Art. 4 Directiva 2019/790: dónde termina el TDM y empieza el riesgo legal

La mayoría de los equipos que trabajan con datos públicos a escala conocen el Art. 4 de la Directiva (UE) 2019/790 como una habilitación. Lo citan para justificar que el procesamiento masivo de fuentes públicas es legal. Y tienen razón, parcialmente.

El problema está en lo que no leen después del primer párrafo. El artículo no es un cheque en blanco. Tiene condiciones, límites y, sobre todo, un perímetro que muchos equipos atraviesan sin darse cuenta. Cuando eso ocurre, el análisis que parecía sólido descansa sobre una base que no aguanta.

Este post no es una interpretación jurídica. Es un mapa de los puntos donde la práctica operativa y el marco legal divergen, y lo que eso significa para quien toma decisiones sobre cómo construir o contratar infraestructura de análisis del universo público de Internet.

Qué habilita el Art. 4 y qué no dice en voz alta

El Art. 4 permite a cualquier persona física o jurídica realizar Text and Data Mining (TDM) sobre obras y prestaciones a las que tenga acceso lícito, con fines distintos a la investigación científica. Es el supuesto general, el que se aplica fuera del ámbito académico o de investigación (que tiene su propio espacio en el Art. 3).

Lo que el artículo habilita concretamente:

• Reproducción temporal de contenidos para procesar, extraer patrones, señales o estructuras de los datos.
• Extracción de información de ese corpus para construir análisis derivado, modelos, clasificaciones o cualquier output que no sea la obra original.
• Almacenamiento de las reproducciones necesarias para el análisis, dentro del tiempo razonable que ese análisis requiera.

Lo que el artículo no dice, pero que cambia todo:

• No elimina el requisito de acceso lícito previo. Si la fuente no es de acceso público o requiere autenticación sin autorización, el Art. 4 no cubre lo que sucede después.
• No impide que los titulares de derechos establezcan reservas técnicas para bloquear el TDM. El apartado 4 del mismo artículo lo permite expresamente si esas reservas se aplican de forma legible por máquina.
• No cubre la redistribución del contenido original. El análisis derivado es legal; redistribuir el texto fuente, no.

La reserva técnica: el límite que más se ignora

El mecanismo de opt-out del Art. 4 es el punto más subestimado del marco legal. Un titular de derechos puede excluir sus contenidos del TDM mediante una declaración técnica legible por máquina: robots.txt, metaetiquetas específicas, cabeceras HTTP. Si esa declaración existe y se ignora, el paraguas del Art. 4 desaparece.

Esto tiene consecuencias directas para cualquier operación de análisis a escala:

1. No basta con que el contenido sea visible en Internet. La visibilidad pública no equivale a acceso lícito para TDM si existe una reserva técnica activa.
2. Las reservas cambian. Un sitio que hoy no tiene opt-out puede añadirlo mañana. La infraestructura que no verifica esto periódicamente acumula riesgo silencioso.
3. El opt-out puede ser selectivo. Un mismo dominio puede reservar el TDM para ciertas secciones y permitirlo en otras. Procesar el dominio completo como si fuera homogéneo es un error de granularidad.

Quienes construyen pipelines de análisis sobre fuentes públicas sin un sistema de verificación continua de estas señales técnicas están operando con una exposición que no aparece en ningún dashboard.

Análisis derivado vs. reproducción: la línea que importa en producción

El Art. 4 protege el output analítico, no el input original. Esta distinción es fácil de enunciar y difícil de mantener en la práctica cuando los sistemas entregan resultados.

El análisis derivado es lo que TrawlingWeb produce: señales, tendencias, métricas, clasificaciones, extractos estructurados, insights. Lo que no produce es el texto fuente, el artículo original, el documento completo. Esa línea no es cosmética, es el núcleo del marco legal bajo el que opera cualquier sistema de monitorización de fuentes públicas.

El problema aparece cuando un equipo interno, al recibir datos de una API, comienza a almacenarlos en su propio sistema sin distinguir entre el análisis derivado y el contenido original. En ese momento, el riesgo legal migra del proveedor al cliente. Y muy pocos equipos tienen eso documentado.

Qué significa esto para quien diseña o contrata infraestructura

Si el trabajo consiste en analizar el universo público de Internet a escala, hay tres preguntas que el Art. 4 exige responder antes de operar:

¿El acceso a cada fuente es lícito? No todas las fuentes públicas son iguales. El acceso sin autenticación es condición necesaria, no suficiente. Las condiciones de uso de la fuente también cuentan.

¿Existe un sistema de detección de reservas técnicas? Un pipeline que no lee robots.txt actualizado, que no interpreta metaetiquetas de exclusión o que no respeta cabeceras HTTP de restricción está operando fuera del marco que cree tener.

¿El output que se entrega es análisis derivado o reproducción? Esta pregunta no es retórica. La respuesta determina si el marco del Art. 4, transpuesto al Art. 67 bis de la Ley de Propiedad Intelectual española, protege o no la operación completa.

El marco existe, pero no se administra solo

El Art. 4 Directiva (UE) 2019/790 es uno de los pocos marcos regulatorios en Europa que habilita explícitamente el procesamiento masivo de datos para fines comerciales. Es una ventana real, no una interpretación forzada. Pero una ventana tiene marco, y el marco tiene esquinas.

Las organizaciones que aprovechan el TDM de forma sostenible son las que no solo citan el artículo, sino que han construido o contratado infraestructura que lo cumple en producción: verificación de acceso lícito, detección de opt-outs activos, separación limpia entre análisis derivado y contenido original.

En TrawlingWeb el diseño operativo parte de ese marco, no llega a él después. La diferencia no es legal en primera instancia. Es arquitectónica. Y se nota cuando alguien pregunta si el sistema aguanta un audit.

Quien construye sobre el Art. 4 sin entender sus bordes no tiene un problema legal pendiente. Tiene un problema que ya existe y aún no ha aparecido.