Deezer, 일일 업로드의 44%가 AI 생성 음악이라고 보고합니다

Deezer의 최신 데이터에 따르면, AI 생성 음악이 스트리밍 플랫폼에 업로드되는 콘텐츠의 상당 부분을 차지하게 되었습니다. 회사는 하루에 거의 75,000개, 한 달에 200만 개 이상의 AI 생성 트랙을 수신하고 있으며, 이는 매일 업로드되는 모든 신규 음악의 44%를 차지한다고 보고했습니다.
Deezer 발표의 주요 세부 사항
Deezer에서 AI 생성 음악의 소비량은 전체 스트림의 1-3%로 여전히 낮은 수준입니다. 그러나 이러한 스트림의 85%는 사기성으로 탐지되어 회사에 의해 수익화 대상에서 제외됩니다.
2025년 1월에 처음 출시된 Deezer의 AI 음악 탐지 도구는 상당한 성장을 추적했습니다:
- 2025년 1월: 하루 10,000개 AI 트랙
- 2025년 9월: 하루 30,000개 AI 트랙
- 2025년 11월: 하루 50,000개 AI 트랙
- 2026년 1월: 하루 60,000개 AI 트랙
- 2026년 4월: 하루 75,000개 AI 트랙
AI 생성 콘텐츠에 대한 플랫폼의 대응 조치
Deezer는 AI 생성 음악을 처리하기 위해 몇 가지 기술적 조치를 시행했습니다:
- AI 생성으로 태그된 노래는 알고리즘 추천에서 자동으로 제거됩니다.
- AI 트랙은 에디토리얼 플레이리스트에 포함되지 않습니다.
- 회사는 더 이상 AI 트랙의 고해상도 버전을 저장하지 않을 것입니다.
- 2025년 내내 플랫폼에서 1,340만 개 이상의 AI 트랙이 태그되었습니다.
Deezer는 2025년 6월에 플랫폼 수준에서 AI 트랙에 태그를 달기 시작했으며, 이 시스템을 구현한 최초의 스트리밍 플랫폼이 되었습니다. 프랑스 스트리밍 서비스 Qobuz는 2026년 2월에 유사한 계획을 발표했습니다.
사용자 인식 및 업계 맥락
2025년 11월 Deezer가 실시한 설문조사에 따르면, 참가자의 97%가 완전히 AI로 생성된 음악과 인간이 만든 음악의 차이를 구분할 수 없었습니다. 동일한 설문조사에서 다음과 같은 사실이 드러났습니다:
- 응답자의 52%는 100% AI 생성 노래가 인간이 만든 노래와 함께 차트에 포함되어서는 안 된다고 말했습니다.
- 응답자의 80%는 100% AI 생성 음악이 청취자에게 명확하게 표시되어야 한다고 말했습니다.
이 발표는 최근 AI 생성 트랙이 미국, 영국, 프랑스, 캐나다, 뉴질랜드의 iTunes 차트에서 1위를 차지한 시점에 나왔습니다.
Spotify와 Apple Music과 같은 다른 주요 스트리밍 서비스는 다른 접근 방식을 취하며, 종종 저품질 AI 음악을 식별하기 위한 필터를 결합하고 투명성 노력은 유통업체에 맡깁니다.
📖 Read the full source: HN AI Agents
👀 See Also

애틀랜타에서 감시 임무를 위해 AI 기반 로봇 개 배치
카메라와 AI를 장착한 네 발 로봇 개들이 인간 경비원보다 저렴한 대안으로 애틀랜타의 거리, 아파트, 건설 현장을 순찰하며 24시간 내내 360° 영상을 원격 운영자에게 스트리밍하고 있습니다.

클로드 코드 v2.1.129: 플러그인 URL 플래그, 강제 동기화 출력, 그리고 20개 이상의 수정 사항
URL에서 플러그인 zip을 로드하는 --plugin-url 플래그, Emacs eat을 위한 CLAUDE_CODE_FORCE_SYNC_OUTPUT, /context 토큰 낭비 수정, 캐시 TTL 다운그레이드 수정, OAuth 경쟁 조건 수정 등이 포함됩니다.

연방 기관에 Anthropic AI 기술 사용 중단 명령
도널드 트럼프 대통령은 미국 정부 기관들이 AI 기업 Anthropic의 기술 사용을 즉각 중단하도록 명령했습니다. 이 명령은 Anthropic이 국방부로부터 자사의 AI 모델 사용 제한에 관한 압력을 받고 있는 상황에서 나왔습니다.

AI 에이전트 신뢰성 및 개발 패턴에 관한 연구 결과
클로드 오푸스와의 협업 연구 세션에서 AI 에이전트에 관한 15편의 논문을 분석하여 정량화된 신뢰성 문제를 밝혀냈습니다: 에이전트는 10회 실행 시 2~4개의 서로 다른 행동 시퀀스를 생성하며, 69%의 차이는 첫 번째 결정에서 발생합니다. 자기 개선 에이전트는 자체 학습을 통해 안전 거부율이 99.4%에서 54.4%로 떨어지는 모습을 보였습니다.