Música generada por IA: detectarla es solo la primera batalla

Collage editorial de NotNoise con tarjetas de playlist color crema pasando por un detector, fragmentos sintéticos verdes al descubierto y una mano de artista en semitono sujetando un hilo rojo de procedencia.
··11 min de lectura

El 11 de junio, Deezer convirtió una pelea entre plataformas en un botón que cualquier oyente podía pulsar.

La compañía lanzó un detector gratuito de música generada por IA para playlists y asegura que funciona en 20 grandes plataformas de streaming y en 27 idiomas. La cifra pensada para el titular es la que debería poner en alerta a los artistas independientes: según Deezer, el 43% de las personas que llegan desde otras plataformas de streaming ya tiene música generada por IA en sus playlists.

Ahí es donde el debate sobre la música generada por IA sale de la mesa redonda de la conferencia. No es una demanda, una ronda de financiación ni la demo de un prompt que crea una canción falsa sobre un desamor de verano. Es un oyente que importa una playlist y descubre que la música sintética ya estaba ahí, junto a canciones hechas por personas que pagaron horas de estudio, persiguieron a sus colaboradores, subieron metadatos, suplicaron atención y esperaron que el algoritmo no parpadeara.

Y entonces el botón se topa con el primer problema real. En la página de la comunidad de Deezer, un usuario dijo que le gustaba la idea, pero escribió: "I would have appreciated to know which songs were actually tagged as AI, this doesn't really tell me much".

Toda la discusión cabe en esa queja. Un porcentaje puede asustarte, pero no te dice en qué confiar, qué eliminar, qué denunciar, qué pagar ni qué debería hacer un artista a continuación.

Sí, existen detectores de música con IA. La pregunta difícil es qué cambian realmente.

Collage editorial de NotNoise con una tarjeta de playlist en blanco bajo un haz de detector cian, fragmentos sintéticos verdes al descubierto y una mano en semitono sujetando un hilo rojo de procedencia suelto.
Un detector puede mostrar una señal, pero no construye el proceso que viene después.

Si has llegado aquí preguntándote si existe un detector de música con IA, la respuesta corta es que sí. El escáner público de Deezer puede analizar playlists, y su página del detector dice que la herramienta puede escanear hasta 100 playlists y señalar música con IA a partir de artefactos en la señal de audio. Las preguntas frecuentes de Deezer afirman una precisión del 99,8%, con una posible tasa de fallo de 2 de cada 1.000 pistas generadas por IA y menos de 1 de cada 10.000 canciones auténticas marcadas por error. Otras páginas en los resultados de búsqueda venden verificadores y informes a nivel de archivo.

Eso responde a la pregunta sobre la herramienta. No responde a la pregunta del artista.

Para un músico, el peligro no es solo que existan pistas de IA. El peligro es que plataformas, distribuidoras, sistemas de playlists y oyentes reaccionen de forma distinta ante la misma pista. Una plataforma puede etiquetar. Otra puede sacarla de las recomendaciones. Otra puede permitir declararlo en los créditos. Otra puede prohibir el uso sustancial de IA y depender de las denuncias.

Una puntuación del detector suena limpia porque es un número. Pero la industria musical no se vuelve limpia por que aparezca un número.

La detección solo sirve cuando desemboca en una política, un proceso o una vía de apelación. Sin eso, es ansiedad con panel de control.

Deezer lo entiende mejor que la mayoría, porque no se limita a publicar un escáner de novedad. La compañía dice que lleva más de un año detectando y etiquetando música generada por IA, y que las canciones etiquetadas como IA quedan excluidas de las recomendaciones algorítmicas y de las playlists editoriales de Deezer. TechCrunch también informó del mismo contraste: Deezer apuesta por una vía más intervencionista, mientras que Spotify y Apple Music se inclinan por etiquetar y declarar.

