La inteligencia artificial llegó en un momento oportuno, acelerando el desarrollo de aplicaciones y software mientras el mundo enfrentaba una escasez de habilidades. Sin embargo, el ritmo que impuso fue tan intenso que los equipos de seguridad no han logrado ponerse al día.

Recientemente, la IA se ha aplicado a numerosos dominios con agentes y herramientas específicos para cada rol, lo que ha traído consigo sus propios retos. Herramientas como Claude Code han demostrado ser eficaces para generar, revisar y editar código en segundos; sin embargo, las herramientas centradas en seguridad, como la familia Mythos de Anthropic, están teniendo un impacto más amplio en la industria.

Anthropic ha admitido que Mythos es tan poderoso que la preocupación de que pueda ser abusado por delincuentes es extremadamente real. El modelo de vista previa está disponible actualmente solo para un número selecto de socios preaprobados.

Con la IA ahora capaz de inspeccionar código, descubrir vulnerabilidades y sugerir correcciones, ¿necesitan las organizaciones aún tantos trabajadores humanos en el caso, o podrían depender de una reducción significativa de personas en el bucle sirviendo como revisores de IA? Recientes despidos han insinuado dicha posibilidad.

El rol evolutivo de los profesionales de seguridad en un mundo impulsado por la IA

Pero con todo el ciclo de vida del desarrollo amplificado por la IA, los expertos advierten que las empresas podrían estar creando más trabajo para sí mismas y enfrentando tensiones desde ángulos a los que antes no estaban expuestos.

Por ejemplo, menos de una de cada diez empresas corrigen el 90% de las vulnerabilidades identificadas en 90 días, lo que implica que el volumen de vulnerabilidades está aumentando, no que la eficiencia de corrección esté disminuyendo.

Anthropic reveló que sus aproximadamente 50 socios tempranos de Mythos Preview encontraron más de 10,000 vulnerabilidades de alta o crítica severidad, y miles más de menor relevancia.

El CEO de Checkmarx, Sandeep Johri, predice que pronto podríamos encontrar un equilibrio, donde el volumen de vulnerabilidades tenga menos peso y se revierta el foco hacia riesgos explotables. Conversé con Johri sobre la evolución de AppSec, dónde la IA es útil y dónde no, y cómo las organizaciones pueden equilibrar velocidad y control.

• Con el auge de las herramientas de codificación con IA y software generado por IA, ¿está la seguridad de aplicaciones volviéndose obsoleta o está evolucionando?

La seguridad de aplicaciones tradicional no está obsoleta; está evolucionando para adaptarse a la realidad de cómo se construye el software hoy en día.

Durante años, el proceso fue lineal: los desarrolladores escribían código, los equipos de seguridad lo escaneaban y las vulnerabilidades se abordaban más tarde. Este enfoque se vuelve mucho más difícil cuando el software se crea a una velocidad mayor con la ayuda de la IA.

La IA acelera el desarrollo y el riesgo al mismo tiempo: el 70% de los desarrolladores afirma que el código generado por IA creó más vulnerabilidades en 2025, según nuestra investigación. A medida que el volumen y la complejidad del código aumentan, la seguridad debe moverse más temprano en el proceso de desarrollo, brindando a los desarrolladores las herramientas y la orientación necesarias mientras construyen.

Los equipos de seguridad seguirán desempeñando un papel crítico para ayudar a las organizaciones a desarrollar software y mantener la confianza en sus aplicaciones empresariales. Pero su enfoque debe cambiar de encontrar vulnerabilidades a remediarlas a escala, porque existe una brecha enorme en la mayoría de las empresas. Nuestros datos muestran que menos del 10% de las organizaciones corrigen el 90% de las vulnerabilidades identificadas en 90 días.

• Las herramientas de codificación con IA están ayudando a los desarrolladores a crear software más rápido que nunca. ¿Qué nuevos desafíos de seguridad introduce esto para las organizaciones que adoptan estas tecnologías a gran escala?

