17 de junio de 2026
Los músicos están acostumbrados a recibir un pago cada vez que utilizan su trabajo creativo. En las ventas de vinilo/CD, transmisiones, radio, versiones y en numerosos nichos como el karaoke, existen acuerdos sobre lo que significa “uso”. Detrás de esto hay un principio económico simple: cuanto más se usa algo, más dinero genera. Ahora, empresas como Sureel y SoundVerse están trabajando para recrear el principio económico esencial que motiva la creatividad en una era de IA. Este tipo de iniciativas pretenden hacer que la industria de la IA generativa pase de ser culpable del “mayor acto de robo de derechos de autor de la historia” a una que coexista armoniosamente con artistas trabajadores.
Regalías musicales para la era de la IA
sureel, una startup de Warner Music Group acaba de adquirido, se ha asociado con la agencia sueca de derechos de autor ESTIMULAR para explorar el potencial de Los creadores de música recibirán un pago cuando su música se utilice para entrenar herramientas de inteligencia artificial generativa.. El software de Sureel etiqueta los medios en línea, como un archivo de música, con instrucciones determinadas por el propietario. Las instrucciones especifican si una empresa de IA puede utilizar los medios libremente en la formación, limitar su influencia en cualquier conjunto de formación determinado o evitarlos por completo. Luego, el software rastrea cómo la empresa de inteligencia artificial utiliza los medios en la capacitación y establece las tarifas de licencia en consecuencia.
Mientras tanto, los fundadores de la compañía de música con IA SoundVerse “[rechazan] las compras únicas de regalías por considerarlas insuficientes y [abogan] por la participación continua de los artistas en el ciclo de vida de la IA”, escribieron en un Libro blanco 2025. Argumentan que cada vez que un sistema de IA generativa produce un resultado, ciertos datos de entrenamiento desempeñan un papel más importante que otros. Si el sistema produce música parecida al jazz, se puede decir que el jazz del conjunto de entrenamiento ha contribuido más que, digamos, la música folklórica. Por lo tanto, puede recompensar de manera diferencial cada dato de entrenamiento para cada resultado.
El copresidente de Sureel, Benji Rogers, me dijo: “La atribución no se trata de recrear la vieja economía. Se trata de medir, por primera vez, lo que la vieja economía sólo aproximaba”.
Esta atribución de influencia debe hacer algo más que medir superficialmente qué tan similar es un punto de datos de entrenamiento con el resultado de la IA. El desafío es atribuir causalidad, o una relación entre los datos de entrenamiento y la IA entrenada, dice el director ejecutivo de Sureel, Tamay Aykut.
Sin embargo, incluso si la industria de la IA lograra eso, podría alentar a las personas a crear música diseñada para maximizar las regalías de los datos de entrenamiento. Si bien todos los mercados creativos generan nuevos incentivos (la transmisión de música, por ejemplo, ha llevado a que las canciones tengan introducciones más cortas), la industria podría prescindir de otra estructura económica que sea fácil de manipular, en la que el pastiche de ingeniería inversa de alguien desvía las regalías de las obras originales de expresión creativa.
Inferir la influencia de una pieza musical particular en una pieza musical generada, si es que se trata de un problema bien definido, puede implicar principios teóricos de la información más avanzados o modelar el papel histórico real y el impacto de obras individuales. Aykut propone que en sistemas de atribución cuidadosamente diseñados, las obras musicales más inusuales y sin pulir podrían incluso tener más valor inherente que los estándares de radio.
Simon Gozzi, jefe de desarrollo comercial de STIM, dice que la compañía está en el proceso de ver cómo los informes de atribución de Sureel podrían ser la base de los acuerdos de licencia entre músicos y empresas de inteligencia artificial. ¿Podrían las estrategias de atribución de IA generativa no sólo sostener la lógica económica de que “la popularidad paga”, sino también motivar la experimentación y la diversidad musical? Es un concepto convincente cuando el sentimiento público teme con razón la amenaza de la IA generativa a la vitalidad cultural, empujando el poder hacia las empresas tecnológicas, descalificando a los trabajadores creativos, reduciendo los ingresos en el sector creativo y llenando Internet de basura. “La atribución es una de las pocas herramientas creíbles que tenemos”, afirma Rogers.
Existe una ventana de oportunidad para debatir y establecer enfoques para pagar por los datos de capacitación en IA que sirvan a un sector creativo vibrante y sostenible.
El problema técnico de la atribución de datos de entrenamiento es complejo y está mal definido. Así como una estrategia de atribución simplista basada en medir la similitud podría motivar a las personas a aplicar ingeniería inversa a las obras canónicas de un género para capturar regalías, una estrategia de atribución más compleja basada en alguna teoría de la información sobre la originalidad podría ser fácilmente manipulada o no recompensar la producción cultural humana.
