Mudanças Profundas e Polimorfas na Música na Era da Transformação Digital
- Jean-Pierre Briot
- há 2 horas
- 24 min de leitura
Sorbonne Université, CNRS, LIP6, F-75005 Paris, França
DI/PUC-Rio, Rio de Janeiro, RJ 22451-900, Brasil
CBAE/UFRJ, Rio de Janeiro, RJ 22250-020, Brasil
Resumo: Recentes e profundas mudanças tecnológicas (estações de trabalho de áudio digital, streaming e IA generativa) obrigam a repensar a maneira de fazer, ouvir, e assim de pensar a música. Nesse artigo, analisamos os diferentes tipos de mudança e seus efeitos na transformação, na ecologia e na economia da música e nas vidas dos músicos. Analisamos e apontamos algumas possíveis direções.
Palavras-chave: música; transformação digital; inteligência artificial; mudanças; desafios.
1. Introdução
A música já encontrou mudanças tecnológicas importantes. Exemplos são: a impressão que democratizou as partituras musicais; o fonógrafo que separou pela primeira vez a audição da performance ao vivo; a amplificação elétrica que remodelou o panorama sonoro.
Mas, recentemente, a música está enfrentando três transformações profundas, interligadas. e convergindo simultaneamente.
1. A própria natureza da música mudou: a forma como é criada, distribuída, consumida e valorizada;
2. O público da música mudou: os hábitos de audição são agora moldados por algoritmos de streaming e a fronteira entre consumidor e criador tornou-se difusa;
3. A própria criação musical mudou: as estações de trabalho de áudio digital (Digital Audio Workstations – DAWs) vêm remodelando a prática da composição há duas décadas.
Além disso, a inteligência artificial generativa surgiu, capaz de produzir peças musicais completas e estilisticamente coerentes a partir de um breve texto.
Essas mudanças não são independentes entre si e todas impactam diretamente em vários aspectos da música (natureza, produção, público, economia).
Este curto artigo busca mapear esses desafios e considerar algumas possíveis direções.
2. A música mudou
2.1 A natureza da música mudou
2.1.1 Do instrumento ao streaming: uma cadeia de revoluções tecnológicas
O século XX testemunhou uma sucessão de revoluções tecnológicas que alteraram progressivamente a natureza do artefato musical. O microfone elétrico e a indústria fonográfica desvincularam a performance musical da sala de concertos. O fonógrafo, o rádio e, posteriormente, a televisão deram à música um alcance sem precedentes, embora o artefato ainda permanecesse físico: um disco de vinil, uma fita magnética, um CD. Cada uma dessas tecnologias carregava seu próprio modelo econômico, seu próprio conjunto de habilidades a serem adquiridas e seu próprio conjunto de intermediários.
O formato MP3 (padronizado em 1991 e popularizado no final da década de 1990) libertou a música de seu suporte físico, inaugurando a era da desmaterialização digital.
As consequências foram imediatas e severas para a indústria musical tradicional: as receitas da música gravada despencaram na década de 2000. As plataformas de streaming (como o Deezer, lançado em 2007, e o Spotify, em 2008) propuseram um novo modelo: acesso ilimitado em troca de uma assinatura ou atenção (publicidade). Em 2024, o streaming representava a esmagadora maioria das receitas da música gravada na maior parte dos mercados ocidentais.
2.1.2 Desmaterialização e suas consequências
A desmaterialização não significa que a música se tornou intangível em um sentido puramente técnico — os arquivos digitais são objetos materiais perfeitamente reproduzíveis. O que se desmaterializou foi a escassez. Como argumentou François Pachet, a transição do artefato físico para o digital implica uma transição da singularidade e raridade para a ubiquidade e a diluição de valor [Pachet, 2025]. A mesma observação se aplica às ferramentas de produção musical: um estúdio de gravação totalmente equipado, que antes exigia investimentos de capital de centenas de milhares de dólares, hoje pode ser simulado por um laptop, um microfone e um software de código aberto.
Isso cria o que Pachet chama de paradoxo dos criadores: as tecnologias digitais e a internet, simultaneamente, proporcionaram aos criadores um alcance e uma difusão sem precedentes — um músico de uma cidade pequena agora pode encontrar um público global — ao mesmo tempo que destruíram estruturalmente o valor econômico do próprio conteúdo que eles ajudam a distribuir.
Maior difusão e menor valor são duas faces da mesma moeda. A economia do streaming exemplifica esse paradoxo de forma aguda: uma música pode acumular milhões de reproduções e seu criador ainda ganha menos do que o preço de um café. A IA generativa está agora aprofundando ainda mais esse paradoxo, inundando os canais de distribuição com conteúdo produzido por máquinas a um custo marginal próximo de zero e reduzindo ainda mais a atenção e a receita disponíveis para os criadores humanos.
Isso tem uma implicação educacional direta: o domínio técnico de instrumentos físicos e o prestígio social que ele confere já não são um diferencial suficiente. As barreiras para a criação e distribuição de música diminuíram, mas as barreiras para ser ouvido e valorizado, de certa forma, aumentaram drasticamente. A educação musical deve preparar os alunos para essa dualidade incômoda — equipando-os com as ferramentas para alcançar um público amplo, ao mesmo tempo que os ajuda a desenvolver a singularidade artística e a consciência econômica necessárias para sustentar uma vida criativa em um ambiente de hiperabundância.
