Ersättning till kulturskapare i AI-eran

Det här började inte med AI och det slutar inte med AI. Kultursektorn har redan levt igenom flera teknikskiften.

Musikbranschen är inte unik. Den är bara först till stormen. Musikbranschen har hunnit igenom en lång rad teknikskiften: grammofon, radio, tv, kassett, fildelning och streaming. Nu sker samma sak igen, men snabbare, bredare och mer grumligt. Samtidigt i alla kulturområden. Musik, journalistik, bild, scenkonst, film, you name it.

Vi använder här musikbranschen som ett ledande exempel där mönstret syns tydligast. Ny teknik öppnar först ett hål. Sedan följer kris. Därefter en mer prosaisk fråga: hur ska upphovspersoner få betalt nu? Hur ska pengar, rättigheter och mätning organiseras?

Stim beskriver sin egen historia som ett sekel av just sådana omförhandlingar. När Stim startade 1923 handlade det om att få biografer, restauranger och andra offentliga användare att faktiskt teckna musiklicens. När radio och senare tv slog igenom utvidgades samma logik. Nya distributionsformer krävde nya avtal och därmed nya intäktsströmmar till upphovspersoner. När inspelad musik växte som marknad blev mekaniska licenser och nordisk kollektiv förvaltning centrala. När privatkopiering blev vardag växte privatkopieringsersättningen fram som kompensation för ett undantag i upphovsrätten. När Napster och fildelningen slog sönder kontrollen över exemplar svarade branschen först med processer och stängningar och senare med lagliga plattformar. När Spotify lanserades 2008 flyttades ekonomin ännu en gång, från köp per exemplar till licensierad, datadriven användning i enorm skala.

Den förenklade bilden är alltså inte att varje teknik dödar ersättningen. Den mer korrekta bilden är att varje teknik gör den gamla ersättningsmodellen otillräcklig, tills någon bygger en ny. Ibland blir den nyordningen bra. Ofta blir den bara mindre dålig än kaoset före den. Men den blir ändå norm.

Musiken gick först. Men resten av kultursektorn är nu i samma terräng. Pressen har redan testat flera versioner av samma konflikt. Ett tidigt franskt svar kom 2013 när Google, efter politiskt tryck, gick med på en fond på totalt 60 miljoner euro för franska publicister. Senare flyttades striden från innovationstöd till närstående rättigheter och förhandlingar om direkt ersättning. Frankrikes konkurrensmyndighet fortsatte pressa Google och bolaget bötfälldes 2024 med 250 miljoner euro, bland annat därför att Bard/Gemini hade tränats på publicistinnehåll utan att förläggarna informerats inom ramen för förhandlingarna.

Det som därefter hänt är nästan ännu viktigare. Publicister har börjat skriva egna AI-avtal. OpenAI har slutit avtal med bland andra Axel Springer, Le Monde, Financial Times och News Corp. Uppläggen varierar, men återkommer till samma logik: licensierad tillgång till arkiv och löpande innehåll, användning i träning och/eller svarsgenerering, länkar tillbaka till originalkällan, och i regel hemliga ekonomiska villkor. Det som nästan alltid förblir dunkelt är nästa led: hur mycket, om något, som går vidare till enskilda journalister, fotografer eller andra upphovspersoner bakom materialet.

Film- och tv-sidan har också tagit klivet. Lionsgate slöt 2024 ett avtal med Runway om att träna en skräddarsydd videomodell på studions bibliotek. Det presenterades som ett verktyg för preproduktion och postproduktion, alltså som "hjälp" snarare än ersättning. Men just där ligger ju den stora saken: träningsrätten blir ett affärsobjekt. Och även här är detaljerna om ersättning till kreativa team i stort sett inte offentliga.

Generativ AI är inte bara ännu en kanal. Den äter sig bakåt in i själva katalogen. Tidigare handlade konflikterna ofta om distribution: vem får sända, kopiera, lagra, streama. Nu gäller striden också input. Vem får använda verken för att träna modellerna? Och om det går att licensiera träningen, vad gör man då med outputen, med spårbarheten, med de historiska intrången, och med de enorma mängder där ingen längre kan peka ut varje enskilt verk för hand?

Samtidigt pågår rättsprocesserna, och domstolen blir en arena där en stor del av spelreglerna faktiskt skrivs. När politiken är långsam och lagboken släpar efter blir stämningar både en juridisk strategi och en hävstång för att tvinga AI-bolagen till förhandlingsbordet. Tre fall är värda att hålla isär.