El detector de playlists importa porque convierte un problema de confianza interno en un hecho visible para el oyente. Cuando los oyentes pueden escanear sus bibliotecas, las plataformas pierden el lujo de tratar la contaminación sintética del catálogo como algo que solo deben entender los titulares de derechos y los equipos antifraude.

Las cifras de Deezer son feas. El porcentaje de reproducciones cuenta una historia más afilada.

La cifra más grande de la actualización de abril de Deezer es fácil de repetir y fácil de malinterpretar. Deezer dice que ahora recibe casi 75.000 pistas generadas por IA cada día, lo que representa cerca del 44% de las entregas diarias totales y más de 2 millones de pistas de IA al mes.

La curva de crecimiento es peor que la foto fija. En enero de 2025, cuando Deezer anunció su herramienta de detección, dijo que se entregaban diariamente unas 10.000 pistas totalmente generadas por IA, es decir, cerca del 10% de las entregas diarias. En abril de 2026, Deezer dijo que la cifra había pasado a 75.000 al día.

Eso no significa que la música de IA se haya apoderado de la escucha. Deezer dice que la música de IA supone solo entre el 1% y el 3% de las reproducciones en su plataforma. Esa cifra menor es más útil que el dato gigante de subidas, porque separa dos problemas que a menudo se mezclan.

El primer problema es la contaminación del catálogo. Una plataforma puede inundarse de subidas que casi nadie busca a propósito. Aun así genera trabajo: ingesta, detección, etiquetado, aplicación de normas, decisiones de almacenamiento, filtrado de recomendaciones y revisión de fraude.

El segundo problema es la atención y el dinero. Si esas pistas se empujan hacia sistemas de recomendación, playlists de ambiente, perfiles de artista falsos o bucles de bots, pueden afectar al fondo de regalías y a la experiencia del oyente aunque los oyentes normales no las busquen activamente.

Deezer dice que hasta el 85% de las reproducciones de pistas generadas por IA en 2025 fueron fraudulentas y se desmonetizaron. Music Business Worldwide informó de las mismas cifras de 75.000 pistas, 44%, 1% a 3%, 85% y 13,4 millones de pistas etiquetadas, y advirtió de que muchos de esos números siguen proviniendo de Deezer.

Esa atribución importa. Deezer tiene un interés comercial en que su detector parezca necesario. Pero también es una de las pocas plataformas que pone números sobre la mesa. Los artistas deberían mantener ambas ideas a la vez. Ser escéptico no es lo mismo que ignorar los únicos recibos disponibles.

La lección práctica es directa: el volumen de subidas y el volumen de escucha son batallas distintas. Un artista humano no compite con 75.000 pistas de IA diarias como compite con el artista del siguiente cartel local. Compite con un sistema de plataforma que tiene que decidir qué se almacena, qué se muestra, qué se etiqueta, qué se recomienda, qué se monetiza y qué se elimina.

Detectar no es lo mismo que tener una política.

Collage editorial de NotNoise con una tarjeta de canción detectada y brillante que se divide en puertas de política sin etiqueta: etiquetado, rebaja, filtro de fraude, eliminación y apelación.
La pregunta importante es qué pasa después de que una pista se etiqueta.

La palabra detector hace que todo suene más resuelto de lo que está.

El conjunto de políticas de Deezer es relativamente contundente. Dice que las canciones detectadas como IA se eliminan de las recomendaciones algorítmicas y de las playlists editoriales, que las reproducciones falsas se filtran y se desmonetizan, y que la compañía ha dejado de almacenar versiones de alta resolución de las pistas de IA. Eso es detección más acción.

La actualización de Spotify sobre protección frente a la IA toma otro camino. Spotify dice que eliminó más de 75 millones de pistas spam en los últimos 12 meses, está endureciendo las normas contra la suplantación, está probando tácticas de prevención del lado de las distribuidoras y apoya las declaraciones de uso de IA mediante los créditos DDEX. También dice que el uso de IA es un espectro, no una simple etiqueta de sí o no, y que la ausencia de un crédito no prueba que no se haya usado IA.

