En el otoño de 2012, Taylor Swift liberado Rojo. Sus ambiciones habían superado a Nashville, y así comenzó un baile delicado: avanzar hacia el pop sin rechazar al público country que la hizo famosa.
Lo intentó con su tercer sencillo de ese disco, “I Knew You Were Trouble”. Coescrito con Max Martín y Shellbackno es una canción country: su estribillo choca contra un bajo sintetizado distorsionado del sintetizador de software “Massive” de Native Instruments con batería programada; las voces pasan por distorsión, compresión, corrección de tono, reverberación y retardo. De hecho, la canción compartía mucho ADN con el pop de boy-band diseñado con precisión de Martin, y los fanáticos se lo comieron: “I Knew” alcanzó el puesto número 2 en el Billboard Hot 100.
¿Y cómo reaccionó la comunidad musical ante la tecnología que llevó a Swift del Bluebird Café al Estadio Nissan? A nadie le importó. Sin reacción del sintetizador. Ninguna campaña para advertir a los oyentes que su voz había sido procesada. No se exige que la canción sea etiquetada como “música asistida electrónicamente”.
Tres décadas antes, la reacción fue muy diferente. En mayo de 1982, la sección central de Londres del Sindicato de Músicos del Reino Unido aprobó una moción para prohibir los sintetizadores y las cajas de ritmos, temiendo que las máquinas quitaran el trabajo a los músicos que trabajaban (¿te suena familiar?). Posteriormente, los sindicatos estadounidenses lucharon contra las “orquestas virtuales” que amenazaban a los músicos de teatro de Broadway.
La tecnología desde entonces ha cambiado; la ansiedad no. ¿Qué sucede cuando una máquina puede realizar un trabajo que alguna vez perteneció a una persona?
Recientemente, una coalición inusualmente amplia (RIAA, IFPI, A2IM, WIN, IMPALA, Recording Academy, SAG-AFTRA y Human Artistry Campaign) propuso que los servicios de streaming etiqueten las grabaciones como “generadas por IA” o “asistidas por IA”. Entiendo por qué los sellos, artistas y fans podrían apoyar esto. Pero el problema es mucho menor de lo que parece. En el mejor de los casos, la propuesta es inútil. En el peor de los casos, miope. He aquí por qué:
1. Casi nadie escucha esta música. Los servicios de streaming contienen ahora más de 253 millones de pistas, según Luminate. Casi la mitad recibió diez transmisiones o menos en 2025; El 88% no obtuvo más de 1.000. Esta es una cantidad insondable de música que nadie escucha: pistas de IA, cargas de aficionados, audio de meditación, karaoke, demos abandonadas. Cargar un archivo no genera audiencia. La mayoría de las pistas de Gen AI aterrizarán en el mismo cementerio que la mayoría de las humanas: disponibles en todas partes, casi nadie las escucha.
Relacionado
2. “Asistido por IA” es casi imposible de definir. ¿Cuenta el dominio de la IA, común desde hace una década? ¿Separación de plicas, corrección de tono, descubrimiento de muestras? ¿Una textura generativa enterrada bajo 80 pistas interpretadas por humanos? ¿Qué pasa si esa muestra de IA es manipulada por un productor? Las grabaciones pasan entre compositores, productores, músicos, ingenieros y mezcladores, cada uno utilizando docenas de herramientas digitales. Pronto (si no ahora), casi todas las grabaciones profesionales pueden implicar aprendizaje automático, y el sello no identificará nada excepcional: simplemente describirá el proceso de grabación moderno.
3. La tecnología de detección no seguirá el ritmo. La detección supone que los modelos generativos dejan artefactos identificables, pero no existe una huella digital universal para la “música de IA”. Los detectores deben estar entrenados en el modelo específico que cazan. Cuando un modelo se actualiza, sus artefactos cambian; Un nuevo modelo pasa desapercibido. Si a esto le sumamos la ingeniería humana y el fraude, la procedencia se desdibuja aún más. Es un juego interminable de golpear al topo, que conduce a falsos negativos y a una precisión y recuperación deficientes. Una etiqueta aplicada de manera inconsistente no es una transparencia significativa.