The New York Times mot OpenAI och Microsoft är en strid mellan resursstarka institutioner. NYT har stämt för att deras artiklar använts utan tillstånd i träningen av GPT-modellerna. Fallet är ännu inte avgjort men förväntas bli prejudicerande, det kan komma att avgöra om storskalig AI-träning på nyhetsmaterial räknas som fair use eller som massivt upphovsrättsintrång. Harvard Law Review noterar samtidigt det historiska ironin: i fallet NYT v. Tasini stred tidningen mot sina egna frilansares upphovsrätt. Nu har den bytt sida och argumenterar för "creative and deeply human"-arbete. Det är en påminnelse om att positionerna i AI-frågan inte är fasta, de följer ofta egennyttan.

SAG-AFTRA-strejken 2023 är något annat. Där var AI bara en av flera frågor i ett större kollektivavtal om streamingersättning, självinspelningsregler och anställningsvillkor. Men de tydligaste citaten handlade om AI: studiosidan föreslog att bakgrundsskådespelare skulle kunna scannas mot en dags lön och därefter ägas digitalt för all evighet i vilket projekt som helst, "with no consent and no compensation". Strejken slutade i ett treårigt avtal med explicita AI-skrivningar. Lärdomen är arbetsrättslig snarare än upphovsrättslig: när kollektiv organisering möter ekonomisk smärta tvingas AI-frågan in i kontraktet långt innan lagstiftningen hinner ifatt.

Konstnärerna mot Stability, Midjourney och DeviantArt är åter ett tredje slag. Här finns inget storföretag i ryggen, inget fackförbund. Sarah Andersen, Kelly McKernan, Karla Ortiz och en grupp andra konstnärer driver en grupptalan (class action) via Saveri Law Firm. Domstolen avslog 2024 motionerna att helt ogiltigförklara stämningen och lät de centrala upphovsrättskraven gå vidare. Domstolen accepterade också att teorin om att modellerna kan innehålla "komprimerade kopior" av träningsdatan är rimlig att pröva. Det är gräsrotsdriven juridik mot infrastruktur som synliggör en grundläggande oro: "While it is common for technology to replace humans, in this instance humans have not been replaced; their contributions are simply hidden, and they are left uncompensated."

Tre fall, tre arenor: industriell upphovsrätt, arbetsrätt och kollektivtalan. När delar av dessa mål senare delvis glider över i licens och uppgörelser blir en ny sak tydlig: AI-eran producerar inte en enda väg framåt, utan ett blandband av stämning, förlikning och avtal. Det tydligaste exemplet på det är Anthropic-förlikningen 2025: efter en class action-stämning från författare för olovlig användning av böcker i träningsdata gick Anthropic med på att betala omkring 1,5 miljarder dollar, en av de största kollektiva utbetalningarna i AI-historien så här långt. Den löste inte principfrågan om fair use. Den satte ett pris. På musikområdet stämde de stora skivbolagen Suno och Udio 2024 för massivt intrång i träningsfasen, och just musiken är värd en parentes här. Musikbranschen är ovanligt välrustad för att hantera AI-skiftet, eftersom den redan har genomlevt en strukturellt snarlik kris med Napster och Pirate Bay. Den byggde då ut den infrastruktur för digital licensiering, kollektiv förvaltning och metadata-rapportering som nu kan återanvändas. Bild, scen och litteratur har inte samma muskler. De måste antingen bygga upp dem, eller importera dem från musikens fält.

EU har under tiden försökt bygga ramverk. DSM-direktivet (Digital Single Market, 2019/790) gav undantag för text- och datautvinning och en opt-out-möjlighet. AI Act och den senare GPAI-kodens (General-Purpose AI Code of Practice) kapitel om transparens och copyright har därefter försökt operationalisera vad som ska krävas av generella AI-modeller. Men det är fortfarande långt mellan regeltext och fungerande marknad. Någon måste översätta den till administration, mätbarhet och pengar.

