Suno vyrostlo na 100 milionů uživatelů, jeho hudební byznys však čelí žalobám

Suno dosáhlo hranice 100 milionů uživatelů. U generativní hudební služby jde o číslo, které mění debatu z technologické ukázky na otázku distribuce, obchodního modelu a právní odpovědnosti.

Služba funguje podobně jako jiné generativní nástroje. Uživatel popíše žánr, náladu nebo téma a model vytvoří hudební stopu. Bez studia, hudebníků a několika hodin práce v produkčním softwaru tak může vzniknout skladba připravená k dalšímu použití.

Suno zároveň nestaví pouze na bezplatném experimentování. Má placený byznys, v němž uživatelé získávají vyšší limity a komerční možnosti. To je rozdíl mezi nástrojem pro zvědavce a službou, která chce být součástí profesionální tvorby, marketingu a zábavy.

Problémem jsou tréninková data. Velká hudební vydavatelství žalují Suno kvůli podezření, že model byl trénován na nahrávkách chráněných autorským právem bez potřebných licencí. Vydavatelství tvrdí, že výsledkem není pouze nový kreativní nástroj, ale produkt postavený na práci umělců, pro kterou nebyly řádně dohodnuty podmínky.

Suno bude muset obhájit víc než samotnou kvalitu výstupu. Potřebuje vysvětlit, odkud data pocházela, jaký právní režim se na ně vztahoval a zda příjmy z předplatného spravedlivě zohledňují hodnotu hudebního katalogu, který pomohl model vybudovat.

Zde je nutná opatrnost. Údaj o 100 milionech uživatelů ani rozsah placeného byznysu nejsou v podkladech doprovázeny nezávislým auditem. Stejně tak není rozhodnuto, zda soudy vyhodnotí trénování hudebního modelu stejně jako běžné kopírování nahrávek. Právní posouzení se teprve utváří.

Co si z toho odnést? Pokud slovenská a česká firma používá generativní hudbu v reklamě, videu nebo aplikaci, nestačí zkontrolovat cenu předplatného. Je třeba uchovat licenční podmínky, ověřit komerční použití a vyžádat si informace o původu a právech k výstupu.

Anthropic připravuje neviditelné označování textů a obrázků z Claude

Anthropic oznámil, že chce generovaný obsah z modelů Claude označovat strojově čitelnými údaji. U obrázků má používat standard C2PA, tedy formát pro ověřování původu digitálního obsahu. Do textu má být vložen neviditelný watermark (vodoznak), který nemá měnit význam ani čitelnost.

Označení má být aplikováno na úrovni modelu. To znamená, že by mělo doprovázet výstup i v případě, že uživatel přistupuje ke Claude přes API, AWS, Google Cloud nebo Microsoft Foundry. Anthropic však zatím neuvedl všechny technické podrobnosti detekce.

Změna souvisí s evropskými pravidly transparentnosti v rámci AI Actu. Nové modely mají být označovány od začátku, u starších produktů Anthropic teprve řeší technickou podporu.

Zdroj The Verge zároveň upozorňuje, že metadata C2PA se při nahrávání na platformu mohou ztratit. Ani chybějící označení proto nemusí dokazovat, že obsah nevytvořila AI.

Co si z toho odnést? Firmy by neměly stavět kontrolu obsahu na jediném detektoru. Do procesu je třeba přidat evidenci nástroje, autora, data a lidské kontroly, protože technický štítek může být odstraněn nebo se vůbec nemusí zachovat.

Claude posunul matematické hledání, Riemannovu hypotézu však nevyřešil

Nevydaný model Anthropic testoval 650 nápadů na řešení Riemannovy hypotézy. Do práce zapojil 60 subagentů a podle TechCrunch vytvořil celkem 31 milionů výstupních tokenů.

Model hypotézu nevyřešil. Výzkumníci však zvýšili dolní hranici případů, pro které platí, a klíčové argumenty ověřili interní matematici a následně formalizovali v open source nástroji Lean.

Zajímavé není pouze množství výpočtů. Úkol koordinoval pracovník bez výrazného matematického vzdělání, zatímco subagenti měli různé funkce. Dva rozvíjeli hlavní myšlenky, další je ověřovali a jiní se pokoušeli najít nové směry.

Výsledek tak připomíná spíše výzkumného asistenta než automatického nositele Nobelovy ceny. To je méně efektní, ale prakticky využitelnější.

Co si z toho odnést? Pro běžnou slovenskou a českou firmu nejde o důvod kupovat nejdražší model. Smysl má spíše rozdělit složitý úkol na generování návrhů, kontrolu a finální schválení člověkem.

Co ještě stojí za přečtení?

  • Spotify od poloviny září označí profily AI interpretů štítkem „AI Persona“ a jejich hudbu vyřadí z doporučení, uvádí TechCrunch AI.
  • Apple připravuje v iOS 27 funkci „Apple Reference Image“, která má pomoci ověřit, zda fotografie vznikla přímo na iPhonu, píše The Verge AI.
  • OpenAI poprvé vydalo samostatnou linuxovou aplikaci ChatGPT, zatím však bez ovládání počítače mimo vestavěný prohlížeč, informuje TechCrunch AI.
  • Microsoft u modelu MAI-Code-1.1 Flash uvádí čtvrtinové náklady oproti předchozí verzi, což popisuje Microsoft Source.
  • Uber se odprodal od partnera Serve Robotics, zatímco Serve uzavřel dohodu s DoorDash, shrnuje Techmeme.