2.1.3 Democratização da criação
Paradoxalmente, a desmaterialização possibilitou uma democratização sem precedentes da criação musical. Plataformas como SoundCloud, Bandcamp, YouTube e TikTok permitem que qualquer pessoa distribua música globalmente com custo marginal próximo de zero. O número de faixas adicionadas ao Spotify, em média, ultrapassou 100.000 por dia em 2024, com estimativas sugerindo que aproximadamente metade desse volume agora possui um componente assistido por IA ou totalmente gerado por IA.
Essa democratização é verdadeiramente libertadora em alguns aspectos: estilos e tradições antes confinados a regiões ou comunidades específicas agora podem alcançar públicos globais. Produtores caseiros do Rio de Janeiro, Lagos ou Seul podem atingir ouvintes no mundo todo. A diversidade cultural da música disponível para qualquer ouvinte, em princípio, nunca foi tão grande.
Mas a democratização da produção também significa saturação. A relação entre criador e público — o contrato social que antes tornava a música economicamente e culturalmente significativa para ambas as partes — está sob tensão. A educação musical agora precisa lidar com a formação de músicos não apenas para uma técnica, mas para um cenário onde a atenção é o recurso mais escasso.
2.1.4 Impacto nos direitos e na receita
A economia do streaming criou vencedores e perdedores cuja distribuição é extremamente desigual. Um número muito pequeno de artistas — e sobretudo as grandes gravadoras que detêm os seus direitos — captura uma parcela desproporcional das receitas do streaming, enquanto a grande maioria dos músicos profissionais ganha muito pouco por reprodução. O valor pago por reprodução nas principais plataformas é de frações de centavo.
A inteligência artificial generativa complicou ainda mais o cenário de direitos autorais e receitas. Sistemas como Suno e Udio foram treinados com vastos conjuntos de gravações existentes, levantando questões não resolvidas sobre direitos autorais, consentimento e remuneração justa para os artistas cujas obras constituíram esses conjuntos de treinamento.
Em outubro de 2025, um acordo significativo foi firmado entre a Universal Music Group e a Udio, um primeiro passo rumo a novas estruturas legais. Mas a jurisprudência continua em rápida evolução, e os educadores musicais precisam preparar os alunos para navegar em um ambiente onde as regras ainda estão em processo de transformação.
2.2 O público musical mudou: a ascensão da música funcional
Uma das mudanças mais sutis, porém mais significativas, da era do streaming é a alteração na forma como as pessoas ouvem música. As plataformas de streaming moldaram ativamente os hábitos de audição por meio de recomendações algorítmicas, direcionando os usuários para músicas adequadas a contextos funcionais: estudar, exercitar-se, dormir, relaxar, concentrar-se. O resultado foi um crescimento significativo do que poderíamos chamar de música funcional — música valorizada principalmente por seu efeito (concentração, relaxamento, humor, etc.) em vez das qualidades estéticas e expressivas que historicamente têm sido o foco da educação musical.
Essa mudança possui dimensões tanto quantitativas quanto qualitativas. Quantitativamente, estudos sobre música popular ocidental nas últimas cinco décadas documentaram uma restrição na variedade melódica, uma homogeneização do timbre e um aumento na compressão dinâmica [Serrá et al., 2012], consistentes com a otimização da música para audição em segundo plano e para os ambientes sonoros das plataformas de streaming.
Qualitativamente, surge uma tensão entre a música concebida como expressão artística autônoma e a música concebida como conteúdo funcional — uma distinção com profundas implicações para o que escolhemos ensinar e o que escolhemos valorizar.
2.3 A produção musical mudou.
2.3.1 Estações de trabalho de áudio digital
A ampla adoção de softwares para DAWs (Digital Audio Workstations) - Ableton Live, Cubase, GarageBand, Logit Pr e outros - nas últimas duas décadas já transformou a prática da produção musical.
O fluxo de trabalho com DAWs é fundamentalmente diferente da composição tradicional.
Enquanto a composição tradicional é de cima para baixo e centrada na partitura — começando com uma inspiração melódica ou harmônica, refinada por meio da notação e, em seguida, orquestrada —, a produção baseada em DAWs é de baixo para cima e centrada no som, começando com loops, samples e texturas sonoras que são montadas, sobrepostas e manipuladas.
Essa distinção não é nova: a “música concreta” de Pierre Schaeffer, na década de 1940, já funcionava pela montagem e transformação de sons gravados. As possibilidades digitais de edição não destrutiva, duplicação instantânea e sobreposição quase infinita de camadas tornaram essa abordagem o modo dominante de produção de música popular.
Os alunos que chegam à educação musical hoje podem ter passado anos em um ambiente de DAW e desenvolvido uma compreensão intuitiva sofisticada de timbre, textura e estética de produção — habilidades que os currículos tradicionais de conservatório não foram projetados para reconhecer ou desenvolver.
2.3.2 A IA em cena
A chegada da IA (inteligência artificial) generativa adiciona mais uma camada, qualitativamente diferente, a essa transformação. É preciso distinguir, no entanto, entre duas abordagens muito diferentes da IA na música, que correspondem a propósitos e relações distintas entre o criador humano e a máquina.