Fältkartan på djupet. När vi går från musik till resten av kultursektorn syns mönstret tydligt. Litteraturen har börjat ordna sig: Svenska Förläggareföreningen kräver i sitt remissyttrande skälig avtalslicens när språkmodeller tränas på svensk skön- och facklitteratur, och i Storbritannien har CLA (Copyright Licensing Agency) tillsammans med ALCS och PLS lanserat en kollektiv AI-licens som 81 procent av ALCS-författarna stöder. Bildkonsten är skarpare i tonen: Bildupphovsrätt skriver att AI-träning på medlemmarnas verk utan licens är ett rent lagbrott. Och promptens roll skapar nya svårigheter, när en användare ber AI:n generera "i Salvador Dalí-stil", var ligger då värdet, i träningsdatan eller i prompten?

Kulturarvet är ett av de få områden där svensk AI-användning faktiskt går först, som verktyg, inte hot. Riksarkivet och Lunds universitet utvecklar tillsammans HTR (Handwritten Text Recognition) som låter äldre handskrivet källmaterial bli digitaliserat, läsbart och sökbart i stor skala. Det öppnar arkiven för helt nya forskningsfrågor och för en bredare allmänhet. Samtidigt påpekar både KB och Svensk biblioteksförening att kulturarvet behöver digitaliseras systematiskt, annars formas svenska språkmodeller huvudsakligen av amerikansk data.

Översättning är den första yrkesgruppen som redan förlorat jobb. Journalistförbundets jurist pekar specifikt ut medieöversättare, undertextare av film och tv, som hamnat i arbetslöshet i takt med att automatöversättningarna fyllt deras roll, även när kvaliteten ofta kritiseras. Och kulturadministrationen själv står i en märklig position: den här rapporten är finansierad av Kulturbryggan just för att kulturpolitik och kulturbyråkrati ska kunna förhålla sig till AI-skiftet. När maskinen producerar billig massbruksmusik och billig massbruksbild kommer kulturstödets logik att behöva omprövas, frågan blir vad det offentliga ska stötta när det privata redan översvämmar systemet.

Det här är alltså kapitlets verkliga slutsats. Varje tid har haft sina egna utmaningar. Och varje tid har till sist svarat med sina egna institutioner. Nu är vi i ännu en sådan tid. Det finns ingen färdig lösning. Men det finns ett tydligt historiskt mönster: först teknik. Sedan konflikt. Sedan modell. Frågan är inte om en ny modell kommer. Frågan är vem som skriver den.

Vi kan luta oss tillbaka. Då kommer domstolar, plattformar och de största AI-bolagen att skriva reglerna åt oss. U.S. Copyright Office beskriver marknaden som ung och ojämn, med vissa framväxande licenslösningar men fortsatt stora luckor. Cloudflare säger rakt ut att den gamla webbekonomins byteshandel, indexering mot trafik, är bruten. Och CISAC:s studie pekar på vad som händer i ett "unchanged regulatory framework": värde flyttas från skapare till AI-bolag samtidigt som AI-genererade verk konkurrerar ut mänskliga. Gör man inget är det alltså inte status quo man får. Man får ett nytt status quo, designat av andra.

Vi kan göra som innan men på nytt, STIMs modell. Det här är det mest konkreta svenska försöket att översätta en gammal licenslogik till ett nytt fält. STIM representerar över 100 000 musikskapare och distribuerade 2,7 miljarder kronor till rättighetshavare 2025. Den nya AI-licensen omfattar i pilotfasen bara verk där rättighetshavarna har gett uttryckligt samtycke, och den bygger på royalties under träning, tjänsteanvändning och användning av den genererade musiken. Styrkan här är uppenbar: institution, förtroende, fördelningserfarenhet och ett faktiskt försök att få ihop samtycke, transparens och pengar. Svagheten är också tydlig: attributionstekniken är ny, pilotens repertoar är begränsad och STIM säger själva att det ännu inte finns konkreta exempel på hur stor en individuell AI-utbetalning blir. Det är alltså en lovande början, inte en färdig modell.

Vi kan sätta gränser, Cloudflares modell. Här ligger fokus inte på kollektiv förvaltning utan på tillträdeskontroll. Cloudflare började 2025 blockera AI-crawlers utan tillstånd som standard och byggde dessutom "pay per crawl", där en innehållsägare kan välja att tillåta, ta betalt eller blockera varje crawler. Den stora styrkan är att detta ger omedelbar förhandlingsmakt vid själva insamlingen. Den stora begränsningen är att modellen är bäst för webbinnehåll som faktiskt passerar genom den infrastrukturen; den löser inte automatiskt redan skrapade dataset, privata kataloger eller musikfiler som cirkulerar i andra led. Men som maktverktyg är det starkt. Plötsligt är opt-out inte bara en metatag. Det är en grind.

