Mentre lo scontro globale sull’Intelligenza Artificiale generativa applicata alla musica entra nella sua fase decisiva — con l’udienza di summary judgment attesa a luglio 2026 nel caso Sony v. Suno (USA) e il verdetto del Tribunale di Monaco su GEMA v. Suno fissato per il 31 luglio 2026 — dall’Italia arriva una risposta tecnologica indipendente destinata a fare chiarezza sul problema più complesso dell’era generativa: l’opacità dei dati di addestramento.

La società cooperativa bolognese Welcomeland presenta ufficialmente ChartMusicAI, una piattaforma di intelligence musicale capace di riconoscere, nelle tracce generate dai modelli, le firme delle opere protette su cui le intelligenze artificiali si sono addestrate.

A differenza delle soluzioni internazionali orientate esclusivamente sulla governance dei diritti o su accordi di licenza a monte — che dipendono dal consenso e dalla cooperazione delle stesse piattaforme AI — ChartMusicAI introduce un paradigma di verifica indipendente. La piattaforma non si limita a cercare le bave digitali lasciate dai generatori, ma ricostruisce la relazione di derivazione originaria.

“La domanda ‘questo brano è fatto dall’AI?’ è un quesito commerciale debole, che invecchia e perde di significato a ogni rilascio di un nuovo modello generativo. La vera domanda fondamentale, che sposta gli equilibri economici e legali della nostra industria, è: su quale musica quella macchina ha imparato a comporre? ChartMusicAI è nata per rispondere a questo, offrendo una tecnologia agnostica in grado di mappare i dati di training in modo autonomo” – Dario Amata, fondatore e CEO di Welcomeland.

La necessità di un’analisi flessibile

Il riconoscimento dell’addestramento non può essere affrontato con un unico modello. Poiché sono diversi i modi in cui l’AI può essere utilizzata per generare musica, ChartMusicAI impiega tre metodologie d’indagine complementari, costantemente aggiornate per seguire l’evoluzione delle tecnologie sul mercato: dalla riproduzione diretta di un’opera, alla rielaborazione strutturale in cui il modello ne mutua l’andamento anche variandone velocità o tonalità, fino ai fenomeni di ricombinazione multi-fonte, frequenti nei generi urbani, in cui più brani vengono fusi in un collage.

Per individuare le fonti, il motore analitico scompone l’audio in piccolissime porzioni, così da riconoscere anche i frammenti di opere protette ricombinati all’interno di un brano nuovo. L’architettura ha già superato lo scoglio computazionale necessario per interrogare repertori di ampie dimensioni, ma rifiuta la logica delle analisi a strascico: il sistema opera in modo mirato ed efficiente solo sui cataloghi che i titolari dei diritti scelgono di proteggere.

Il controllo, inoltre, non si ferma alla musica: la piattaforma integra una pipeline dedicata all’analisi testuale delle lyrics, esaminando in modo sincrono le metriche e le sequenze verbali per intercettare la violazione anche quando il testo viene riadattato su strutture melodiche differenti.

“Quando parliamo di DNA musicale intendiamo la struttura intrinseca della musica e del testo, non un semplice metadato o un accordo di licenza travestito da traccia. Confondere i due piani mette a rischio la materia prima del nostro mercato. L’industria ha inseguito per anni il mito di un database globale centralizzato di supporti audio, un’infrastruttura tecnicamente insostenibile. ChartMusicAI rovescia la prospettiva: lavoriamo su un’indicizzazione decentralizzata, leggera e protetta, che non ha bisogno della cooperazione di chi viene verificato” – Dario Amata.

L’intero ciclo di vita: il Song Knowledge Graph

L’innovazione di ChartMusicAI risiede nel superamento dei classici detector isolati. Il sistema crea un gemello digitale della traccia (Song Digital Twin) che accumula informazioni attraverso sei livelli sequenziali, unificati in un Song Knowledge Graph che mappa l’intera vita digitale del brano:

• Creation & Certification — la validazione dell’identità originaria e l’inserimento del passaporto digitale prima della distribuzione;
• Market Presence — il monitoraggio indipendente delle performance del brano su oltre 180 mercati DSP;
• Royalty Integrity — l’identificazione di anomalie, frodi e consistenza nei flussi finanziari dei diritti;
• Content Relationships — l’analisi di cover, impronte acustiche tradizionali e relazioni tra codiciISRC;
• AI Provenance — la classificazione che determina se il brano sia generato da AI e da quale piattaforma generativa;
• AI Training Usage — la verifica dell’avvenuto utilizzo del brano per l’addestramento dei modelli generativi.All’interno di questo ecosistema, il motore investigativo profondo agisce come un livello di analisi forense specializzato, che si attiva in modo mirato esclusivamente quando emergono indicatori di rischio nei layer precedenti. In linea con le direttive dell’AI Act europeo, che valorizza la trasparenza dei dati e la verifica terza, la piattaforma si posiziona come uno standard autonomo a tutela della proprietà intellettuale nell’era generativa.

(Welcomeland)