• Geradores autônomos — sistemas como Suno e Udio — produzem peças musicais completas e estilisticamente coerentes a partir de um texto. A qualidade de áudio desses sistemas evoluiu notavelmente rápido. Em termos de produção sonora, resultados que seriam inimagináveis há cinco anos agora são gerados em dezenas de segundos. Esses sistemas são ideais para música funcional — música de fundo para vídeos, anúncios e documentários — onde velocidade, custo e competência estilística importam mais do que originalidade na composição ou expressão artística.
No entanto, esses sistemas apresentam limitações claras e fundamentais do ponto de vista musical e educacional. Sua geração é de ponta a ponta: uma regeneração completa é necessária para qualquer modificação estrutural, e não há como intervir no nível composicional — melodia, harmonia e estrutura são opacas e incontroláveis.
Mais fundamentalmente, como argumenta Briot [2025], esses sistemas aprendem com artefatos musicais existentes; eles não modelam o processo de criação. São interpoladores estatísticos sobre um espaço estilístico aprendido, o que os direciona estruturalmente para a conformidade e os afasta da originalidade. Outro risco é o que Shumailov et al. [2024] chamam de colapso do modelo: à medida que o conteúdo gerado por IA inunda os conjuntos de dados de treinamento, as gerações sucessivas de modelos convergem para uma variância cada vez menor, por causa dessa retroalimentação.
• Os assistentes de composição representam uma filosofia fundamentalmente diferente: em vez de substituir o(s) compositor(es), eles apoiam interativamente sua prática e etapas operacionais.
Dois sistemas marcantes nessa linhagem, ambos desenvolvidos por François Pachet e seus colaboradores na Sony CSL-Paris, ilustram a amplitude do que essa interação pode significar.
O FlowComposer, desenvolvido no âmbito do projeto ERC Flow Machines [Pachet et al., 2021], é um assistente de composição centrado na partitura. O músico pode escrever e editar interativamente uma partitura musical e, a qualquer momento, solicitar ao FlowComposer esboços melódicos ou harmônicos inspirados em um corpus estilístico escolhido — por exemplo, as bossas novas de Tom Jobim ou o corpus de standards de jazz — bem como complementos e harmonizações de fragmentos melódicos já escritos.
Em adição, restrições podem ser impostas à geração: por exemplo, terminar uma melodia na mesma nota do início, evitar notas excessivamente longas, conformar-se a uma estrutura harmônica específica. O compositor mantém total intencionalidade e controle sobre o processo de refinamento composicional, bem como sobre as decisões estruturais e estéticas.
O FlowComposer foi validado na criação do álbum Hello World em 2018, uma demonstração marcante de composição assistida por IA, na qual o sistema foi subordinado integralmente à visão artística de diversos músicos profissionais. A produção final, assim como a execução instrumental e vocal, foram realizadas quase que exclusivamente por músicos humanos, a partir da composição e da demo de pré-produção construída com o auxílio do ambiente do FlowComposer.
O Continuator [Pachet, 2002] aborda uma dimensão diferente, porém complementar, da criatividade musical: a interação e a improvisação em tempo real.
Enquanto o FlowComposer auxilia no processo iterativo de composição de uma partitura, o Continuator opera durante a performance. O sistema aprende o estilo do músico a partir do que ele acabou de tocar e imediatamente continua nesse estilo — respondendo ao músico como um parceiro estilisticamente sintonizado faria em uma “jam session” de jazz, retomando de onde o músico parou e expandindo seu pensamento musical.
Isso faz do Continuatoruma ferramenta para explorar a improvisação, que pode ser entendida como uma composição instantânea em tempo real: um modo de criatividade musical espontâneo, incorporado e fundamentalmente interativo. Experimentos com músicos profissionais, mas também com crianças [Rowe et al., 2018], mostraram que o sistema gerou forte envolvimento, surpresa e um senso aguçado de protagonismo musical — reações que são educacionalmente significativas justamente por surgirem da experiência de serem ouvidos musicalmente e respondidos em tempo real.
A distinção entre geradores autônomos e assistentes de composição é extremamente importante para a educação musical. Os primeiros posicionam os alunos como consumidores da produção da IA (ou, na melhor das hipóteses, como curadores dela); os segundos posicionam a IA como uma extensão da própria capacidade criativa do aluno.
Somente a segunda abordagem é produtiva do ponto de vista educacional.
Vale ressaltar também que a distinção entre áudio e partitura ainda representa uma divisão fundamental na forma como os sistemas de IA operam na música. Sistemas como Suno e Udio trabalham com áudio bruto — uma forma de onda rica em timbre e textura, mas opaca à análise composicional.
Sistemas como o FlowComposer trabalham com representações simbólicas — notas, acordes, durações — que são interpretáveis, controláveis e pedagogicamente significativas. Um objetivo ainda distante para a próxima geração de sistemas musicais baseados em IA seria gerenciar simultaneamente conteúdos simbólicos e de áudio, oferecendo assim a transparência composicional dos sistemas simbólicos combinada com a riqueza estilística atualmente encontrada apenas em sistemas de áudio.
