Pocos cambios en la normativa de protección de datos de la UE importan tanto a los equipos que recopilan datos web para IA como el Digital Omnibus. Propuesto por la Comisión Europea hace un año, reescribiría partes del GDPR, entre ellas las normas sobre entrenamiento de IA, datos seudonimizados y cookies. En octubre de 2026, los gobiernos de la UE acordaron su propia versión, que se distancia de la de la Comisión en aspectos relevantes. Esta guía repasa en qué punto se encuentra el expediente, qué quiere cada parte y qué se aplica hoy a la recopilación de datos para IA y aprendizaje automático. Es información general, no asesoramiento jurídico.
Dónde está el expediente
| Fecha | Paso |
|---|---|
| 19 de noviembre de 2025 | La Comisión propone el Digital Omnibus, incluido el COM(2025) 837 sobre el GDPR y las cookies |
| 10 de febrero de 2026 | Las autoridades europeas de protección de datos publican un dictamen conjunto que critica aspectos clave |
| 7 de julio de 2026 | Las autoridades adoptan un proyecto de directrices sobre web scraping para IA generativa, sometido a consulta pública |
| 21 de octubre de 2026 | Los gobiernos de la UE en el Consejo acuerdan su mandato de negociación |
| Todavía no | El Parlamento Europeo adopta su posición y después las tres instituciones negocian |
Nada del Omnibus se aplica todavía. El GDPR vigente sigue rigiendo todos los proyectos de scraping y de entrenamiento de IA en la UE.
Qué quiere cada parte
Los principales cambios para los equipos de datos web, según la propuesta de la Comisión y las enmiendas de los gobiernos de la UE:
| Tema | Propuesta de la Comisión | Mandato del Consejo |
|---|---|---|
| Definición de dato personal | Un dato no es personal para una entidad que no puede identificar a la persona | Suprimido: se mantiene la definición actual |
| Datos seudonimizados | Sin norma específica | No son datos personales para un tercero que no pueda identificar a la persona |
| Entrenamiento de IA | Se puede recurrir al interés legítimo, con un “derecho de oposición incondicional” | Se puede recurrir al interés legítimo, con el derecho de oposición ordinario y una prueba caso por caso |
| Datos sensibles en conjuntos de entrenamiento | Se admiten datos sensibles residuales si los responsables procuran evitarlos y los eliminan | Se mantiene para datos residuales incidentales, que deben suprimirse “sin dilación indebida” |
| Cookies | Se trasladan al GDPR, con señales de consentimiento basadas en el navegador | Se mantienen en las normas de ePrivacy, con seis exenciones de consentimiento y rechazo con un solo clic |
| Brechas de seguridad | Notificar solo las de alto riesgo, en un plazo de 96 horas | Se mantiene |
La cuestión del entrenamiento de IA
Para los equipos que construyen conjuntos de entrenamiento a partir de la web, la disposición sobre IA es el núcleo del asunto. La Comisión propuso un nuevo artículo según el cual el tratamiento para el desarrollo y funcionamiento de la IA puede basarse en el interés legítimo, una de las seis bases jurídicas del GDPR. Los gobiernos de la UE mantuvieron la idea, pero añadieron un freno. Su texto dice que “el desarrollo y funcionamiento de un sistema o modelo de IA no constituye por sí mismo un interés legítimo”, y que la base jurídica “debe evaluarse caso por caso, teniendo en cuenta la finalidad subyacente de dicho tratamiento”.
En la práctica, esto cambia menos de lo que sugieren los titulares. Las autoridades ya aceptan que el interés legítimo puede amparar el desarrollo de IA. Su dictamen conjunto sobre el Omnibus afirma que el Comité Europeo de Protección de Datos “ya lo ha confirmado explícitamente en su Dictamen 28/2024” y que “no es necesario añadir al GDPR una disposición específica sobre este punto”. La prueba de ponderación, las salvaguardas y el deber de respetar las oposiciones se mantienen en cualquier caso.
La cuestión de la seudonimización
El segundo cambio con verdadero alcance se refiere a la identificabilidad. La Comisión quería que un dato se considerase personal solo para quienes pueden identificar a la persona a la que se refiere, siguiendo una sentencia de 2025 del Tribunal de Justicia de la UE. Las autoridades reaccionaron con firmeza: “instan encarecidamente a los colegisladores a no adoptar los cambios propuestos en la definición de dato personal”.
Los gobiernos de la UE suprimieron el cambio y redactaron en su lugar una norma más acotada: “Los datos seudonimizados no se considerarán datos personales para un tercero si dicho tercero no puede identificar a la persona física a la que se refieren los datos”. Para los equipos de datos, esto importa al compartir o comprar conjuntos de datos: los datos correctamente seudonimizados entregados a una parte que no puede reidentificarlos podrían quedar fuera del GDPR para esa parte.
