هر بار که چیزی را جست‌وجو می‌کنیم یا صفحه‌ای را باز می‌کنیم، با فهرستی کاملاً بی‌طرف و تصادفی روبه‌رو نیستیم. موتور جست‌وجو معمولاً سه مرحله دارد: خزش برای یافتن داده، نمایه‌سازی برای دسته‌بندی و رتبه‌بندی برای تعیین ترتیب نمایش. سکوهای اجتماعی نیز با سامانه‌های توصیه‌گر، بر اساس سابقهٔ تعامل، علایق احتمالی و هدف تجاری، محتوای بعدی را پیشنهاد می‌کنند.

این فرایند را می‌توان «مهندسی اطلاعات» نامید؛ نه به این معنا که هر تصمیم الگوریتمی توطئه است، بلکه به این معنا که جریان دیدن و دیده‌شدن، طراحی و قابل‌تنظیم است. انتخاب شاخص‌های موفقیت، وزن دادن به تازگی یا محبوبیت، تشخیص محتوای حساس، تعیین سطح دسترسی و هدف‌گیری تبلیغات، همگی تصمیم‌هایی فنی و ارزشی‌اند.

حلقهٔ بازخورد اهمیت زیادی دارد: کاربر روی محتوایی کلیک می‌کند، سامانه آن را نشانهٔ علاقه می‌داند، محتوای مشابه بیشتری نشان می‌دهد و کاربر بیش از پیش در همان مسیر می‌ماند. اگر معیار اصلی فقط زمان ماندن باشد، محتوای هیجانی و تحریک‌کننده ممکن است بر محتوای دقیق اما کم‌هیجان غلبه کند. این نتیجه، الزاماً قصد بدِ یک فرد نیست؛ گاهی پیامد ناخواستهٔ مدل کسب‌وکار و معیارهای ناقص است.

راهکارهای کاهش خطر عبارت‌اند از: مقایسهٔ چند منبع، خاموش کردن اعلان‌های غیرضروری، بررسی تنظیمات شخصی‌سازی، دنبال کردن منابع متنوع، خواندن متن کامل به‌جای تیتر، و مطالبهٔ توضیح دربارهٔ تصمیم‌های حذف یا محدودسازی. در سطح سازمانی نیز ثبت تصمیم‌ها، ممیزی مستقل و امکان اعتراض ضروری است.

پس از شناخت الگوریتم، نوبت به زیرساختی می‌رسد که می‌تواند ارتباط داخلی را امن‌تر، پایدارتر و کم‌هزینه‌تر کند: شبکهٔ ملی اطلاعات.