Dopo avere letto qualche tempo fa un’affermazione di Dario Amodei di Anthropic, che ha dichiarato che Claude genera ormai circa l’80% del codice della quotanda e miliardaria startup, mi sono fissato su questo cambio di prospettiva che va sotto il nome di recursive self-improvement. La traduzione letterale è “auto-miglioramento ricorsivo”, formula che in italiano suona piuttosto... artificiale. Alternative: ciclo di auto-miglioramento, processo autoalimentato di miglioramento dell’AI o, ancora più semplicemente: AI che migliora l’AI. Il concetto è questo: un sistema di intelligenza artificiale contribuisce a progettare una versione migliore di sé; quella versione, essendo più capace, contribuisce a sua volta a progettare una versione ancora più avanzata; il processo si ripete, generazione dopo generazione. Da qui il termine “ricorsivo”: non indica semplicemente qualcosa che si ripete, ma un meccanismo che torna su se stesso e usa il proprio output per produrre il passaggio successivo. La capacità di un sistema di intelligenza artificiale di contribuire alla progettazione delle proprie versioni successive, innescando un ciclo potenzialmente accelerato di progresso tecnologico. Dopo che per decenni abbiamo pensato all’intelligenza artificiale come a uno strumento progettato dagli esseri umani, oggi una delle aziende chiave del settore afferma che una parte crescente dello strumento viene progettata dallo strumento stesso. È un tema che può diventare interessante anche per la musica? Cosa succede quando gli strumenti con cui si fa, si distribuisce, si promuove e si scopre la musica iniziano a svilupparsi quasi da soli? La musica è una filiera mediata dal software Se traslato sulla musica, il parallelo Claude = canzone non ha senso; ben altro, semmai, è il parallelo Claude = strumento. Ossia: Claude come DAW, come software di mastering, come motore di raccomandazione, come sistema pubblicitario, come algoritmo di discovery, come piattaforma di A&R, come infrastruttura che governa una parte sempre più ampia della filiera musicale. Perchè la musica è ormai una filiera mediata dal software. Se un tempo il percorso era relativamente lineare - artista, disco, negozio, pubblico - oggi passa attraverso strumenti, piattaforme, algoritmi, raccomandazioni, dati, sistemi di advertising e ambienti social. L’artista non arriva più semplicemente al pubblico: attraversa una serie di intermediazioni tecnologiche che selezionano, amplificano, misurano e spesso condizionano ciò che viene ascoltato. Cosa succederebbe se questi strumenti cominciassero a contribuire in modo significativo alla propria stessa evoluzione? Come oscillerebbe il baricentro del potere? Forse si sposterebbe da chi possiede i cataloghi e/o controlla la distribuzione a chi controlla il ciclo di miglioramento degli strumenti che regolano la produzione, la scoperta e la promozione della musica. Tornando a Claude, è importante essere precisi. Nella musica non siamo davanti a un recursive self-improvement in senso tecnico, perchè non esistono al momento sistemi musicali che progettano autonomamente la generazione successiva di se stessi. Tuttavia può intravedersi in lontananza la possibilità di una versione un po’ più debole dello stesso principio: chiamiamola quella delle "filiere musicali auto-ottimizzanti". Questi sarebbero sistemi in cui AI generativa, dati di ascolto, marketing, targeting, creatività, A&R e distribuzione si alimentano a vicenda. Il sistema genera, misura, corregge, rilancia, apprende e riparte. Iterazione pura. Non produce semplicemente un brano: produce varianti, analizza performance, ottimizza formati, individua segnali, adatta campagne e usa i dati ottenuti per migliorare il ciclo successivo. Con diverse potenziali conseguenze. A&R e cataloghi si trasformano La prima riguarda la produzione musicale. Un sistema potrebbe generare decine o centinaia di versioni di un brano, testarne hook, durata, intro, timbro vocale, energia, compatibilità con TikTok o con le playlist, e poi usare i risultati per produrre versioni più efficaci. Uno scenario in cui l’artista rischia di diventare meno autore in senso tradizionale e più curatore finale di un processo creativo distribuito tra persone, modelli e dati. Non male nemmeno l’impatto sull’A&R. L’intelligenza artificiale non servirebbe solo a “scoprire talenti”, ma a imparare quali segnali predicono il successo, quali pubblici reagiscono meglio, quali traiettorie hanno più probabilità di crescere, quali elementi di un progetto sono correggibili prima ancora del lancio. L’A&R diventerebbe una macchina di feedback continuo: dati social, retention, skip rate, salvataggi, velocità di crescita, fanbase, geografie, cluster culturali. La terza conseguenza tocca i cataloghi. Se i modelli migliorano grazie ai dati, i cataloghi non sono più soltanto repertorio da sfruttare commercialmente, ma evolvono in una specie di “carburante cognitivo”: un deposito di memoria sonora, stile, performance, registrazioni, metadata, relazioni tra opere, artisti e pubblici. È quasi un pivot strategico per i cataloghi. La discussione intorno a loro non riguarda soltanto il loro uso iniziale per addestrare i modelli, ma anche il valore che quei cataloghi possono generare nel tempo, man mano che i sistemi migliorano, producono nuove versioni, affinano stili, apprendono dai risultati e alimentano cicli successivi. La causa intentata dall’American Federation of Musicians contro Universal Music Group e Warner Music Group va letta anche dentro questa tensione: il sindacato sostiene