2.4 A economia da música e dos músicos mudou
2.4.1 A grande ruptura do streaming
É importante sermos precisos quanto à cronologia e causalidade, pois a tentação de atribuir a precariedade financeira dos músicos à IA generativa é compreensível, mas historicamente imprecisa.
A profunda transformação da economia dos músicos já estava bem encaminhada e praticamente concluída antes que a IA generativa se tornasse comercialmente relevante. Como discutido na Seção 2.1, a transição das vendas físicas para as assinaturas de streaming, ocorrida no final da década de 2000, reestruturou a economia da música gravada, passando de um modelo baseado em vendas unitárias (um fã paga por uma cópia) para um modelo baseado na receita agregada, agrupada e redistribuída de assinaturas (um fã paga pelo acesso a todo o conteúdo, e o montante é dividido de acordo com a participação relativa no total de ouvintes).
Essa mudança, por si só, foi suficiente para reduzir o valor unitário de uma gravação musical em cerca de duas ordens de magnitude em relação à venda de um CD ou um download.
Os números da era do streaming são alarmantes, independentemente de qualquer consideração sobre inteligência artificial. Os pagamentos por reprodução continuam sendo uma pequena fração de centavo na maioria das principais plataformas — na ordem de US$ 0,003 a US$ 0,005 no Spotify, um pouco mais no Apple Music e Tidal, e ainda menos no plano pago com anúncios do YouTube Music.
Um artista precisa de centenas de milhares de reproduções para gerar receita equivalente a um único show modesto. Embora os valores totais pagos pelas plataformas tenham crescido substancialmente — o Spotify sozinho relatou cerca de US$ 11 bilhões em pagamentos de royalties em 2025 [Spotify, 2026] — esse crescimento tem sido altamente concentrado: um pequeno número de artistas no topo da distribuição captura uma parcela desproporcional, enquanto a grande maioria dos músicos independentes recebe uma renda por reprodução que é, para fins práticos, insignificante.
O streaming se tornou, para a maioria dos músicos, uma ferramenta de descoberta em vez de uma fonte de renda — uma “placa de boas-vindas na porta de entrada” em vez da essência de uma carreira musical. Essa reestruturação do valor musical — e a dinâmica mais ampla, discutida na Seção 2.1.2, pela qual a desmaterialização converte o que antes era escasso (uma gravação física) em algo abundante e quase gratuito — antecede a IA generativa em mais de uma década.
Então, em resumo, a IA generativa não iniciou essa dinâmica; ela a prolonga e intensifica. Ao tornar a produção de música gravada estilisticamente competente praticamente gratuita, a IA adiciona uma nova onda de oferta a um mercado de música gravada já saturado e estruturalmente desvalorizado — mais de 100.000 novas faixas são adicionadas ao Spotify todos os dias, com uma parcela substancial e crescente gerada total ou parcialmente por IA.
O problema estrutural já era que a música gravada havia se tornado abundante e barata de se obter; a contribuição da IA é torná-la também abundante e barata de produzir, agravando, em vez de originar, a desvalorização. Compreender essa sequência é importante para a educação musical, porque localiza corretamente o desafio mais fundamental: mesmo em um mundo hipotético sem IA generativa, a economia de ser um músico profissional de gravação já seria excepcionalmente difícil. A IA agrava uma crise existente; ela não a criou.
2.4.2 Direitos e a economia da música na era da IA
Nesse cenário econômico já transformado, a IA generativa introduz uma complicação adicional, qualitativamente nova: um regime de direitos autorais pouco adequado ao tipo de concorrência que a IA representa.
O problema central é estrutural: sistemas de IA generativa como Suno e Udio normalmente não reproduzem uma sequência específica e identificável de uma obra anterior específica. Eles geram um novo áudio que é estatisticamente consistente com os estilos, texturas e estruturas presentes em seus dados de treinamento, sem (na maioria dos casos) copiar diretamente uma melodia ou amostra identificável de uma fonte identificável.
É precisamente isso que torna o aparato de direitos autorais existente inadequado para o problema: a lei de direitos autorais, como está constituída atualmente, foi concebida para proteger expressões específicas e fixas — uma melodia particular, uma gravação particular — contra a cópia direta. Ela nunca foi projetada para lidar com sistemas que absorvem a assinatura estatística de um gênero inteiro, do catálogo completo de um artista ou de uma era musical inteira, e reproduzem essa assinatura em infinitas novas variações, nenhuma das quais infringe qualquer obra individual, enquanto, coletivamente, corroem o mercado de todas elas.
Trata-se, na prática, de um novo tipo de dano que não se encaixa perfeitamente nas categorias de infração para as quais a lei já dispõe de ferramentas. A questão dos dados de treinamento (era lícito copiar milhões de músicas para um servidor para treinar o modelo?) está sendo litigada e, a partir de 2026, deverá se resolver gradualmente em direção a acordos de licenciamento negociados entre as grandes gravadoras e empresas de IA — os acordos firmados pela Universal Music Group e pela Warner Music Group com a Udio e a Suno em 2025 são exemplos notáveis. Mas isso resolve apenas a questão inicial de saber se o treinamento foi lícito; pouco contribui para o músico final, cujo estilo, técnica ou nicho agora podem ser aproximados por um sistema generativo sem que um tribunal possa apontar qualquer ato de cópia.