Para los trabajadores creativos, hay buenas razones para temer que incluso con las mejores intenciones, la atribución de IA sólo agravará las carreras armamentistas barrocas y opacas que ya están cansados de navegar. Algunas voces dentro del sector de la IA musical también se muestran escépticas. Drew Silverstein, presidente de SourceAudio, dice: “La atribución parecería ser la respuesta obvia, pero tiene fallas en la IA, por lo que tenemos que buscar otros modelos”. Aboga por acuerdos negociados simples con un precio acordado o recurrente anualmente en el momento de la formación.
Mientras tanto, las demandas por derechos de autor que han dominado la revolución de la IA generativa están comenzando a dar paso a un número cada vez mayor de acuerdos negociados en privado, como los que existen entre Universal, Warner y las principales empresas de inteligencia artificial trabajar juntos en modelos de formación con el consentimiento de los derechos de autor. A pesar de poco es seguro, estos acuerdos pueden tener una influencia considerable sobre las normas industriales que surjan.
En este momento, existe una ventana de oportunidad para debatir y establecer enfoques que paguen por los datos de entrenamiento de IA y al mismo tiempo mantengan un sector creativo vibrante. Las soluciones de ingeniería sofisticadas tendrán un papel que desempeñar, pero deben tener en cuenta la complejidad cultural del desafío y permitir la equidad y la transparencia a través de un buen diseño.
Hacer que el entrenamiento en IA valga la pena
Queda por ver si los modelos generativos monolíticos como Suno realmente tienen tanta credibilidad como se promocionó en un principio. En muchas aplicaciones creativas de IA, hay un enfoque renovado en modelos personalizados más pequeños que se adaptan a necesidades expresivas creativas humanas específicas, como RAVE del IRCAM modelo o Filtros de estilo de Jen. Mientras tanto, las aplicaciones creativas más convencionales para “usuarios finales” pueden estar centrándose en la participación de los fans. La repentina caída de Sora por parte de OpenAI, a pesar de estar en negociaciones con Disney y El reciente énfasis de Suno en crear experiencias de participación de los fanáticos que se basen directamente en el trabajo de los artistas., tras su acuerdo con Universal, ambos señalan problemas iniciales en el sector creativo de la IA.
Un cambio hacia modelos y aplicaciones más pequeños y específicos daría más espacio para las alianzas de creadores. Por ejemplo, colectivos de músicos podrían unirse para proporcionar datos de entrenamiento para un modelo personalizado más pequeño, para el cual la división de ingresos podría ser igualitaria o basarse en otros principios de equidad.
Posiblemente lo mismo pueda aplicarse a las arquitecturas de modelos híbridos y los regímenes de capacitación estructurados donde se utilizan diferentes fuentes de datos en diferentes puntos del proceso de capacitación, así como a la generación de recuperación aumentada, que mezcla información específica del contexto con datos de capacitación para mejorar los resultados. Un enfoque que produce peores resultados pero permite vías de atribución más justas o más transparentes puede tener más éxito si incorpora a los creadores flujos de regalías más lucrativos e incluso créditos claros.
Además, no importa cuán sofisticado sea un algoritmo de atribución, siempre se basará en decisiones humanas, que van desde las sabias y justas hasta las arbitrarias y corruptas. Pídale a un experto de la industria musical que le explique cómo se determina el porcentaje dividido entre las regalías de grabación y de composición, y le espera una larga respuesta. En el mejor de los casos, el mecanismo de atribución de datos de formación permitirá un debate abierto e informado sobre lo que hace que nuestros sectores creativos y culturales sean justos y vibrantes. En el peor de los casos, ocultará acuerdos privados ya opacos en complejas cajas negras.
Aquí es donde las políticas nacionales son vitales. La atribución debe ser “multicapa y auditable, abierta al escrutinio de expertos y reguladores”, dice Rogers. Para elaborar dichas políticas se necesitarán conocimientos de informática, musicología, derecho y economía. Los gobiernos competitivos en IA podrán impulsar sus sectores culturales y creativos apoyando a instituciones que cumplan este propósito.
Incluso las economías más neoliberales miran más allá de los mercados para sostener la expresión cultural, ya sea mediante financiación de las artes públicas o medidas como cuotas musicales locales para la radio. A medida que toma forma el impacto económico de la IA generativa en el sector creativo, la tributación, la redistribución y el apoyo activo a las infraestructuras culturales pueden seguir siendo la forma más eficaz de respaldar resultados sociales positivos. Gravar a las grandes IA y redistribuir esos ingresos entre los trabajadores creativos que contribuyeron a la riqueza de la industria es, después de todo, otra “estrategia de atribución de IA”.
Desde su sitio Artículos Artículos relacionados en la Web
Publicado originalmente en espectro.ieee.org el 17 de junio de 2026.
Ver fuente original