El mayor desafío es que la velocidad de desarrollo supera a muchos procesos de seguridad. Las herramientas de codificación con IA permiten a los equipos crear y desplegar software rápidamente, pero el código generado por IA aún necesita ser revisado, probado y asegurado.

Las empresas que envían entre el 81% y el 100% de su código con IA tienen casi tres veces más probabilidades de entregar código vulnerable que aquellas que usan IA entre el 1% y el 20%. Este volumen puede abrumar a los equipos de seguridad con miles de hallazgos, muchos de los cuales no representan un riesgo significativo. La prioridad debe ser identificar las vulnerabilidades que realmente generan exposición y ayudar a los equipos a repararlas más rápido.

• Muchas organizaciones están buscando que la IA identifique y corrija vulnerabilidades de seguridad. ¿Por qué las empresas no deberían depender exclusivamente de modelos de IA para asegurar el código que la IA está ayudando a crear?

La IA es una herramienta valiosa para los equipos de seguridad, pero las organizaciones siguen necesitando precisión, contexto y supervisión humana. La IA puede ayudar a identificar patrones, analizar código y acelerar la remediación, pero las decisiones de seguridad requieren confianza en qué riesgos realmente importan.

Los modelos frontera pueden descubrir rutas de explotación ocultas, pero también pueden entregar hallazgos inconsistentes y falsos positivos. Sus resultados pueden variar según el prompt y aún pueden omitir vulnerabilidades críticas conocidas.

El riesgo de confiar solo en IA es que las organizaciones podrían crear una falsa sensación de seguridad, o “sesgo de automatización”. Los modelos de IA pueden generar código y ayudar a analizar vulnerabilidades, pero deben combinarse con experiencia en seguridad y prácticas de seguridad probadas.

El enfoque más efectivo combina capacidades impulsadas por IA con fundamentos de seguridad sólidos, para que los equipos puedan moverse más rápido manteniendo el control del riesgo.

• A medida que las empresas adoptan más herramientas de IA a lo largo del proceso de desarrollo, ¿cuáles son los mayores riesgos de seguridad que deben considerar más allá del código generado por IA?

Las organizaciones deben mirar más allá del código y considerar el ecosistema completo de IA que se está integrando en el desarrollo de software. Muchas empresas están adoptando herramientas, modelos, agentes, bibliotecas y otros componentes de IA más rápido de lo que pueden establecer gobernanza, lo que genera desafíos de visibilidad: no siempre se sabe qué tecnologías de IA se están usando, dónde existen en las aplicaciones o si cumplen con los requisitos de seguridad.

Otra preocupación es la IA sombra, cuando empleados usan herramientas de IA sin aprobación formal o supervisión. Se necesita visibilidad, políticas claras y una forma de gestionar estas tecnologías como parte de la cadena de suministro de software global.



Quizás el problema más urgente es la expansión de la superficie de ataque. Con los modelos de lenguaje, nunca ha sido tan rápido, barato y fácil para actores maliciosos explotar software. Los problemas que quedaron sin detectar durante años ahora se están revelando y utilizando a la velocidad de la máquina. De las vulnerabilidades que Mythos ha encontrado hasta ahora, el 99% no han sido parcheadas, según Gartner.

• ¿Cómo cambia la IA el rol de los equipos de seguridad? ¿La aproximación tradicional de encontrar vulnerabilidades debe desplazarse hacia un modelo centrado en la priorización, remediación y protección continua?

Identificar vulnerabilidades ya no es suficiente cuando las organizaciones tienen más hallazgos de los que pueden abordar razonablemente. La seguridad debe volverse continua, integrada en los flujos de desarrollo, trabajando en conjunto con los desarrolladores para construir de forma segura desde el inicio manteniendo visibilidad y control.



Estamos cambiando el enfoque para entender qué problemas generan el mayor riesgo, para dar a los desarrolladores el contexto necesario para abordarlos rápidamente, donde el código se escribe en el IDE.

La calidad ahora importa más que la cantidad. Un solo positivo verdadero verificado vale más que cien hallazgos de baja confianza. Si los desarrolladores no pueden confiar en lo que se les muestra, dejarán de hacer caso. Por eso las organizaciones están adoptando cada vez más métricas como el puntaje F1, que mide precisión y exhaustividad juntas, en lugar de contar hallazgos brutos.

