A medida que las herramientas y plataformas generativas de audio se han vuelto más sofisticadas, internet se ha llenado de música creada con inteligencia artificial cuyas melodías y voces derivan algorítmicamente del trabajo de artistas humanos. Parte de quienes producen ese contenido admite enseguida que usa IA. Otra parte lo niega hasta que la presión pública les obliga a decir la verdad.

Para los músicos —sobre todo para quienes trabajan en ámbitos tan ligados a la tecnología como la música electrónica de baile— la pregunta de qué es "real" se ha vuelto cada vez más compleja y más personal. La cortesía profesional lo complica todavía más: una cosa es que un oyente señale a un artista del que sospecha y otra muy distinta que un artista plantee esa sospecha sobre un colega.

Aun así, algunos lo hacen. Esta guía desglosa en seis partes esa cultura detectivesca: qué buscan, por qué no pueden probarlo y adónde conduce.

1. Quién señala

Uno de los nombres con los que habló The Verge es Max "H4RRIS" Harris, productor de música electrónica de 26 años que graba vídeos señalando temas —y a quienes están detrás— que cree hechos con IA.

Su definición es tajante: ve la música generada con IA como "una especie de forma de arte señuelo" y cree que quienes la hacen no tienen nada significativo que decir. Para él, el arte verdadero, en cualquier medio, lo crean "personas que intentan expresar sentimientos y mensajes".

"No considero arte el material generado con IA y no creo que esta tecnología esté haciendo avanzar el arte de forma significativa", dice. "Es un avance técnico que da a la gente una manera de robar arte real y hacerlo pasar por suyo".

Otro es Nihil Young, productor italiano de 39 años. Harris empezó a grabar sus vídeos por lo que Young publicó en Threads sobre quienes usan Suno. Young no suele meterse en discusiones en línea, pero el volumen de temas con IA que inunda la escena le pareció motivo suficiente.

2. Qué buscan: las marcas en el audio

Esta es la parte práctica. Las señales que describen los productores nacen de cómo funcionan los modelos.

  • Un siseo constante. Harris describe un siseo agudo a lo largo del tema. Lo atribuye al modo en que operan los modelos: partir de un gran bloque de ruido blanco y luego adivinar las formas de onda tomando como referencia datos de canciones reales.
  • Capas que se traban a la vez. En temas generados con Suno, la voz y los demás elementos melódicos empiezan a trabarse exactamente en el mismo momento. El motivo: los modelos aún tienen dificultades para separar del todo las partes de las canciones con las que se entrenaron y las tratan como un solo gran instrumento.
  • Voces parecidas. Un carácter vocal que se repite de un tema a otro y suena demasiado similar.

Importa por qué a Harris le resultan convincentes: como productor, todo eso le suena a "decisiones que una persona sencillamente no tomaría en su composición", porque no tienen sentido. El diagnóstico surge menos del fallo en sí que del tipo de fallo.

3. La parte visual también da pistas

A veces lo que se detecta no es el tema sino el vídeo que lo acompaña. Puede que no oigas el modelo detrás de la música de una cuenta, pero sí ves con claridad cómo los dedos de un personaje aparecen y desaparecen. En otras cuentas, un acabado visual demasiado brillante y uniforme convierte el contenido en la conocida basura generada.

Es una prueba que complementa la incertidumbre del audio, pero indirecta. Quien genera sus imágenes puede haber hecho la música por su cuenta.

4. Por qué primero la electrónica

No es casual que esta discusión estallara antes en la música electrónica de baile. El género está entrelazado con la tecnología desde el origen: la producción ya se hace con software, el sonido sintetizado ya es legítimo y el oyente no espera "instrumentos reales". La frontera entre la salida de un modelo y la de una persona es aquí mucho más borrosa que en un tema tocado con guitarra.

La segunda razón es la baja barrera de entrada. Imitar una grabación orquestal es difícil; imitar un tema de house de cuatro minutos es fácil. La IA se queda primero con el formato más fácil de imitar, igual que ocurrió con los microdramas.