Cookies, en breve
El Consejo también revirtió el plan de la Comisión de trasladar las normas sobre cookies al GDPR. Su versión las mantiene en la Directiva ePrivacy y añade exenciones de consentimiento, entre ellas la medición de audiencia propia y la seguridad. Cuando se exige consentimiento, las personas deben poder rechazar “con un botón de un solo clic o medios equivalentes”, y un sitio no puede volver a preguntar por la misma finalidad “durante un período de al menos cuatro meses”. Nuestro análisis de los muros de consentimiento por país muestra lo distinto que gestionan hoy el consentimiento los sitios web.
Qué se aplica hoy
Hasta que se adopte el Omnibus, tres documentos fijan las reglas prácticas para el scraping de datos personales en la UE:
- Dictamen 28/2024 del EDPB sobre modelos de IA, de diciembre de 2024, que acepta el interés legítimo con una prueba de tres pasos y enumera salvaguardas para el scraping, como excluir los sitios web que se oponen a él.
- Directrices 03/2026 del EDPB sobre web scraping en el contexto de la IA generativa, adoptadas para consulta pública el 7 de julio de 2026. Indican que los scrapers deben “excluir de la recopilación los sitios web que se oponen claramente al scraping de sus contenidos”, mediante medidas como “archivos robots.txt o ai.txt, o CAPTCHA”.
- Orientaciones nacionales, como las de la CNIL francesa, que señala: “La recopilación de datos personales disponibles en línea mediante web scraping se basa por lo general en el interés legítimo”, con medidas adicionales para limitar el impacto sobre las personas.
Las directrices siguen siendo un borrador, pero la dirección es clara: las señales técnicas de exclusión tienen peso jurídico. Nuestra guía sobre robots.txt y las señales de exclusión para IA describe las señales en uso.
Qué deberían hacer ahora los equipos de datos
- Planificar con el GDPR actual. El Omnibus puede tardar un año o más en completarse. Basarse en el interés legítimo con una evaluación documentada, como ya esperan las autoridades.
- Respetar las exclusiones. Respetar robots.txt, ai.txt y señales similares en la recopilación para IA, y conservar constancia de que se ha hecho.
- Filtrar los datos sensibles. Ambas versiones del Omnibus esperan que los datos sensibles se eviten y se eliminen. Conviene construir los filtros ya.
- Seudonimizar pronto. Si la norma del Consejo prospera, los datos bien seudonimizados que se compartan con terceros podrían recibir un tratamiento más sencillo. En cualquier caso, es una buena práctica.
- Recopilar de forma abierta. Usar proxies residenciales para ver las páginas públicas como las vería un visitante local, no para saltarse a un sitio que ha dicho que no. Nuestra guía sobre proxies residenciales éticos para la recopilación de datos para IA explica dónde trazamos esa línea.
Fuera de la UE, las normas avanzan en direcciones propias. Nuestro explicativo sobre la UK Data (Use and Access) Act trata el enfoque británico.
Las reacciones
La propuesta dividió las opiniones desde el principio. El grupo de defensa de la privacidad noyb la calificó de “el mayor ataque a los derechos digitales de los europeos en años”. Tras el acuerdo del Consejo, la red de derechos digitales EDRi declaró: “El resultado es un acuerdo que debilita salvaguardas importantes y dificulta la reparación”. Grupos del sector como DIGITALEUROPE han acogido con satisfacción el objetivo de aclarar cómo se aplica el GDPR a la innovación. El texto final dependerá del Parlamento, que todavía trabaja en su posición.
Conclusión
El Digital Omnibus confirmaría que el entrenamiento de IA puede basarse en el interés legítimo, pero los gobiernos de la UE han dejado claro que no es un pase libre, han mantenido la definición actual de dato personal y han añadido una norma más acotada para los datos seudonimizados. Nada de esto se aplica todavía. Por ahora, el GDPR vigente y el proyecto de directrices de las autoridades sobre scraping fijan las reglas, y ambos apuntan en la misma dirección: documentar la base jurídica, filtrar los datos sensibles y respetar a los sitios que se excluyen.
Fuentes y referencias
- Comisión Europea, propuesta del Digital Omnibus sobre protección de datos y privacidad, COM(2025) 837 (19 de noviembre de 2025): eur-lex.europa.eu
- Comisión Europea, nota de prensa IP/25/2718 (19 de noviembre de 2025): ec.europa.eu
- Consejo de la UE, mandato para las negociaciones con el Parlamento Europeo, ST 14756/26 (octubre de 2026): data.consilium.europa.eu
- Parlamento Europeo, Observatorio Legislativo, procedimiento 2025/0360(COD): europarl.europa.eu
- EDPB y EDPS, Dictamen conjunto 2/2026 sobre el Digital Omnibus (10 de febrero de 2026): edpb.europa.eu
- EDPB, Dictamen 28/2024 sobre modelos de IA (17 de diciembre de 2024): edpb.europa.eu
- EDPB, Directrices 03/2026 sobre web scraping en el contexto de la IA generativa, versión para consulta (7 de julio de 2026): edpb.europa.eu
- CNIL, ficha informativa sobre web scraping e interés legítimo: cnil.fr
- noyb, declaración sobre el Digital Omnibus (19 de noviembre de 2025): noyb.eu
- EDRi, declaración sobre la posición del Consejo (noviembre de 2026): edri.org