Esa última frase es importante. Los sistemas de declaración dependen de que el envío sea honesto. Los sistemas de detección dependen de la confianza técnica. Los sistemas de aplicación de normas dependen de los incentivos de la plataforma. Nada de eso es lo mismo.

La política de Bandcamp de enero de 2026 es más estricta en espíritu. Pide a los usuarios que señalen la música que parezca hecha por completo o con gran dependencia de IA generativa, y dice que Bandcamp se reserva el derecho de eliminar música por sospecha de que sea generada por IA. Los comentarios bajo la publicación muestran la tensión evidente: muchos usuarios quieren una protección que priorice lo humano, mientras que otros temen que aplicar normas por sospecha pueda castigar la música electrónica experimental, el trabajo basado en samples o a artistas que simplemente suenan demasiado pulidos, demasiado sintéticos o demasiado raros para la sala.

Estas plataformas no convergen en una sola norma. Están probando respuestas distintas a la misma pregunta: cuando la música sintética entra en el catálogo, ¿la plataforma la etiqueta, la rebaja, la desmonetiza, la elimina, pide una declaración a la distribuidora o espera a que alguien se queje?

Esa respuesta lo cambia todo para los artistas independientes. Una etiqueta sin rebaja puede ser una función de transparencia. Una etiqueta con rebaja puede ser una decisión económica. Una marca de fraude puede convertirse en una decisión de pago. Una denuncia por suplantación puede convertirse en un mecanismo de protección de identidad. Una prohibición vaga puede convertirse en una pesadilla de falsos positivos.

La pregunta útil para el artista es simple: ¿qué pasa después de que una pista se etiqueta?

Los detectores pueden crear su propio problema de confianza.

Hay dos lecturas malas a ambos lados de la evidencia. Una dice que los detectores de IA no funcionan y que todos deberían entrar en pánico. La otra dice que Deezer construyó el escáner y el problema está resuelto. Ambas se pierden el trabajo que tienen delante los artistas.

La página pública del detector de Deezer hace una afirmación fuerte sobre su precisión. El lenguaje de declaración de Spotify apunta a una verdad más enrevesada. La sección de comentarios de Bandcamp muestra el riesgo humano de la sospecha. Y en los hilos de Reddit sobre detectores de música con IA y spam de IA en Spotify, músicos y creadores de música con IA ya discuten sobre la falsa confianza, los flujos de trabajo híbridos, el abuso de pagos y si a los oyentes les importa siquiera el proceso.

La razón es obvia para cualquiera que haya hecho música moderna. La producción humana lleva décadas asistida por máquinas. El reemplazo de batería, la corrección de tono, los loops, los packs de samples, la programación MIDI, los parches de sintetizador generativos, la separación de stems, la afinación vocal y las herramientas de masterización difuminan la línea ingenua entre lo orgánico y lo artificial. Al mismo tiempo, las pistas totalmente sintéticas pueden imitar la superficie del sentimiento humano lo bastante bien como para colarse en la escucha de fondo.

La música hecha por máquinas puede sonar humana. La música hecha por humanos puede sonar a máquina. Enhorabuena a todos los implicados: hemos inventado otra forma de que los artistas sean malinterpretados.

Eso no hace que la detección sea inútil. Significa que el resultado de un detector debe tratarse como evidencia dentro de un proceso, no como una letra escarlata pública. Un sistema fiable necesita definiciones claras, umbrales claros, apelaciones, responsabilidad de las distribuidoras y una forma de distinguir el trabajo humano asistido del spam de catálogo totalmente generado.

Esto importa sobre todo para los artistas que no encajan con facilidad en las expectativas de las plataformas. Productores experimentales, músicos electrónicos, artistas de hyperpop, compositores ambient, beatmakers basados en samples y productores que trabajan con voces sintéticas tienen más que perder con una capa de aplicación torpe que un cantautor acústico genérico. Cuanto más rara es tu música, más necesitas un sistema de confianza que entienda el proceso, no solo la textura.