Entretanto, a doutrina atual de direitos autorais na maioria das jurisdições nega proteção a trabalhos gerados puramente por IA, sob o argumento de que estes carecem de autoria humana suficiente— o que significa que um músico que vê seu estilo emulado por um sistema de IA, na maioria dos casos, não tem nenhuma infração específica a apontar, e a obra concorrente resultante, gerada por IA, não pode ser protegida nesse momento por ninguém.
As categorias legais simplesmente não foram concebidas para uma tecnologia que compete por extrapolação, e não por cópia.
Devemos também mencionar algumas perspectivas positivas no uso de tecnologias avançadas e IA (além de expandir as possibilidades para artistas, como exemplificado na Seção 2.3.2) para auxiliar compositores e músicos no registro e certificação de suas criações musicais (direitos autorais de composição e/ou gravação), bem como para facilitar os processos de licenciamento e gestão de royalties.
Exemplos do uso de IA incluem a detecção automática de plágio e o consequente processamento automático para o pagamento dos royalties devidos, e a detecção automática de músicas geradas (só) por IA em plataformas de streaming (um recurso atualmente proposto pela Deezer).
Para a educação musical, essas questões não são meramente acadêmicas. Os alunos precisam compreender o ambiente jurídico em que irão trabalhar. Precisam saber que o uso de ferramentas de IA para gerar música pode complicar a questão da propriedade intelectual da obra resultante. Precisam entender como documentar seu processo criativo de forma a comprovar sua contribuição humana. E precisam refletir criticamente sobre a questão mais ampla de como deveria ser a remuneração justa para os músicos, em um mercado remodelado primeiro pelo streaming e agora ainda mais pela IA generativa.
2.4.3 O que resta para os músicos: Diversificação e a questão da resposta coletiva
Diante do declínio estrutural da receita da música gravada e de um ambiente regulatório ainda em processo de adaptação à inteligência artificial generativa, músicos e analistas da economia musical convergem para uma conclusão semelhante: nenhuma fonte de receita isolada é suficiente, e uma subsistência musical sustentável em 2026 depende necessariamente de um conjunto diversificado de fontes de renda, das quais o streaming é tipicamente a menor e menos confiável.
Quatro dessas fontes merecem atenção especial, pois compartilham uma característica comum: todas dependem de qualidades que a IA não consegue replicar — presença física, relacionamento direto e autoridade pedagógica.
• Outros meios para licenciar obras autorais, como canais de televisão (para séries, documentários, etc.), filmes e comerciais. Embora a remuneração nesses casos costume ser superior à do streaming, assim como ocorre no streaming, apenas uma minoria de compositores consegue obter ganhos suficientes. Além disso, emissoras de TV e produtoras têm imposto com frequência os chamados contratos de “buy-out”, que consistem no pagamento de um valor único fixo no momento da encomenda da obra, exigindo-se, em contrapartida, que o compositor ceda parte de seus direitos de edição.
• Apresentações ao vivo continuam sendo a fonte de renda mais resiliente para músicos profissionais. Um concerto é um evento presencial, com local e tempo definidos; uma IA não pode estar fisicamente em um palco, e as gravações ou transmissões online até agora não conseguiram replicar seu valor econômico e experiencial. Para muitos músicos, a música gravada funciona hoje principalmente como um veículo promocional para gerar receita com turnês, e não o contrário.
• Relacionamento direto com um nicho de apoiadores, construído por meio de plataformas como Patreon, Bandcamp, Ko-fi ou ferramentas similares de assinatura e venda direta, permite que músicos convertam um público relativamente pequeno, porém genuinamente engajado, em uma fonte de renda estável — conteúdo exclusivo, acesso antecipado, material de bastidores e interação pessoal. Esse modelo troca explicitamente a busca por alcance algorítmico em massa (onde o conteúdo gerado por IA compete diretamente e a custo quase zero) pelo cultivo de uma comunidade menor, unida por um relacionamento autêntico e pela identificação com um artista específico — uma qualidade que, por definição, uma alternativa anônima ou gerada por IA não pode oferecer.
• Ensino e a educação musical em si — aulas particulares, workshops, master-classes, cursos online — reaparecem constantemente nas análises da renda de músicos como uma das fontes de receita mais estáveis e acessíveis, particularmente para músicos que não desejam fazer turnês constantes ou que estão entre outros compromissos.
Essa observação fecha um ciclo que permeia todo este artigo: no exato momento em que a IA está transformando a economia da criação e distribuição musical, ela também está expandindo o conjunto de ferramentas disponíveis para músicos que ensinam, e a demanda por mentoria musical pode, paradoxalmente, ser reforçada justamente porque o ensino humano oferece algo cada vez mais escasso em uma economia de conteúdo saturada por IA — a transmissão direta, responsável e pessoalmente engajada do conhecimento musical de uma pessoa para outra.
A educação musical não é apenas um domínio que a IA está transformando; para muitos músicos, ela também pode se tornar um refúgio econômico da própria transformação que a IA está causando em outras áreas de suas vidas profissionais.
Nada disso representa uma solução para o problema estrutural da desvalorização da música gravada — a diversificação é uma estratégia de sobrevivência para indivíduos, não uma solução para a economia da indústria como um todo, e funciona muito melhor para músicos com tempo, conhecimento digital e público já estabelecido para construir diversas fontes de renda simultaneamente do que para aqueles sem essas vantagens.
