Un equipo dedica seis meses a construir una base de datos de precios de productos, ofertas de empleo o perfiles de empresas a partir de sitios web públicos. Entonces un comprador hace una pregunta sencilla: ¿lo posees, y puedes vendérnoslo? La respuesta honesta suele ser “en parte”, y qué parte es la que decide el valor del conjunto de datos.
Los datos extraídos mediante scraping no son algo único que una sola parte posee. Son una pila de derechos separados: derechos sobre los elementos individuales, derechos sobre la base de datos del sitio de origen, derechos que el sitio creó mediante sus términos, derechos que las personas tienen sobre los datos que les conciernen y, por último, los derechos que el recopilador se gana al construir algo nuevo. Esta guía recorre cada una de estas capas, cómo las han tratado los tribunales en EE. UU. y Europa, y qué significa eso para la concesión de licencias y la reventa.
Esto es información general, no asesoramiento legal. La ley difiere según el país y cambia rápidamente; consulta con un abogado antes de licenciar o vender un conjunto de datos.
Conclusiones clave
- Los hechos no se poseen. Precios, direcciones, fechas y cifras generalmente pueden copiarse libremente según el derecho de autor estadounidense. El texto, las fotos y otro contenido creativo permanecen protegidos dondequiera que los recopiles.
- Europa añade un derecho sobre bases de datos. Un sitio que haya invertido sustancialmente en recopilar o verificar sus datos puede impedir que otros extraigan una parte sustancial de ellos, incluso cuando cada elemento individual sea un simple hecho.
- Cómo recopilas puede importar tanto como qué recopilas. Los términos que aceptaste, las cuentas falsas y la carga sobre el servidor han generado responsabilidad incluso cuando nadie poseía los datos.
- Los datos personales nunca pasan a ser tuyos para venderlos libremente. La disponibilidad pública no es una exención según el derecho europeo de protección de datos.
- Lo que posees es tu propia aportación. Puedes licenciar la selección, estructura, limpieza y análisis que añadiste. Nunca adquieres el derecho de autor sobre lo que copiaste.
Capa 1: los elementos en sí
Empecemos por las cosas individuales que recopilaste.
Hechos. El Tribunal Supremo de EE. UU. resolvió esto en 1991 en Feist v. Rural Telephone: los hechos no son objeto de derecho de autor, porque el derecho de autor exige originalidad y nadie crea un hecho. Los nombres y números de una guía telefónica podían copiarse libremente. La decisión también rechazó la idea de que el esfuerzo de recopilar hechos (“sudor de la frente”) genere derecho de autor. Para los datos obtenidos mediante scraping, esto abarca la mayor parte de lo que las empresas recopilan realmente: precios, niveles de stock, horarios de vuelos, nombres y direcciones de empresas, puestos de trabajo, valoraciones expresadas en números.
Expresión. El texto de los artículos, las descripciones de productos escritas por una marca, las fotografías y la redacción de las reseñas de usuarios son obras creativas. El derecho de autor las protege estén o no en una página pública. Que algo sea visible públicamente no es lo mismo que estar licenciado.
La línea práctica está entre registrar lo que dice una página y copiar cómo lo dice. “Este portátil cuesta 899 euros en Alemania” es un hecho. Los tres párrafos que describen el portátil pertenecen a quien los escribió.
Capa 2: la base de datos del sitio de origen
El derecho de autor estadounidense protege una recopilación de hechos solo en su selección u organización original, y los tribunales describen esa protección como débil. Un competidor puede reutilizar los hechos siempre que no copie la estructura creativa. EE. UU. no tiene un derecho separado sobre bases de datos.
Europa sí lo tiene. Según el derecho sui generis sobre bases de datos de la UE, el creador de una base de datos que haya realizado una inversión sustancial en la obtención, verificación o presentación de su contenido puede impedir la extracción o reutilización de la totalidad o de una parte sustancial de ella. El derecho dura 15 años y puede renovarse cuando el contenido cambia sustancialmente. También abarca la extracción repetida y sistemática de pequeñas partes cuando, sumadas, suponen un perjuicio para la base de datos.
