Suno vyrástlo na 100 miliónov používateľov, no jeho hudobný biznis čelí žalobám

Suno sa dostalo na hranicu 100 miliónov používateľov. Pri generatívnej hudobnej službe je to číslo, ktoré mení debatu z technologickej ukážky na otázku distribúcie, obchodného modelu a právnej zodpovednosti.

Služba funguje podobne ako iné generatívne nástroje. Používateľ opíše žáner, náladu alebo tému a model vytvorí hudobnú stopu. Bez štúdia, hudobníkov a niekoľkých hodín práce v produkčnom softvéri tak môže vzniknúť skladba pripravená na ďalšie použitie.

Suno zároveň nestavia iba na bezplatnom experimentovaní. Má platený biznis, v ktorom používatelia získavajú vyššie limity a komerčné možnosti. To je rozdiel medzi nástrojom pre zvedavcov a službou, ktorá chce byť súčasťou profesionálnej tvorby, marketingu a zábavy.

Problémom sú tréningové dáta. Veľké hudobné vydavateľstvá žalujú Suno pre podozrenie, že model bol trénovaný na nahrávkach chránených autorským právom bez potrebných licencií. Vydavateľstvá tvrdia, že výsledkom nie je iba nový kreatívny nástroj, ale produkt postavený na práci umelcov, za ktorú neboli riadne dohodnuté podmienky.

Suno bude musieť obhájiť viac než samotnú kvalitu výstupu. Potrebuje vysvetliť, odkiaľ dáta pochádzali, aký právny režim sa na ne vzťahoval a či príjmy z predplatného spravodlivo zohľadňujú hodnotu hudobného katalógu, ktorý model pomohol vybudovať.

Tu je potrebná opatrnosť. Údaj o 100 miliónoch používateľov a rozsah plateného biznisu nie sú v podkladoch sprevádzané nezávislým auditom. Rovnako nie je rozhodnuté, či súdy vyhodnotia tréning hudobného modelu rovnako ako bežné kopírovanie nahrávok. Právne posúdenie sa ešte len tvorí.

Čo si z toho zobrať? Ak slovenská a česká firma používa generatívnu hudbu v reklame, videu alebo aplikácii, nestačí skontrolovať cenu predplatného. Treba si odložiť licenčné podmienky, overiť komerčné použitie a vyžiadať si informáciu o pôvode a právach k výstupu.

Anthropic pripravuje neviditeľné označovanie textov a obrázkov z Claude

Anthropic oznámil, že chce generovaný obsah z modelov Claude označovať strojovo čitateľnými údajmi. Pri obrázkoch má používať štandard C2PA, teda formát pre overovanie pôvodu digitálneho obsahu. Pri texte má byť vložený neviditeľný watermark (vodoznak), ktorý nemá meniť význam ani čitateľnosť.

Označenie má byť aplikované na úrovni modelu. To znamená, že by malo sprevádzať výstup aj vtedy, keď používateľ pristupuje ku Claude cez API, AWS, Google Cloud alebo Microsoft Foundry. Anthropic však zatiaľ neuviedol všetky technické detaily detekcie.

Zmena súvisí s európskymi pravidlami transparentnosti v rámci AI Actu. Nové modely majú byť označované od začiatku, pri starších produktoch Anthropic ešte len rieši technickú podporu.

Zdroj The Verge zároveň upozorňuje, že C2PA metadáta sa môžu pri nahrávaní na platformu stratiť. Ani chýbajúce označenie preto nemusí dokazovať, že obsah nevytvorila AI.

Čo si z toho zobrať? Firmy by nemali stavať kontrolu obsahu na jedinom detektore. Do procesu treba pridať evidenciu nástroja, autora, dátumu a ľudskej kontroly, pretože technický štítok môže byť odstránený alebo sa vôbec nemusí zachovať.

Claude posunul matematické hľadanie, Riemannovu hypotézu však nevyriešil

Nevydaný model Anthropic testoval 650 nápadov na riešenie Riemannovej hypotézy. Do práce zapojil 60 subagentov a podľa TechCrunch vytvoril spolu 31 miliónov výstupných tokenov.

Model hypotézu neporazil. Výskumníci však zvýšili dolnú hranicu prípadov, pre ktoré platí, a kľúčové argumenty overili interní matematici a následne formalizovali v open source nástroji Lean.

Zaujímavé nie je iba množstvo výpočtu. Úlohu koordinoval pracovník bez výrazného matematického vzdelania, zatiaľ čo subagenti mali rozdielne funkcie. Dvaja rozvíjali hlavné myšlienky, ďalší ich overovali a iní sa pokúšali nájsť nové smery.

Výsledok tak skôr pripomína výskumného asistenta než automatického nositeľa Nobelovej ceny. To je menej efektné, ale prakticky použiteľnejšie.

Čo si z toho zobrať? Pre bežnú slovenskú a českú firmu nejde o dôvod kupovať najdrahší model. Zmysel má skôr rozdeliť zložitú úlohu na generovanie návrhov, kontrolu a finálne schválenie človekom.

Čo ešte stojí za prečítanie?

  • Spotify od polovice septembra označí profily AI interpretov štítkom „AI Persona“ a ich hudbu vyradí z odporúčaní, uvádza TechCrunch AI.
  • Apple pripravuje v iOS 27 funkciu „Apple Reference Image“, ktorá má pomôcť overiť, či fotografia vznikla priamo na iPhone, píše The Verge AI.
  • OpenAI po prvý raz vydalo samostatnú linuxovú aplikáciu ChatGPT, zatiaľ však bez ovládania počítača mimo vstavaného prehliadača, informuje TechCrunch AI.
  • Microsoft pri modeli MAI-Code-1.1 Flash uvádza štvrtinové náklady oproti predchádzajúcej verzii, čo opisuje Microsoft Source.
  • Uber sa odpredal od partnera Serve Robotics, zatiaľ čo Serve uzavrel dohodu s DoorDash, sumarizuje Techmeme.