Co si o tom myslím a co z toho plyne pro firmy

Názor

Suno je přesvědčivým důkazem, že distribuce dnes dokáže předběhnout právní rámec. 100 milionů uživatelů není experiment v garáži. Je to publikum, které si už vytváří návyk, obsah a očekávání. Pokud se později ukáže, že základní model vznikl bez řádně vyřešených práv k tréninkovým datům, problém nebude pouze v pokutě. Ohrožený bude celý obchodní model, protože zákazníci nebudou vědět, zda mohou výstup bezpečně použít.

U AI se často řeší, který model je nejlepší. V případě hudby je to nesprávná otázka. Nejprve je třeba vědět, zda model používá data způsobem, který firma dokáže obhájit před klientem, právníkem i vlastním účetnictvím. Pěkná skladba bez jasného původu je stále podnikatelské riziko. Jen má příjemnější refrén.

Anthropic jde opačným směrem. Neviditelné označování samo o sobě nevyřeší původ dat ani autorství. Je však rozumné, že se původ obsahu řeší už na úrovni modelu. Odpovědnost nelze delegovat na nástroj, nástroj však může vytvořit lepší stopu o tom, co se stalo.

Důsledek pro slovenskou a českou firmu

Pro firmy v obou zemích se mění především nákupní proces. U hudby, obrázků a textu už nestačí otázka, zda má služba komerční licenci. Do smlouvy je třeba dostat také rozsah odpovědnosti dodavatele, způsob řešení nároků třetích stran a podmínky při změně licenčního modelu.

Marketingový tým by měl u každého výstupu AI evidovat nástroj, účet, datum vytvoření, použité vstupy a finální schválení. U kampaně to zabere minuty. Při sporu může takový záznam rozhodovat o tom, zda firma dokáže prokázat přiměřenou péči.

V horizontu jednoho až tří měsíců se to týká především agentur, e-shopů, vydavatelů, hudebních projektů a firem, které vyrábějí velké množství videí. Pro menší firmu nemá smysl vytvářet právní oddělení pro každý prompt. Smysl má vybrat nástroje s jasnými podmínkami a zakázat používání služeb, u nichž nikdo nedokáže vysvětlit původ dat.

U Claude je třeba vnímat označování jako pomocný signál, nikoli certifikát pravdy. The Verge uvádí, že „C2PA data is known to be easily stripped out“. Proto má firma vést vlastní evidenci a nespoléhat se na to, že platforma po letech dokáže rekonstruovat původ souboru.

Matematický příklad Anthropic zase ukazuje, jak má vypadat realistické nasazení AI. Model navrhuje, zkouší a koordinuje. Lidé ověřují. Pro slovenskou a českou firmu jde o použitelný vzorec při analýze smluv, tvorbě nabídek nebo hledání chyb v kódu. Není to autonomní pracovník. Je to rychlejší první a druhý pár očí.

Kdo ušetří čas, musí ho zároveň přiřadit ke konkrétní práci. Pokud copywriter díky AI vyrobí pět hudebních podkladů místo jednoho, ale nikdo nekontroluje licence, firma pouze urychlila cestu k problému. Úspora vzniká až ve chvíli, kdy se čas využije na lepší zadání, testování nebo práci se zákazníkem.

Na závěr

Příběh Suno připomíná starší kapitolu technologických dějin. Nový formát se nejprve šíří rychleji než pravidla a uživatelé si na něj zvyknou dříve, než se stihne dohodnout vlastnictví. Později se ukáže, že technologie nebyla bezplatná. Náklady pouze zaplatil někdo jiný, často méně viditelný člověk na začátku řetězce.

Podobnou otázku přinesla i starší studie Google Wordcraft. Třináct autorů v roce 2022 testovalo nástroj, aniž podle vlastních pozdějších vyjádření věděli o trénování na chráněných textech. Engadget ukazuje, jak se z dávného experimentu může po letech stát reputační problém.

Co si z toho odnést? U AI si zapisujte nejen výsledek, ale také podmínky, za kterých vznikl. Paměť trhu je delší než marketingová kampaň.

Výzva k AI implementaci dne

Během jednoho týdne nasaďte interní registr výstupů AI. Může jít o jednoduchý formulář v Notionu, Airtable nebo SharePointu. U každého textu, obrázku, hudební stopy či videa uložte nástroj, účet, datum, zadání, licenční režim a jméno člověka, který výstup schválil.

Marketingu a produkci to zabere přibližně 2 až 5 minut na výstup. U malé kampaně tak nevznikne významná režie, firma však získá dohledatelnou stopu. Spuštění zvládnete za jeden pracovní den a proškolení týmu za 30 minut.

Nejčastěji to selže na tom, že formulář je příliš dlouhý nebo ho nikdo nekontroluje. Začněte pěti povinnými poli a jednou týdně zkontrolujte vzorek výstupů.

Ještě tento týden vyberte jeden tým a nechte ho evidovat každý výstup AI, který použije navenek.