La IA ya no es una promesa: es un torrente en el streaming
La música generada por inteligencia artificial pasó de ser una curiosidad técnica a un problema industrial. Deezer detecta 75.000 canciones creadas con IA cada día, y este contenido representa ya el 44% de sus nuevas subidas diarias, según datos de la propia plataforma. Sin embargo, el consumo real de esas piezas sigue siendo marginal: apenas entre el 1% y el 3% de las reproducciones totales. La cifra clave es otra: hasta el 85% de las escuchas vinculadas a canciones generadas íntegramente por IA presentan indicios de fraude y han sido desmonetizadas por la plataforma. La detección de Deezer no busca castigar la creatividad, sino desactivar una maquinaria económica que usa robots para inflar reproducciones y desviar regalías.
El caso más extremo es el de Michael Smith, un músico de Carolina del Norte acusado en Estados Unidos de crear cientos de miles de canciones con IA y usar bots para reproducirlas miles de millones de veces en Spotify, Apple Music y otras plataformas. La Fiscalía del Distrito Sur de Nueva York calcula que el fraude generó más de 10 millones de dólares en royalties. En un ecosistema donde cada reproducción cuenta para el reparto de ingresos, esta infraestructura fantasma distorsiona el mercado aunque casi nadie escuche esas canciones.
La doble cara de la detección: de los stems a la TV
La respuesta tecnológica avanza en paralelo. Un grupo de investigación de Deezer presentó en arXiv el primer estudio sobre detección de música híbrida, donde se mezclan stems (pistas aisladas) generados por IA con otros creados por humanos. Su hallazgo es revelador: los detectores binarios tradicionales fallan estrepitosamente al enfrentarse a estas mezclas. Dependiendo del balance de energía entre las pistas, los sistemas o no detectan el stem generado o marcan erróneamente toda la canción como artificial. Los investigadores proponen una arquitectura paralela que combina separación de fuentes con clasificadores específicos por stem, logrando resultados alentadores en condiciones controladas. Pero el propio estudio advierte que los artefactos de los generadores no se aíslan de forma fiable con sistemas genéricos de separación.
El problema se agrava fuera del estudio. El paper sobre monitoreo broadcast de la Universitat Pompeu Fabra introdujo BAMM, un dataset de 40 horas de grabaciones reales de TV para evaluar detectores en condiciones reales. Los resultados son desalentadores: los modelos que logran precisión casi perfecta con música limpia en primer plano, se degradan sustancialmente en contextos broadcast, donde la música aparece en segundo plano, mezclada con diálogos y efectos de sonido, y comprimida a bitrates bajos. Incluso con entrenamiento específico para broadcast, los sistemas muestran solapamiento significativo entre las puntuaciones de música IA y humana. La conclusión es contundente: los detectores actuales no son fiables para monitoreo real. La carrera armamentista apenas comienza.
Músicos convertidos en detectives
Mientras tanto, en las trincheras creativas, los artistas han tomado cartas en el asunto. El productor de EDM Max "H4RRIS" Harris, de 26 años, llama a la música generada por IA "una forma de arte señuelo" y publica videos señalando a colegas que cree que usan herramientas generativas sin reconocerlo. Según The Verge, Harris argumenta que el verdadero arte "es creado por personas que intentan expresar sentimientos y mensajes", y que la tecnología solo ofrece "una forma de robar arte real y hacerlo pasar como propio". Su ojo entrenado detecta un silbido agudo en las canciones generadas, un artefacto del proceso de los modelos que trabajan desde bloques de ruido blanco y hacen conjeturas sobre formas de onda.
Pero esta estrategia tiene límites. La encuesta de Deezer e Ipsos en ocho países mostró que el 97% de los participantes no pudo distinguir entre canciones humanas y generadas por IA en una prueba ciega. El 80% exigió etiquetado claro, y el 73% quiere saber si una plataforma le está recomendando música artificial. Las discográficas también presionan: Universal, Sony y Warner demandaron a Suno y Udio por uso no autorizado de grabaciones protegidas. La industria enfrenta una paradoja: los oyentes no perciben la diferencia, pero los sistemas de reparto de ingresos sí necesitan distinguir para sobrevivir.
Qué significa para América Latina
Para las empresas y ejecutivos de la región, el fenómeno tiene tres implicaciones urgentes. Primero, la dependencia de plataformas globales: si Deezer, Spotify y YouTube Music endurecen sus políticas contra la música generada en masa, los artistas y sellos latinoamericanos que ya usan herramientas de IA para producción podrían ver sus ingresos afectados sin previo aviso. El etiquetado obligatorio que piden el 80% de los encuestados no es una cuestión cosmética: define qué se recomienda y qué se desmonetiza.
Segundo, la brecha de infraestructura: los estudios académicos muestran que los detectores actuales fallan en condiciones reales, y las plataformas locales como Deezer tienen herramientas limitadas. Un sello pequeño en México o Colombia difícilmente podrá auditar si sus canciones están siendo suplantadas por clones generados con IA.
Tercero, la regulación incipiente: mientras la Unión Europea avanza con requisitos de transparencia para contenido generado por IA, América Latina recién empieza a discutir marcos legales. El estudio de SGAE en España estima que la IA podría reducir hasta un 28% los ingresos por derechos de autor musicales en 2028.
Si la región no define políticas de etiquetado y verificación, los artistas latinoamericanos —muchos de los cuales dependen de regalías de streaming para subsistir— serán los más vulnerables a un sistema donde la música fake ocupa espacio, genera datos y compite por un dinero común sin aportar valor real. La pregunta no es si la IA llegó a la música: es si la industria regional está preparada para distinguir la señal del ruido.