• ¿Cómo será el futuro de la seguridad de aplicaciones en un mundo de desarrollo de software impulsado por IA? ¿Las organizaciones necesitarán un enfoque diferente para equilibrar velocidad, innovación y seguridad?

El futuro de la seguridad de aplicaciones requerirá un enfoque más integrado. Las organizaciones continuarán adoptando IA por los beneficios de productividad, pero la seguridad debe evolucionar junto con esa innovación.

La seguridad será más agentiva, más inteligente y más conectada al proceso de desarrollo. Parte de esa evolución consiste en combinar escaneos deterministas, basados en reglas, con razonamiento impulsado por IA en un único proceso, en lugar de ejecutarlos como herramientas separadas y desconectadas. Los métodos deterministas detectan lo que ya está probado; el razonamiento de IA detecta lo que es novedoso. Juntos son más completos que cualquiera de ellos por separado.



Además, los modelos deterministas tienen ventajas de costo reales. Pedir a un modelo frontera que razone para la seguridad (reducción de pases de revisión, modelos de amenaza auto-generados) consume tokens rápidamente. Ese costo se acumula cuanto más tiempo una vulnerabilidad siga sin parchearse: barato de arreglar en el IDE, más caro en CI/CD, y más caro aún una vez que está en tiempo de ejecución. Y cada vez que un desarrollador tiene que detenerse y sacar una vulnerabilidad del código ya enviado, se pierde velocidad para la innovación.

Los equipos necesitarán tecnología que ayude a identificar riesgos reales, apoyar una remediación más rápida y proporcionar visibilidad a lo largo de todo el ciclo de vida del software. Las organizaciones exitosas serán aquellas que hagan de la seguridad una parte del desarrollo de software desde el principio, permitiendo a los desarrolladores avanzar rápido mientras reducen riesgos innecesarios.

• Para las organizaciones que ya están adoptando herramientas de codificación con IA, ¿qué pasos deben tomar para innovar rápidamente sin introducir riesgos de seguridad innecesarios?

El primer paso es la visibilidad. Las organizaciones deben entender dónde se está usando IA, qué herramientas se están introduciendo y qué impacto tienen en sus aplicaciones.

La remediación es mucho más barata si ocurre temprano: detectar un problema en el IDE cuesta una fracción en comparación con hacerlo en etapas posteriores. Pero hay otra brecha inquietante en nuestra investigación: casi todos los desarrolladores tienen acceso a herramientas de seguridad en IDE, pero menos de uno de cada cinco realmente aseguran el código a medida que lo escriben. El costo de corregir ese problema se acumula al pasar por etapas posteriores del desarrollo.

Además, las organizaciones necesitan gobernanza clara sobre la adopción de IA, porque solo el 22% actualmente tiene políticas formales de gobernanza de IA. Eso significa definir políticas, monitorear usos y asegurar que los equipos cuenten con los controles de seguridad adecuados a medida que siguen innovando.



La IA seguirá cambiando el desarrollo de software. Las compañías que obtengan mayores beneficios serán las que adopten la tecnología incorporando la seguridad desde el inicio del proceso.

Loath as I am to say it, the future of gaming platforms isn’t looking so rosy right now. Windows is increasingly becoming more recalcitrant, constantemente poniendo obstáculos a los jugadores de PC con actualizaciones que perjudican el rendimiento y con implementaciones de IA no solicitadas. En el mundo de las consolas, Sony ha generado descontento al dejar de promover las copias físicas a partir de 2028, mientras la reciente oleada de despidos en Xbox contrasta con su discurso de volver a encarrilarse. En medio de todo, Valve parece ir en dirección contraria. Con Steam como ventaja competitiva—la tienda y lanzador por defecto para muchos jugadores de PC—ya ha generado ingresos sustanciales y dispone de capital para invertir en expansión.

Entonces, ¿es este el momento perfecto para que Valve se abra camino, aproveche las flaquezas de sus competidores y haga de SteamOS la próxima gran plataforma?

