Minería de textos y datos

Minería de textos y datos y la reserva legible por máquina

El Derecho de la Unión permite hacer copias con fines de minería de textos y datos, salvo que el titular de los derechos se haya reservado ese uso. En los contenidos publicados en línea, la reserva debe formularse de forma legible por máquina. Esta página recoge el texto de la ley, los archivos y señales en los que se expresa en la práctica una reserva de este tipo y por qué lo que decían en un día determinado es el hecho que después hay que poder acreditar.

El texto de la ley

La regla procede del artículo 4 de la Directiva sobre los derechos de autor y derechos afines en el mercado único digital. El apartado 1 obliga a los Estados miembros a prever una excepción para las reproducciones y extracciones de obras a las que se tenga acceso lícito con fines de minería de textos y datos. El apartado 3 la somete a una condición:

«La excepción o limitación establecida en el apartado 1 se aplicará a condición de que el uso de las obras y otras prestaciones a que se refiere dicho apartado no esté reservado expresamente por los titulares de derechos de manera adecuada, como medios de lectura mecánica en el caso del contenido puesto a la disposición del público en línea.»

Directiva (UE) 2019/790, art. 4, apartado 3. Fuente: EUR-Lex, CELEX 32019L0790.

Alemania transpuso la disposición como § 44b de la Ley de propiedad intelectual (Urheberrechtsgesetz, UrhG). El apartado 1 define la minería de textos y datos, el apartado 2 permite las copias y el apartado 3 regula la reserva:

«(1) Se entiende por minería de textos y datos el análisis automatizado de una o varias obras digitales o digitalizadas con el fin de obtener información, en particular sobre patrones, tendencias y correlaciones.

(2) Se permite reproducir obras a las que se tenga acceso lícito para llevar a cabo la minería de textos y datos. Las copias deben eliminarse cuando ya no sean necesarias para ello.

(3) Los usos conforme al apartado 2, primera frase, solo están permitidos si el titular de los derechos no se los ha reservado. En el caso de obras disponibles en línea, la reserva de uso solo es eficaz si se formula en un formato legible por máquina.»

§ 44b UrhG, traducción no oficial; solo el texto alemán es vinculante. Fuente del texto alemán: gesetze-im-internet.de (Ministerio Federal de Justicia).

El Reglamento de IA remite a la misma reserva. El artículo 53, apartado 1, letra c), dispone que los proveedores de modelos de IA de uso general:

«establecerán directrices para cumplir el Derecho de la Unión en materia de derechos de autor y derechos afines, y en particular, para detectar y cumplir, por ejemplo, a través de tecnologías punta, una reserva de derechos expresada de conformidad con el artículo 4, apartado 3, de la Directiva (UE) 2019/790».

Reglamento (UE) 2024/1689, art. 53, apartado 1, letra c). Fuente: EUR-Lex, CELEX 32024R1689.

Dónde se encuentra en la práctica una reserva legible por máquina

Ninguno de estos textos menciona un formato de archivo. En la práctica, las reservas dirigidas a máquinas se expresan en unos pocos lugares, y todos ellos los lee una máquina sin que medie una persona:

• /robots.txt: el archivo de instrucciones más antiguo de la web. Se dirige a los rastreadores por el nombre con el que se identifican e indica qué rutas pueden solicitar.
• /.well-known/tdmrep.json: el TDM Reservation Protocol, elaborado en un W3C Community Group precisamente para expresar una reserva respecto de la minería de textos y datos.
• Cabeceras HTTP y etiquetas meta de la página de inicio: el mismo protocolo puede declararse en una cabecera de respuesta o en el encabezado HTML, sin un archivo aparte.
• /ai.txt y /llms.txt: convenciones más recientes dirigidas a sistemas de IA, sin normalizar. Qué es llms.txt y en qué se diferencia de una reserva se explica en una página propia.

Cuál de estas formas cumple el requisito en un caso concreto es una cuestión jurídica, y esta página no la responde. Lo que sí puede responderse es una cuestión de hecho: qué decía un archivo o una cabecera determinados en un día determinado.

Por qué hay que poder acreditar el día

Una reserva es el estado de un archivo en un momento dado. El servidor no conserva historial: cuando se modifica el archivo robots.txt, la versión anterior desaparece y nada en el servidor indica cuándo cambió ni qué decía antes. Sin embargo, la pregunta sobre una reserva suele plantearse meses después del día al que se refiere. Para entonces, una captura de pantalla de hoy muestra el hoy, y un registro del servidor es la palabra de una de las partes.

Lo que hace falta entonces es un registro hecho el mismo día, por alguien que no sabía que algún día se plantearía la pregunta.

Qué registra este archivo

Desde el 22 de julio de 2026, dos testigos operados de forma independiente obtienen estos archivos de unos 128.000 dominios de la UE: robots.txt, ai.txt, tdmrep.json y llms.txt cada día para cada dominio, las cabeceras y etiquetas meta de la página de inicio cada día para cada dominio, y la página de inicio completa cada día en el anillo principal y una vez por semana en el anillo amplio. Cada día se sella esa misma noche en una raíz pública y se ancla con marcas de tiempo fuera de este archivo, de modo que nadie pueda modificarlo después, tampoco nosotros. En qué guardamos constan todas las direcciones y límites; cómo funciona muestra cómo un tercero comprueba un registro sin nuestra ayuda.

• Si un dominio ya se observa y desde cuándo: la comprobación de cobertura, gratuita.
• Qué decían sus archivos en días concretos, como documento con instrucciones para verificarlo: un extracto probatorio.
• Un dominio que deba registrarse cada día a partir de ahora: la observación diaria.

El archivo registra lo que se sirvió. No valora si una reserva es eficaz, si un rastreador la respetó ni quién estaba legitimado para formularla.