du.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • chicago-author-date
  • chicago-note-bibliography
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Algoritmers möjligheter och begränsningar: En diskussion om A&R-kompetens och algoritmer
Dalarna University, School of Humanities and Media Studies, Sound and Music Production. (ISTUD)ORCID iD: 0000-0001-7220-1459
2017 (Swedish)Conference paper, Oral presentation with published abstract (Refereed)
Abstract [sv]

Algoritmer har blivit alltmer uppmärksammade under de senaste åren, inte minst i relation till spellistor på exempelvis Spotify. Algoritmer har utvecklats till viktiga verktyg för dagens musikbolag. Allt oftare har frågan om vad algoritmer kan och inte kan diskuterats samt vad effekterna av en utbredd användning har på musikutbud, lyssnarbeteenden och musikutövare. Fokus i detta paper riktas mot algoritmers möjligheter och begränsningar med utgångspunkt i A&R-kompetens, samt dess konsekvenser på bransch och musikutbud.

Utgångspunkten tas i min avhandling i vilken bland annat A&R-kompetens beskrivs och analyseras (Florén 2010). I denna identifieras två olika typer av bedömningar som en A&R gör vilket i sin tur är relaterade till två olika typer av låtar och artister. Den första och mest enkla bedömningen är av låtar och artister vars potential framstår som helt uppenbar och självklar för alla. Utmaningen består primärt i att vara först med att kontraktera artisten. Den andra typen av bedömning rör artister och musik som är betydligt mer svårbedömbar, i många fall handlar det om artister eller musik som ”ännu ej är men som kan komma att bli”. Musiken bär inte på den inneboende kraft som gör att den själv tar sig genom mediebruset fram till lyssnaren. I dessa situationer måste A&R och bolag addera värden som ökar förutsättningar för framgång. Det kan handla om att förbättra produktionen, ta in en co-writer, låta artisten ta sånglektioner, ändra banduppsättning, utveckla image, utveckla strategiska planer för lansering och marknadsföring. I denna typ av projekt blir A&R en kreativ medskapare av artistens karriär och framgång.

Det förefaller primärt vara den första typen av bedömningar som algoritmer kan ersätta A&R genom att på ett automatiserat sätt, utifrån lyssnarnas beteenden, tidigt uppmärksamma morgondagens framgångar. I en bemärkelse har lyssnarna blivit sina egna A&R då de själva genom sitt lyssnande omedvetet identifierar morgondagens framgångar. I den gamla branschstrukturen var denna typ av bedömningar förknippade med stora inslag av osäkerhet och komplexitet samtidigt som branschens existens över tid var beroende av denna förmåga. Det cirkulerade uppgifter om att ca 70% – 80% av alla satsningar misslyckades (Florén 2010). I och med användningen av algoritmer har denna bedömning flyttats närmare lyssnaren vilket även kan antas ha minskat inslagen av osäkerhet. Men användningen av algoritmer förutsätter att det finns en relativt färdig produktion och artist som lyssnaren kan bedöma. Ifråga om musik och artister ”som ännu ej är men som kan komma att bli” har algoritmer begränsade möjligheter att ersätta A&R då de inte kan agera som kreativa medskapare. I själva verket förefaller kreativitet vara en av de största begränsningarna hos algoritmer idag. Denna bedömning av det som ”ännu ej är” skulle utifrån detta resonemang fortfarande kräva mänsklig bedömningsförmåga och kreativitet.

Vilka skulle effekterna kunna bli av en alltmer utbredd användning av algoritmer? Musikbolagen kan med hjälp av algoritmer bli bättre på att identifiera talanger i ett tidigt skede och att sprida ”rätt musik” till ”rätt lyssnare” vilket måste uppfattas som positiva effekter. Men om utvecklingen resulterar i färre antal A&R-drivna bolag finns risken att utrymmet för artister som ”ännu ej är” och som behöver stöd och samarbete för att utveckla sina karriärer får allt svårare att etablera sig. Långsiktiga investeringar i en ny artists karriär är både riskfyllt och ur ett affärsmässigt perspektiv inte en given målsättning. Ett möjligt framtida scenario skulle kunna bli att bedömningen av potential flyttas närmare lyssnarna och ansvaret för att utveckla talang blir artisters eget fram tills att musiken blir möjlig att testa i skarpt läge på exempelvis Spotify. Beroende på branschens agerande skulle detta kunna leda till en ytterligare likriktning av det mest kommersiella utbudet. Detta till följd av att det finns ett mindre antal aktörer som är beredda att investera i genuint nya artister och ny musik då det är förenat med ökad risk. På branschnivå över tid framstår det därför som avgörande att investeringar görs i kreativa och starka A&R-miljöer. Den kreativa A&R funktionen skulle kunna liknas vid en form av grundforskning vars direkta relevans och avkastning kanske inte är uppenbar men som över tid bidrar till ett berikat musikutbud och framtida intäkter. 

Place, publisher, year, edition, pages
2017.
Keywords [sv]
Algoritmer, musikbransch, A&R, Spotify
National Category
Arts
Research subject
Intercultural Studies
Identifiers
URN: urn:nbn:se:du-27390OAI: oai:DiVA.org:du-27390DiVA, id: diva2:1189392
Conference
Mirac, Musik och algoritmer i digitalt landskap, Kungliga Musikhögskolan, Stockholm, 22-23/11 2017
Available from: 2018-03-09 Created: 2018-03-09 Last updated: 2018-03-09Bibliographically approved

Open Access in DiVA

No full text in DiVA

Authority records BETA

Florén, Thomas

Search in DiVA

By author/editor
Florén, Thomas
By organisation
Sound and Music Production
Arts

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 8 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • chicago-author-date
  • chicago-note-bibliography
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf