Vía Tempo&Stomp
Varias de las organizaciones más representativas de la industria se han posicionado a favor del etiquetado de IA en grabaciones musicales. Proponen un sistema voluntario para distinguir entre grabaciones generadas por IA y grabaciones asistidas por IA.
Entre las organizaciones firmantes se encuentran IFPI, RIAA, A2IM, WIN, IMPALA, The Grammys, SAG-AFTRA y Human Artistry Campaign.
La propuesta plantea que las pistas pueden marcarse con dos niveles de etiquetado en función del uso total o parcial de IA generativa.
- Bajo la etiqueta AI-Generated estarían aquellas grabaciones en las que la IA generativa haya producido la totalidad o una parte sustancial de los elementos creativos de la grabación tales como una voz principal, una interpretación instrumental clave o música que haya sido generada íntegramente a partir de prompts.
- AI-Assisted se aplicaría a grabaciones creadas principalmente por humanos, pero que han utilizado de forma puntual herramientas de IA generativa para determinados elementos expresivos.
El objetivo es que esta información aparezca de forma visible en las plataformas de streaming, de manera similar a otros marcadores que ya existen.
Retos en la aplicación y gobernanza
Sin embargo, el sistema plantea una serie de dudas sobre el fondo y la manera de implementarse que recuerdan a los problemas de gobernanza del repertorio musical.
Por ahora, se refiere a grabaciones sonoras y no cubre el uso de IA generativa en letras, composición, vídeos musicales o portadas. Tampoco resuelve por sí mismo cuestiones como el consentimiento, las licencias necesarias, el entrenamiento de los modelos o la remuneración.
Además, se trata de un sistema voluntario por lo que su utilidad depende totalmente de tres factores en puntos distintos de la cadena de valor:
- Que las plataformas lo adopten como sistema de etiquetado.
- Que los sellos, artistas y distribuidores declaren correctamente el uso de IA.
- Que esa información viaje de forma fiable a través de la cadena de metadatos.
Por tanto, queda abierta una cuestión práctica fundamental relativa a quién es el responsable de aplicar, verificar y corregir esas etiquetas, con los mismos retos del resto de metadatos.
Si las plataformas se limitan a mostrar información declarada por terceros, el sistema dependerá de la calidad de los metadatos que reciban de artistas, sellos, agregadores y distribuidores. En ese caso, la transparencia no dependerá solo del diseño de una etiqueta, sino de la gobernanza de toda la cadena que produce, distribuye y valida esa información.
Autoría, percepción y monetización
Para músicos y artistas, el etiquetado de IA no es solo una cuestión informativa para los oyentes, sino que también puede influir en cómo se perciben la autenticidad, la autoría y el valor de una grabación dentro de las plataformas, que actualmente concentran la mayor parte del consumo de música. En algunos casos, también puede afectar a la monetización en función de las políticas de cada plataforma.
Una etiqueta demasiado amplia puede penalizar usos legítimos de herramientas de IA por parte de artistas humanos, pero una etiqueta demasiado débil o mal aplicada puede invisibilizar grabaciones en las que la aportación humana sea marginal.
El reto de fondo es que la transparencia depende de que los datos en origen sean fiables.
Si la información sobre el uso de IA procede solo de declaraciones voluntarias y no existen controles suficientes en la cadena de distribución, el etiquetado puede terminar siendo incompleto, inconsistente o difícil de verificar tal y como ha ocurrido tradicionalmente con otros problemas de identificación, atribución de participación y gestión del repertorio.