Čo si o tom myslím a čo z toho plynie pre firmy

Názor

Suno je presvedčivý dôkaz, že distribúcia dnes dokáže predbehnúť právny rámec. 100 miliónov používateľov nie je experiment v garáži. Je to publikum, ktoré už vytvára návyk, obsah a očakávania. Ak sa neskôr ukáže, že základný model vznikol bez riadne vyriešených práv k tréningovým dátam, problém nebude iba v pokute. Ohrozený bude celý obchodný model, pretože zákazníci nebudú vedieť, či môžu výstup bezpečne použiť.

Pri AI sa často rieši, ktorý model je najlepší. V prípade hudby je to nesprávna otázka. Najprv treba vedieť, či model používa dáta spôsobom, ktorý firma dokáže obhájiť pred klientom, právnikom aj vlastným účtovníctvom. Pekná skladba bez jasného pôvodu je stále podnikateľské riziko. Len má príjemnejší refrén.

Anthropic ide opačným smerom. Neviditeľné označovanie samo osebe nevyrieši pôvod dát ani autorstvo. Je však rozumné, že sa pôvod obsahu rieši už na úrovni modelu. Zodpovednosť sa nedá delegovať na nástroj, ale nástroj môže vytvoriť lepšiu stopu o tom, čo sa stalo.

Dôsledok pre slovenskú a českú firmu

Pre firmy v oboch krajinách sa mení najmä nákupný proces. Pri hudbe, obrázkoch a texte už nestačí otázka, či má služba komerčnú licenciu. Do zmluvy treba dostať aj rozsah zodpovednosti dodávateľa, spôsob riešenia nárokov tretích strán a podmienky pri zmene licenčného modelu.

Marketingový tím by mal pri každom AI výstupe evidovať nástroj, účet, dátum vytvorenia, použité vstupy a finálne schválenie. Pri kampani to zaberie minúty. Pri spore môže takýto záznam rozhodovať o tom, či firma vie preukázať primeranú starostlivosť.

V horizonte jedného až troch mesiacov sa to týka najmä agentúr, e-shopov, vydavateľov, hudobných projektov a firiem, ktoré vyrábajú veľa videí. Pre menšiu firmu nemá zmysel vytvárať právne oddelenie pre každý prompt. Má zmysel vybrať nástroje s jasnými podmienkami a zakázať používanie služieb, pri ktorých nikto nevie vysvetliť pôvod dát.

Pri Claude treba označovanie vnímať ako pomocný signál, nie certifikát pravdy. The Verge uvádza, že „C2PA data is known to be easily stripped out“. Preto má firma viesť vlastnú evidenciu a nespoliehať sa na to, že platforma po rokoch dokáže rekonštruovať pôvod súboru.

Matematický príklad Anthropic zase ukazuje, ako má vyzerať realistické nasadenie AI. Model navrhuje, skúša a koordinuje. Ľudia overujú. Pre slovenskú a českú firmu je to použiteľný vzorec pri analýze zmlúv, tvorbe ponúk alebo hľadaní chýb v kóde. Nie je to autonómny pracovník. Je to rýchlejší prvý a druhý pár očí.

Kto ušetrí čas, musí ho zároveň priradiť ku konkrétnej práci. Ak copywriter vďaka AI vyrobí päť hudobných podkladov namiesto jedného, ale nikto nekontroluje licencie, firma iba zrýchlila cestu k problému. Úspora vzniká až vtedy, keď sa čas použije na lepší brief, testovanie alebo zákaznícku prácu.

Na záver

Príbeh Suno pripomína staršiu kapitolu technologických dejín. Nový formát sa najprv šíri rýchlejšie než pravidlá a používatelia si naň zvyknú skôr, než sa stihne dohodnúť vlastníctvo. Neskôr sa ukáže, že technológia nebola bezplatná. Náklady iba zaplatil niekto iný, často menej viditeľný človek na začiatku reťazca.

Podobnú otázku priniesla aj staršia štúdia Google Wordcraft. Trinásť autorov v roku 2022 testovalo nástroj bez toho, aby podľa vlastných neskorších vyjadrení vedeli o tréningu na chránených textoch. Engadget ukazuje, ako sa z dávneho experimentu môže po rokoch stať reputačný problém.

Čo si z toho zobrať? Pri AI si zapisujte nielen výsledok, ale aj podmienky, za ktorých vznikol. Pamäť trhu je dlhšia než marketingová kampaň.

Výzva na AI implementáciu dňa

Do jedného týždňa nasaďte interný register AI výstupov. Môže to byť jednoduchý formulár v Notione, Airtable alebo SharePointe. Pri každom texte, obrázku, hudobnej stope či videu uložte nástroj, účet, dátum, zadanie, licenčný režim a meno človeka, ktorý výstup schválil.

Marketingu a produkcii to zoberie približne 2 až 5 minút na výstup. Pri malej kampani tak nevznikne významná réžia, no firma získa dohľadateľnú stopu. Spustenie zvládnete za jeden pracovný deň a školenie tímu za 30 minút.

Najčastejšie to padne na tom, že formulár je príliš dlhý alebo ho nikto nekontroluje. Začnite piatimi povinnými poľami a raz týždenne skontrolujte vzorku výstupov.

Ešte tento týždeň si vyberte jeden tím a nechajte ho evidovať každý AI výstup, ktorý použije navonok.