Tres resoluciones del Tribunal de Justicia de la Unión Europea determinan cómo se aplica este derecho a los recopiladores:
| Caso | Año | Qué significa para el scraping |
|---|---|---|
| British Horseracing Board v William Hill | 2004 | Solo cuenta la inversión en recopilar y verificar datos existentes, no en crearlos. Un sitio que genera sus propios datos (sus propios calendarios, sus propios listados) puede tener dificultades para reclamar este derecho. Publicar los datos no supone renunciar al derecho. |
| Ryanair v PR Aviation | 2015 | Una base de datos no protegida ni por derecho de autor ni por el derecho sui generis puede, aun así, verse restringida por contrato. En la UE, los términos de uso pueden lograr lo que el derecho de propiedad intelectual no logra. |
| CV-Online Latvia v Melons | 2021 | Un motor de búsqueda especializado que copia e indexa una base de datos pública está extrayéndola y reutilizándola, pero el creador solo puede impedirlo cuando ello pone en riesgo su capacidad de recuperar su inversión. |
El Reino Unido conservó su propio derecho sobre bases de datos tras el Brexit. Desde el 1 de enero de 2021 solo protege a creadores del Reino Unido, y las nuevas bases de datos del Reino Unido ya no obtienen el derecho de la UE, ni viceversa.
Por tanto, para un recopilador la pregunta en Europa no es solo “¿son estos hechos?”, sino también “¿invirtió alguien sustancialmente en recopilarlos, y estoy tomando una parte sustancial?”.
Capa 3: contratos y cómo recopilaste
Incluso cuando nadie posee los datos, la forma en que se recopilaron puede generar responsabilidad. Tres casos estadounidenses muestran el patrón.
- LinkedIn y hiQ. El Noveno Circuito sostuvo en 2019, y de nuevo en 2022, que hiQ había planteado dudas serias sobre si el scraping de perfiles públicos constituye un acceso “sin autorización” según la ley federal contra la piratería informática. Pero un tribunal de distrito determinó más tarde que hiQ había incumplido el acuerdo de usuario de LinkedIn, entre otras cosas por usar perfiles falsos. El caso terminó en diciembre de 2022 con una sentencia contra hiQ, una orden judicial permanente y una orden de destruir los datos extraídos. Ganar en el asunto de la piratería informática no significó ganar el caso.
- El caso de Meta en 2024 contra una empresa de datos web. Un tribunal federal de California resolvió en enero de 2024 que los términos de Facebook e Instagram “no prohíben el scraping de datos públicos sin haber iniciado sesión; por lo tanto, no prohíben la venta de dichos datos públicos”. Meta retiró su reclamación restante y no apeló.
- El caso de X contra la misma empresa. En mayo de 2024 el tribunal desestimó las reclamaciones de X de que el scraping y la venta de publicaciones públicas incumplían sus términos, al considerarlas desplazadas por el derecho de autor federal: X solo tenía una licencia no exclusiva sobre las publicaciones de sus usuarios y no podía usar sus términos para crear un control privado similar al derecho de autor. Más tarde, en 2024, el tribunal permitió que X continuara con reclamaciones basadas en cómo se accedió a los datos, como la supuesta carga sobre sus servidores. El caso se resolvió en 2025 con condiciones confidenciales.
La lección para la propiedad es limitada pero importante. Los términos de una plataforma pueden no otorgarle control sobre datos públicos que no posee, pero iniciar sesión, aceptar términos, crear cuentas falsas o sobrecargar servidores crean cada uno un riesgo distinto que nada tiene que ver con quién posee los datos. Nuestro resumen sobre si el web scraping es legal cubre el aspecto del acceso con más detalle.
Capa 4: minería de textos y datos y entrenamiento de IA
Si el conjunto de datos se usará para entrenar o alimentar modelos de IA, se aplica un conjunto adicional de normas.
En la UE, las normas de derecho de autor contienen dos excepciones para la minería de textos y datos. Las organizaciones de investigación y las instituciones de patrimonio cultural pueden minar contenido al que tengan acceso lícito con fines de investigación científica, y los titulares de derechos no pueden excluirse de ello. Todos los demás, incluidos los usuarios comerciales, pueden minar contenido de acceso lícito a menos que el titular de los derechos los haya reservado de forma adecuada, lo que para el contenido en línea significa mediante medios legibles por máquina. La Ley de IA de la UE exige a los proveedores de modelos de IA de uso general contar con una política de respeto a esas reservas y publicar un resumen de su contenido de entrenamiento.
Qué constituye una reserva válida todavía está por decidirse. En el caso alemán presentado por el fotógrafo Robert Kneschke contra la organización sin ánimo de lucro LAION, los tribunales de Hamburgo sostuvieron que el uso de LAION estaba cubierto por la excepción de investigación, y el tribunal de apelación determinó que la exclusión de la agencia de imágenes no era demostrablemente legible por máquina. El Tribunal Federal de Justicia de Alemania vio el caso en septiembre de 2026 y declaró que se está considerando una remisión al tribunal más alto de la UE. Nuestra guía sobre robots.txt, exclusiones de IA y señales de reserva cubre las señales en sí, y nuestro estudio sobre quién bloquea a los rastreadores de IA muestra lo extendido que está su uso.