Isso levanta uma questão que vai além do escopo da estratégia de carreira individual: será que a sociedade em geral precisa inventar novos mecanismos de remuneração para o trabalho criativo, visto que os mecanismos de mercado que antes sustentavam os músicos (vendas unitárias de gravações) foram estruturalmente minados, primeiro pelo streaming e agora ainda mais pela IA?
Como afirma Pachet [2025]: “A resposta está em encontrar novas maneiras de reconhecer e valorizar a contribuição única de cada criador, mesmo quando seu trabalho se torna parte de uma rede muito maior e em constante evolução. Isso requer uma mudança de mentalidade — de ver a arte como um objeto fixo para vê-la como um processo dinâmico, e de proteger a propriedade para fomentar a participação.”
Veremos a seguir algumas possíveis respostas públicas para desvincular completamente certas políticas de reconhecimento e retribuição da estrutura tradicional de receita baseada em direitos.
2.4.4 A experiência Irlandesa com o rendimento básico para as artes
Uma tentativa de resposta concreta vem da Irlanda. Desde 2022, o governo irlandês implementou um projeto-piloto de renda básica para as artes (Basic Income for the Arts – BIA) [BIA, 2026], que oferece a cerca de 2.000 artistas e trabalhadores criativos profissionais selecionados aleatoriamente — de todas as formas de arte, incluindo música — um pagamento incondicional de €325 por semana, independentemente de sua outra renda, durante três anos (posteriormente estendido até o início de 2026).
Um grupo de controle de candidatos não selecionados recebeu um pagamento simbólico e participou da mesma coleta de dados, permitindo uma avaliação comparativa genuína.
Os resultados, publicados pelo Departamento de Cultura da Irlanda em uma análise de custo-benefício de 2025 [BIA, 2025], são notáveis. Para cada 1 € de dinheiro público investido no programa, a sociedade irlandesa recebeu um retorno estimado de 1,39 €, considerando o valor do aumento da produção criativa, do envolvimento do público, do bem-estar psicológico, da receita tributária e da redução dos custos com assistência social — um retorno líquido positivo, em vez de um custo de transferência puro.
O custo bruto do programa durante o período piloto foi de cerca de 105 milhões €, e o benefício social e econômico total estimado ultrapassou 100 milhões €, mesmo antes de se levar em conta os custos evitados com assistência social, que reduziram o custo fiscal líquido para aproximadamente 72 milhões €.
Em outras palavras, os recursos e o valor gerados pela atividade criativa dos artistas apoiados — e os benefícios sociais mais amplos dessa atividade, incluindo o envolvimento do público com seu trabalho — excederam substancialmente o custo da própria garantia de renda.
Com base nessas evidências e em uma consulta pública na qual 97% dos participantes apoiaram a permanência do programa, o governo irlandês incorporou uma versão do BIA à política permanente de financiamento das artes, embora o formato exato de seu sucessor a longo prazo ainda esteja em discussão até 2026.
O experimento irlandês é, obviamente, um projeto-piloto nacional isolado e não um modelo pronto — ele abrange todas as formas de arte, não especificamente a música, e ainda existem dúvidas sobre sua escala, seu mecanismo de seleção (atualmente um sorteio aleatório entre candidatos elegíveis, em vez de uma alocação baseada em necessidade ou mérito) e sua sustentabilidade fiscal a longo prazo, caso seja expandido para uma população muito maior de artistas.
Mas oferece uma rara evidência empírica, em vez de mera defesa, de que desvincular pelo menos parte da renda de músicos e artistas da venda direta e atomizada de sua produção — exatamente o modelo que o streaming e agora a IA generativa têm corroído — pode ser não apenas viável, mas economicamente construtivo para a sociedade como um todo.
À medida que a IA continua a comprimir o valor de mercado da música gravada e da maioria das outras formas de conteúdo criativo produzido em massa, projetos desse tipo, juntamente com as estratégias individuais de diversificação discutidas acima, provavelmente continuarão fazendo parte de um debate político ativo e necessário — um debate que a educação musical, ao treinar as próprias pessoas cujos meios de subsistência estão em jogo, tem interesse direto em acompanhar e influenciar.
2.5 Outras questões
Vamos agora apresentar algumas outras questões e abordá-las rapidamente, sem grandes detalhes. Esse será, e poderá ser, o tema de outros artigos futuros.
2.5.1 Diminuição da qualidade da música
Sobre o aparente declínio na qualidade musical: diversas causas convergentes e provavelmente cumulativas podem ser identificadas, independentemente de uma única explicação. Entre elas, destacam-se a ascensão da música funcional (otimizada para criar atmosfera e servir de fundo, em vez de exigir audição atenta); um aumento exponencial no volume de música produzida, diluindo tanto a atenção do ouvinte quanto o incentivo econômico para o aprimoramento; o desaparecimento do papel seletivo e curatorial antes desempenhado por gravadoras e produtores antes do lançamento da música para o público; uma mudança no foco criativo, da composição melódica e harmônica para a produção sonora; e uma uniformização mais ampla, impulsionada por ferramentas de produção amplamente compartilhadas, incluindo DAWs e agora inteligência artificial generativa, que tendem a direcionar a produção para o centro estatístico de um estilo aprendido.