La tercera es la forma de la escena. La observación de Young: en los últimos meses varios recién llegados despegaron tras publicar música que él cree generada con herramientas como las de Suno. El reconocimiento en la electrónica es sobre todo digital y algorítmico; una cuenta no necesita sello ni historial de conciertos para subir rápido. Esa estructura abre puertas al talento real y a la vez premia la imitación.

5. El problema de la prueba

Aquí está el nudo. Los productores de los temas que Harris señala no se han pronunciado públicamente sobre si usan herramientas generativas, y no existe prueba concluyente de que ninguno se hiciera con IA.

The Verge lo dice sin rodeos: Harris podría estar equivocado con esas canciones. Pero su insistencia refleja una cultura de desconfianza más amplia, surgida como respuesta a la presencia creciente de contenido generado en internet.

Ese es el punto ciego. Las señales son reales y diagnosticables, pero ninguna es prueba por sí sola. Un tema hecho por una persona, grabado con un mal micrófono, sobrecomprimido y mezclado con prisa, también puede sisear.

De modo que quien señala puede acertar y puede equivocarse, y en ambos casos quien paga es el señalado.

6. La plataforma señalada

Harris responsabiliza a Suno del reciente aumento de este tipo de música. Pero hay una contradicción interesante: las rarezas propias de esa misma plataforma son lo que le enseñó qué temas merecía señalar.

El modelo hace posible la imitación y a la vez deja la firma que la delata. Esa firma no es permanente: según mejoren los modelos, el trabado y el siseo desaparecerán. Un método de detección que hoy funciona puede no servir dentro de doce meses.

Harris describe también un uso más directo: "Hay gente que sube tal cual temas originales con derechos de artistas como Madonna y le pide a la IA que los remezcle". Eso ya no es un debate de estilo, es una cuestión de derechos de autor.

7. Por qué resulta tan personal

El relato que hace Harris de su propio proceso explica de dónde viene el enfado. Siempre empieza por una idea central y luego va "lanzando ideas hasta encontrar algo que funcione". Su montaje se apoya en Ableton Live, controladores MIDI, sintetizadores analógicos y samplers de software. Pero su descripción del proceso no es técnica: "en realidad soy solo yo tomando decisiones creativas".

Y añade: "Cada una de esas decisiones —y hay cientos en cada canción— me acerca un poco más a evocar una idea o una emoción concreta".

Para Harris, ser un artista de verdad significa poder tomar decisiones experimentales pero informadas a partir de una comprensión estudiada de un medio. Ahí está su objeción: la tecnología suele eliminar la necesidad de pensar cómo se arma una canción.

8. Qué puede hacer quien escucha

Todo lo anterior es la mirada de los productores. Para un oyente corriente el cuadro es más simple, pero más incómodo: no tiene herramientas de diagnóstico, y tampoco debería necesitarlas.

Aun así, tres cosas ayudan. Mirar la fuente: una grabación en directo en el canal del propio artista, imágenes de estudio o un archivo de años dicen más que cualquier tema suelto. Mirar el ritmo: una cuenta nueva que publica varios temas por semana no lleva un ritmo humano. Pedir una declaración: la respuesta a "¿lo usaste?" es en sí misma información, y una respuesta evasiva también responde.

Pero lo esencial es esto: quien escucha no tiene la obligación de saber cómo se hizo un tema. Esa carga corresponde a quien produce y a la plataforma. Trasladar la detección al público no resuelve el problema, traslada la responsabilidad.

Qué vigilar

Esta discusión no se quedará en la música; el mismo patrón se repite en el texto, la imagen y el vídeo. Tres cosas lo decidirán.

Primera, la vida útil de las señales. Cada defecto diagnosticable hoy puede corregirse en la próxima versión de un modelo. Una defensa basada en cazar cosas de oído es temporal por definición.

Segunda, la declaración. La respuesta duradera no es cazar, sino declarar. La diferencia entre quien dice de entrada que usó una herramienta y quien lo niega hasta que lo pillan decidirá dónde se asienta la cultura. En este sitio aplicamos el mismo principio: cada página indica que se produjo con IA.

Tercera, el coste de una acusación falsa. En un terreno sin pruebas, una cultura de señalamiento golpea también a inocentes. Nadie ha medido ese coste y probablemente nadie lo haga, pero la reputación de un artista dura más que una publicación.