Los tribunales estadounidenses han llegado a resultados dispares, y la cuestión de la adquisición sigue apareciendo:
- En Bartz v. Anthropic (2025), el tribunal sostuvo que entrenar con libros adquiridos lícitamente era uso justo (fair use), pero que conservar copias pirateadas no lo era. El caso se resolvió por 1.500 millones de dólares, con aprobación final en julio de 2026.
- En Kadrey v. Meta (2025), el tribunal declaró uso justo en ese caso concreto, pero subrayó que el fallo no convertía ese tipo de entrenamiento en lícito con carácter general.
- En septiembre de 2026 el Tercer Circuito confirmó en Thomson Reuters v. Ross que copiar las notas editoriales de Westlaw para entrenar una herramienta competidora de investigación jurídica no era uso justo. El tribunal señaló que este sistema de IA no podía generar nueva expresión, y trató el caso como una disputa ordinaria de derecho de autor entre competidores.
Para quien vende un conjunto de datos, la conclusión es que el origen y la legalidad de la adquisición acompañan a los datos. Un comprador que entrene un modelo preguntará de dónde vino cada parte.
Capa 5: datos personales
Si el conjunto de datos contiene información sobre personas identificables, la ley de protección de datos se aplica por encima de todo lo demás. Según el RGPD no existe exención para los datos personales de disponibilidad pública. Quien los recopila y decide qué hacer con ellos es un responsable del tratamiento, con obligaciones que incluyen informar a las personas de que sus datos están siendo tratados y de dónde proceden. Venderlos o licenciarlos es una finalidad adicional, que necesita su propia base jurídica, y el comprador pasa a ser responsable del tratamiento con obligaciones propias.
Los reguladores han actuado contra el scraping en este sentido. La autoridad de protección de datos neerlandesa multó a Clearview AI con 30,5 millones de euros en 2024 por construir una base de datos de imágenes faciales obtenidas mediante scraping, tras multas anteriores en Italia, Grecia y Francia. “Era público” no fue una defensa válida. Nuestro resumen sobre cumplimiento del RGPD cubre los aspectos básicos para equipos de recopilación.
Qué posees realmente
Al juntar las capas, la posición del recopilador queda clara.
- Tu selección y organización. En EE. UU., el derecho de autor puede proteger las decisiones originales que tomaste sobre qué incluir y cómo organizarlo, pero no los hechos subyacentes.
- Tu inversión en la base de datos. En la UE o el Reino Unido, si tu empresa está establecida allí e invirtió sustancialmente en obtener, verificar o presentar los datos, tu conjunto de datos puede contar con su propio derecho sobre bases de datos, que puedes licenciar o ceder.
- Tu trabajo añadido. La limpieza, deduplicación, normalización, enriquecimiento, clasificación, puntuaciones, índices y análisis son tuyos. A menudo son la parte más valiosa del conjunto de datos y la más fácil de licenciar.
- Nunca los derechos de la fuente. Tus derechos cubren solo lo que aportaste. No te otorgan derecho de autor sobre los artículos, fotos o reseñas que copiaste, y no anulan el derecho sobre bases de datos del sitio de origen ni los derechos de protección de datos de nadie.
Qué puedes licenciar o revender
| Riesgo menor | Riesgo mayor |
|---|---|
| Hechos y mediciones: precios, disponibilidad, cifras, fechas | Copias de artículos, descripciones de productos o texto de reseñas |
| Datos derivados: índices, tendencias, agregados, puntuaciones, indicadores | Fotos, vídeos y otros contenidos multimedia |
| Campos normalizados y tus propias categorías | Una parte sustancial de una única base de datos europea, reproducida tal cual |
| Enlaces a la fuente en lugar de copias de ella | Datos personales, especialmente perfiles de personas |
| Datos recopilados sin iniciar sesión ni aceptar términos | Datos recopilados a través de cuentas, perfiles falsos o eludiendo bloqueos |
Los productos más seguros venden lo que aprendiste de la web, no copias de la web. Un índice de precios construido a partir de millones de observaciones es algo distinto, legal y comercialmente, de un espejo del catálogo de un minorista.