Una plataforma que no puede explicar cómo una puntuación se convierte en una acción pide a los artistas que confíen en una caja negra que dice protegerlos de otra caja negra. Eso no es protección. Es recursividad con un formulario de atención al cliente.

La procedencia se está convirtiendo en infraestructura de dinero.

Collage editorial de NotNoise con un hilo rojo de procedencia que conecta una mano de artista, tarjetas de créditos en blanco, pestañas de metadatos y fichas de valor que se mueven por un carril de registro.
Los créditos y los metadatos se están convirtiendo en infraestructura, no en decoración.

La industria ya está pasando de las etiquetas a los registros.

Spotify dice que mostrará información sobre el uso de IA en los créditos de las canciones cuando los sellos o las distribuidoras envíen esas declaraciones mediante estándares de la industria emergentes. La vía DDEX importa porque los créditos no son solo contexto de cara al fan. Son datos estructurados. Los datos estructurados viajan por distribuidoras, plataformas, sistemas de regalías, bases de datos de titulares de derechos y, con el tiempo, por la capa de cumplimiento que decida construir la industria.

Al mismo tiempo, los acuerdos de licencias empiezan a vincular dinero a la procedencia. Music Business Worldwide informó de que la National Music Publishers' Association anunció un acuerdo de licencias para toda la industria con Udio y un acuerdo de principio con KLAY, y de que el presidente de la NMPA, David Israelite, dijo que tanto las canciones como las grabaciones son importantes para el entrenamiento de IA. Complete Music Update presentó esos acuerdos como modelos para editoriales independientes, aunque señaló dudas abiertas sobre cómo llega el dinero finalmente a los compositores.

Warner Music Group va a por la misma capa desde otra dirección. MBW informó de que WMG acordó adquirir Sureel AI, una startup de atribución que rastrea cómo los modelos de IA usan el trabajo de los artistas en el entrenamiento y la generación.

Esa es la dirección real. La procedencia no es una etiqueta simpática para los fanáticos de las notas del libreto. Se está convirtiendo en la infraestructura que decide quién es rastreado, acreditado, licenciado, pagado, desmonetizado o ignorado.

Aquí es donde el artículo de NotNoise del 10 de junio sobre quién cobra cuando la IA se entrena con tu canción conecta con la historia del detector de playlists sin repetirla. La pelea anterior iba de dinero de licencias y derechos de entrenamiento. Esta va de las superficies por las que la música se mueve cada día: playlists, recomendaciones, créditos, sistemas antifraude, metadatos e identidad de perfil.

Si la industria no consigue conectar esas capas, los artistas independientes seguirán viviendo en el hueco. Sus canciones serán humanas, sus metadatos serán un desorden, sus perfiles en las plataformas serán vulnerables, sus decisiones de promoción serán juzgadas por sistemas antifraude que no pueden ver y sus pruebas llegarán demasiado tarde.

Lo que los artistas independientes pueden hacer esta semana.

Ningún artista independiente puede arreglar por sí solo la inundación de catálogo con IA. Eso es infraestructura de plataforma. Quien venda a un artista pequeño una salida limpia a ese problema le está vendiendo ropa impermeable durante una inundación y llamándolo urbanismo.

Pero los artistas sí pueden hacer su propio catálogo más legible.

Empieza por los metadatos. Créditos, nombres de colaboradores, ISRC, UPC, reparto de autoría, información de editorial, propiedad de la portada, nombres de versión y coherencia del perfil de artista importan más cuando los sistemas de las plataformas intentan separar los catálogos humanos del spam sintético. Si te suena aburrido, bien. El papeleo aburrido suele ser lo que mantiene un lanzamiento unido a la persona correcta. La guía de NotNoise sobre metadatos musicales para artistas es la madriguera útil por la que empezar.

