La música que dejamos entrar: inteligencia artificial para una escucha más consciente

  Una playlist parece algo pequeño. Una lista de canciones, una colección refinada por el gusto, una compañía para estudiar, caminar, dormir o sobrevivir a un trayecto en autobús. Pero quizá no sea tan pequeña. La música que escuchamos no solo ocupa un fondo sonoro, sino que también acompaña, intensifica, ordena o desordena lo que sentimos. A veces nos levanta. A veces nos consuela. A veces, sin que lo notemos, nos encierra un poco más en el mismo sitio.

  Mi Trabajo de Fin de Grado nace de esa sospecha: no basta con preguntarse cómo suena una canción; también conviene preguntarse hacia dónde nos lleva. Las plataformas musicales actuales han aprendido a recomendarnos música de manera cada vez más precisa. Spotify, por ejemplo, explica que sus recomendaciones se apoyan en acciones del usuario dentro de la plataforma, como escuchar, buscar, omitir o guardar canciones, además de hábitos de usuarios similares y otros datos de personalización [1]. Esto tiene un valor evidente. El problema es que el gusto no agota el sentido de una canción. Que algo me guste no significa que me haga bien. Y que una canción suene alegre no significa que, en el fondo, esté diciendo algo luminoso.

  La psicología de la música lleva años mostrando que escuchar música no es una actividad meramente pasiva. El valor de la música depende, en buena medida, de los usos concretos que las personas hacen de ella en la vida cotidiana [2]. También se ha estudiado precisamente la música como forma de regulación del estado de ánimo [3]. Escuchamos para levantar el ánimo, para cubrir un vacío, para salir de una emoción o para permanecer en ella. Dicho de forma sencilla, uno no solo escucha lo que siente; muchas veces aprende a sentir desde lo que escucha.

  Aquí aparece una dificultad importante. Sería demasiado simple afirmar que la música triste es mala o que solo conviene escuchar canciones positivas. La tristeza también puede acompañar. Hay canciones que nombran un dolor y, al nombrarlo, lo vuelven habitable. Otras, en cambio, no abren ninguna salida: repiten la herida, la romantizan o la convierten en identidad. La regulación emocional mediante música puede tener efectos beneficiosos o perjudiciales, según el contexto y la estrategia del oyente [4]. En determinados perfiles, la música triste auto escogida puede relacionarse con formas de regulación del ánimo que no siempre ayudan a salir del malestar [5]. Por eso el centro de mi trabajo no es separar canciones tristes y canciones felices. La cuestión es más fina. Se trata de distinguir entre el dolor que acompaña y el dolor que atrapa.

  Desde ahí, el TFG propone una clasificación emocional de letras musicales mediante inteligencia artificial. No se trata de etiquetar canciones solo por tema —amor, ruptura, fiesta, protesta—, sino por su orientación afectiva. Una canción de ruptura puede caer en un desamor que hunde, en ira, en esperanza o en empoderamiento, según lo que haga con esa ruptura. Una canción que habla de deseo puede expresar amor verdadero o impulsividad desordenada. Una canción triste puede hundir o sostener. En una letra no solo importa lo que aparece escrito, sino la mirada desde la que ese mundo se ordena.

  Técnicamente, esta propuesta se sitúa en el ámbito del análisis de sentimiento y la clasificación emocional de letras musicales. Se ha mostrado que las letras contienen rasgos relevantes para clasificar emociones musicales [6], mientras que las revisiones del reconocimiento emocional musical señalan tanto el potencial como los límites actuales del campo [7]. Este matiz importa porque una IA no entiende una canción como la entiende una persona. Al no tener biografía, cuerpo, memoria afectiva ni heridas, solo puede detectar patrones, inferir probabilidades y ofrecer una clasificación aproximada. Por ello, no debería convertirse en oráculo.

  Justamente por eso, la dimensión ética del proyecto no es secundaria. La Antiqua et nova nos recuerda que la inteligencia humana no puede reducirse a cálculo funcional, sino que es corporal, relacional, moral y abierta al sentido [8]. También insiste en que la IA debe ayudar al juicio humano, no sustituirlo. Las directrices europeas sobre “IA fiable” apuntan en una dirección semejante al exigir supervisión humana, transparencia y responsabilidad [9]. Aplicado a este caso, el clasificador no debería decidir qué debe escuchar una persona, sino ayudarle a ver mejor lo que ya está escuchando.

