Durante la mayor parte de la historia de la web, los datos públicos simplemente estaban ahí para ser recopilados, y la única pregunta era si podías hacerlo. Eso está cambiando. Las plataformas, los editores y los propietarios de datos ponen cada vez más sus datos tras licencias, APIs de pago y acuerdos formales de acceso a datos, y redactan términos dirigidos directamente a la recopilación automatizada y al entrenamiento de IA.
Para las organizaciones que recopilan datos web, esto no es solo una restricción. Un acuerdo de acceso a datos puede proporcionar datos más limpios, derechos claros y menos riesgo legal que recopilarlos por cuenta propia. Para las organizaciones que publican datos, es una forma de decidir quién los usa y en qué condiciones. Esta guía cubre qué contienen estos acuerdos, cuándo debería usarlos cada parte, y cómo encajan junto a la recopilación ordinaria de páginas públicas.
Esto es información general, no asesoría legal. Los acuerdos y la legislación que los rodea varían, y un asesor legal debería revisar cualquier acuerdo antes de que lo firmes.
Por qué se extienden los acuerdos de acceso a datos
Tres cambios empujaron a los propietarios de datos hacia acuerdos formales:
- El entrenamiento de IA elevó el valor de los datos. Textos, imágenes y datos estructurados se convirtieron en material de entrenamiento, y los propietarios empezaron a pedir que se les pagara por ello o a establecer las condiciones de su uso.
- Las grandes plataformas trasladaron el acceso tras APIs de pago. En 2023, varias grandes plataformas sociales introdujeron o aumentaron drásticamente las tarifas de acceso a API que antes eran gratuitas o económicas, convirtiendo el acceso en una relación comercial.
- Las señales de exclusión ganaron peso legal. En la UE, los titulares de derechos pueden reservar su contenido frente a la minería de textos y datos con fines comerciales de forma legible por máquina, y los proveedores de IA deben respetar esas reservas. Nuestra guía sobre robots.txt, exclusiones de IA y señales de reserva explica cómo funciona esto.
El resultado es una web con condiciones más explícitas: algunos datos siguen siendo libremente recopilables, otros solo están disponibles bajo licencia, y el límite entre ambos está cada vez más por escrito.
Qué cubre un acuerdo de acceso a datos
Los acuerdos difieren, pero la mayoría aborda las mismas cuestiones:
| Cláusula | Qué resuelve |
|---|---|
| Alcance | Qué datos, qué campos, qué histórico, con qué nivel de actualización |
| Entrega | API, archivos masivos o un feed, y en qué formato |
| Uso permitido | Análisis interno, productos, reventa, entrenamiento de IA, cada uno permitido o no |
| Volumen y ritmo | Cuánto, con qué frecuencia, y qué ocurre por encima del límite |
| Atribución y visualización | Si debe acreditarse la fuente, y cómo |
| Datos personales | Quién es el responsable del tratamiento, qué puede conservarse, cómo se propagan las eliminaciones |
| Vigencia y terminación | Cuánto dura, y qué debe eliminarse al finalizar |
| Tarifas | Fijas, por llamada, por registro o reparto de ingresos |
| Auditoría e informes | Qué debe mostrar el licenciatario sobre su uso |
La cláusula más importante para la mayoría de los compradores es el uso permitido. Un acuerdo que permite analítica interna puede prohibir la reventa o el entrenamiento de modelos, y usar los datos fuera de ese alcance puede constituir un incumplimiento incluso cuando los datos en sí sean públicos.
Para quienes recopilan datos: cuándo un acuerdo es mejor que recopilar
Recopilar páginas públicas sigue siendo legítimo y a menudo es la opción correcta. Pero merece la pena considerar un acuerdo cuando:
- Necesitas datos que no son públicos, como histórico, identificadores o campos que nunca aparecen en una página.
- Necesitas derechos claros para revender o entrenar modelos con los datos. Un acuerdo puede conceder derechos que la recopilación nunca podría; nuestra guía sobre quién es propietario de los datos extraídos explica por qué la mera recopilación no te da la propiedad.
- La fuente bloquea o cambia con frecuencia, y mantener un recopilador cuesta más que una licencia.
- Tus clientes o tu equipo de cumplimiento necesitan procedencia que un acuerdo firmado documenta mejor que un registro de rastreo.
Y la recopilación sigue siendo la opción más adecuada cuando necesitas la vista pública tal como la ven los usuarios, a través de muchas fuentes, en muchos mercados, donde no existe ningún acuerdo o la fuente no tiene interés en ofrecer uno. Ver cada mercado como lo hace un visitante local es para lo que sirven los proxies residenciales.
