Art. 4 Directiva 2019/790: la obligación de opt-out que los publicadores ignoran y los analistas aprovechan

Hay un malentendido frecuente sobre el marco legal del Text and Data Mining en la Unión Europea. Muchos actores del sector asumen que analizar fuentes públicas de Internet entra en una zona gris, que cada uso de datos debe negociarse caso a caso, o que la legalidad depende del tipo de contenido más que del propósito del análisis. Ninguna de esas tres asunciones es correcta si se lee con atención el Art. 4 de la Directiva (UE) 2019/790.

El Art. 4 no crea un privilegio restringido a la academia. Crea una habilitación general para cualquier persona física o jurídica que acceda lícitamente a una fuente y realice operaciones de TDM con cualquier finalidad, incluida la comercial. La condición de salida —la única que puede anular esta habilitación— recae sobre el titular de derechos, no sobre el analista. Si el publicador no ha declarado de forma legible por máquinas su reserva de derechos, la operación de TDM está habilitada por defecto.

Eso cambia el cálculo de quién tiene que actuar primero.

Qué dice realmente el artículo, sin eufemismos

El Art. 4 establece que los Estados miembros deben prever una excepción o limitación a los derechos de reproducción y extracción de bases de datos para permitir el TDM sobre contenidos a los que se haya accedido de forma lícita. Solo hay una salvedad: el titular de derechos puede reservarse expresamente el uso de sus obras o prestaciones para operaciones de TDM, y esa reserva debe ser legible por máquinas cuando el contenido se publique en línea.

El mecanismo más habitual para implementar esa reserva es el metadato X-Robots-Tag con valor noai o noidatatraining, o instrucciones análogas en el robots.txt. Fuera de esa señal técnica, la reserva no produce efectos.

Lo que esto significa en términos operativos: la carga de la prueba se ha invertido respecto a la intuición de muchos equipos legales. El analista no necesita obtener permiso explícito antes de procesar. El publicador necesita declarar su exclusión antes de que el análisis ocurra. Si no lo hace, el marco del Art. 4 se aplica con carácter supletorio.

En España, esta directiva se transpuso mediante el Art. 67 bis de la Ley de Propiedad Intelectual, con una literalidad muy próxima al texto europeo.

Dónde falla la implementación en la práctica

El problema no es la norma. La norma es razonablemente clara. El problema es que la mayoría de los publicadores de fuentes públicas —medios, organismos institucionales, repositorios de datos abiertos, foros profesionales— no han implementado ninguna reserva legible por máquinas. Algunos tienen políticas de uso editorial en lenguaje natural, enterradas en páginas de términos y condiciones, que no equivalen técnicamente a una reserva bajo el Art. 4.

Eso crea una asimetría: el publicador asume que su contenido está protegido frente a cualquier procesamiento automatizado; el analista que conoce el marco legal sabe que la ausencia de reserva técnica habilita el TDM. Cuando surge una disputa, la pregunta no es "¿tenía permiso el analista?" sino "¿realizó el titular una reserva válida y legible por máquinas en el momento del acceso?".

Esta asimetría es especialmente marcada en el universo público de Internet: millones de fuentes activas, un porcentaje mínimo con metadatos de exclusión correctamente implementados, y una infraestructura creciente de sistemas de análisis que procesan ese universo de forma continua.

Por qué el acceso lícito es la condición que realmente importa

El Art. 4 no habilita cualquier forma de acceso. Habilita el TDM sobre contenidos a los que se haya accedido de forma lícita. Ese término carga todo el peso de la distinción que muchos equipos jurídicos pasan por alto.

Acceso lícito significa, como mínimo: que la fuente es públicamente accesible sin autenticación, que el acceso no viola condiciones de uso que configuren una barrera técnica reconocida, y que el volumen y la cadencia del procesamiento no constituyen una conducta abusiva frente al sistema origen.

Esto no es una formalidad menor. Es el punto donde una operación de TDM correctamente diseñada se separa de una que podría ser cuestionada. Una infraestructura de análisis del universo público que respeta cadencias, no elude medidas de control de acceso y opera sobre fuentes abiertas cumple con esta condición. Una que fuerza accesos restringidos o ignora barreras técnicas expresas, no.

La diferencia entre ambas no es solo legal. Es también de calidad del dato: las fuentes que requieren eludir barreras suelen tener estructuras inestables, contenido de menor consistencia y latencia más alta. El análisis que se asienta sobre el universo verdaderamente público es más robusto técnicamente y más sólido jurídicamente.

Qué implica esto para una organización que opera con datos públicos a escala

Las organizaciones que procesan el universo público de Internet de forma sistemática —para inteligencia de mercado, entrenamiento de modelos, seguimiento de tendencias o análisis de entorno— deben tener resueltas tres cosas antes de escalar:

Primero, un registro del estado de reservas de cada fuente en el momento del procesamiento. El Art. 4 evalúa la reserva en el momento del acceso, no en el momento en que surge una disputa. Si una fuente no tenía metadatos de exclusión cuando fue procesada, ese dato es relevante. Si los añadió después, no afecta retroactivamente al procesamiento previo.

Segundo, un protocolo de acceso que soporte la calificación de "lícito". Eso incluye documentar que el acceso se realizó sobre endpoints públicos, que no se eludieron medidas técnicas de protección y que la cadencia fue compatible con el funcionamiento ordinario del sistema origen.

Tercero, claridad sobre qué se entrega al cliente: análisis derivado, no reproducción. El Art. 4 habilita el TDM, no la redistribución de contenidos de terceros. Lo que sale del proceso debe ser señal, tendencia, insight o dato derivado —no el texto original procesado en formato redistribuible.

En TrawlingWeb el modelo operativo se construye sobre estas tres condiciones. El análisis derivado que llega al cliente es el resultado de procesamiento sobre fuentes públicas, no una copia de esas fuentes.

La norma no es el límite, es el punto de partida

El error más frecuente al leer el Art. 4 es tratarlo como un techo: "esto es lo máximo que puedo hacer". La lectura correcta es la contraria: es el suelo sobre el que se construye una práctica de TDM con fundamento legal explícito.

Las organizaciones que han interiorizado este marco no están esperando que cada nueva fuente les conceda permiso. Están procesando el universo público con plena cobertura legal, documentando sus protocolos de acceso y entregando análisis derivado que no depende de licencias bilaterales para cada dataset.

El Art. 4 no elimina la complejidad operativa del TDM a escala. Pero sí elimina la ambigüedad sobre si esa actividad tiene cabida en el ordenamiento europeo. La tiene, con condiciones claras. Conocerlas no es ventaja competitiva menor: es la diferencia entre escalar con seguridad jurídica o escalar a ciegas.