Vi kan förstatliga, det indiska exemplet. Men här behöver man vara noggrann. Indien verkar inte nationalisera upphovsrätten till träningsdata. Det landet bygger snarare offentlig AI-infrastruktur: IndiaAI Mission med statlig budget, sju pelare, compute, datasetplattformar och subventionerad tillgång till GPU-kapacitet. Regeringen godkände 2024 ett utlägg på 10 372 crore rupier för missionen, och den offentliga kommunikationen beskriver målet som att demokratisera tillgång till compute och data, inklusive tiotusentals GPU:er till subventionerade priser. Det är alltså ett slags AI som digital public infrastructure. Starkt för kapacitet, suveränitet och bred tillgång. Oklart som modell för ersättning till skapare. Om man vill använda Indien i debatten bör man därför säga just det: det är ett exempel på offentlig AI-infrastruktur, inte på färdig offentlig kompensationsmodell för kultur.

Vi kan se det annorlunda, det japanska exemplet. Japan har valt en betydligt mer tillåtande linje för själva träningen. Artikel 30-4 i den japanska upphovsrättslagen tillåter användning av verk för bland annat dataanalys när syftet inte är att människor ska "njuta" av verkets uttryck, så länge användningen inte oskäligt skadar rättighetshavarens intressen. Samtidigt har den japanska kulturmyndighetens vägledning förtydligat att en liten, riktad uppsättning verk som plockar en specifik skapares stil eller gemensamma kreativa uttryck kan falla utanför undantaget. Det här är viktigt. Japan är inte "allt är fritt". Japan är snabbare träning, men fortfarande med gränser där marknadsskada eller precis stilutvinning blir för stor. Det är en annan balanspunkt, inte frånvaro av balans.

Vi kan tänka om, kanske ska musik inte ersättas, utan skyddas på andra sätt. Det här är den obekväma tanken, men den förtjänar att sägas högt. Om rent AI-genererad musik utan mänsklig upphovsperson ofta saknar vanligt upphovsrättsskydd, och om plattformar redan nu kan märka, nedprioritera och i vissa fall demonetisera fullt AI-genererat och bedrägligt innehåll, då kanske en del av svaret inte är att försöka prissätta varje promille av varje träningssats. Kanske måste en del av svaret vara kulturpolitik, plattformsdesign, märkning, chartregler, antifusk och aktiv prioritering av mänskligt skapande. Det här är en slutsats, inte fast rätt. Men den följer logiskt av det som redan sker hos STIM, U.S. Copyright Office och Deezer.

En intressekonflikt som ofta missas: inom techbranschen. Den vanliga inramningen är "AI-bolag mot kulturskapare". Det är en del av sanningen, men inte hela. Inom techsektorn finns aktörer som har frodats i streamingeran och nu står på två ben samtidigt. Daniel Ek på Spotify har vid flera tillfällen sagt att bolaget ska gå tyngre in i AI-genererad musik on demand, vilket fått motreaktioner från musiker. Epidemic Sound, vars affärsmodell bygger på att leverera musik med på förhand klarerade rättigheter, riskerar samtidigt att se sin värdeproposition urholkas om generativ AI blir tillräckligt bra och spridd. Och europeiska AI-aktörer som franska Mistral har en helt annan position än amerikanska giganter när det gäller frågan om svensk eller europeisk särlinje: konkurrenskraftsfrågan är inte bara "Sverige vs OpenAI", den är "Mistral vs OpenAI" och "Spotify vs Suno". Det är därför EU:s position spelar roll på ett annat sätt än ren skaparvänlighet, det är också ett industripolitiskt val.

Det tyska 30-procentsförslaget. Vi ska också lyfta ett alternativ som inte hör hemma bland de sex vägarna ovan men som har dykt upp i debatten det senaste året: ett förslag från tyska musikerorganisationer om att 30 procent av AI-bolagens vinst, inte intäkter, inte träningskostnad, utan vinst, ska kanaliseras till en kreatörsfond. Det är en radikalt enkel modell: man slipper räkna verk, prompter eller datapunkter, och man kopplar betalningen direkt till lönsamhet. Svagheten är att den förutsätter att AI-bolagen faktiskt redovisar vinst, vilket de flesta inte gör i nuläget, och att procentsatsen inte själv löser hur pengarna ska fördelas. Men som tankefigur är den intressant. Den lägger frågan på ren marknadsekonomi: om värdet uppstår, ska en bestämd andel följa med ut.

