Art. 4 Directiva 2019/790: cómo lo aplican en la práctica las organizaciones que hacen TDM

El Art. 4 de la Directiva (UE) 2019/790 existe desde 2019. Lleva años citándose en estrategias de datos, proyectos de IA y marcos de cumplimiento. Sin embargo, la brecha entre citarlo y aplicarlo correctamente sigue siendo enorme.

No es un problema de desconocimiento de la norma. Es un problema de traducción: convertir un texto legal en decisiones técnicas y operativas concretas requiere pasar por varias capas de interpretación que muchos equipos omiten o simplifican en exceso.

Este post no es una explicación del artículo. Es una descripción de cómo operan las organizaciones que realmente lo usan como palanca de su actividad de análisis —y qué decisiones prácticas implica en cada fase del proceso.

La confusión de partida: qué habilita el Art. 4 y qué no

El Art. 4 establece una excepción a los derechos de autor y derechos afines para operaciones de Text and Data Mining sobre contenidos a los que se tiene acceso lícito. No es una habilitación general para procesar cualquier fuente. Tampoco es un salvoconducto para redistribuir contenidos originales.

Lo que habilita, con precisión quirúrgica, es:

• Extraer patrones, tendencias, correlaciones y estructuras a partir de corpus de contenido público.
• Generar análisis derivado que no reproduce el contenido original sino que lo transforma en señal procesada.
• Retener copias técnicas de los datos procesados el tiempo necesario para el análisis, siempre que no se redistribuyan.

Lo que no habilita es construir sistemas de redistribución de contenidos bajo etiqueta de "análisis", ni ignorar las medidas técnicas de protección que los titulares hayan implementado de forma expresa (cláusula de reserva, prevista en el propio Art. 4.3).

Esta distinción no es teórica. Determina la arquitectura completa del sistema de procesamiento.

La cláusula de reserva: el punto donde la mayoría comete errores

El Art. 4 permite a los titulares de derechos reservar expresamente el uso de sus contenidos para TDM mediante medidas técnicas adecuadas o declaraciones legibles por máquina. Cuando esa reserva existe y es válida, el amparo del Art. 4 cae para ese contenido concreto.

En la práctica, esta cláusula tiene tres implicaciones directas para quien opera sistemas de análisis:

1. Los sistemas deben ser capaces de detectar y respetar esas reservas —no pueden ser un proceso ciego que trate todas las fuentes públicas como equivalentes.
2. La documentación técnica de ese cumplimiento importa. No basta con respetar la reserva: hay que poder demostrar que el sistema lo hace de forma sistemática y auditable.
3. Las reservas cambian con el tiempo. Una fuente que hoy no tiene cláusula de reserva puede incorporarla mañana. Los sistemas estáticos no gestionan bien este dinamismo.

Las organizaciones que operan con mayor solidez jurídica tienen procesos de revisión periódica de fuentes y logs de cumplimiento que pueden presentar ante un tercero si fuera necesario.

Del corpus al análisis derivado: la fase más crítica

El TDM no termina cuando los datos están disponibles. La cadena completa incluye procesamiento, estructuración, enriquecimiento semántico y generación de señales. Es en esa cadena donde se decide si el resultado es análisis derivado legalmente sólido o una zona gris.

Los criterios que determinan que el output es análisis derivado —y no reproducción encubierta— son técnicos, no solo declarativos:

• Transformación sustancial del contenido original: el output debe ser identificablemente distinto del input. Tendencias, métricas, clasificaciones, puntuaciones de relevancia, resúmenes estadísticos —no fragmentos textuales.
• Desagregación de la fuente individual: el valor debe emerger de la agregación y el contraste entre múltiples fuentes, no de reproducir una sola.
• Retención de datos técnicos, no de contenido editorial: los sistemas robustos retienen metadatos, estructuras y señales —no el texto original como pieza redistribuible.

Esta distinción define la diferencia entre un sistema de análisis que opera dentro del Art. 4 y uno que acumula riesgos legales sin saberlo.

Escala y consistencia: el problema que la norma no resuelve pero que el sistema debe gestionar

El Art. 4 es neutral respecto a la escala. No importa si procesas cien fuentes o cien mil: el marco legal es el mismo. Pero la escala introduce problemas operativos que la norma no aborda y que cada organización debe resolver por su cuenta.

A mayor escala, mayor heterogeneidad de fuentes, formatos, idiomas y estructuras. Esa heterogeneidad afecta directamente a la calidad del análisis derivado: si los datos de entrada son inconsistentes, las señales resultantes son poco fiables, independientemente del marco legal que las ampare.

Las organizaciones que operan a escala con garantías han construido capas de normalización, validación y control de calidad que actúan antes, durante y después del procesamiento. No es solo una cuestión técnica: es parte de lo que permite demostrar que el proceso de TDM produce análisis genuino y no una acumulación de contenidos sin transformación real.

Infraestructuras como la de TrawlingWeb están diseñadas precisamente para operar en este contexto: procesamiento masivo del universo público de Internet con trazabilidad del análisis derivado y respeto sistemático a las condiciones de acceso de cada fuente.

Qué debería tener documentado cualquier equipo que opere bajo el Art. 4

La documentación no es burocracia. Es la diferencia entre poder sostener la actividad ante un cuestionamiento externo y tener que detenerla.

Los elementos mínimos que cualquier equipo debería tener formalizados son:

• Registro de fuentes procesadas con evidencia de acceso lícito para cada una.
• Política de detección y respeto de cláusulas de reserva, con mecanismo de actualización periódica.
• Descripción técnica del proceso de transformación que demuestre que el output es análisis derivado y no reproducción.
• Política de retención de datos técnicos alineada con los límites del Art. 4.
• Referencia al Art. 67 bis LPI en contextos de aplicación territorial española, como transposición nacional de la Directiva.

Ninguno de estos elementos es difícil de producir si el sistema está bien diseñado desde el principio. El problema surge cuando se añaden como capa posterior a un sistema que no los contempló en su diseño original.

El Art. 4 como ventaja competitiva, no solo como cumplimiento

Organizaciones que han interiorizado el Art. 4 como marco operativo —no solo como texto de referencia en su política de privacidad— tienen una ventaja real: pueden escalar su actividad de análisis sin frenarse ante cada cambio regulatorio porque su arquitectura ya está alineada con la norma.

El TDM sobre fuentes públicas, bien ejecutado, produce señales de alto valor sobre mercados, entornos competitivos, tendencias de opinión y comportamiento de actores relevantes. Ese valor solo es sostenible si el proceso que lo genera es sólido. Y la solidez del proceso depende, en buena medida, de haber tomado en serio desde el primer día lo que el Art. 4 exige —y lo que permite.