Buenas prácticas si firmas uno:
- Compara el uso permitido con cada uso que planeas hacer, incluidos futuros productos y trabajo de IA, antes de firmar.
- Mantén separados los datos licenciados y los recopilados, con procedencia en cada registro, para saber siempre qué condiciones se aplican.
- Planifica la terminación: sabe qué debes eliminar y diseña el almacenamiento para poder hacerlo.
- Vigila la exclusividad y las cláusulas de nación más favorecida que limiten qué más puedes hacer.
Para los propietarios de datos: recuperar el control de tus datos
Si publicas datos que otros recopilan, un acuerdo es una herramienta más entre varias para decidir cómo se usan:
- Decide qué es realmente público. El contenido que quieres que se indexe y se vea es difícil de mantener a la vez fuera del alcance de los recopiladores; el contenido que quieres licenciar quizá deba estar tras una API o un inicio de sesión.
- Declara tus condiciones de forma clara y legible por máquina. Los términos de uso, el robots.txt y, en la UE, las reservas legibles por máquina para la minería de textos y datos, señalan tu postura. Unas señales claras facilitan la negociación de acuerdos y hacen más fácil demostrar incumplimientos.
- Ofrece una vía legítima. Una API o licencia documentada da a los usuarios serios una forma de pagar y cumplir en lugar de recopilar eludiéndote, y te da un registro de quién usa tus datos.
- Fija el precio según el uso, no solo el volumen. La analítica, la reventa y el entrenamiento de IA tienen un valor muy distinto.
- Ajusta la aplicación a la realidad. Las medidas técnicas, los límites de ritmo y las reclamaciones contractuales tienen cada uno sus límites; los tribunales han tratado las reclamaciones sobre cómo se accedió a los datos de forma distinta a las reclamaciones sobre quién es propietario de los datos públicos.
El contexto legal, en breve
Los acuerdos se asientan sobre un marco legal que aún está asentándose. En EE. UU., los tribunales han sostenido que los términos de una plataforma no impedían la recopilación de datos públicos sin haber iniciado sesión, mientras que las reclamaciones basadas en cómo se accedió a los datos, como cuentas falsas o sobrecarga del servidor, han prosperado. En la UE, las cláusulas contractuales pueden restringir el uso de bases de datos que no estén protegidas de otro modo, el derecho sui generis sobre bases de datos protege la inversión sustancial en bases de datos, y la normativa de protección de datos se aplica a los datos personales con independencia de cómo se obtuvieron.
Antes de confiar en la recopilación o en un acuerdo, los equipos legales hacen las mismas preguntas sobre alcance, acceso, derechos y datos personales; nuestra lista de comprobación sobre qué preguntará tu equipo legal antes de aprobar un proyecto de scraping las cubre.
Preguntas frecuentes
¿Qué es un acuerdo de acceso a datos?
Un contrato por el cual un propietario de datos da a otra parte acceso a sus datos, normalmente mediante una API, archivos o un feed, bajo condiciones establecidas: qué datos, cómo pueden usarse, cuánto, durante cuánto tiempo y a qué precio.
¿Es mejor licenciar datos o extraerlos mediante scraping?
Depende de lo que necesites. Licenciar conviene para datos no públicos, derechos claros de reventa o entrenamiento de IA, y fuentes que cambian con frecuencia. Recopilar páginas públicas conviene para la vista tal como se muestra a través de muchas fuentes y mercados donde no se ofrece ningún acuerdo.
¿Puede un acuerdo de acceso a datos restringir datos que son públicos?
Puede restringir cómo usa el licenciatario los datos que recibe bajo el acuerdo, incluso datos que también sean públicos. Si los términos generales de un sitio restringen la recopilación de sus páginas públicas por parte de terceros depende de la jurisdicción y de si esos términos vinculan al recopilador.
¿Cómo puede un sitio web controlar cómo se usan sus datos?
Decidiendo qué hacer público, declarando condiciones y exclusiones de forma clara y legible por máquina, ofreciendo una vía licenciada para usuarios legítimos, y haciendo cumplir frente a la recopilación que incumpla sus condiciones o perjudique su servicio.
En resumen
Los acuerdos de acceso a datos se están convirtiendo en una parte normal de cómo cambian de manos los datos web. Para los recopiladores, ofrecen derechos y datos que la recopilación no puede ofrecer, a cambio de un precio; para los propietarios, ofrecen una forma de decidir quién usa sus datos y cómo. Usa acuerdos donde te den algo que la recopilación no puede dar, mantén separados los datos licenciados y los recopilados, y lee la cláusula de uso permitido antes que cualquier otra cosa.