El veredicto IA de TuneCore sobre 'Praying' fue correcto. El proceso siguió siendo un problema.

Hace tres días, la artista independiente ucraniana Yasia Saienko (@yasiavmyla) publicó en Instagram un screenshot de un email de TuneCore rechazando la distribución del Track 2 de su álbum de teatro Atlantis. TuneCore citó "indicadores que sugieren el uso de herramientas de IA generativa que dependen de datasets que no están licenciados apropiadamente". Sin evidencia. Sin revisión humana. Sin path de apelación. El post cruzó los 1,200 likes en 72 horas porque miles de artistas independientes sintieron ese email llegando a su bandeja sin ningún recurso. Corrimos el mismo track por nuestro detector. El veredicto coincidió con TuneCore. Eso no cierra la conversación — abre una distinta.

Qué pasó

El 20 de julio de 2026, TuneCore envió un email a Yasia Saienko rechazando la entrega de "Praying" — un track de Atlantis (Music for the Theatre Production), que según ella lleva publicado en su Bandcamp aproximadamente 1.5 años. El lenguaje del rechazo es boilerplate: "el equipo de revisión de contenido identificó indicadores que sugieren el uso de herramientas de IA generativa". Sin señal específica. Sin timestamp del audio. Sin versión de modelo. Sin path para apelar con data.

Su respuesta, en el caption del post viral:

Al mismo tiempo, no proveen ninguna evidencia y simplemente se apoyan en su propia "tecnología", que es, obviamente, IA. Su equipo de soporte no soporta. Solo ralentiza las cosas y crea frustración. Nunca se provee revisión humana. Y esto no es un caso aislado. […] ¿en serio? ¿tengo que probar mi autenticidad a máquinas?

Cada elemento de su frustración es legítimo por sí mismo: sin evidencia adjunta al rechazo, sin humano en el loop, sin señal explicable, sin canal claro de apelación. La última línea — "¿tengo que probar mi autenticidad a máquinas?" — es lo que todo el tier de artistas independientes va a estar preguntándole a los DSPs y distribuidores en los próximos doce meses.

La segunda opinión independiente

Corrimos el mismo track — "Praying" — por el lookup público de DistroShield. Arquitectura de modelo distinta a la de TuneCore, corpus de entrenamiento distinto, sin vendor compartido. Esto es lo que emitió nuestro detector:

Dos sistemas entrenados distinto, usando feature sets distintos, entregaron la misma clase de veredicto. Eso es la definición de validación cruzada, y es lo que los artistas no habían tenido acceso hasta ahora. El veredicto de TuneCore no fue revelado con una probabilidad, una clase de atribución ni un runner-up. El nuestro está revelado con los tres, más un timestamp firmado y un hash SHA-256 del análisis subyacente.

La atribución "unknown_ai" es la pieza que importa acá. Es la forma en que nuestro modelo primary v10 dice "esto encaja con la signature acústica de audio generado por IA, pero no matchea específicamente los fingerprints de Suno, Udio, o los generadores licenciados para los que tenemos perfiles". Eso mapea casi exactamente con la frase de TuneCore: "herramientas de IA generativa que dependen de datasets que no están licenciados apropiadamente". Dos sistemas independientes, sin datos de entrenamiento compartidos, convergiendo en la misma clasificación — incluso en la misma sub-clasificación.

Esto no es sobre quién tiene razón

Es posible que ambos detectores estén equivocados. Los tracks cinematográficos y de composición para teatro — pads sostenidos largos, mínimos transientes, releases extendidos, mezcla atmosférica — se ubican en la región acústica donde el output de generación IA y la producción humana legítima se solapan más pesadamente. Todos los detectores de música IA en el mercado hoy fueron entrenados en un corpus pesadamente sesgado hacia pop, urbano, y géneros vocal-forward. El material ambient y cinematográfico es genuinamente out-of-distribution, y out-of-distribution es donde los clasificadores fallan de manera correlacionada — o sea, dos detectores independientes pueden misfirar en el mismo track por la misma razón subyacente.

Así que este artículo no está diciendo "Yasia usó IA". No podemos probarlo. TuneCore no puede probarlo. Lo que sí podemos decir es:

1. Las signatures acústicas de este track van a disparar todos los sistemas mayores de detección de IA en la industria, no solo el de TuneCore. Si el track se envía a Spotify o Deezer a través de otro distribuidor, enfrenta la misma matemática sin más transparencia de la que TuneCore ofreció.
2. Si el track es 100% humano, la artista merece una forma de establecerlo con data — no rogándole a un ticket de soporte y esperando que un humano eventualmente lo lea.
3. Si el track es generado o asistido por IA, la artista merece saber cuáles signatures específicas dispararon el flag para decidir si divulgar, modificar, o disputar.

