Il dibattito sull’intelligenza artificiale generativa si è consumato attorno a una domanda tanto semplice quanto scomoda: da dove arrivano davvero i dati utilizzati per addestrare questi modelli? Le aziende hanno quasi sempre risposto con formule giuridicamente impeccabili e tecnicamente evasive, parlando di “contenuti pubblicamente disponibili”, “dataset su larga scala” e “materiale soggetto a licenze o eccezioni di fair use”. Poi è arrivato un hacker. Non un’autorità di regolamentazione, non un tribunale, non una commissione parlamentare. Un hacker.

Secondo quanto riportato da 404 Media, un attacco informatico avrebbe compromesso l’infrastruttura di Suno, una delle piattaforme di generazione musicale basata su intelligenza artificiale più diffuse al mondo, facendo emergere codice sorgente e documentazione interna che descriverebbero con notevole precisione la costruzione del dataset di addestramento. Se il materiale pubblicato fosse autentico, rappresenterebbe una delle più dettagliate radiografie mai viste dell’industria dell’AI musicale. Le informazioni trapelate indicano oltre 113.000 ore provenienti da YouTube Music, più di 152.000 ore di brani YouTube etichettati, oltre 62.000 ore dalla libreria commerciale Pond5, circa 12.000 ore da Deezer e oltre 17.000 ore riconducibili a materiale associato a Genius. A questo si aggiungerebbe un progetto per acquisire circa un milione di ore di podcast tramite feed RSS.

L’elemento realmente interessante non è tanto la quantità dei dati, che era facilmente immaginabile, quanto la granularità delle informazioni. Un file interno citato nell’inchiesta conterrebbe il tracciamento di oltre due milioni di clip musicali provenienti dalla sola pipeline di YouTube Music. Una scala industriale che conferma come la corsa ai modelli generativi sia, prima ancora che una rivoluzione algoritmica, una gigantesca operazione logistica di raccolta, catalogazione e trasformazione di contenuti esistenti.

Dal punto di vista tecnologico la notizia non sorprende gli addetti ai lavori. I modelli generativi funzionano perché osservano enormi quantità di esempi. Nel caso della musica ciò significa ascoltare praticamente tutto ciò che è disponibile, apprendendo strutture armoniche, progressioni, timbri, ritmi e caratteristiche stilistiche. L’idea che un sistema possa imparare jazz, metal, trap o musica sinfonica senza averne analizzato milioni di esempi appartiene più al marketing che all’ingegneria.

Il problema diventa invece giuridico. Già nel 2024 la Recording Industry Association of America aveva accusato Suno di acquisire direttamente musica da YouTube senza autorizzazione, avviando una causa insieme alle principali etichette discografiche. Suno ha sempre sostenuto che l’addestramento rientrasse nelle eccezioni previste dal principio del fair use, una tesi ancora oggi al centro del contenzioso federale negli Stati Uniti. Se il codice trapelato riflettesse realmente le pipeline operative dell’azienda, rafforzerebbe almeno parte dell’impianto accusatorio delle major, anche se sarà il tribunale a stabilire se tali pratiche costituiscano effettivamente una violazione del copyright.

Esiste poi un dettaglio quasi ironico. Suno non aveva completamente nascosto l’esistenza di materiale protetto nei propri dataset. In conformità con la normativa californiana AB 2013, che impone maggiore trasparenza sulle pratiche di addestramento dell’intelligenza artificiale, l’azienda aveva già dichiarato pubblicamente che i propri modelli utilizzavano decine di milioni di file musicali pubblicamente disponibili, alcuni dei quali soggetti a tutela della proprietà intellettuale. La differenza è che una disclosure normativa usa un linguaggio volutamente generico, mentre il codice sorgente parla il linguaggio degli ingegneri. Ed è infinitamente più difficile da interpretare in modo ambiguo.

L’attacco avrebbe inoltre coinvolto dati riconducibili agli utenti della piattaforma. L’autore della violazione sostiene di aver ottenuto informazioni relative a centinaia di migliaia di clienti, comprese email, numeri di telefono e dati collegati ai pagamenti Stripe. Suno contesta questa ricostruzione, affermando di aver individuato l’incidente già nel novembre 2025, di averne limitato l’impatto e di aver concluso che non fosse necessario notificare individualmente gli utenti in base alla normativa applicabile. Anche questo aspetto potrebbe attirare l’attenzione delle autorità competenti, soprattutto se emergessero elementi che contraddicano la versione ufficiale.

Nel frattempo il settore continua a muoversi. Udio, altra importante piattaforma di AI musicale coinvolta in un procedimento parallelo, ha raggiunto un accordo con Warner Music e sta evolvendo verso un modello basato su licenze. Suno, invece, prosegue la propria battaglia giudiziaria contro Sony Music e Universal Music Group, mantenendo una valutazione di circa 5,4 miliardi di dollari e una base utenti che sfiora i 100 milioni di persone.

La vicenda racconta qualcosa di molto più grande di una semplice violazione informatica. L’intera economia dell’intelligenza artificiale si fonda su un compromesso implicito: costruire sistemi capaci di generare nuovi contenuti partendo dall’assimilazione di quelli creati da altri. Finché il processo rimane opaco, il mercato cresce alimentato dalla fiducia degli investitori. Quando quella scatola nera si apre, improvvisamente la discussione cambia natura. Non si parla più di algoritmi miracolosi, ma di pipeline, crawler, script di scraping e milioni di file copiati da piattaforme che rappresentano il patrimonio creativo globale.

C’è infine una lezione che va oltre Suno. L’industria dell’AI ha investito miliardi nello sviluppo di modelli sempre più sofisticati, ma ha dedicato molta meno attenzione alla narrativa sulla provenienza dei dati. È un errore strategico. Nel XXI secolo il vero vantaggio competitivo non consiste soltanto nell’avere il modello migliore, ma nel poter dimostrare con precisione, trasparenza e solidità legale come quel modello sia stato addestrato. L’ironia è che, almeno questa volta, a fare luce sulla trasparenza non è stato un regolatore, bensì un criminale informatico. Nel mondo dell’intelligenza artificiale, persino la governance sembra aver bisogno di un prompt migliore.