Jeszcze niedawno muzyka generowana przez sztuczną inteligencję była traktowana głównie jak technologiczna ciekawostka. Coś pomiędzy demonstracją możliwości nowych narzędzi a internetowym żartem. Dziś ten ton wyraźnie się kończy. Jak podał Antyweb, powołując się na dane Deezera, utwory wygenerowane przez AI stanowią już 44 proc. wszystkich nowych uploadów na platformie, czyli około 75 tys. dziennie. Jednocześnie odpowiadają za zaledwie 1 do 3 proc. odsłuchów. To proporcja, która mówi bardzo dużo. Nie pokazuje dominacji nowej estetyki. Pokazuje raczej masową nadprodukcję treści wrzucanych do obiegu platformowego.
To rozróżnienie jest ważne także w Polsce. Problem nie polega dziś wyłącznie na tym, że ktoś potrafi wygenerować piosenkę w kilka minut. Problem polega na tym, że taka piosenka zaczyna działać jak tani, szybki i łatwo skalowalny format treści. Można ją wrzucić do streamingu, na YouTube, do shortów, do playlist, do contentu dziecięcego albo do całego kanału zbudowanego pod monetyzację. W tym momencie rozmowa o AI w muzyce przestaje być rozmową wyłącznie o sztuce. Staje się rozmową o ekonomii platform, bezpieczeństwie treści i jakości cyfrowego obiegu.
Zobacz również
Nie chodzi o jakość. Chodzi o skalę
Najbardziej mylące w tej historii jest to, że łatwo pomylić obecność z realnym wpływem. Kiedy słyszymy, że niemal połowa nowych utworów trafiających na platformę pochodzi z AI, można odnieść wrażenie, że słuchacze masowo zamienili muzykę tworzoną przez ludzi na repertuar generowany przez algorytmy. Tymczasem dane sugerują coś innego. AI dominuje dziś przede wszystkim po stronie podaży. To oznacza zalew katalogów, testów, prób wejścia w rekomendacje i materiałów produkowanych bardziej pod system niż pod faktyczne słuchanie. Deezer, według relacji mediów, rozwija własne narzędzia do wykrywania takich nagrań i ogranicza ich rolę w rekomendacjach, co samo w sobie pokazuje skalę zjawiska.
To istotna zmiana. Piosenka przestaje być wyłącznie efektem długiego procesu twórczego, produkcyjnego i wykonawczego. Coraz częściej staje się jednostką treści do sprawdzenia, czy „zaskoczy”, czy wejdzie w algorytmiczny obieg, czy zbuduje ruch między materiałami i czy da się monetyzować przez długi czas. W takim systemie AI nie musi nawet tworzyć wielkich przebojów. Wystarczy, że pozwala produkować szybko, tanio i bez końca.
Polski internet już to widzi
To nie jest wyłącznie globalna historia z raportów i zagranicznych branżowych mediów. W marcu 2026 roku NASK opisał problem utworów generowanych przez AI, które coraz częściej pojawiają się w zestawieniu Viral 50 Polska na Spotify. Instytucja zwróciła uwagę, że obok popularnych nagrań trafiają tam również piosenki zawierające treści wulgarne, seksualizujące albo odnoszące się do używek, a nie zawsze są one oznaczane jako nieodpowiednie dla młodszych odbiorców. Podobnie pisał też CyberDefence24, podkreślając, że algorytmy rekomendacji mogą proponować takie utwory nawet podczas odtwarzania muzyki przeznaczonej dla dzieci.
Bedoes i Maja Mecan nagrali „diss na raka”. Dochód z utworu trafi do Cancer Fighters
To jeden z najmocniejszych polskich sygnałów ostrzegawczych. NASK przypomina, że część takich piosenek bywa stylizowana tak, by wyglądały na lekkie, zabawne, a nawet potencjalnie odpowiednie dla młodszych odbiorców. Ekspert Dyżurnet.pl Maciej Kępka mówił wprost, że dla dzieci mogą być one źródłem niepokoju, lęku albo przedwczesnego oswajania z nieodpowiednimi tematami i słownictwem. W praktyce oznacza to, że muzyka AI w Polsce nie jest już tylko żartem albo niszą dla technologicznych entuzjastów. Weszła do normalnego obiegu platformowego i zaczęła funkcjonować tam, gdzie algorytm uzna ją za wystarczająco chwytliwą.
Słuchaj podcastu NowyMarketing
Polski kontekst da się pokazać także przez bardziej konkretne przypadki. Spider’s Web opisywał głośny przykład utworu „Antyczny Napaleniec”, który stał się symbolem fali wulgarnych, wiralowych piosenek AI w polskim streamingu. Z kolei ESKA pisała wcześniej o kilkunastu wulgarnych piosenkach AI obecnych w polskich viralowych zestawieniach. Nawet jeśli poszczególne tytuły szybko znikają i ustępują miejsca kolejnym, sam mechanizm pozostaje ten sam. Chwytliwy refren, absurd, prowokacja albo treści balansujące na granicy norm dobrze współpracują z wiralowością. AI tylko przyspiesza produkcję takich utworów.
