21 millones de canciones de Daft Punk, Charlotte de Witte y otros han alimentado en secreto algoritmos de IA. Así funciona la piratería que nadie ve.

LAS CLAVES

• Las cuatro bases de datos analizadas suman más de 21 millones de canciones, descargadas miles de veces sin que se sepa qué empresas las usaron.
• El tribunal de Múnich falla el 31 de julio en el primer gran juicio europeo sobre si la IA necesita licencia para entrenar con música.

Coge tu lista de favoritos de Spotify, la que llevas años puliendo, y piensa en el nombre que más se repite en tu lista. Ahora imagina que pudieras teclearlo en un buscador y comprobar si esa música ha servido para entrenar una inteligencia artificial. Sin que el artista tuviera conocimiento de ello y sin que nadie pagara nada por ello.

Ese buscador existe. Se llama AI Watchdog, lo ha creado el periodista Alex Reisner y desde hace un par de semanas permite rastrear cuatro bases de datos que juntas reúnen más de 21 millones de canciones usadas —o disponibles para usarse— en el entrenamiento de modelos de IA musical. Quien lo ha probado con nombres de la música electrónica se ha encontrado sorpresas bastante poco agradables.

Lo que escondían los datasets

Dentro de esas cuatro bases de datos hay de todo. Las dos más grandes, LAION-DISCO-12M y Sleeping-DISCO-9M, suman entre ellas más de veinte millones de pistas y se construyeron rastreando enlaces de streaming de forma automática. Las otras dos son mucho más pequeñas —unas 100.000 canciones cada una— y una procede del Free Music Archive, un repositorio pensado originalmente para música con licencia Creative Commons. Google y Stability AI han reconocido haber usado ese archivo concreto en sus investigaciones.

Lo que de verdad incomoda no es solo el volumen, es la lista de nombres que aparece al buscar. Ahí están, con cifras exactas, Daft Punk (151 canciones), Fatboy Slim (175), The Chemical Brothers (153), Moby (213) o Björk (411). Y, más cerca todavía de lo que suena hoy en un mainstage, Eric Prydz (54), Honey Dijon (126) o Charlotte de Witte (89). No son nombres de relleno sino catálogos que llevan décadas definiendo cómo suena la pista de baile.

DJ Sabrina the Teenage DJ encontró 22 de sus propios temas y respondió con ironía. Quienes la acusaban de sonar a producto de IA quizá no sabían que su propia música ya formaba parte de esos mismos datasets. Es la misma indignación que ya contamos en ZETA cuando Gareth Emery montó un sello discográfico sin IA al descubrir que su catálogo había pasado por algo parecido. Esto ya no es una sospecha de hace unos meses: es una lista pública, con nombre y número exacto de canciones.

El caso más sonado de estos días es el de SZA, que encontró 238 temas suyos —algunos inéditos, asegura— y resumió su reacción en una frase: «Music Ai has trained off 238 of my songs». La cantante fue más allá y acusó a Diplo de tener participación en Suno, algo que ningún medio ha podido confirmar; lo único verificado es que Diplo ha invertido en otra empresa de IA y lleva meses defendiendo sin matices el uso de estas herramientas.

No es la primera vez que la música se enfrenta a un robo de este tamaño. A finales de 2025, el colectivo Anna’s Archive anunció haber copiado prácticamente el catálogo entero de Spotify —unos 86 millones de archivos de audio— bajo la misma excusa que repiten los datasets de entrenamiento: preservación cultural, investigación, acceso libre. Aquello terminó en una sentencia de 322 millones de dólares contra unos operadores que ni siquiera dieron la cara. Lo de la IA, de momento, se mueve en una zona mucho más gris.

De la indignación a los tribunales

La respuesta de la industria lleva casi dos años en marcha y avanza en direcciones opuestas según quién firme. Universal Music Group y Warner Music Group llegaron a acuerdos de licencia con Udio y con Suno —Warner incluso se quedó con Songkick, la plataforma de descubrimiento de conciertos, como parte del trato—, mientras Sony Music sigue litigando contra las dos en Estados Unidos. La American Federation of Musicians, el sindicato de músicos, ha demandado a su vez a Universal y Warner por cederles catálogo a estas plataformas sin avisar ni compensar a los artistas implicados.

Suno, mientras tanto, no ha negado el origen de su material. La propia compañía ha reconocido haber entrenado sus modelos con decenas de millones de grabaciones conseguidas en internet, sin aclarar si procedían de cyberlockers, de BitTorrent o de ambos. En Alemania, la sociedad de gestión GEMA lleva meses enfrentada a Suno por entrenar su generador con canciones como «Mambo No. 5» o «Forever Young». El tribunal de Múnich tenía que fallar el 12 de junio; lo ha retrasado hasta el 31 de julio, así que el veredicto sigue en el aire. Pero el precedente ya existe: el mismo juzgado le dio la razón a GEMA frente a OpenAI en noviembre, por el mismo argumento aplicado a letras de canciones.

Anthropic, la empresa detrás de Claude, también está en mitad de esto. Un grupo de editoriales —Concord Music Group, Universal Music Publishing y ABKCO— la demandó en 2023 por entrenar con letras protegidas, y en enero presentó una segunda demanda separada acusándola de piratería musical directa a través de descargas masivas. Entre las obras identificadas hay canciones de The Rolling Stones, Elton John, Coldplay y Maroon 5: más de 20.500 títulos en total, con una reclamación que supera los 3.000 millones de dólares.

Mientras los juzgados deciden, la música sintética ya inunda el día a día del streaming. Solo en Deezer se suben unas 75.000 pistas generadas por IA al día, un 44% de todo lo que entra en la plataforma. La gente apenas las escucha —entre el 1% y el 3% del total de reproducciones— y la mayoría de esas escuchas se marcan como fraudulentas. Pero el ritmo no para de crecer, y un estudio encargado por CISAC calcula que la IA generativa podría quitarle a los creadores hasta un 24% de sus ingresos de aquí a 2028.

No toda la piratería pesa lo mismo

Aquí conviene parar y separar dos cosas que se están mezclando en la conversación pública. No es lo mismo que tú te descargues un disco para escucharlo en el metro que una empresa rastree millones de canciones para entrenar un sistema que después compite comercialmente con los artistas. Aunque las dos cosas se definen como piratería, la primera es un problema casi doméstico y la segunda construye un negocio que cuesta cientos de miles de millones de dólares a la industria musical.

Tampoco todo el material de estos datasets nació con la misma intención. El Free Music Archive se construyó con música cedida bajo licencias Creative Commons, pensada para circular libremente; LAION-DISCO-12M se publicó como herramienta de investigación académica, con avisos explícitos de que no debía usarse con fines comerciales. Que esas advertencias se hayan ignorado en la práctica es el problema real, no que el dataset existiera. El caso de Suno en Alemania es distinto: ahí no se diluyó un permiso de investigación, se sorteó directamente la protección de YouTube para extraer el audio.

No todo el mundo en la escena ve esto con la misma urgencia. Hudson Mohawke quitó dramatismo al asunto hace unos días. Lleva años viendo cómo le samplean canciones enteras sin acreditarle y lo considera, simplemente, como el funcionamiento normal de la industria. Timbaland, en el otro extremo, ya tiene su propio proyecto de artista híbrido con IA. Entre esas dos posturas y la rabia de SZA o DJ Sabrina the Teenage DJ cabe casi todo el debate que vamos a tener los próximos meses.

Lo que parece seguro es que la próxima vez que abras Spotify y te encuentres un tema nuevo del que no sabes muy bien de dónde sale, quizá debas de preguntarte quién lo hizo posible.