Antes de licenciar un conjunto de datos
- Documenta la procedencia. Registra la fuente, la fecha y el método de recopilación de cada parte del conjunto de datos. Compradores, auditores y tribunales lo pedirán.
- Separa los hechos del contenido. Mantén el material expresivo fuera de los productos de reventa, o enlaza a él en lugar de copiarlo.
- Comprueba si hay bases de datos europeas. Si una parte sustancial del conjunto de datos proviene de una fuente de la UE o el Reino Unido, evalúa si esa fuente tiene un derecho sobre bases de datos.
- Revisa cómo recopilaste. Anota cualquier término que hayas aceptado, inicio de sesión utilizado o bloqueo encontrado.
- Detecta datos personales. Elimínalos, o confirma una base jurídica y transparencia antes de compartirlos.
- Inclúyelo en la licencia. Especifica qué recibe el comprador, qué puede hacer con ello y qué obligaciones de cumplimiento asume.
Una política escrita convierte la mayoría de estas comprobaciones en rutina. Nuestra plantilla de política de recopilación de datos para empresas es un buen punto de partida.
Preguntas frecuentes
¿Soy propietario de los datos que extraje de un sitio web público?
Eres propietario de tu propia aportación: la selección, la estructura, la limpieza y el análisis, y en Europa posiblemente un derecho sobre bases de datos si invertiste sustancialmente. No eres propietario de los hechos en sí, y nunca adquieres el derecho de autor sobre contenido creativo que copiaste.
¿Puedo vender datos obtenidos mediante scraping?
A menudo sí, en el caso de hechos y datos derivados de ellos, siempre que los hayas recopilado lícitamente y el conjunto de datos no contenga datos personales que no tengas base para compartir. Revender copias de artículos, fotos o reseñas, una parte sustancial de una base de datos europea protegida, o datos personales, conlleva un riesgo mucho mayor.
¿Los términos de servicio de un sitio web deciden quién posee sus datos?
Los términos no crean propiedad sobre los hechos, y un tribunal estadounidense ha sostenido que una plataforma no puede usar sus términos para crear un control similar al derecho de autor sobre datos públicos. Pero los términos sí pueden vincular a quienes los aceptan, y en la UE pueden restringir el uso de bases de datos que de otro modo no estarían protegidas.
¿Los datos personales de disponibilidad pública son de uso libre?
No. En la UE y el Reino Unido, la ley de protección de datos se aplica a los datos personales sean o no públicos, y los reguladores han multado a empresas por construir bases de datos a partir de imágenes publicadas públicamente.
En resumen
El scraping de datos no transfiere su propiedad. Los hechos siguen siendo libres, el contenido creativo sigue perteneciendo a sus autores, las bases de datos europeas pueden seguir perteneciendo a sus creadores, y los datos personales siguen sujetos a las personas que describen. Lo que un recopilador posee es lo que añade: la selección, estructura, limpieza y análisis que convierten páginas en bruto en algo útil. Construye y vende eso, documenta de dónde procede todo, y mantén fuera del producto las copias del trabajo y los datos ajenos.
Fuentes y referencias
- Tribunal Supremo de EE. UU., Feist Publications v. Rural Telephone Service, 1991; 17 U.S.C. 103.
- Directiva 96/9/CE sobre la protección jurídica de las bases de datos.
- TJUE, British Horseracing Board v William Hill, C-203/02, 2004; Ryanair v PR Aviation, C-30/14, 2015; CV-Online Latvia v Melons, C-762/19, 2021.
- Gobierno del Reino Unido, Sui generis database rights from 1 January 2021.
- Tribunal de Apelaciones de EE. UU. para el Noveno Circuito, hiQ Labs v. LinkedIn, 18 de abril de 2022.
- Tribunal de Distrito de EE. UU., N.D. Cal., n.º 3:23-cv-00077, resolución de 23 de enero de 2024; n.º 3:23-cv-03698, resolución de 9 de mayo de 2024.
- Directiva (UE) 2019/790 sobre los derechos de autor en el mercado único digital; Reglamento (UE) 2024/1689, la Ley de IA.
- Tribunal de Apelaciones de EE. UU. para el Tercer Circuito, Thomson Reuters v. Ross Intelligence, n.º 25-2153, 29 de septiembre de 2026.
- Tribunal de Distrito de EE. UU., N.D. Cal., Bartz v. Anthropic, orden de aprobación final, 20 de julio de 2026.
- Reglamento (UE) 2016/679, el RGPD; Autoriteit Persoonsgegevens, multa a Clearview AI, septiembre de 2024.