che registrazioni realizzate dai propri iscritti siano state licenziate a società AI come Suno e Udio senza adeguato consenso o compensazione. Prospettiva nuova: da repertorio da licenziare a componente attiva dell’evoluzione del sistema - chi viene compensato quando registrazioni, performance e repertori diventano parte dell’infrastruttura di apprendimento? Se il marketing entra nel processo creativo della canzone Sul piano del marketing, il processo è già più visibile. L’AI è in grado di generare copy, creatività, video, campagne, A/B test e nuove varianti sulla base dei risultati precedenti. Nella musica, questo significa che il marketing non si limita più a seguire il brano, ma entra nel ciclo creativo: una canzone può nascere già pensata per i segnali che le piattaforme premieranno. Un esempio laterale, ma concreto, arriva dal live e dal ticketing. Laylo ha di recente presentato un agente AI pensato per seguire i fan dopo la messa in vendita dei biglietti: intercetta chi ha mostrato interesse, chi ha visitato una pagina, chi non ha completato l’acquisto o chi potrebbe coinvolgere altri amici, e lo ricontatta automaticamente nella voce dell’artista o del promoter. Non è recursive self-improvement in senso tecnico, ma anticipa bene la logica della filiera auto-ottimizzante: comportamento del fan, dato, messaggio, conversione, nuovo dato, nuova azione. La promozione non è più soltanto una campagna che accompagna il prodotto, ma un sistema che osserva le reazioni del pubblico e corregge continuamente il modo in cui prova a generare domanda. Ultima ma, forse, prima per impatto è una conseguenza di ordine più culturale: è il rischio di un collasso dell’originalità media. Più i sistemi imparano da ciò che performa, più possono convergere verso formule simili. È la deriva della musica ottimizzata: più efficiente, più compatibile con le piattaforme, più leggibile dagli algoritmi, ma anche più prevedibile. Brani più adatti alla misurazione che alla sorpresa. Se Claude produce buona parte del codice di Anthropic, Anthropic può teoricamente innovare più rapidamente di un’organizzazione che dipende solo da programmatori umani. Allo stesso modo, nella musica, strumenti creativi, motori di raccomandazione, sistemi pubblicitari e piattaforme di analisi potrebbero evolvere a una velocità molto superiore rispetto ai cicli tradizionali dell’industria. Non più cambiamenti ogni stagione o ogni anno, ma aggiornamenti continui, quasi settimanali, incorporati direttamente negli strumenti di lavoro. Il che porta con sè anche una patina di opacità. Anthropic stessa segnala il rischio che comportamenti indesiderati diventino più frequenti ma meno comprensibili man mano che i modelli contribuiscono a costruire i propri successori. Tradotto nella musica: già oggi è spesso difficile capire perché un algoritmo promuova un brano e non un altro, perché un contenuto esploda su una piattaforma e un altro resti invisibile, perché una playlist cambi il destino di un artista. Se questi sistemi iniziano a evolvere in modo sempre più autonomo e continuo, al rischio di perdita di controllo tecnologico si somma quello di perdita di comprensibilità di un mercato (che è già in parte una scatola nera) che l’intelligenza artificiale potrebbe rendere ancora meno leggibile. Artisti, manager, etichette indipendenti, editori e media musicali: come si negozia con una filiera in cui i criteri di visibilità, raccomandazione e successo sono sempre più dinamici, automatizzati e difficili da interpretare? Quello del recursive self-improvement non è ancora un tema applicabile alla musica in senso tecnico, ma offre una chiave di lettura utile che aiuta a leggere una possibile evoluzione del music business: dalla musica generata dall’AI alle infrastrutture musicali che si ottimizzano attraverso l’AI. Mi rendo conto che possa suonare come una futile distrazione mentre ancora ci si dà battaglia nei tribunali per l’indebito training dei dati, però la prossima frattura potrebbe non essere più tra musica umana e musica artificiale ma tra filiere musicali lineari e filiere musicali auto-ottimizzanti. Ossia: da una parte un modello ancora riconoscibile - creazione, produzione, distribuzione, promozione, ascolto - e dall’altra un sistema circolare: generazione, misurazione, apprendimento, correzione, nuova generazione. Un segnale culturale e un campanello d’allarme L’“80%” di Claude diventa un segnale culturale e industriale che non racconta che domani le canzoni si scriveranno da sole, ma che avverte che gli strumenti che definiscono il valore della musica (quelli che governano la scoperta, la promozione e la creazione) potrebbero iniziare a migliorarsi con una velocità e una autonomia senza precedenti e svilupparsi da soli. Uno scenario che prevede una competizione sbilanciata: le filiere auto-ottimizzanti, infatti, non favoriscono necessariamente chi ha l’idea migliore, ma chi possiede più cataloghi, più dati di ascolto, più segnali social, più capacità di testing, più infrastruttura pubblicitaria, più accesso alle piattaforme. Con un ciclo di feedback più ricco, il vantaggio tende ad accumularsi e non vince più solo chi pubblica musica, ma chi controlla la macchina che osserva, misura, corregge e rilancia quella musica. Un campanello d’allarme per artisti, etichette e media indipendenti, piccole realtà che potrebbero avere un problema peggiore di come farsi intercettare dagli algoritmi: quello di sopravvivere in una filiera in cui gli algoritmi imparano continuamente da chi dispone già di maggiore scala.