SteamOS vs Windows

SteamOS 3 ha mostrado ya un grado de éxito gracias al Steam Deck, un dispositivo que lanzó en 2022 y que impulsó una pequeña revolución en el juego portátil. Basada en Arch Linux, SteamOS 3 ha demostrado ser viable a través de Proton, la capa de compatibilidad que permite que muchos juegos de Windows funcionen en Linux. AAA como 007 First Light y Cyberpunk 2077 se ejecutan de forma jugable, junto a una amplia biblioteca de títulos compatibles.

Pero Valve no se limita al Steam Deck y a Steam Machine. Recientemente ha ampliado su soporte a dispositivos ARM, AMD e Intel, lo que facilita que SteamOS funcione en equipos como Lenovo Legion Go, Asus ROG Ally y otros. Expertos de la industria señalan que esta estrategia de ser “neutro respecto al dispositivo” podría ser clave para su crecimiento.

“Con la versión 3.8 de SteamOS, Valve llevó el sistema más allá del Steam Deck hacia líneas como ROG Ally y Legion Go, y el soporte inicial de Intel empieza a incorporar dispositivos como MSI Claw”, afirma un ejecutivo de MoR Xsolla. “En el hardware mismo, los análisis muestran que en uso portátil la experiencia es superior a Windows 11 en aspectos como duración de batería, suspensión y reanudado, con una interfaz pensada para mandos.”

Para otros analistas, como Greg Weller, la oportunidad mayor reside en que SteamOS se vuelva “dispositivo-agnóstico”: permitir que los usuarios lleven su ecosistema de Steam a múltiples dispositivos sin depender de un único hardware. Esto podría convertir a SteamOS en un puente entre biblioteca, identidad y dispositivos, en lugar de ser solo un sistema operativo para juegos.

Sin embargo, no todos comparten este optimismo. Otros señalan que el éxito depende en gran medida de evitar la dependencia de hardware propio y de superar la brecha de compatibilidad con herramientas de anti-cheat y periféricos. Un responsable de la industria comenta que, si bien Proton funciona para una gran parte de la biblioteca, la compatibilidad total para juegos competitivos con anti-cheat kernel-level sigue siendo un reto. Además, la amplia compatibilidad de Windows con periféricos y herramientas de captura, VR y GPU externas sigue siendo una ventaja importante para el usuario que quiere un PC generalista.

Puntos críticos

Para que SteamOS gane mayor tracción en el mercado, debe superar estas barreras: compatibilidad con anti-cheat a nivel kernel y una base de hardware suficientemente amplia para cubrir desde periféricos hasta soluciones de VR y tarjetas externas. Además, si quiere competir en escritorio, debe ofrecer una experiencia de navegación y productividad suficientemente suave para justificar su uso no solo como consola de juegos.

SteamOS vs consolas

En el salón, SteamOS puede verse como una alternativa viable a las consolas, gracias a que Steam Deck y la Librería Steam ya están madurando. No obstante, el gran problema suele ser el precio y la necesidad de justificar que Valve pueda mantener la experiencia de consola sin sacrificar la potencia o el library management en el hogar. Además, la lucha por exclusivos y la curación de contenidos siguen favoreciendo a las consolas tradicionales. En este sentido, ¿podría SteamOS convertirse en una plataforma de consola viable en el corto/mediano plazo? La opinión general es que, aunque es posible, no será un reemplazo directo sino una coexistencia y expansión gradual dentro de un ecosistema más amplio.

La visión de expertos como Greg Weller es que el verdadero salto no es “reemplazar Windows”, sino ampliar la conectividad de la biblioteca de Steam entre dispositivos y contextos. En ese marco, SteamOS podría convertirse en un facilitador que reduzca fricción entre jugadores y su ecosistema, en lugar de intentar ganar la batalla de forma frontal contra las consolas o Windows mediante exclusivas o fuerza bruta tecnológica.

