Art. 4 Directiva 2019/790: cómo hacer TDM cuando el acceso al dato es el problema real

El marco legal del Text and Data Mining en Europa lleva años siendo debatido como si la fricción principal fuera jurídica. Sin embargo, para quien opera en el universo público de Internet a escala, la dificultad no es el derecho —el Art. 4 de la Directiva (UE) 2019/790 lo establece con razonable claridad—, sino el acceso efectivo al dato que ese derecho ampara.

La norma reconoce que cualquier persona con acceso legítimo a un contenido puede aplicar TDM sobre él para cualquier fin. No exige una finalidad de investigación. No exige ser una institución pública. El único límite que el publicador puede oponer es una reserva técnica explícita y debidamente comunicada. Fuera de ese supuesto, el análisis es lícito. El problema aparece después: cuando el dato existe, es público y en teoría está disponible, pero en la práctica no llega.

Este es el desajuste que la mayoría de los análisis sobre el Art. 4 no abordan. Y es, precisamente, donde se decide si un proyecto de TDM produce resultados reales o consume recursos en vacío.

Acceso legítimo no significa acceso técnico garantizado

El Art. 4 parte de un supuesto implícito: quien tiene acceso legítimo puede acceder. Pero el acceso legítimo es una condición jurídica, no una garantía técnica. Una fuente puede ser pública, indexable, sin restricción de uso comunicada y, sin embargo, devolver respuestas inconsistentes, imponer barreras de velocidad agresivas o cambiar su estructura sin previo aviso.

Ninguna de esas situaciones invalida el derecho al TDM. Pero todas afectan de forma directa la calidad del análisis derivado. Un corpus incompleto no es una cuestión legal: es un problema de representatividad. Si el 30% de los documentos de una fuente no se procesan por fallos técnicos intermitentes, el análisis resultante refleja una fracción del universo real, no el universo real.

Para quien construye sistemas de análisis de fuentes públicas, esto implica que la infraestructura de acceso es tan crítica como el marco normativo. Tener el derecho no basta si no se tiene la capacidad técnica de ejercerlo de forma consistente.

La reserva de opt-out: lo que la norma dice y lo que el mercado hace

El Art. 4 permite a los titulares de derechos reservar el uso de sus contenidos para TDM mediante una indicación técnica apropiada —típicamente a través del archivo robots.txt u otras señales reconocidas por el ecosistema—. Esta reserva es el único mecanismo legítimo de exclusión.

La realidad del mercado es más compleja. Muchos publicadores no han configurado ninguna reserva explícita, lo que jurídicamente deja el campo libre para el TDM. Otros aplican restricciones técnicas que no constituyen una reserva válida en el sentido del Art. 4 pero que, en la práctica, dificultan el acceso al dato. La distinción entre un opt-out legalmente válido y una barrera técnica unilateral no siempre es evidente sobre el terreno.

Para quien procesa fuentes públicas a escala, esto exige dos capacidades simultáneas: la primera, identificar y respetar las reservas legítimas con precisión; la segunda, distinguir esas reservas de las barreras técnicas que no tienen amparo normativo. Confundir ambas categorías lleva, en un caso, a incumplir la norma; en el otro, a autoexcluirse innecesariamente de datos que el derecho pone a disposición.

Qué ocurre cuando el dato está fragmentado entre jurisdicciones

El Art. 4 es una norma europea, pero el universo público de Internet no tiene fronteras. Una fuente puede estar alojada en múltiples jurisdicciones, sus contenidos pueden estar protegidos por derechos de distintos titulares y las leyes aplicables pueden diferir según el nodo de acceso.

Este escenario no es hipotético: es la norma para cualquier proyecto de análisis que opere sobre fuentes internacionales. La Directiva 2019/790 es un marco sólido dentro del Espacio Económico Europeo, pero no resuelve por sí sola la pregunta de qué régimen aplica cuando el procesamiento cruza fronteras.

La respuesta práctica no pasa por renunciar al análisis transfronterizo, sino por documentar con precisión qué fuentes se procesan, bajo qué condiciones de acceso y qué reservas técnicas existen o no existen en cada caso. Esa documentación no es solo una práctica de gestión de riesgos: es la base sobre la que se sostiene la legitimidad del análisis derivado frente a cualquier reclamación posterior.

El dato inaccesible como categoría analítica propia

Hay una consecuencia del problema de acceso que raramente se aborda de forma explícita: el dato que existe pero no llega tiene que ser tratado como una categoría propia en el diseño del análisis.

Un sistema de TDM que no tiene en cuenta sus propias tasas de cobertura real produce resultados que parecen completos pero no lo son. La diferencia entre "no hay señal sobre X" y "no he podido procesar las fuentes donde X podría estar" es analíticamente decisiva. Si el sistema no distingue ambas situaciones, sus salidas son, en el mejor caso, incompletas y, en el peor, activamente engañosas.

Esto implica que la infraestructura de procesamiento debe exponer métricas de cobertura real, no solo de volumen procesado. Saber cuántos documentos se han analizado no responde a la pregunta relevante: ¿qué fracción del universo accesible representa ese volumen?

En TrawlingWeb, esta distinción está incorporada en el diseño del sistema. El análisis derivado que producimos parte de la cobertura real sobre fuentes públicas, no de supuestos sobre disponibilidad teórica. Es la única forma de que el Art. 4 deje de ser un marco legal en papel y se convierta en una base operativa real.

La norma como punto de partida, no como garantía de resultado

El Art. 4 de la Directiva 2019/790 ha hecho algo importante: ha eliminado la ambigüedad jurídica sobre la legalidad del TDM con fines comerciales en Europa. Eso no es menor. Durante años, esa ambigüedad fue el argumento con el que se bloquearon proyectos legítimos.

Pero lo que la norma no puede hacer es garantizar que el dato llegue, que llegue completo, que llegue a tiempo y que la infraestructura que lo procesa sea capaz de mantener esa consistencia a escala. Esas son responsabilidades operativas, no jurídicas.

Quien trate el Art. 4 como el problema resuelto —y no como el punto de partida de un problema técnico más profundo— se encontrará con análisis que son legalmente correctos pero analíticamente insuficientes. El derecho despeja el camino. Recorrerlo es otra conversación.