El spam musical ya es el 44% de las canciones nuevas: la paradoja de una IA que suena convincente pero no interesa

Cada día, Deezer recibe alrededor de 75.000 pistas generadas por inteligencia artificial. Eso representa el 44% de las subidas diarias a la plataforma, según reconoció su CEO, Alexis Lanternier, en una entrevista reciente. La mayoría de ellas, sin embargo, apenas logran reproducirse: un estudio de la Universidad de Chicago señala que el 93% de la música creada con IA no alcanza audiencia significativa. Es la paradoja de un fenómeno que ya tiene nombre propio: spam musical o ‘AI slop’.

Producción masiva, consumo casi nulo. Las herramientas de IA generativa como Suno y Udio permiten a cualquiera crear canciones en segundos, eligiendo género y letra. Pero esa misma facilidad ha dado lugar a un fraude: granjas de contenido que inundan las plataformas de streaming con pistas de baja calidad, con la esperanza de capturar algunos céntimos de royalties al estilo ‘spray and pray’. Deezer estima que hasta el 85% de esas canciones totalmente generadas por IA son fraudulentas. Y el problema podría escalar: si la industria no actúa, advierten los investigadores, el AI slop musical se convertirá en un negocio plenamente rentable.

François Pachet, uno de los investigadores más influyentes en música e inteligencia artificial, ha dedicado décadas a entender esta tensión. Ex director del laboratorio de investigación de Spotify y creador de sistemas como el Continuator y Flow Machines, Pachet sostiene que el desafío no es técnico sino conceptual. “El día que escuche una canción de la calidad de los Beatles, diré: ‘Bueno, hemos terminado’. Y nunca he escuchado nada parecido”, afirmó en una entrevista reciente. Para él, el problema de fondo es que en el arte no existe una función de costo clara, ningún criterio estable de calidad que un algoritmo pueda optimizar. La IA puede producir resultados convincentes, pero rara vez interesantes, porque carece de esa brújula.

Esa brecha entre lo convincente y lo interesante tiene consecuencias concretas para las plataformas y los artistas. Los detectores actuales, aunque avanzados, no son infalibles: el sistema de Deezer alcanza una precisión del 99,8%, pero puede pasar por alto dos de cada mil pistas generadas por IA. Además, pequeñas modificaciones en el audio —alterar el tono, añadir reverberación o comprimir el archivo— permiten burlar los controles. “El problema no es la IA como herramienta creativa, sino la facilidad con la que permite inundar las plataformas con contenido prácticamente automático”, explican los investigadores de la Universidad de Chicago.

Para las empresas latinoamericanas que operan o dependen de plataformas de streaming, la situación plantea riesgos operativos y regulatorios. Si los algoritmos de recomendación empiezan a priorizar volumen sobre calidad, la visibilidad de artistas reales —muchos de ellos latinoamericanos que construyen su carrera en estos ecosistemas— podría verse afectada. Los datos del estudio de Chicago son elocuentes: una vez que un usuario escucha una canción generada por IA, la probabilidad de que la siguiente recomendación también sea sintética alcanza el 39,39%. En mercados donde el consumo de música digital crece rápidamente —como Brasil, México o Argentina—, ese sesgo puede distorsionar el descubrimiento de nuevos talentos.

Pachet, que también es músico y compositor, cree que el camino no pasa por prohibir, sino por diseñar sistemas que sean controlables, interactivos y apropiables por los músicos. En su visión, las próximas herramientas dejarán atrás la mera correlación estadística para avanzar hacia modelos conscientes de la estructura musical —neuro-simbólicos— y agentes co-creativos que toquen con el humano en tiempo real. La transparencia, dice, será clave: el 80% de los usuarios encuestados por Deezer e Ipsos en 2025 quiere que la música generada por IA esté claramente etiquetada. El 73% quiere saber si su plataforma le recomienda canciones hechas por máquinas.

Mientras tanto, la industria musical asiste a un proceso que recuerda a otros fenómenos de la economía digital: la producción masiva de bienes de baja calidad que buscan capturar valor en los bordes del sistema. La diferencia, quizás, es que aquí el bien en cuestión es la atención del oyente, un recurso cada vez más escaso. Los detectores mejorarán, pero la pregunta de fondo sigue abierta: ¿cómo se distingue una canción que merece ser escuchada de una que solo suena convincente?