El futuro de SteamOS

En resumen, SteamOS ya lidera en el terreno del juego portátil, pero su ambición de reemplazar Windows o convertirse en la columna vertebral de la experiencia de salón es menos clara. Para sus defensores, la clave está en una adopción gradual, un ecosistema más abierto y una mayor interoperabilidad entre dispositivos. Para sus críticos, la dependencia de una cuota de hardware y la ausencia de compatibilidad total con anti-cheat y periféricos podrían limitar su capacidad para convertirse en la opción por defecto en el hogar.

La visión final de los expertos es: SteamOS puede convertirse en la opción preferida para dispositivos dedicados al juego y, en paralelo, Windows mantendrá su dominio en escenarios que exijan productividad y uso general. La verdadera ganancia para la industria sería una competencia real entre plataformas que beneficie a desarrolladores y jugadores, en lugar de una única plataforma que controle el camino hacia los jugadores.

¿Qué opinas tú? ¿SteamOS será la próxima gran plataforma o solo un paso adicional hacia un ecosistema más amplio de juego conectado? Deja tu comentario o participa en la encuesta que acompaña este artículo.

La carrera para escalar la IA exige una inversión masiva en centros de datos y una sólida base arquitectónica. Recientes estimaciones señalan que el gasto global en data centers podría alcanzar cifras astronómicas para 2030, y, más allá del dinero, la verdadera palanca es la inversión en la arquitectura tecnológica que sostiene a la IA a gran escala.

La infraestructura moderna de centros de datos no fue diseñada para impulsar simultáneamente la revolución de la computación en la nube y el crecimiento explosivo de la IA a nivel mundial. Esta tensión arquitectónica surge de expectativas cada vez mayores: a medida que la IA se adoptada más, la demanda de capacidades también crece. Las empresas están optimistas sobre el valor de la IA como una herramienta para ahorrar tiempo, automatizar flujos de trabajo y aumentar la productividad. Para facilitar la creciente complejidad de modelos y conjuntos de datos, la densidad de GPU y el ancho de banda han aumentado en los data centers.

Estos incrementos permiten entrenar modelos más rápidamente, reducir la latencia y lograr otros beneficios. Pero a medida que los chips y los data centers elevan la cantidad de datos que se transfieren entre chips, también se intensifican las necesidades de enfriamiento para evitar sobrecalentamientos.

Por ello, aunque los data centers actuales impulsan el auge de la IA, su horizonte operativo se acorta. Alimentar la IA y la creciente demanda de capacidades IA es intensivo en recursos: depende en gran medida de electricidad, agua, materiales raros y, en general, de innovación tecnológica.

En este contexto, la fotónica de silicio ha emergido como una solución subutilizada para avanzar en IA. La combinación de luz y electrones facilita transmisiones de datos más rápidas y eficientes energéticamente, con implicaciones positivas para escalar clústeres de GPU y centros de datos de IA.

La demora en la adopción de SiPh

La fotónica ha existido durante décadas. En los años 80, se reconoció su potencial para integrar fotónica y electrónica en un solo silicio, lo que aumentó la velocidad y el rendimiento. Hoy en día, la silicio fotónica es esencial para la producción comercial de transceptores de comunicaciones en centros de datos. La fibra óptica antecede a la ola actual de IA, al igual que el principio de transmitir datos como luz en lugar de una corriente eléctrica.

Sin embargo, ampliar esta tecnología a un uso más amplio ha dependido de su capacidad de manufactura y de que los componentes ópticos sean lo suficientemente pequeños y económicos para competir con soluciones convencionales. La compatibilidad CMOS lo hace posible.

CMOS

Los circuitos basados en silicon photonics convierten señales eléctricas en ópticas, las transmiten como pulsos de luz infrarroja a través de microguías grabadas en silicio y las vuelven a convertir a señales eléctricas al destino. La plataforma CMOS habilita una integración eficiente y a gran escala de dispositivos pasivos y activos en PICs (Circuitos Fotónicos Integrados), que se utilizan para fabricar transceptores ópticos. La física de la propagación de la luz ofrece pérdidas mucho menores que las interconexiones de cobre a las velocidades exigidas por las cargas de trabajo modernas de IA.