Vem hamnar i kläm? De små och de breda. De flesta nuvarande modeller har en sak gemensamt: de gynnar de redan resursstarka. Disney kan göra upp med OpenAI; New York Times kan stämma; de stora rättighetsorganisationerna kan förhandla. Det funkar fint för dem. Men för en illustratör i Skellefteå, en sessionsmusiker i Göteborg eller en spelutvecklare i Karlskrona räcker det inte. De bidrar med lite var, men tillsammans bygger de mycket. Utan en mekanism för dem kommer de att hamna utanför. Och det är inte bara ett rättviseproblem; det är ett marknadsproblem. En fungerande marknad där nya aktörer kan etablera sig kräver låga inträdeströsklar och förutsägbarhet. Standards och breda avtal ger just det: en illustratör vet vad som gäller, en AI-startup vet vad som gäller, en investerare vet vad som gäller. Osäkra juridiska förhållanden ökar risken och bromsar utvecklingstempot, oberoende av om man bygger generativa modeller eller om man potentiellt erbjuder träningsdata.

Och så dualiteten: katalogen kontra framtiden. Det finns två tidshorisonter som ofta blandas ihop. Den ena handlar om allt som redan har skapats och som redan har använts som träningsdata, ofta utan tillstånd. Den andra handlar om det som ska göras härefter, där man kan tänka sig licenser, samtycke och spårbarhet från början. STIM:s Simon Gozzi formulerade det skarpt i intervjun: de AI-bolag som tränat först och frågat sen ska inte komma undan. "Vi kommer aldrig glömma den historiska stölden om vi säger så." Det är en hållning. En annan är att gå pragmatiskt vidare och fokusera på framtiden. Vilken man väljer beror på om man ser AI-eran som ett brott eller som ett skifte, eller som båda, vilket kanske är mest ärligt.

Och så domstolen som arena. En del av spelreglerna skrivs inte på något kontor. De skrivs i amerikansk domstol just nu. New York Times mot OpenAI, konstnärernas grupptalan mot Midjourney, Suno- och Udio-stämningarna. När delar av dessa mål går mot uppgörelser blir uppgörelsernas premisser de facto normgivande för andra. SAG-AFTRA-strejken 2023, där AI bara var en av flera frågor, visade samtidigt att kollektiva fackliga grepp kan tvinga fram skarpa AI-skrivningar i kontrakt långt innan lagstiftningen hinner ifatt. Det är värt att notera: musikbranschen är ovanligt välrustad för det här, eftersom den redan har gått igenom en snarlik kris med Napster och Pirate Bay. Andra branscher (bild, scen, litteratur) saknar i hög grad samma institutionella muskler och måste därför antingen bygga upp dem, eller importera dem från musikens infrastruktur.

Området är i kraftig utveckling. Vi inledde den här rapporten med att kommersiell generativ AI snart fyller fyra år. Det är inte en mogen marknad. Den 11 december 2025 stod Disneys vd Bob Iger och OpenAI:s vd Sam Altman bredvid varandra på CNBC och presenterade ett "landmark"-avtal: en utlovad investering på 1 miljard dollar från Disney i OpenAI, och en licens som skulle släppa fram Musse Pigg, Star Wars-figurer och Buzz Lightyear i Sora-genererade videor. Altman beskrev efterfrågan som "sort of off the charts". Det signalerade, eller verkade signalera, att framtiden var här: bara jättarna gör direktavtal, breda lösningar är passé.

Den 24 mars 2026 lade OpenAI ner Sora. Det kom som en överraskning för Disney. Det visade sig att i princip inget hade formaliserats: Disney hade inte betalat in några pengar, OpenAI hade inte betalat några licensavgifter. Soras nedladdningar hade rasat från 6 miljoner i november till strax över 1 miljon i februari. Tjänsten slukade en stor del av OpenAI:s beräkningskraft i en period då Anthropic pressade på. Och Disneys egna författare och artister hade rest sig i protest mot avtalet redan från dag ett, Writers Guild of America beskrev det som att Disney "sanctionerade stölden av deras arbete". Sora-fallet är en lärorik anekdot, men inte den vi först trodde. Det är inte ett bevis på att jättarna formar framtiden. Det är ett bevis på att jättarnas avtal kan vara PR utan substans.