4. Crea un costoso sistema de cumplimiento sin resolver los problemas subyacentes. Los DSP gastarán sus estrechos márgenes examinando cientos de millones de grabaciones que nadie escuchará, mientras la presión cae cuesta abajo sobre los distribuidores que no pueden certificar con precisión el volumen que procesan, una farsa costosa de transferir la responsabilidad a la cadena de suministro. Después de todo eso, un sello “generado por IA” no mejorará las regalías de los artistas reales (la música generada por IA está por debajo del 3% del fondo actual, como se encontró en un estudio reciente de Deezer, y la mayor parte es fraude, según Deezer y otros informes); Tampoco detendrá el fraude en streaming, evitará infracciones ni detendrá la clonación de voz. Es simplemente más burocracia.
5. No mejorará significativamente la experiencia de los fanáticos. A encuesta reciente de Luminate descubrió que el 42% de los encuestados se interesaría menos en una canción si supiera que la IA generativa estuvo involucrada en su creación, en comparación con el 25% que se interesaría más. Sospecho que el hallazgo refleja cómo se discute la IA en la cultura más amplia, más que el efecto práctico de la IA en lo que los fanáticos realmente escuchan.
Aun así, hay que tomárselo en serio. Existe un argumento legítimo para identificar claramente la música generada íntegramente por IA, particularmente cuando los oyentes podrían creer que están escuchando a un artista humano. Pero eso no justifica la categoría mucho más amplia y turbia de “asistida por IA”. ¿Los oyentes se saltarán una canción que ya les gusta debido a un pequeño símbolo que indica que se utilizó IA en algún lugar del proceso de producción? Probablemente no. La mayoría no sabe ni le importa si una canción usó Auto-Tune, batería programada o masterización por IA. Y “asistido por IA” es tan amplio que no les dice casi nada. Para los oyentes que son especialmente sensibles a la IA, los principales DSP pueden no ser el mejor lugar para buscar una experiencia completamente seleccionada. Ya existen alternativas, incluido Bandcamp, Viga voladizaRadio NTS, descubrir.fm y la infinidad de servicios de radio.
Relacionado
6. Distrae la atención de los problemas que realmente necesitan solución. Los artistas deben estar protegidos de la clonación de voces no autorizada. Las cargas fraudulentas deben eliminarse. Los oyentes no deben dejarse engañar haciéndoles creer que una grabación sintética fue realizada por un artista real. La música totalmente generada por IA no debería cobrar regalías de publicación. Y las cuestiones legales sobre los datos de formación persisten. Pero se trata de problemas específicos que requieren soluciones específicas: concesión de licencias, procedencia, detección de fraude, verificación de identidad, legislación. ¿Se autorizó el trabajo? ¿Alguien fue suplantado? ¿Fueron compensadas las personas que crearon el valor? Una etiqueta genérica no responde a ninguna de esas preguntas.
7. Las etiquetas basadas en tecnología envejecen mal. “Asistido por IA” puede eventualmente parecer como etiquetar una grabación como “digital” en 1999: técnicamente precisa, demasiado amplia para ser útil, rápidamente obsoleta.
Taylor Swift no traicionó el arte humano con sintetizadores y procesamiento digital; Usó la tecnología disponible para ejecutar su visión y hacer crecer su audiencia. Además, la lección del pánico a los sintetizadores no es que la nueva tecnología sea inofensiva, sino que dividir la música en “humana” y “máquina” tiende a envejecer mucho.
Deberíamos identificar el fraude, proteger a los artistas de réplicas no autorizadas, exigir la divulgación cuando una voz sintética se hace pasar por una persona real y mantener la música totalmente generada fuera del fondo de regalías. Pero etiquetar a casi todas las herramientas creativas modernas como “asistidas por IA” no protegerá la creatividad humana: creará una costosa burocracia en torno a una distinción que ya está desapareciendo.
Drew Thurlow es ex vicepresidente senior de A&R en Sony Music, asesor del fondo de inversión Mindset Music Tech y profesor de estrategia musical, innovación e inteligencia artificial en Berklee College of Music. Su primer libro, Música de máquina: cómo la IA está transformando el próximo acto de la músicafue publicado por Routledge en la primavera de 2026.