Con CMOS, la fotónica de silicio puede fabricarse con los mismos procesos que se usan para chips convencionales. Esto permite que componentes ópticos y electrónicos coexistan en una única oblea de silicio, con un uso limitado de materiales raros o líneas de producción separadas, lo que facilita una producción escalable.

Aunque a menudo se discute el diseño del transceptor o del circuito, el sustrato es igualmente importante. Los sustratos bien elegidos pueden mejorar el rendimiento y la eficiencia energética, reduciendo el consumo de energía entre un 30% y un 50% en promedio. Los sustratos ingenierizados, como silicon-on-insulator (SOI) para fotónica o alta frecuencia, ofrecen ventajas para mercados que van desde comunicaciones móviles hasta IA en el borde y centros de datos en la nube.

La selección de sustratos es fundamental para el rendimiento de la fotónica de silicio: las decisiones tempranas en el proceso de diseño determinan si un chip fotónico alcanza su eficiencia teórica o si se queda corto en la implementación.

Escalar centros de datos requiere escalar la fotónica de silicio—ahora

La industria de semiconductores debe acelerar la producción de fotónica de silicio para responder al crecimiento de la demanda de las infraestructuras de mañana. La física funciona, el camino de fabricación existe y está listo; lo que falta es una alineación y una inversión amplias para producir fotónica de silicio al ritmo que exigirán las infraestructuras de IA.

Se necesita una inversión coordinada entre fabricantes de chips, proveedores de sustratos, especialistas en packaging y hyperscalers, cuyos centros de datos eventualmente operarán con esta tecnología. Aunque hay avances puntuales, se requiere una priorización deliberada, ya que la construcción de IA no ralentizará su ritmo.

En TechRadar Pro Perspectives exploramos las tendencias y las ideas clave que están definiendo la próxima ola de innovación en tecnología.

Las opiniones expresadas son las del autor y no necesariamente las de TechRadar Pro ni Future plc. Si desea contribuir, puede obtener más información aquí: https://ift.tt/SoqzjI1

Qué es lo que a los amantes de la música les entusiasma de Qobuz: fue el primer servicio de streaming de alta resolución y también ofrece descargas hi-res de 24 bits a demanda (es decir, sin necesidad de suscripción para comprar) junto a un modelo de streaming regular. Luego, está la revista digital Qobuz Magazine, listas de reproducción centradas en lo humano sobre algoritmos, una compensación más ética con royalties por flujo significativamente más altos que los de la competencia, la negativa a mantener un nivel gratuito con anuncios que menoscaba la música, la transparencia en la publicación de datos financieros y la reciente incorporación de letras en pista… podría continuar.

Pero no estoy aquí para hablar con Dan Mackta, Editor Gerente, sobre esos aspectos admirables de Qobuz. No, quiero conversar con él sobre la IA generativa y la postura firme de Qobuz al respecto, tal como se establece en su carta de IA publicada en febrero.

Si aún no has leído el documento, la siguiente cita puede bastarte por ahora. Dice así.

Dan Mackta ha hecho tiempo para conversar conmigo desde una habitación de hotel en Connecticut, a las 9:30 de la mañana, antes de emprender un viaje de unas 100 millas hacia Rhode Island y el Newport Folk Festival.

Cualquiera que hable con Mackta encontrará, ante todo, a un amante de la música nacido en Nueva York: un hombre de negocios que no teme hablar con franqueza sobre una industria que conoce y ama profundamente.

En este momento, Mackta espera que los rumores sean ciertos y que Lauryn Hill haga una aparición rara para tocar (tal como sucedió), añadiendo con entusiasmo: “Quería hacerlo toda mi vida, y este año por fin está pasando”.

Ready or Not

La conversación despliega un tono de entusiasmo y, a la vez, un realismo sobre la IA generativa y su infiltración en un servicio centrado en lo humano. La pregunta inicial: ¿cuánto tiempo lleva Qobuz preocupándose por el audio generado por IA y la presencia de ello en la plataforma?

