Art. 4 Directiva 2019/790: lo que el TDM te permite hacer y lo que no puedes ignorar

Existe una lectura cómoda del Art. 4 de la Directiva (UE) 2019/790: "como tengo acceso lícito a la fuente, puedo minar lo que quiero". Es una lectura conveniente. También es incompleta, y en entornos de producción esa incompletitud tiene consecuencias reales.

El artículo habilita a cualquier persona —no solo investigadores, no solo instituciones académicas— a realizar Text and Data Mining (TDM) sobre contenido al que accede de forma lícita. Eso es una apertura significativa respecto al marco anterior. Pero el mismo artículo introduce dos condicionantes que estructuran todo lo demás: el acceso debe ser lícito en origen, y el titular de derechos puede ejercer el opt-out mediante reserva expresa de derechos. Ninguno de los dos es un detalle menor.

Entender el Art. 4 en términos operativos —no solo jurídicos— cambia cómo se diseña una operación de análisis sobre el universo público de Internet.

Qué significa "acceso lícito" en la práctica

El concepto parece sencillo hasta que se aplica a escala. Acceso lícito no equivale a "publicado en Internet". Una fuente puede ser técnicamente accesible y al mismo tiempo no estar disponible para TDM en condiciones que el Art. 4 reconoce.

Los criterios que determinan la licitud del acceso incluyen: que el contenido sea de distribución pública sin restricción de autenticación, que los términos de uso no excluyan expresamente el procesamiento automatizado, y que no existan medidas técnicas de protección que el acceso requiera eludir. Cumplir los tres no siempre es evidente cuando se trabaja a escala sobre miles de fuentes heterogéneas.

El error más frecuente no es operar sobre fuentes cerradas a propósito. Es no tener un registro trazable de por qué cada fuente en el corpus se considera de acceso lícito. Sin ese registro, la operación es difícil de defender si el marco se cuestiona.

El opt-out: la cláusula que más se subestima

El Art. 4 permite a los titulares de derechos reservarse expresamente la facultad de prohibir el TDM sobre sus contenidos. Este mecanismo de opt-out es el contrapeso al derecho ampliado de minería. Y en la práctica, su gestión operativa es más compleja de lo que parece.

Primero, la reserva puede expresarse de formas distintas: en los términos y condiciones de la fuente, en cabeceras HTTP, en archivos robots.txt o en metadatos del documento. No existe un formato único estandarizado a nivel europeo. Eso significa que detectar y respetar los opt-out requiere leer señales en múltiples capas, no solo una.

Segundo, el opt-out puede cambiar con el tiempo. Una fuente que hoy no restringe el TDM puede incorporar una reserva mañana. Si el sistema de análisis no actualiza periódicamente el estado de las fuentes, opera sobre supuestos que pueden haber caducado.

Tercero, la reserva debe ser "expresa y apropiada". No cualquier formulación genérica de derechos reservados equivale a un opt-out válido bajo el Art. 4. Pero tampoco conviene asumir que una formulación ambigua es permisiva. La gestión responsable implica registrar la ambigüedad y resolverla antes de procesar, no después.

Análisis derivado frente a reproducción: la distinción que sostiene todo

El Art. 4 habilita el TDM, no la redistribución de contenido. Esta distinción es conceptualmente clara y operativamente crítica: lo que el marco jurídico protege es el análisis derivado —tendencias, señales, patrones, insights— no la reproducción o el almacenamiento de los textos originales más allá de lo necesario para el análisis.

En la práctica esto afecta a cómo se retiene el dato. Almacenar el contenido original de forma permanente y en volumen, cuando el objetivo declarado es análisis, introduce una tensión con el principio de necesidad que subyace al Art. 4. El dato de análisis —el extracto procesado, la señal derivada, el indicador calculado— es el resultado legítimo. El contenido en bruto es el insumo temporal, no el producto.

Quienes operan con este marco de forma sostenible diseñan sus pipelines para que el output sea análisis, no archivo. No porque la ley lo exija en términos absolutos, sino porque es la lectura que resiste el escrutinio cuando alguien pregunta qué estás haciendo con los datos de terceros.

Documentar para defender: el principio que más se pospone

Hay una asimetría habitual en quienes operan TDM de forma profesional: invierten en infraestructura de procesamiento, pero posponen la documentación del marco de legitimidad. El resultado es que la operación es técnicamente sólida y jurídicamente opaca.

Documentar la cadena de legitimidad no es un ejercicio burocrático. Es la diferencia entre poder responder a un requerimiento en 48 horas y no poder responderlo en absoluto. La documentación mínima útil incluye: registro de fuentes con criterio de acceso lícito, estado de opt-out verificado por fecha, propósito declarado del análisis, y política de retención del dato en bruto.

En un entorno donde el Art. 67 bis LPI transpone este marco al ordenamiento español, y donde la Directiva se aplica de forma directa en los demás estados miembros, la documentación es el activo de cumplimiento más barato que existe. Y el que más se descuida.

Lo que ningún artículo jurídico resuelve solo

El Art. 4 crea el espacio legal para el TDM sobre fuentes públicas. No resuelve los problemas de calidad del dato, de cobertura, de latencia ni de representatividad del corpus. Esos son problemas de infraestructura y de diseño analítico.

Lo que sí hace es fijar las condiciones bajo las cuales el espacio está disponible. Y esas condiciones son operativas, no solo declarativas. Acceso lícito verificable, opt-out respetado, análisis derivado como output, documentación de la cadena: ninguno de estos elementos es automático.

En TrawlingWeb el procesamiento del universo público de Internet se articula precisamente sobre este marco: fuentes públicas de acceso lícito, análisis derivado como resultado, y gestión activa del estado de las fuentes a lo largo del tiempo. No porque sea la única forma de operar, sino porque es la única que escala sin acumular riesgo silencioso.

El Art. 4 no es un permiso en blanco. Es un marco con condiciones. Conocerlas con precisión es lo que separa una operación de TDM sostenible de una que funciona hasta que alguien hace las preguntas correctas.