Od wirala do „pasywnego dochodu”
Jeszcze ciekawszy staje się jednak drugi polski wątek, czyli monetyzacja. Tu bardzo mocnym przykładem jest tekst Bezprawnika z 11 marca 2026 roku. Autor opisał post z grupy o sztucznej inteligencji na Facebooku, w którym użytkownik chwalił się kanałem YouTube opartym na muzyce generowanej przez AI. Według przytoczonych danych kanał został założony na początku 2026 roku, monetyzację włączono pod koniec stycznia, a po około półtora miesiąca miał już około 60 utworów, ponad 100 shortów i prawie 5700 zł przychodu. Deklarowany RPM miał wynosić 7,25 zł za 1000 wyświetleń, co przekładało się na około 7250 zł za milion wyświetleń. Tę samą wartość RPM widać także w publicznie dostępnych fragmentach posta krążącego po Facebooku.
To oczywiście nie jest pełne badanie rynku. To pojedynczy case oparty na deklaracjach autora posta. Ale właśnie dlatego jest tak cenny. Nie jako dowód, że tak wygląda cała branża, tylko jako dowód, że tak wygląda dziś polska wyobraźnia o muzyce AI. Bezprawnik pisze o niej wprost jako o źródle pasywnego dochodu i o modelu opartym na evergreen contencie, czyli utworach, które mają pracować nie tylko w dniu publikacji, ale przez dłuższy czas, dzięki playlistom, kolejnym odsłonom i krótkim formatom. W tym ujęciu piosenka przestaje być jednorazowym dziełem. Ona staje się zasobem, który ma wciąż generować ruch i przychód.
To dobrze współgra z obserwacjami na polskich grupach dot. AI na Facebooku, gdzie regularnie pojawiają się poradniki i instrukcje o tym, jak publikować muzykę AI na YouTube, jak opakowywać ją w shorty i jak budować na tym kanały. Sam fakt, że taki mikroobieg poradnikowy już istnieje, wiele mówi o skali zjawiska. Internet przestał traktować muzykę AI wyłącznie jako ciekawostkę, a zaczął traktować ją jako format, który da się skalować, automatyzować i wpisywać w logikę zarobkową.
Są też twórcy, którzy używają AI inaczej
Warto jednak od razu zaznaczyć, że nie każda muzyka z AI oznacza dokładnie to samo. Dobrym kontrapunktem wobec hurtowej produkcji jest przypadek Anny Białowąs, działającej jako AnQa Songwriter. W materiale Dzień Dobry TVN z 11 lutego 2026 roku pokazano ją jako autorkę tekstów, która nie śpiewa i nie komponuje muzyki w klasyczny sposób, ale wykorzystuje AI do tworzenia muzyki i wokalu. Jednocześnie sama zastrzega, że nie chodzi o bezmyślne kliknięcie jednego przycisku. „Można stworzyć utwór w dwie minuty, kliknąć magiczny przycisk i sztuczna inteligencja zrobi to za nas. Natomiast ja wolę mieć większą kontrolę nad tym, co wyjdzie z tego utworu” – mówi w materiale.
Ten przykład jest ważny, bo pokazuje bardziej złożony model pracy. Według materiału TVN, jej piosenki zdobywają setki tysięcy, a nawet miliony odsłon. Profil artystki w Spotify pokazuje, że utwór „Lubię w sobie to” przekroczył 4,7 mln odtworzeń, „Mam prawo” ma ponad 1,15 mln, a „Trofea moich wojen” około 921 tys.. To liczby, których nie da się zbyć wzruszeniem ramion. Pokazują, że AI w polskim obiegu może funkcjonować także jako narzędzie realizacji konkretnej wizji autora tekstu, a nie wyłącznie jako generator treści pod algorytmy.
Ten model różni się od narracji o „pasywnym dochodzie”. W przypadku AnQa Songwriter człowiek nadal kontroluje sens utworu. Pisze tekst, ma pomysł na melodię, opisuje tempo, tonację, styl i charakter wokalu. AI pełni tu rolę bardziej wykonawczą i produkcyjną. To nie znaczy, że kontrowersje znikają. Ale znaczy, że wrzucanie wszystkiego do jednego worka byłoby uproszczeniem.
AI jako narzędzie produkcyjne to nie to samo co AI jako autor
To rozróżnienie jest ważne szczególnie dla początkujących muzyków. Wielu z nich ma już pomysł na utwór, tekst, melodię albo nastrój, ale wciąż nie czuje się pewnie na etapie produkcji. A przecież muzyka nie kończy się na napisaniu piosenki. Dochodzą jeszcze miks, korekta wokalu, czyszczenie śladów, przygotowanie demo, porządkowanie sesji czy praca nad brzmieniem. To właśnie tutaj AI może działać sensownie, jako wsparcie techniczne, które pomaga uporządkować materiał i szybciej doprowadzić go do używalnej formy. Akademia ZAiKS zwraca uwagę, że takie narzędzia mogą wspierać artystów w procesie twórczym, dostarczać inspiracji i poprawiać efektywność pracy.