“Fue hace un par de años cuando notamos el volumen de contenido IA, música falsa, lo que quieras llamar. Era un problema desde el principio por la cantidad de cosas que se estaban entregando.”

“Ya existía un problema de fraude en el streaming —contenido subido solo para fines de fraude— pero la IA generativa permitió a los estafadores crear este contenido a una escala increíble. Lo hacen para ocultar sus rastros; crear tanto contenido que nadie puede distinguir qué está pasando. Por eso sabíamos que era un problema.”

“También sabíamos que este contenido no encajaba con nuestra visión de lo que debe ser nuestro servicio de música. Así que, al principio, los chicos en Francia —donde está toda nuestra tecnología— exploraron varias soluciones de detección en el mercado de aquel entonces y decidieron crear su propia metodología de detección.”

“Comenzamos con el análisis. El proceso lleva tiempo, así que se está implementando por fases. Ahora, todos los lanzamientos nuevos se analizan.”

Mackta también es claro sobre el estado de implementación. “La pieza de etiquetado, que es donde notificamos al usuario si se detectó IA, aún no se ha desplegado, aunque está prevista para septiembre. ¡No venderemos el vino antes de tiempo!”

DDEX (That Thing)

Pregunto a Mackta sobre la relevancia de la autoidentificación voluntaria de IA como solución al problema de las pistas 100% IA —el enfoque de “etiqueta de contenido IA”; hemos visto algo similar en etiquetas de transparencia en sitios rivales—, ya que es una novedad con cierto valor.

“La DDEX, que es la organización de estándares de metadatos sobre la que funciona la industria musical, recientemente añadió algunos campos a su estructura. Pero es básicamente voluntaria para quien configura el lanzamiento.”

“Rellenan estos campos en la DDEX. Es decir, tú y el título, y el ISRC (código de grabación internacional), y el UPC, entre otros datos de créditos. Es un estándar complejo.”

“Añadieron campos para IA donde se indica si algo es 100% generado por IA o si las letras fueron generadas por IA.”

“Algunos DSPs (proveedores de servicios digitales) dijeron: ‘Bien, vamos a obtener esta información de nuestros proveedores y mostrarla de manera visible para los usuarios’, y nosotros también lo tendremos; recibimos la misma información. Pero el gran problema: ¿por qué un estafador lo reconocería? Si es voluntario, es una solución parcial.”

The Miseducation

Mackta subraya que, si bien la detección es una parte importante, no se trata únicamente de detectar IA cuando se trata de Qobuz, o para la industria musical en general. La empresa ha meditado profundamente sobre qué hacer con este contenido. “Por eso la carta de IA fue un documento muy completo; no se trataba solo de contenido IA”, afirma Mackta.

¿Qué imagen más amplia emerge? “Se trataba de nuestra filosofía como compañía respecto a la IA y como herramienta en nuestro negocio — nuestra todo. Cuándo la usamos y cuándo no, y la transparencia alrededor de eso. Así que fue mucho más que contenido IA.”

Mackta suspira. Está listo para fijar el rumbo. “Notarás que no llamo a esto ‘música IA’ porque no creo que sea música. Es un simulacro de música para inducir ciertas lecturas críticas. Pero no es música.”

Everything is Everything

Quiero entender mejor los diferentes tipos de aprendizaje automático en música que aceptamos frente a la generación de audio por IA para usos fraudulentos.

Mackta explica con franqueza las versiones de aprendizaje automático que utiliza Qobuz. “Escucha: existen muchas herramientas en el flujo de creación musical que han existido mucho tiempo y que son, esencialmente, versiones de IA. Pero es muy diferente usar herramientas creativas como músico frente a un estafador que dice: ‘Dame 10,000 cosas que suenen a música para subirlas y lavar dinero’.”

“Nuestra función más solicitada fue el autoplay. Cuando termina tu pista, el usuario quiere que la música siga sonando. Eso es aprendizaje automático. Hay IA que decide qué debe sonar a continuación. Tenemos esa función. Tenemos listas de reproducción generadas algorítmicamente basadas en tu escucha y tus favoritos. Pero son solo dos listas claramente marcadas; si no quieres verlas, no tienes que verlas.”

