Art. 4 Directiva 2019/790: el TDM como licencia por defecto que pocos aprovechan
Existe una disposición legal que, desde 2019, habilita el procesamiento masivo de fuentes públicas sin negociar permiso con cada titular de contenido. No es una laguna jurídica. Es un derecho expresamente reconocido. Sin embargo, la mayoría de los equipos que trabajan con datos públicos ni la invocan correctamente ni dimensionan lo que implica operativamente.
El Art. 4 de la Directiva (UE) 2019/790, transpuesto en España mediante el Art. 67 bis de la Ley de Propiedad Intelectual, establece que cualquier persona puede realizar Text and Data Mining (TDM) sobre contenidos a los que tenga acceso lícito. Sin compensación al titular. Sin licencia previa. Sin notificación. La única condición operativa real: el acceso debe ser legítimo en origen.
El debate sobre este precepto suele quedarse en la capa jurídica abstracta. Lo que rara vez se discute es qué significa implementarlo correctamente desde la infraestructura, qué diferencia a una operación de TDM que cumple el espíritu del artículo de una que lo invoca como coartada.
El derecho existe, pero no se autoaplica
El Art. 4 no otorga capacidad técnica. Otorga cobertura legal para ejercer una capacidad que hay que construir. Esa confusión es costosa.
Muchos equipos asumen que, porque el marco legal lo permite, el resultado del procesamiento será válido. Pero la norma no dice nada sobre la calidad del análisis derivado, la cobertura real de las fuentes procesadas ni la latencia con la que llega el dato. Solo establece el derecho a procesar.
Dicho de otra forma: el Art. 4 resuelve el "¿puedo hacerlo?" pero no el "¿cómo hacerlo bien?". Ignorar esa distinción lleva a proyectos que tienen cobertura legal pero producen análisis inutilizables.
Lo que el artículo no cubre — y dónde está el riesgo real
El artículo contempla una excepción relevante: los titulares de derechos pueden reservarse el uso de TDM mediante una "reserva expresa y legible por máquina". En la práctica, esto se traduce en directivas técnicas que los titulares pueden activar para excluir su contenido del alcance del TDM.
Aquí aparece el primer punto de tensión operativa: ¿cómo gestionar un universo de fuentes heterogéneo donde una parte puede tener esas restricciones activas y otra no? Un sistema de TDM robusto necesita detectar, clasificar y registrar esas restricciones en tiempo real, no hacer una auditoría manual cada seis meses.
El segundo punto es más sutil. El Art. 4 cubre el procesamiento, no la distribución del contenido original. Un análisis derivado —tendencias, frecuencias, clasificaciones semánticas, señales de alerta— está dentro del alcance. Redistribuir el texto original, aunque sea fragmentado, entra en otra categoría legal distinta. La diferencia no es semántica: es la frontera entre TDM legítimo y reproducción no autorizada.
Qué significa "acceso lícito" en la práctica
La condición de acceso lícito parece sencilla sobre el papel. En la operación diaria, no lo es tanto.
El universo público de Internet incluye contenido abierto, contenido bajo registro gratuito, contenido bajo suscripción y contenido técnicamente accesible pero con restricciones contractuales en los términos de uso. Cada capa requiere un tratamiento distinto.
Un sistema de TDM bien diseñado no trata todas las fuentes como equivalentes. Clasifica el tipo de acceso, asocia esa clasificación al tratamiento permitido y genera trazabilidad de qué análisis derivado procede de qué tipo de fuente. Eso no es burocracia interna: es la evidencia que permite demostrar cumplimiento si se cuestiona el origen del análisis.
La trazabilidad del acceso lícito es tan importante como el análisis en sí. Sin ella, el derecho que otorga el Art. 4 se vuelve difícil de defender en la práctica.
El análisis derivado como producto real del TDM
Cuando el Art. 4 se implementa correctamente, el output no es el contenido de terceros procesado. Es algo cualitativamente distinto: patrones de frecuencia, señales de tendencia, clasificaciones temáticas, detección de anomalías, contexto agregado. Ninguno de esos outputs reproduce el contenido original. Todos aportan valor analítico que el contenido original, por sí solo, no tiene.
Esta distinción importa porque define el modelo de negocio sostenible alrededor del TDM. Las organizaciones que confunden el medio (el texto procesado) con el fin (el análisis derivado) tienden a construir infraestructuras que acumulan volumen sin producir inteligencia. Y, en paralelo, asumen riesgos legales innecesarios al retener texto original cuando no lo necesitan.
En TrawlingWeb, todo el procesamiento sobre el universo público de Internet está diseñado desde esta lógica: el dato de valor es el análisis derivado, no la reproducción del contenido fuente. El Art. 4 no es solo el marco legal que lo habilita. Es la guía que da forma al tipo de infraestructura que tiene sentido construir.
Tres preguntas que definen si tu operación de TDM es sólida
Antes de invocar el Art. 4 como cobertura de un proyecto, vale la pena responder con honestidad a estas tres preguntas:
¿Puedes demostrar que el acceso a cada fuente procesada era lícito en el momento del procesamiento? Si la respuesta depende de reconstruir registros a posteriori, la trazabilidad falla.
¿Tu sistema detecta y respeta las reservas expresas de los titulares? Si esas restricciones no están automatizadas y auditadas, la cobertura legal del Art. 4 tiene agujeros concretos.
¿Lo que entregas a tus equipos o clientes es análisis derivado o contenido procesado? Si es lo segundo, la base legal no es el Art. 4, y el modelo necesita revisarse.
El Art. 4 de la Directiva (UE) 2019/790 es un habilitador real, no un salvoconducto genérico. Los proyectos que lo usan bien no son los que lo citan más. Son los que han construido infraestructura, trazabilidad y un modelo de output que refleja lo que el artículo realmente permite hacer.
Si tu organización trabaja con datos públicos a escala y todavía no ha respondido esas tres preguntas de forma operativa, el marco legal que te protege es más frágil de lo que parece.