Co innego jednak, gdy AI pomaga dopracować nagranie, a co innego, gdy staje się automatem do hurtowego generowania gotowych piosenek. W pierwszym przypadku wspiera człowieka w realizacji jego pomysłu. W drugim sprowadza jego rolę do wpisania polecenia i wrzucenia efektu do sieci, gdzie liczą się już głównie szybkość, skala i zasięg.
Platformy napędzają ten rynek, ale próbują też go hamować
Na tym tle ciekawie wyglądają same platformy. Z jednej strony to one stworzyły środowisko, w którym tani i szybki format ma ogromną przewagę. Z drugiej, zaczynają doprecyzowywać zasady, by bronić się przed zalewem treści. YouTube wyjaśnia w zasadach monetyzacji, że treści masowo produkowane, powtarzalne i inauthentic nie kwalifikują się do zarabiania w ramach Programu Partnerskiego. Platforma podkreśla też, że twórcy mają być wynagradzani za materiały oryginalne i autentyczne. To oznacza, że opowieść o łatwym zarobku na muzyce AI zderza się z realnym ryzykiem demonetyzacji, jeśli kanał zacznie przypominać fabrykę powtarzalnych utworów.
W praktyce wygląda to więc tak. Platformy stworzyły system, w którym częstotliwość publikacji, chwytliwość formatu i podatność na rekomendacje mają ogromne znaczenie. AI świetnie się w ten system wpisuje. Potem te same platformy próbują odróżniać sensowne użycie narzędzi od spamu. Problem w tym, że ten pościg jest z natury spóźniony. Jeśli niemal połowa nowych uploadów na jednej z dużych platform streamingowych jest już generowana przez AI, to nie mówimy o marginesie. Mówimy o zjawisku, które zaczyna wpływać na samą architekturę obiegu muzyki.
Prawo nie potwierdza mitu o „AI jako artyście”
Do technologii i platform dochodzi jeszcze kwestia prawna. Akademia ZAiKS wyjaśnia, że utwory stworzone wyłącznie przez sztuczną inteligencję są co do zasady traktowane jako część domeny publicznej i nie podlegają ochronie prawa autorskiego w taki sposób jak utwory stworzone przez człowieka. To znaczy, że sama narracja o „AI jako nowym twórcy” nie znajduje prostego potwierdzenia w prawie autorskim. Jednocześnie ZAiKS zaznacza, że jeśli wygenerowany materiał jest identyczny albo bardzo podobny do istniejącego utworu, pojawia się ryzyko naruszenia praw autorskich twórcy oryginału.
To ważny punkt dla całej debaty. Jeśli ktoś generuje dziesiątki albo setki piosenek i wrzuca je do sieci, nie chodzi już tylko o to, czy znajdą słuchaczy. Równie ważne staje się pytanie, z czego te utwory wyrastają, do czego są podobne i kto bierze odpowiedzialność za wykorzystywanie rozwiązań, stylów czy brzmień wypracowanych wcześniej przez innych twórców. Prawo nie rozstrzyga wszystkich sporów, ale jasno przypomina, że bez twórczego wkładu człowieka końcowy efekt nie ma takiego samego statusu jak utwór w klasycznym sensie.
Ostatnie słowo
Największy problem z muzyką AI nie polega dziś na tym, że jest sztuczna. Polega na tym, że idealnie wpisuje się w logikę platform, które premiują szybkość, skalę i powtarzalność. Takie utwory da się produkować tanio, seryjnie i bez większych ograniczeń. Dobrze funkcjonują w środowisku rekomendacji, shortów, viralowych playlist i niszowych kanałów. Dlatego dla części internetu nie są już nowym narzędziem twórczym, ale wygodnym surowcem do wytwarzania treści.
W polskim kontekście widać to już bardzo wyraźnie. Z jednej strony są ostrzeżenia NASK dotyczące utworów AI obecnych w Viral 50 Polska. Z drugiej, mamy opisany przez Bezprawnik przypadek kanału, który po kilku tygodniach działania miał już 60 utworów, ponad 100 shortów i blisko 5700 zł przychodu. Z trzeciej, jest przykład AnQa Songwriter, gdzie utwory powstające z pomocą AI zbierają setki tysięcy, a nawet miliony odsłon. To pokazuje, że nie mamy do czynienia z jednym prostym zjawiskiem. Obok zastosowań, które realnie wspierają pracę twórczą, rośnie też model oparty na seryjnej produkcji muzyki pod algorytmy. I to właśnie ten drugi kierunek najmocniej zmienia dziś sens całej debaty.