“Pero hay personas —especialmente a medida que Qobuz crece y llega a la corriente principal— que están habituadas a esas funciones y no se dan cuenta de que es IA. Siempre dejaremos claro qué fue seleccionado por humanos y qué no.”

Lost Ones

Planteo la idea de que algunos han sugerido: la IA está aquí para quedarse y hay un argumento para no intentar frenarla por completo. Mackta ríe, pero entiende la idea. “La realidad es que estamos condenados. Pero también debemos intentar mantenerla bajo control, en la medida de lo posible.”

“Para mí, todo esto es una gran decepción. ¿Por qué estoy en el negocio de la música? Tener que lidiar con este tema junto a tantos otros ya existentes me entristece y consume tiempo, energía y recursos.”

“Es, en gran parte, una consecuencia no intencionada del modelo de negocio de streaming, con la forma en que se comparten los ingresos; siempre ha sido un objetivo para los estafadores. Es como si cada hombre, mujer, niño y perro lanzara tres álbumes el año pasado; aun así, no habría tanta música como esa música falsa empujándose por nuestras tuberías.”

Ex-Factor

Me pregunto si, mientras sean los humanos quienes crean contenido para el aprecio emocional de otros humanos (que es lo que algunas voces en la industria señalan), estaremos bien. Mackta interviene con rapidez. “Y eso es precisamente lo que es la música: ¡lo único que la hace funcionar!”

“Es única. Es una forma de comunicación que llega directamente a las emociones humanas. Podemos quitar a los humanos de cualquier lado de esa ecuación — pero entonces ya no sería música. ¿Qué hace que la música sea música? Si te haces estas preguntas, todo se vuelve claro: este asunto de IA puede sonar a música, pero…”

Así es. ¿Qué depara el futuro para Qobuz? ¿Y la industria musical en general? Mackta no es tan categórico, pero tampoco está a favor de un posible desarrollo. “No está claro qué ocurrirá con esta IA generativa. Pensé que la industria haría lo habitual y trataría de erradicarla. Pero ahora estas empresas están basicamente licenciadas por las grandes discográficas; si todos se hacen ricos, no van a intentar frenarla.”

“Pero sí creo que, en lo tocante a la parte de fraude y al enorme volumen de contenido generado puramente para fraude, la industria llegará a una especie de resolución, porque no es correcto. No sé exactamente cómo se verá, pero Qobuz forma parte de un grupo de defensa, la Music Fights Fraud Alliance (con otros DSP, distribuidores y agregadores), y todos intentamos unirnos —como la industria bancaria que comparte información para frenar fraudes. Es algo parecido a encaminar a los gatos.”

All Falls Down

Y hay otro ‘qué pasaría si’ que Mackta comparte. “En Qobuz, a veces discutimos qué pasaría si la música falsa generada por IA se convirtiera en lo que la mayoría quiere escuchar dentro de 10 años. ¿Seguiremos manteniendo nuestra filosofía? Creo que sí. Espero que sí. Espero que permanezcamos fieles a nuestra esencia y que lo que hace especial a la música no cambie.”

“Y creo que más del 90% de las personas tal vez podrían escuchar contenido de IA y creer que es música, y no les importaría. Y eso es una pena. Pero esa es la realidad.”

“Sin embargo, para quienes se interesan un poco más por la música, no creo que vayamos en esa dirección. Creo que habrá una reacción que valore la curación humana, la creación humana y la verdadera expresión artística y emocional. No se puede falsificar.”

Le digo a Mackta que coincido y que, como intérprete ocasional, espero de verdad que siga luchando. Se ríe. “Sí, si acaso, esto nos obligará a profundizar aún más en estos principios. Y, desde un punto de vista comercial, me parece perfecto. Creo que el éxito para nosotros residirá en cómo nos diferenciamos y mantenemos enfocados en lo que consideramos importante. Y, hasta ahora, todo va muy bien.”

Coincido. Como fanático de Qobuz, diría que, hasta ahora, todo va muy, muy bien.

https://kwizly.com/embed/exVLaO.js