Art. 4 Directiva 2019/790: dónde termina el derecho TDM y empieza el riesgo legal
El Art. 4 de la Directiva (UE) 2019/790 es, en teoría, una de las habilitaciones legales más claras que existe para el análisis automatizado de contenido público. En la práctica, es también uno de los textos más mal aplicados del sector.
Muchos proyectos de análisis de datos públicos asumen que la directiva les cubre sin haber leído sus condiciones reales. Otros equipos legales la bloquean por exceso de cautela, sin entender qué sí permite. El resultado en ambos casos es el mismo: decisiones mal informadas que exponen al proyecto o que lo frenan sin necesidad.
Este post no es una introducción al TDM. Es un análisis de los puntos donde el Art. 4 tiene bordes afilados que importan en la operación real.
Qué habilita el Art. 4 — y qué no dice explícitamente
El Art. 4 establece una excepción a los derechos de autor y derechos conexos para la realización de Text and Data Mining sobre obras y otras prestaciones a las que se tenga acceso lícito, con fines distintos a la investigación científica. Esa última parte es clave: el Art. 3 cubre investigación; el Art. 4 cubre el resto, incluido el uso comercial.
Lo que habilita:
- Analizar textos, datos y señales publicadas en el universo público de Internet.
- Extraer patrones, tendencias, estructuras y relaciones entre elementos.
- Generar análisis derivado a partir de ese procesamiento.
Lo que no dice, ni resuelve:
- No exime del cumplimiento de términos de servicio de plataformas concretas.
- No protege contra normativas de protección de datos si el corpus incluye datos personales.
- No garantiza acceso a contenido tras mecanismos de autenticación, incluso si ese contenido es técnicamente "público".
La excepción TDM existe en la capa de derechos de autor. Eso es todo. No es un salvoconducto general.
La cláusula opt-out: el límite que más se ignora
El Art. 4.3 establece que los titulares de derechos pueden reservar expresamente sus obras para que no sean objeto de TDM. Cuando esa reserva existe y está expresada de forma legible por máquinas —por ejemplo, mediante metadatos, directivas en robots.txt o avisos en los términos del sitio—, el procesamiento de ese contenido para análisis derivado queda fuera del amparo de la excepción.
Este mecanismo de opt-out es el punto que más proyectos de análisis de datos ignoran. No por mala fe, sino porque la cadena de verificación es compleja: hay que identificar si existe reserva, en qué formato está expresada y si ese formato cumple los requisitos de legibilidad por máquina que la normativa contempla.
En la práctica, esto significa que cualquier sistema de procesamiento a escala necesita incorporar lógica de verificación de reservas antes de incluir una fuente en un corpus. No es opcional. Es el elemento que diferencia un flujo de TDM legalmente sólido de uno que trabaja sobre supuestos no verificados.
"Acceso lícito": la condición que todos aceptan y pocos definen
El Art. 4 exige que el acceso a la obra sea lícito. Aquí es donde muchos proyectos tienen un punto ciego.
El acceso lícito no equivale simplemente a que la URL sea pública. Implica:
- Que no se violen términos de servicio que expresamente prohíban el procesamiento automatizado.
- Que no se acceda a través de mecanismos que eludan controles de acceso, aunque esos controles sean técnicamente permeables.
- Que el origen del contenido sea rastreable y verificable en caso de auditoría.
Un corpus construido sin documentar el origen y las condiciones de acceso de cada fuente no puede ser auditado. Y un corpus no auditable es un riesgo legal latente, independientemente de cuánto análisis derivado produzca.
El ecosistema TrawlingWeb opera precisamente sobre este principio: el procesamiento se hace sobre fuentes públicas con acceso verificado, y el producto que se entrega es análisis derivado, no redistribución de los contenidos originales.
Análisis derivado vs. reproducción: la frontera que define todo
La excepción TDM del Art. 4 no crea un derecho a reproducir o redistribuir las obras procesadas. Crea el derecho a analizarlas y a conservar los resultados del análisis. Esa distinción es operativamente fundamental.
Un sistema de Text and Data Mining que entrega como resultado fragmentos extensos del contenido original no está haciendo TDM. Está redistribuyendo. Y en ese momento, la cobertura del Art. 4 desaparece.
El análisis derivado tiene que ser exactamente eso: derivado. Tendencias, frecuencias, patrones, clasificaciones, puntuaciones, resúmenes generados, correlaciones. No el texto fuente.
Este es también el criterio que distingue los productos de datos construidos con rigor legal de los que parecen conformes pero no lo son. Y es el criterio que aplica cuando un titular de derechos —o una autoridad reguladora— revisa qué se hizo con su contenido.
La transposición en España: Art. 67 bis LPI
La Directiva fue transpuesta al ordenamiento español a través del Art. 67 bis de la Ley de Propiedad Intelectual. La transposición replica en lo esencial el esquema del Art. 4, incluyendo el mecanismo de opt-out y la condición de acceso lícito.
Lo relevante desde el punto de vista operativo: el marco es aplicable a cualquier entidad que opere proyectos de análisis de datos públicos con actividad o impacto en el mercado europeo, independientemente de dónde esté registrada jurídicamente.
El mercado global de datos opera bajo un mosaico de jurisdicciones. La Directiva 2019/790 y su transposición en los estados miembros es uno de los marcos más articulados que existen para el TDM, pero coexiste con regulaciones sectoriales —RGPD, normativas financieras, reglas de plataformas— que no queda desplazado por la excepción de derechos de autor.
Lo que un equipo de datos necesita tener documentado
Si un proyecto de análisis de datos públicos quisiera superar una auditoría legal bajo el Art. 4, debería poder responder con documentación a estas preguntas:
- ¿Qué fuentes componen el corpus y bajo qué condiciones de acceso?
- ¿Se verificó la ausencia de reserva opt-out en cada fuente?
- ¿Qué forma toma el análisis derivado? ¿Puede distinguirse claramente del contenido original?
- ¿Existe un procedimiento para gestionar opt-outs sobrevenidos cuando una fuente actualiza sus condiciones?
Sin respuesta documentada a estas cuatro preguntas, el proyecto trabaja sobre una base de supuestos, no de certezas. Y en el sector de datos a escala, los supuestos no documentados se convierten en riesgos cuando el volumen crece.
El Art. 4 es una habilitación real, sólida y útil. Pero no es automática. Operarla bien es lo que separa el análisis de datos públicos hecho con rigor del que simplemente parece legal hasta que alguien pregunta.