Strukturen i AI-marknaden förstärker den osäkerheten. Ett fåtal "frontier labs", branschens benämning på OpenAI, Anthropic, Google DeepMind och liknande som bygger de största modellerna, driver utvecklingen i frontlinjen. Strax efter följer en stor grupp "destillers" som tränar mindre opensource-modeller på den öppna kunskap som frontier labs redan producerat. Var värdet faktiskt ackumuleras, hos labbet, hos destillern, hos applikationen ovanpå, hos infrastrukturen under, vet vi inte än. Mycket av det som ser ut som affärsmodell idag bekostas av riskkapitalets storlek snarare än av faktisk lönsamhet. När investeringarna mognar eller avtar kommer ekonomin att förändras dramatiskt.

Vad rapporten är, och vad den inte är. Den här rapporten är inte en pilotansökan. Den föreslår ingen specifik modell, ingen institution, ingen testmiljö. Anledningen är inte att vi inte tror att piloter behövs. Anledningen är att rapporten har ett annat uppdrag: att göra debatten bättre. Vi tror att det redan finns för många snabba svar och för få bra frågor. Det här fältet har lidit av att talas om i för stora termer, "innovation" mot "kultur", när den verkliga frågan är mer prosaisk: vilka betalningspunkter, vilka mätpunkter och vilka infrastrukturer ska finnas när maskiner börjar tjäna pengar på mänskliga verk i industriell skala? När frågan ställs så handlar det inte om teknikrädsla. Det handlar om institutionell kompetens.

Det är därför vi har valt formen vi har. Femfrågor-modellen är inte en lösning. Den är ett raster. Verktygslådan är inte en rekommendation. Den är en karta. Historieavsnittet är inte ett facit. Det är en påminnelse om att samma frågor har besvarats förr, annorlunda varje gång, alltid efter en period av friktion. Quizet är inte en valguide. Det är en spegel: vad är din intuition, och vilken arketyp ligger den närmast?

Vad har vi gjort? Fabel har arbetat med kulturens digitalisering i 25 år. Vi har drivit konferensserien Truly Digital, kombinerat kommersiella uppdrag med egeninitierade projekt, och sett oss mindre som facitleverantörer än som de som får olika sektorer att faktiskt prata med varandra innan spelplanen hårdnar. På Folk & Kultur 2025 arrangerade vi två AI-seminarier, ett entusiastiskt och ett kritiskt. Det kritiska rummet var fullt. Slutsatsen från panel och publik var att frågan måste få nyanser. Det är där den här rapporten kommer in.

Öppna frågor som följer. Det indiska exemplet är starkt som exempel på offentlig AI-infrastruktur, men oklart som ersättningsmodell. Mätningen är fortfarande osäker, STIM säger själva om sin pilot att det är "rent kast" om attributionstekniken faktiskt fungerar. Rättsprocesserna i USA, NYT mot OpenAI, konstnärerna mot Midjourney, skivbolagen mot Suno och Udio, kommer att rita om vissa gränser, men inte alla. Sora-fallet visar att även jättarnas avtal kan kollapsa. Och vi har dragna nya knutar att lösa: relationen mellan svensk konkurrenskraft och svensk ersättningstradition, balansen mellan EU-reglering och nationellt rörelseutrymme, och hur de tekniska aktörerna själva (Spotify, Mistral, Epidemic Sound) ska placera sig när AI både hotar och förstärker deras affärsmodeller.

Och viktigast: lösningarna måste tas fram för hela kultursektorn, inte bara musik. Musikbranschen är välrustad genom decennier av licensförhandlingar och institutioner som STIM, SAMI och Copyswede. För litteratur och bild finns institutionerna och börjar agera. För översättning, scenkonst, kulturarv, slöjd och konsthantverk är muskelminnet svagare, och i några fall obefintligt. Det är där den första vågen av effekter slår, inte i den välorganiserade musikbranschen. Att kopiera musikens svar rakt av till andra sektorer är därför inte tillräckligt. Varje fält behöver sin egen översättning av samma fem frågor.

Det är där debatten måste fortsätta. Och den måste fortsätta med tillräckligt många i rummet, utövare, publiker, politiker, jurister, tekniker och intresseorganisationer. Det är när bara en av dessa grupper bestämmer som lösningarna fastnar i sin egen logik. Den modell som överlever kommer att vara den som tillräckligt många kan känna igen sig i.