2.5.2 Risco de homogeneização
Uma preocupação recorrente tanto na literatura musicológica quanto na de pesquisa em IA é o risco de homogeneização — a convergência da produção musical para um conjunto menor de estilos, texturas e formas.
A análise da música popular ocidental ao longo de cinco décadas, realizada por Serrá et al. [2012], documentou uma restrição na variedade melódica e uma homogeneização do timbre muito antes da ampla adoção da IA. O estudo sobre complexidade instrumental realizado por Percino et al. [2014] constatou que o sucesso comercial tende a seguir, e por sua vez reforçar, a simplificação estilística: à medida que um estilo atrai mais artistas, sua variedade instrumental aumenta; mas, conforme seu sucesso comercial se consolida, a pressão pela conformidade também aumenta.
A IA generativa adiciona uma nova causa a essa dinâmica. Como analisado por Doshi e Hauser [2024], as produções criativas assistidas por IA são mais semelhantes entre si do que as produzidas puramente por humanos. A análise de Shumailov et al. [2024] sobre treinamento recursivo em dados gerados por IA — colapso do modelo — mostra que modelos treinados em suas próprias produções convergem para uma variância muito baixa.
Na música, um mundo em que plataformas de streaming treinam algoritmos de recomendação em conteúdo gerado por IA, que por sua vez treinam novos modelos de IA generativa, que geram mais conteúdo para recomendação, poderia levar a uma rápida convergência em direção a uma média sonora estreita.
A educação musical tem um papel crucial a desempenhar nesse contexto. Ao cultivar a consciência da diversidade musical — histórica, cultural e estilística — e ao ensinar os alunos a reconhecer e resistir à sedutora facilidade da produção estilisticamente convencional (seja ela gerada por IA ou produzida por artistas humanos sob pressão comercial), os educadores podem ajudar a manter a amplitude e a riqueza da vida musical.
2.5.3 Criatividade: O que é e a IA pode tê-la?
Sobre IA e criatividade musical: a criatividade genuína permanece, na visão do autor, atualmente inalcançável pela IA. O que os sistemas atuais fazem é melhor descrito como exploração ou descoberta dentro de um espaço de possibilidades altamente multidimensional e aprendido — mais próximo da busca do que da criação.
O célebre movimento 37 do AlphaGo contra Lee Sedol é o caso emblemático: um movimento exploratório dentro de um imenso, porém limitado, espaço combinatório, avaliado como ótimo pela função de recompensa do sistema, e não por qualquer julgamento estético que o próprio sistema possuísse.
Diversas capacidades ainda parecem estar faltando para uma afirmação mais robusta de criatividade artificial: um modelo adequado de estética (nenhuma função clara e aprendível corresponde a “boa música”); uma capacidade robusta e autônoma de autoavaliação, incluindo a avaliação retrospectiva da própria produção; e uma fundamentação do processo generativo na cultura e experiência humana vividas e corporificadas.
Além disso, os sistemas de IA generativa atuais realizam extrapolações a partir de um conjunto de obras preexistentes, e não uma modelagem do próprio processo criativo pelo qual essas obras foram criadas.
Isso não diminui a importância educacional das ferramentas de IA para a criatividade. A criatividade na educação humana não exige que as ferramentas utilizadas sejam criativas em si mesmas.
Um piano ou um pincel não são criativos. O que importa é que as ferramentas sejam usadas de maneiras que estimulem o pensamento criativo genuíno no aluno. Assistentes de composição com IA, usados com cuidado, podem fazer isso — gerando possibilidades harmônicas inesperadas para o aluno avaliar e expandir, modelando um estilo para análise e crítica ou desafiando as suposições do aluno sobre o que “soa bem”.
3. Conclusão
Os desafios descritos neste artigo são reais, profundos e interligados. Requerem uma reformulação fundamental do propósito da educação musical, do que ela deve produzir e dos tipos de inteligência musical que deve cultivar.
Os músicos atuais e futuros devem incorporar a alfabetização tecnológica que a prática musical contemporânea exige: proficiência em DAWs, domínio de ferramentas de IA, compreensão da economia do streaming e seu panorama jurídico.
Ao mesmo tempo, as dimensões corporais, sociais, improvisatórias e culturalmente enraizadas da vida musical — que são precisamente o que a IA não pode proporcionar e o que o streaming tende a apagar — devem ser defendidas com renovada clareza e urgência.
A relação entre a criatividade humana e a assistência da IA oferece um modelo produtivo. As melhores ferramentas de composição assistida por IA não substituem a intencionalidade do compositor, mas a amplificam — como o FlowComposer, que amplifica a imaginação melódica e harmônica do músico, ou o Continuator, que estende sua voz estilística para um diálogo interativo.
Os músicos que navegarão com maior sucesso por este cenário transformado serão aqueles que compreendem a tecnologia suficientemente bem para usá-la de forma criativa, que possuem uma cultura musical suficientemente rica para avaliar criticamente os resultados da IA, que praticaram sua arte com a profundidade necessária para saber o que querem expressar e que conservaram a curiosidade e a capacidade de surpresa que qualquer prática criativa viva exige.
