Cómo los músicos están luchando contra el robo de música por IA

Cuando Suno y Udio lanzaron sus generadores de música con IA al público en 2024, presentaron un producto de consumo construido sobre una base que la industria musical identificó de inmediato como profundamente problemática: datos de entrenamiento que casi con certeza incluían grabaciones protegidas por derechos de autor, obtenidas mediante scraping sin licencia, consentimiento ni compensación. Dos años después, las batallas legales están en pleno apogeo, los artistas están implementando nuevas herramientas técnicas para proteger su trabajo, y una reflexión más amplia sobre quién se beneficia de la IA entrenada con la creatividad humana está transformando la industria musical. Así están las cosas.

El problema de los datos de entrenamiento

Los generadores de música con IA se entrenan con vastos conjuntos de datos de audio. La calidad del resultado de un generador depende en gran medida de la calidad y el volumen de sus datos de entrenamiento, lo que significa que los mejores resultados provienen de modelos entrenados con las mejores grabaciones profesionales. Esas grabaciones tienen derechos de autor. El argumento legal central de artistas y sellos es directo: usar música protegida por derechos de autor para entrenar un producto de IA comercial sin licencia ni consentimiento constituye una infracción de derechos de autor, independientemente de si los resultados del modelo reproducen directamente esas grabaciones.

El contraargumento de las empresas de IA ha sido el "uso transformador": argumentar que el entrenamiento es análogo a un músico humano que escucha y aprende de la música, y que los resultados de la IA son obras transformadoras en lugar de reproducciones de los datos de entrenamiento. Los tribunales están analizando este argumento ahora, y los resultados definirán el derecho de la música con IA en el futuro previsible.

Las demandas

La Asociación de la Industria Discográfica de Estados Unidos (RIAA) presentó una demanda contra Suno y Udio en junio de 2024, en representación de Universal Music Group, Sony Music y Warner Music Group, una coalición que cubre la gran mayoría de la música grabada comercialmente relevante. Las demandas alegan infracción de derechos de autor por usar grabaciones con derechos de autor en los datos de entrenamiento y buscan daños legales que, si se aplicaran a la escala completa de la presunta infracción, podrían llegar a miles de millones de dólares.

En paralelo, artistas individuales han presentado o se han unido a demandas colectivas. Estas incluyen a destacados artistas discográficos que alegan no solo infracción de derechos de autor en el entrenamiento, sino reclamaciones adicionales: derecho de publicidad (su voz y estilo siendo comercializados sin consentimiento); vestimenta comercial o "trade dress" (música generada por IA que imita su sonido reconocible); y competencia desleal. Las demandas colectivas agrupan las reclamaciones de muchos artistas cuyo trabajo se usó en los datos de entrenamiento, aumentando los daños potenciales y el alcance del desafío legal.

Fuera de Estados Unidos, la Ley de IA de la UE crea requisitos explícitos sobre la transparencia de los datos de entrenamiento y establece derechos para que los titulares de derechos puedan optar por que su trabajo no se use en el entrenamiento de IA. Varios artistas y sociedades de gestión colectiva europeos han iniciado acciones bajo este marco.

Lo que están haciendo los artistas en la práctica

Más allá de los tribunales, los artistas están siguiendo varias estrategias prácticas.

Optar por quedar fuera de los conjuntos de datos de entrenamiento. Varias empresas de IA han implementado mecanismos de exclusión que permiten a los titulares de derechos solicitar que su trabajo no se use en entrenamientos futuros. Las limitaciones prácticas son significativas: las exclusiones son prospectivas, no retroactivas (no afectan a los modelos ya entrenados con la obra); requieren que el titular de los derechos identifique su obra específicamente; y el cumplimiento es voluntario y no verificable. Muchos artistas consideran que las exclusiones son inadecuadas dado que el entrenamiento inicial ocurrió sin consentimiento.

Usar herramientas de "envenenamiento". Investigadores de la Universidad de Chicago desarrollaron una herramienta llamada Nightshade que modifica sutilmente las imágenes de formas invisibles para el ojo humano, pero que corrompen el entrenamiento de la IA, haciendo que los modelos entrenados con imágenes envenenadas produzcan resultados degradados e incorrectos. Se están desarrollando herramientas similares para el audio. AudioShield y proyectos similares buscan modificar las propiedades espectrales de las grabaciones publicadas de formas que no afectan la calidad perceptual pero que interfieren con la manera en que los modelos de IA pueden aprender de ellas. La eficacia práctica de estas herramientas a gran escala sigue siendo debatida, pero representan una novedosa contramedida técnica.