Ninguno de esos tres outcomes está disponible para ella hoy a través del proceso de TuneCore. Y ninguno estará disponible en Spotify, Deezer, o Amazon tampoco. Ese es el problema real que su post visibilizó.

Lo que todo artista independiente tiene ahora mismo

Mapeá su situación sobre el stack actual de la industria:

El stack entero es veredictos unilaterales sin artefacto independiente. Cada conversación sobre "IA o no" pasa como su palabra contra una caja negra. Cuando se cambia a otro distribuidor para bypassear TuneCore, no está resolviendo el problema — está caminando hacia la siguiente caja negra, y aguas abajo sigue chocando con el engine de remoción retroactiva de Spotify y la limpieza de catálogo de Deezer, ambos corriendo sus propios clasificadores con sus propias políticas de cero-transparencia.

Lo que una segunda opinión independiente le da a un artista

Para el caso específico de "Praying", esto es lo que un reporte de DistroShield contiene que un email de rechazo de TuneCore no:

1. Una clase específica de veredicto (human / hybrid / licensed_ai / unlicensed_ai / unknown_ai) en lugar de un aceptar/rechazar booleano. En este caso: unknown_ai, 98% de confianza de atribución.
2. Una probabilidad, no una decisión. 75% de probabilidad de IA es significativamente distinto de 99%. Ambos serían "rechazado" por un filtro booleano. El número es lo que le permite al artista medir si el flag es borderline o abrumador.
3. Una clase runner-up. La nuestra muestra licensed_ai en 1% — o sea que el clasificador no cree que esto sea output de un generador licenciado, coincidiendo con la frase de TuneCore "datasets no licenciados". Cuando el runner-up es alto (ej. human en 40%), eso es diagnóstico de un caso difícil donde mentes razonables — y clasificadores razonables — podrían discrepar.
4. Un certificado firmado. Versión del modelo, timestamp, probabilidades por clase, hash SHA-256. Este es el artefacto que convierte "yo digo que es humano" en un registro evidencial que un distribuidor, DSP, o equipo de derechos puede verificar independientemente.
5. Un camino hacia adelante. Si el artista cree que el veredicto está mal, el reporte completo lista las señales acústicas que llevaron a la clasificación. Esa superficie hace posible tener una conversación técnica — con el distribuidor, con un productor, o con un abogado — en lugar de una de "confía en mí".

TuneCore no emitió ninguno de estos. Tampoco DistroKid. Tampoco CD Baby. Tampoco FUGA. Tampoco los clasificadores internos de los DSPs. Este gap es lo que el post de Yasia visibilizó con más alcance que cualquiera de los anuncios recientes de DSP — porque a diferencia de los industry briefs, el suyo aterrizó con una cara y un nombre.

El shift mayor donde su caso se ubica

Zoom out del caso individual:

En dos semanas: tres revelaciones de aplicación en la capa DSP, dos sistemas de rechazo activo en la capa distribuidor, y un caso viral poniéndole nombre al lado artista de ese pipeline. La dirección está definida. Las herramientas para aplicar ya están corriendo a escala de producción. Lo que no se puso al día es la capa de transparencia — una señal independiente, controlada por el artista, que participe en igualdad de condiciones con la señal privada del distribuidor o el DSP.

Detección de segunda opinión independiente ya no es un nice-to-have. Para cualquier artista indie lanzando después de 2024, es el único mecanismo de recurso que no requiere que el distribuidor o el DSP se ofrezca voluntariamente a compartir información que no han mostrado voluntad de compartir. Eso aplica tanto si la segunda opinión coincide con el distribuidor (como acá) o lo contradice — el artefacto es el mismo, y el artefacto es lo que cambia la conversación.

Una nota para Yasia, si este artículo llega a ella

Si crees que el veredicto está mal, el reporte técnico completo sobre "Praying" — incluyendo las señales acústicas específicas que llevaron a la clasificación unknown_ai — está disponible sin costo. Escríbenos a contact@distroshield.com con el track y te lo enviamos. Si el reporte identifica una signature específica que rastrea a una decisión de mezcla o mastering en lugar de la composición misma, esa es información accionable — para vos, para tu productor, y para la conversación con el distribuidor. Si identifica signatures características del output de IA generativa, también es información tuya, y decides qué hacer con ella. En cualquier caso, la señal es tuya, no nuestra ni de TuneCore.

El punto mayor no es sobre un track. El punto es que ningún artista debería estar en la posición de argumentar su humanidad ante un ticket de soporte sin evidencia en mano. La herramienta para cambiar eso existe y cuesta menos que un café.