Art. 4 Directiva 2019/790: qué ocurre cuando el TDM cruza fronteras regulatorias

Hay un punto que casi ningún equipo de datos aborda con rigor: el Art. 4 de la Directiva (UE) 2019/790 regula el Text and Data Mining (TDM) dentro del espacio europeo. Pero el universo público de Internet no entiende de jurisdicciones. Una fuente pública puede estar alojada en un servidor fuera de la UE, publicar en varios idiomas y ser accedida simultáneamente desde distintos países. El marco legal, sin embargo, opera en una sola dirección.

El resultado es una asimetría real: la organización que analiza datos públicos desde la UE está sujeta a la Directiva y a sus transposiciones nacionales —como el Art. 67 bis de la LPI en el caso español—, mientras que el operador de la fuente puede estar bajo un régimen completamente diferente. Eso no invalida el análisis, pero sí obliga a entender con precisión qué cubre el Art. 4, dónde termina su protección y qué queda fuera del paraguas.

Este post no es un análisis jurídico académico. Es una guía operativa para equipos que trabajan con datos derivados del universo público y necesitan saber exactamente en qué terreno se mueven.

Qué cubre el Art. 4 y qué no

El Art. 4 establece una excepción al derecho de autor y a los derechos conexos para la reproducción y extracción de obras necesarias para realizar Text and Data Mining con fines distintos a la investigación científica. Es decir, habilita el TDM comercial siempre que se acceda lícitamente a las fuentes y que el titular de los derechos no haya ejercido su potestad de opt-out de forma expresa y legible a máquina.

Lo que el Art. 4 no cubre es igualmente relevante:

• No cubre el almacenamiento indefinido de contenidos originales para redistribución. El análisis derivado está amparado; la copia masiva con fines de repositorio, no.
• No resuelve la jurisdicción de la fuente. Si el publicador está fuera de la UE, el opt-out del Art. 4 puede carecer de efecto práctico sobre él.
• No homogeneiza las transposiciones nacionales. Países como Alemania, Francia o los Países Bajos han transpuesto la Directiva con matices distintos, lo que afecta a organizaciones que operan en varias jurisdicciones europeas.

Para equipos de análisis, esto tiene consecuencias directas: el marco legal ampara el proceso, no el producto final. El análisis derivado —tendencias, señales, menciones agregadas— está protegido; los fragmentos originales que lo alimentaron, no.

El opt-out como variable operativa, no como barrera

Desde la publicación de la Directiva, el sector ha tratado el opt-out como un obstáculo. La realidad es más compleja: el opt-out es una variable que debe gestionarse como parte del proceso de selección de fuentes, no como una restricción externa.

Un publicador que declara opt-out mediante robots.txt, metaetiquetas o mecanismos legibles a máquina está ejerciendo un derecho que la Directiva le reconoce explícitamente. Ignorarlo no es una opción legalmente sostenible bajo el Art. 4 para TDM comercial. Pero hay tres matices que los equipos de datos suelen pasar por alto:

Primero, la mayoría de fuentes del universo público no han declarado opt-out de forma válida. La intención expresada en términos de uso no equivale a un mecanismo legible a máquina según los estándares técnicos que la Directiva exige.

Segundo, el opt-out puede ser parcial. Un publicador puede restringir el TDM sobre ciertos contenidos y habilitarlo en otros. Tratar la fuente como un bloque binario (permitida / prohibida) es un error de granularidad que afecta a la cobertura del análisis.

Tercero, el opt-out no es estático. Las políticas cambian. Una fuente que hoy no declara opt-out puede hacerlo mañana. Sin un proceso de verificación periódica, el análisis puede quedar fuera de cobertura legal sin que el equipo lo detecte.

Jurisdicción múltiple: el problema que el Art. 4 no resuelve solo

Cuando el análisis del universo público incluye fuentes de terceros países —y casi siempre las incluye—, el Art. 4 sigue siendo la base legal del proceso desde el lado europeo. Pero no obliga al publicador extranjero a reconocerlo.

Esto genera situaciones concretas que los equipos deben anticipar:

• Fuentes alojadas en EE.UU. pueden estar sujetas al fair use doctrine, que opera con una lógica distinta y, en algunos casos, más permisiva. Pero esa permisividad no se traslada automáticamente al analista europeo.
• Fuentes en jurisdicciones sin marco equivalente al Art. 4 pueden reclamar sus derechos bajo su propio sistema legal si detectan un uso que consideran no autorizado.
• El análisis derivado generado en la UE y distribuido globalmente puede ser cuestionado bajo las leyes de destino, no solo las de origen.

La respuesta operativa no es el inmovilismo. Es la documentación: registrar qué fuentes se procesan, bajo qué base legal, con qué mecanismo de verificación de opt-out y con qué resultado analítico derivado. Esa cadena documental es la diferencia entre un proceso defendible y uno vulnerable.

Dónde encajan los sistemas de análisis estructurado

La razón por la que el Art. 4 importa en la práctica es que define qué tipo de infraestructura de análisis es legalmente sostenible a escala. No es posible verificar manualmente el opt-out de miles de fuentes, ni auditar las transposiciones nacionales aplicables a cada una, ni documentar cada sesión de procesamiento sin automatización.

Los sistemas que operan bajo este marco —como los que sostienen la infraestructura de TrawlingWeb— integran la verificación de opt-out, la trazabilidad del procesamiento y la separación entre contenido original y análisis derivado como parte de la arquitectura, no como capas añadidas a posteriori. Es la única forma de que el volumen de fuentes públicas procesadas sea operable sin convertirse en un pasivo legal.

El Art. 4 no es solo un permiso. Es un estándar de proceso. Y los equipos que lo tratan como tal tienen una ventaja competitiva real frente a los que lo tratan como una formalidad.

El siguiente paso no es legal, es de diseño

El debate sobre el Art. 4 tiende a quedarse en la capa jurídica. Pero el impacto real está en el diseño de los sistemas de análisis: cómo se seleccionan las fuentes, cómo se audita su estado de opt-out, cómo se separa el dato original del análisis derivado y cómo se documenta todo el proceso para que sea auditable.

Las organizaciones que han resuelto estas preguntas a nivel de arquitectura no están esperando que la regulación evolucione. Están operando. Las que siguen tratando el Art. 4 como un asunto del departamento legal están perdiendo tiempo que el mercado no les va a devolver.