Exigir transparencia. Varias organizaciones de defensa de los artistas, incluidas la Artist Rights Alliance y la Future of Music Coalition, están presionando para que se exija la divulgación obligatoria de los datos de entrenamiento. Según sus propuestas, cualquier generador de música con IA que se venda comercialmente estaría obligado a mantener y publicar un registro detallado de toda la música usada en el entrenamiento, permitiendo a los titulares de derechos verificar si su obra fue incluida y buscar los remedios apropiados.

Negociaciones de licencias colectivas. Algunas sociedades de gestión colectiva y grupos de defensa de artistas están negociando marcos de licencias para toda la industria en lugar de perseguir reclamaciones individuales. La lógica es pragmática: incluso si las empresas de IA están legalmente obligadas a licenciar los datos de entrenamiento, los artistas individuales carecen de los recursos y el poder de negociación para conseguir acuerdos significativos. Los arreglos colectivos, similares a cómo operan las organizaciones de derechos de ejecución (PRO) como ASCAP y BMI, podrían ofrecer una cobertura más amplia y una distribución de ingresos más justa.

El ángulo de las plataformas de streaming

Las plataformas de streaming tienen una relación complicada con la música con IA. Por un lado, la música generada por IA que inunda los catálogos de streaming diluye las regalías por reproducción pagadas a los artistas humanos (ya que los fondos totales de regalías se dividen entre todas las reproducciones). Spotify, Apple Music y otras han implementado políticas que exigen la divulgación del contenido generado por IA y, en algunos casos, restringen la música generada por IA de ciertas ubicaciones de alta visibilidad. Por otro lado, las plataformas se benefician del aumento del volumen de catálogo.

El problema de la dilución de regalías es particularmente agudo. Un generador de IA que puede producir contenido ilimitado, distribuido en millones de pistas bajo nombres de artistas falsos, teóricamente podría capturar una parte significativa de las regalías de streaming a un costo marginal casi nulo. Varias plataformas de streaming han identificado y eliminado operaciones coordinadas de manipulación de música con IA, pero la detección y la eliminación son reactivas y la escala es difícil de gestionar.

La IA y la identidad del artista

Una preocupación distinta y posiblemente más personal para muchos artistas es la clonación de voz con IA y la imitación de estilo: usar IA para generar música "al estilo de" o imitando directamente la voz de artistas específicos. Cuando una herramienta de IA puede generar una canción que suena como si la hubiera hecho un artista específico, la marca, la reputación y el valor comercial de ese artista se ven afectados, incluso si no se reprodujo directamente ninguna grabación específica.

Varios casos de alto perfil han puesto esto en la atención pública: "nuevas pistas" generadas por IA de artistas fallecidos, versiones con voz clonada que circularon como genuinas, y pistas generadas por IA publicadas bajo nombres de artistas falsos que imitaban las identidades de artistas reales lo suficientemente cerca como para confundir a los fans. La ley de derecho de publicidad ofrece cierta protección contra el uso comercial de la voz e imagen de un artista sin consentimiento, pero hacer cumplir esto contra contenido generado por IA de forma anónima a escala de internet es prácticamente difícil.

El marco de consentimiento y compensación

El marco hacia el que están presionando los defensores de los artistas tiene tres pilares: consentimiento (los artistas deben aceptar afirmativamente que su música se use en el entrenamiento de IA), transparencia (los datos de entrenamiento deben documentarse y divulgarse) y compensación (los artistas deben recibir un pago justo por el uso de sus datos en el entrenamiento). Este marco ya se refleja parcialmente en la Ley de IA de la UE y es la base de propuestas legislativas activas en Estados Unidos, el Reino Unido, Canadá y Australia.

No está claro si este marco se establecerá mediante litigios, legislación o estándares negociados de la industria, ni en qué plazo. Los casos judiciales no se resolverán rápidamente; los grandes litigios de derechos de autor suelen tardar años. La legislación en Estados Unidos ha avanzado lentamente. Mientras tanto, la industria de la música con IA sigue operando, los artistas continúan resistiendo por todos los canales disponibles, y lo que está en juego comercialmente crece con cada nueva iteración de modelo.

Qué pueden hacer los oyentes

Los consumidores de música tienen más agencia en este debate de lo que podrían pensar. Elegir escuchar y apoyar a artistas humanos (transmitiendo su música verificada, asistiendo a presentaciones en vivo y comprando directamente a los artistas) mantiene el flujo de regalías hacia los creadores humanos. Aprender a identificar la música generada por IA (usando herramientas como SUS IT, o desarrollando el oído para las señales descritas en nuestra guía de detección) y evitar la música con IA empaquetada engañosamente como hecha por humanos es una forma de participación activa en el debate sobre qué valoramos en la música. El futuro de la industria musical estará moldeado en parte por lo que las audiencias elijan premiar.