Tinder lleva años sabiendo que su producto central está roto. El swipe infinito, diseñado para mantener usuarios en la app, terminó generando exactamente lo contrario: fatiga, matches sin intención y la sensación de estar comprando algo en lugar de conocer a alguien. El 13 de marzo de 2026, la compañía intentó responder con su primera keynote global: Tinder SPARKS 2026.
Lo que presentaron no es solo una actualización de funciones. Es una apuesta concreta por redefinir qué significa “hacer match” en la era de la IA, pasando de un modelo de volumen a uno de compatibilidad real.
¿Qué es Chemistry y por qué importa?
La función estrella se llama Chemistry. En lugar de mostrar cientos de perfiles para que el usuario deslice, el sistema analiza el perfil completo —respuestas a preguntas, fotos, patrones de comportamiento— y entrega un conjunto diario de matches con alta probabilidad de compatibilidad real. Actualmente en piloto en Australia y Nueva Zelanda, con expansión confirmada a EE.UU. y Canadá.
IA para el Resto de Nosotros
La nueva versión de mi curso estrella para aprender a usar la IA de forma práctica, simple y útil en tu día a día. Comienza el 24 de marzo.
→ Inscríbete hoy 🚀La lógica detrás de Chemistry es simple pero importante: el problema del swipe no es técnico, es de diseño de incentivos. Un sistema que muestra más perfiles genera más tiempo en la app a corto plazo, pero destruye la confianza del usuario a largo plazo cuando ningún match termina en una conversación real. Chemistry apuesta por menos, pero mejores opciones.
Las otras apuestas: Learning Mode, Astrology y Music
Complementando a Chemistry, Learning Mode ajusta las recomendaciones en tiempo real con cada interacción dentro de la app, no solo los swipes, sino también el tiempo de lectura, los mensajes enviados y las respuestas recibidas. Es un feedback loop que mejora cuanto más se usa el sistema.
Astrology Mode incorpora compatibilidades de sol, luna y ascendente a los perfiles. Suena banal, pero los propios datos de Tinder muestran que aumenta significativamente la tasa de likes recibidos. La señal real aquí no es astrológica, es cultural: los usuarios quieren más señales de identidad blanda para romper el hielo, y cualquier elemento que facilite la conversación inicial tiene valor.
Music Mode renueva la integración con Spotify para priorizar gustos musicales compartidos. Mismo principio: gustos compartidos como detonador de conversación.
Camera Roll Scan y Tinder Connect: el problema del dato inicial
Uno de los problemas silenciosos de las apps de citas es la calidad del perfil inicial. La mayoría de los usuarios no sabe cómo presentarse o no quiere invertir tiempo en eso. Camera Roll Scan (opcional) escanea las fotos del dispositivo para detectar intereses y estilo de vida automáticamente, enriqueciendo el perfil sin formularios.
Tinder Connect permite integrar datos de otras apps —Duolingo, Beli— para añadir capas de contexto. En vez de competir con apps de nicho, Tinder las convierte en proveedoras de señal. Es un movimiento de plataforma, no de producto.
La apuesta más estratégica: el mundo offline
Quizás el movimiento más relevante de SPARKS 2026 no es ninguna función de IA. Es la apuesta por la transición offline. Los Eventos Presenciales —talleres, noches de trivia, clases grupales— permiten que usuarios que se matchearon en la app se encuentren en contextos reales estructurados. Actualmente en piloto en Los Ángeles.
El Video Speed Dating agrega una capa de video en tiempo real dentro de la app para que los usuarios se conozcan antes de decidir si quieren quedar en persona. Reduce el “riesgo” del primer encuentro físico al agregar una instancia intermedia.
Por qué importa
Tinder no es solo una app de citas. Es uno de los casos de estudio más claros de cómo el diseño de un producto puede optimizar métricas de corto plazo y destruir el valor percibido del producto al mismo tiempo. El swipe infinito aumentó el tiempo en la app y mató la intención del usuario.
Lo que SPARKS 2026 plantea es una corrección estructural: usar IA no para dar más opciones, sino para dar mejores opciones. El movimiento tiene riesgos —los usuarios de Tinder son enormemente heterogéneos y lo que funciona en Australia puede fracasar en otros mercados— pero la dirección es correcta.
Para quienes trabajan con productos de consumo masivo o IA aplicada, la lección más importante no es técnica: es que a veces el mejor uso de la inteligencia artificial no es escalar el comportamiento existente del usuario, sino corregirlo. Vale también mirar cómo Bumble está abordando exactamente el mismo problema con su propio asistente de IA.