Agradecimentos
Este texto foi extraído e revisado a partir dum texto convidado [Briot, 2026], continuação da minha apresentação em uma mesa-redonda sobre educação musical na contemporaneidade durante o 7º Encontro de Educação Musical no Colégio Pedro II, no Rio de Janeiro, Brasil.
Gostaria de agradecer a assistência de Claude (Sonnet 4.6, do Anthropic) na elaboração e aprimoramento do texto, e à FAPERJ (Brasil) pelo apoio parcial a este estudo por meio de uma bolsa de pesquisa PV.
Referências
[BIA, 2026] Ireland Citizens Information, Basic Income for the Arts (BIA) Pilot Scheme. https://www.citizensinformation.ie/en/employment/unemployment-and-redundancy/employment-support-schemes/basic-income-arts-pilot/
[BIA, 2025] Ireland Department of Culture, Communications and Sport, Basic Income for the Arts pilot produced over €100 million in Social and Economic Benefits. https://www.gov.ie/en/department-of-culture-communications-and-sport/press-releases/basic-income-for-the-arts-pilot-produced-over-100-million-in-social-and-economic-benefits/
[Briot, 2026] Briot, Jean-Pierre, Desafios para a educação musical na era da inteligência artificial e da transformação digital, Interlúdio, ISSN: 2594-407X, a aparecer em 2026. Versão arquivo aberto:https://hal.science/hal-05671507
[Briot, 2025] Briot, Jean-Pierre, IA et dé-coïncidence créative, in Intelligence artificielle et dé-coïncidence, Presses des Mines, pp. 33–52. Versão arquivo aberto: https://hal.science/hal-04757391
[Briot, 2021] Briot, Jean-Pierre, From artificial neural networks to deep learning for music generation – History, concepts and trends, Neural Computing and Applications (NCAA), Special issue Neural networks in art, sound and design, (33):39–65.
[Briot et al., 2020] Briot, Jean-Pierre; Hadjeres, Gaëtan; Pachet, François-David, Deep Learning Techniques for Music Generation, Springer, 284 p. Versão arquivo aberto: https://arxiv.org/abs/1709.01620
[Doshi and Hauser, 2024] Doshi, Anil R.; Hauser, Oliver P., Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content, Science Advances, 10(28):eadn5290.
[Pachet, 2025] Pachet, François, The Paradox of Creators, interview by Fred Martin, Europ’IA, Novembro2025. https://instituteuropia.eu/fr/nos-articles/exploring-the-paradox-of-creation-insights-from-francois-pachet
[Pachet & Gitzinger, 2024] Pachet, François ; Gitzinger, Louison, Why is music declining? Early production is the root of all evils, Texto! Textes et cultures, XXIX(3–4).
[Pachet et al., 2021] Pachet, François; Roy, Pierre; Carré, Benoît, Assisted Music Creation with Flow Machines: Towards New Categories of New, in Miranda, Eduardo Reck (ed.), Handbook of Artificial Intelligence for Music, Springer, pp. 485–520.
[Pachet, 2002] Pachet, François, The Continuator: Musical Interaction with Style, Proceedings of ICMC, Göteborg, ICMA, pp. 211–218.
[Percino et al., 2014] Percino, Gamaliel; Klimek, Peter; Thurner, Stefan, Instrumentational Complexity of Music Genres and Why Simplicity Sells, PLOS ONE, 9(12):e115255.
[Rowe et al., 2018] Rowe, Victoria; Triantafyllaki, Angeliki; Pachet, François, Children’s Creative Music-Making with Reflexive Interactive Technology – Adventures in improvising and composing, Routledge, 274 p.
[Serrá et al., 2012] Serrá, Joan; Corral, Álvaro; Boguñá, Corral; Haro, Martin; Arcos, Josep L., Measuring the Evolution of Contemporary Western Popular Music, Scientific Reports, 2:521.
[Shumailov et al., 2024] Shumailov, Ilia; et al., AI Models Collapse when Trained on Recursively Generated Data, Nature, 631:755–759.
[Spotify, 2026] Loud & Clear 2026: Royalty Data Report. https://loudandclear.byspotify.com/
Ato fundante
Leia outros artigos de José Luiz Alquéres no portal CRIATIVOS!
Estou ouvindo a playlist Violão Brasileiro Contemporaneo vol 1,
Repertório ®CertCon, disponível para trilhas sonoras e downloads na Cedro Rosa.
CertCon, da Cedro Rosa, plataforma de certificação musical, que permite que milhares de músicos recebam direitos autorais em todo o mundo. Conheça aqui.
CRIATIVOS, Pensar, Fazer! atua na articulação entre cultura, economia criativa e tecnologia aplicada.
Organiza informações, experiências e projetos em contexto, conectando produção cultural, pesquisa, políticas públicas e mercado.
Mantém em aberto chamada para
O portal opera como um laboratório editorial e um hub de inteligência aplicada, na forma de Think-and-Do Tank – Pensar e Fazer Brasileiro - apoiando eventos, iniciativas territoriais e ações concretas no campo cultural e criativo.
Receba o RADAR CRIATIVOS (semanal)
Bastidores, análises e oportunidades da economia criativa.
Ou, se preferir, envie um email para: playeditora@gmail.com (com o assunto: QUERO RADAR)
Este texto integra o pilar Cultura e Sociedade
\
Comentários