Vigila tus perfiles de artista. Spotify dice que invierte más en la denuncia de contenido que no corresponde y que permite a los artistas denunciar una discrepancia incluso antes del lanzamiento mediante Spotify for Artists. Si aparece una subida falsa, una asignación de perfil errónea o un problema de suplantación, la rapidez importa. Trata la vigilancia del perfil como el mantenimiento de un detector de humo, no como vanidad.

Conserva alguna prueba de tu proceso. No hace falta convertir tu vida creativa en una prueba de juicio. Aun así, los archivos de sesión, los stems, los acuerdos con colaboradores, los borradores con fecha, las facturas, las notas y los historiales de versiones pueden ayudar si un lanzamiento llega a ser cuestionado, mal atribuido o atrapado en una disputa con la distribuidora. La idea no es demostrar tu humanidad ante una máquina. La idea es no quedarte sin rastro documental cuando una máquina se ponga ruidosa.

Evita la promoción dudosa. La historia de los detectores de IA está ligada al fraude porque los catálogos sintéticos y el streaming artificial comparten la misma debilidad ante los sistemas de las plataformas: escala sin intención real de escucha. Si una oferta de playlists promete reproducciones fijas, ubicación fija o un crecimiento sospechosamente limpio, puede vincular tu catálogo a comportamientos que se ven mal desde dentro de un sistema de control. La guía de NotNoise sobre envío de música a playlists de Spotify explica ese riesgo en detalle.

Dirige a los oyentes reales por lugares que puedas medir. Un smart link no protegerá tu canción de la contaminación de playlists con IA. Pero puede mostrar de dónde vino la atención real, qué plataforma eligió un oyente, qué países responden y qué campañas movieron a la gente. Eso importa cuando el resto de la historia de las plataformas se llena de ruido. También es la razón por la que la distribución ya no es solo entrega, como sostiene la guía de NotNoise sobre distribución de música en 2026.

Usa herramientas de IA con un límite claro. Si una herramienta te ayuda a organizar notas, esbozar conceptos de portada, despachar administración o explorar sonidos, dilo con claridad donde la declaración importe. Si un lanzamiento está generado total o sustancialmente, no finjas que la cuestión de la procedencia seguirá siendo privada para siempre. La dirección de la industria son los créditos, la detección y las pistas de auditoría. Actúa en consecuencia.

La parte en la que NotNoise sí puede ayudar.

NotNoise no detecta música generada por IA, y este artículo sería peor si fingiera lo contrario.

El papel útil es más simple: facilitar que el lanzamiento humano sea más fácil de rastrear. NotNoise reúne distribución, smart links, analíticas de streaming, envío a playlists y anuncios en un solo sistema de trabajo para lanzamientos. La distribución mantiene juntos el lanzamiento y el registro de metadatos. Los smart links dirigen a los oyentes entre plataformas y muestran referentes, países, elecciones de plataforma y el movimiento de las campañas. Las estadísticas musicales dan a los artistas una visión más clara de lo que pasó después de que el lanzamiento saliera del panel.

Eso no impedirá que mañana lleguen 75.000 pistas de IA. No hará justas todas las políticas de las plataformas. No hará perfecta la puntuación de un detector.

Lo que sí da a los artistas independientes es una capa operativa más limpia para la parte que controlan: el registro del lanzamiento, el camino del oyente, la prueba de la campaña y la siguiente decisión.

La era de los detectores de música con IA premiará a los artistas que puedan demostrar lo que pasó alrededor de su música. No de forma paranoica. De forma adulta. Igual que guardas repartos de autoría, másters, metadatos, analíticas y recibos, porque la industria musical siempre ha tenido talento para perder justo lo más importante.

La música humana necesita más que una etiqueta. Necesita un rastro.

Si quieres un solo lugar donde mantener ese rastro unido para tu próximo lanzamiento, empieza por la distribución de NotNoise.