  Para mí, el valor de este trabajo está en hacer visible la acumulación inadvertida de un mismo marco emocional. Una canción aislada puede parecer inofensiva, pero cien canciones que repiten dependencia, anestesia, resentimiento o desesperanza quizá ya no lo sean tanto. No porque haya que vivir sin sombra, sino porque nadie debería habitarla sin darse cuenta. El objetivo no es censurar la música ni moralizar el gusto, sino devolver al oyente una pregunta: ¿esto me acompaña hacia la vida o me acostumbra a quedarme donde me hundo?

  Este trabajo tiene presente al oyente común, precisamente porque nadie es invulnerable todo el tiempo. A quien escucha música mientras estudia, trabaja, entrena, llora o vuelve a casa; a quien no quiere que un algoritmo decida por él, pero tampoco quiere vivir en piloto automático dentro de sus propias playlists. Si la inteligencia artificial puede tener aquí algún sentido humano, no está en reemplazar nuestra libertad, sino en despertarla. Que una máquina clasifique no significa que una máquina juzgue. El juicio sigue siendo nuestro, y también la decisión sobre qué música dejamos entrar.

  Porque al final una playlist no es solo una lista. Es una pequeña educación sentimental repetida cientos de veces. Y quizá cuidar la escucha sea recordar que, de algún modo, vivimos lo que cantamos.

Referencias

1. Spotify. (2026, marzo 12). Cómo funcionan las recomendaciones. Spotify Safety & Privacy Center. https://www.spotify.com/es/safetyandprivacy/understanding-recommendations

2. North, A. C., Hargreaves, D. J., & Hargreaves, J. J. (2004). Uses of music in everyday life. Music Perception, 22(1), 41–77.

3. Saarikallio, S., & Erkkilä, J. (2007). The role of music in adolescents’ mood regulation. Psychology of Music, 35(1), 88–109.

4. Sakka, L. S., & Juslin, P. N. (2018). Emotion regulation with music in depressed and non-depressed individuals: Goals, strategies, and mechanisms. Music & Science, 1.

5. Garrido, S., & Schubert, E. (2015). Moody melodies: Do they cheer us up? A study of the effect of sad music on mood. Psychology of Music, 43(2), 244–261.

6. Malheiro, R., Panda, R., Gomes, P., & Paiva, R. P. (2018). Emotionally-relevant features for classification and regression of music lyrics. IEEE Transactions on Affective Computing, 9(2), 240–254.

7. Panda, R., Malheiro, R., & Paiva, R. P. (2023). Audio features for music emotion recognition: A survey. IEEE Transactions on Affective Computing, 14(1), 68–88.

8. Dicasterio para la Doctrina de la Fe, & Dicasterio para la Cultura y la Educación. (2025, enero 28). Antiqua et nova: Nota sobre la relación entre la inteligencia artificial y la inteligencia humana.

9. Comisión Europea. (2024, enero 31). Directrices éticas para una IA fiable. Shaping Europe’s Digital Future. https://digital-strategy.ec.europa.eu/es/library/ethics-guidelines-trustworthy-ai

Agradecimientos

Este artículo fue realizado por Humberto Pérez de la Blanca Osta bajo la supervisión de José Luis Martín de Miguel

Resumen

Este artículo presenta una lectura antropológica de un Trabajo de Fin de Grado orientado al análisis emocional de letras musicales mediante inteligencia artificial. Frente a los sistemas habituales de recomendación musical, centrados en el gusto, el historial de escucha, el género, la actividad o ciertos rasgos sonoros, se propone una lectura distinta: clasificar canciones según la dirección emocional profunda que sus letras pueden despertar en el oyente. La hipótesis de fondo no es que existan canciones buenas o malas en sentido absoluto, ni que toda tristeza deba ser expulsada de la escucha, sino que la acumulación inadvertida de un mismo marco emocional puede influir en la forma en que el oyente habita sus estados interiores. Desde la psicología de la música, el reconocimiento emocional automático y la ética de la inteligencia artificial, se plantea una herramienta para escuchar con más conciencia: una IA que no sustituya el juicio humano, sino que ayude a hacerlo más visible, situado y libre.

Palabras clave: Inteligencia artificial; análisis de sentimiento; clasificación emocional; música; tecnología; innovación