención no es una métrica

Un sistema puede registrar clics, tiempo de permanencia o coincidencias de vocabulario. Esos datos ayudan a describir circulación, pero no dicen por sí solos qué hace valiosa una obra. La lectura crítica empieza cuando alguien puede explicar una forma, una decisión narrativa, una tensión histórica o un efecto de lenguaje y sostener esa explicación con pasajes y contexto.

La diferencia importa porque una obra difícil puede tener poca visibilidad y, sin embargo, abrir preguntas que una recomendación basada en popularidad no detecta. La crítica no debe convertir la atención en una competencia de rendimiento. Su tarea también consiste en defender el tiempo improductivo de leer algo que no se deja consumir de inmediato.

Qué pueden hacer las herramientas

Un buscador de corpus puede ayudar a encontrar repeticiones, cambios de vocabulario o relaciones entre autores. Una visualización puede volver visible una hipótesis de archivo. Un asistente puede proponer un esquema de lectura o comparar ediciones. Estas funciones son útiles cuando el crítico define la pregunta, conoce el material y revisa el resultado.

La herramienta falla cuando el procedimiento reemplaza la lectura. Un resumen puede borrar la voz, una clasificación puede confundir presencia con importancia y una semejanza estadística puede ocultar diferencias de género, época o intención. El resultado no es falso automáticamente; es insuficiente si no sabemos qué corpus se usó, qué quedó afuera y cómo se corrigieron los errores.

El corpus también tiene una política

Franco Moretti popularizó la idea de la lectura distante para observar grandes conjuntos de textos; Matthew Jockers desarrolló métodos de análisis cuantitativo de literatura. Sus trabajos no eliminan la interpretación: cambian la escala de la pregunta. Hoy conviene sumar otra pregunta previa: quién digitalizó el archivo, con qué criterios, en qué idioma y bajo qué permisos.

Un modelo entrenado con catálogos desiguales puede repetir jerarquías editoriales como si fueran propiedades naturales de la literatura. Si una autora aparece poco, el sistema puede leer esa ausencia como falta de relevancia cuando en realidad falta preservación, traducción o acceso. La transparencia del corpus es parte de la argumentación crítica.

Citar, verificar, interpretar

Una crítica asistida por herramientas debería dejar una pequeña ficha de trabajo: edición consultada, corpus o base usada, operación realizada y límites del resultado. Las referencias primarias siguen siendo indispensables. Una etiqueta algorítmica puede orientar la búsqueda, pero no reemplaza la cita de una obra ni la lectura del pasaje donde se apoya la interpretación.

También hay que declarar qué parte del proceso fue automatizada. La honestidad no disminuye el valor del ensayo; permite que otro lector distinga dato, inferencia y opinión. La atribución debe incluir tanto a los autores estudiados como a las herramientas que intervinieron, sin presentarlas como sujetos de autoridad.

Volver al juicio

La crítica literaria no compite con el algoritmo en velocidad. Puede usarlo para ampliar preguntas, revisar archivos y encontrar conexiones, pero conserva una responsabilidad que no se delega: elegir qué importa, explicar por qué y responder por la interpretación. En la era algorítmica, leer bien requiere más atención, no menos. El juicio empieza donde termina la coincidencia automática.