Meta dice que no raspa noticias, pero elimina la cláusula que lo permitía

Meta actualizó sus términos comerciales para borrar la frase que permitía el uso de contenidos web sin permiso, tras la presión de expertos y editores que denunciaron un posible scraping masivo de noticias.

Meta ha retirado de sus términos comerciales una cláusula que, según analistas legales, autorizaba el uso de contenido de cualquier dominio web para entrenar sus sistemas de inteligencia artificial. La medida llega después de una oleada de críticas de académicos, grupos de defensa de la información y medios que temían que la empresa estuviera vulnerando normas de derechos de autor y las instrucciones de robots.txt de los sitios.

La cláusula que despertó la polémica

Hasta hace unos días, la versión pública de los términos comerciales de Meta incluía el siguiente párrafo: «Meta may use any content from such domains, web pages, or URLs to provide, develop, improve, research, train, and maintain the integrity of, the Meta Company Products, services, and features…». En español, la traducción oficial hablaba de que Meta podía usar cualquier contenido de sitios web para entrenar sus productos de IA. La redacción, aunque vaga, se interpretó como una autorización implícita para raspar (scraping) noticias y otros materiales protegidos sin compensar a sus creadores.

Expertos como James Grimmelmann, profesor de derecho digital en Cornell, y el Neiman Lab señalaron que la cláusula contravenía los mecanismos de exclusión que los editores pueden establecer mediante robots.txt. En la práctica, eso significaría que los crawlers de Meta podrían ignorar dichas directrices y extraer texto completo de artículos, a menudo sin que el editor lo supiera.

Respuesta oficial y la eliminación del texto

Ante la presión, Andy Stone, vicepresidente de comunicaciones de Meta, y el portavoz Daniel Roberts emitieron un comunicado en el que negaron cualquier cambio en la política de rastreo. En una entrevista con The Verge, Roberts afirmó:

«No hay cambios en cómo Meta usa los rastreadores web; cualquier sugerencia en contrario es falsa».

Posteriormente, la empresa publicó una actualización de sus términos que eliminó por completo la frase controvertida. En una segunda declaración, Roberts explicó:

«Escuchamos sus inquietudes y aclaramos que los términos de rastreo solo se aplicaban a nuestros productos publicitarios y de negocio; los propietarios de contenido siguen pudiendo usar robots.txt para indicar sus preferencias».

La empresa insiste en que la eliminación no implica una nueva política de “no rastrear”, sino simplemente una corrección de la redacción que, según ellos, había generado confusión.

Impacto real para editores y para Meta

Para los medios de comunicación, la retirada de la cláusula representa una victoria simbólica, pero su efecto práctico dependerá de cómo Meta implemente sus crawlers en el futuro. Si bien la empresa no ha prometido limitar la extracción de contenido, la ausencia de una autorización explícita reduce la base legal para defender demandas por infracción de derechos de autor.

• Editores de noticias: pueden reforzar sus archivos robots.txt y, en caso de violación, contar con un argumento más sólido en tribunales.
• Desarrolladores de IA: seguirán necesitando grandes volúmenes de texto para entrenar modelos, pero tendrán que recurrir a fuentes con licencias claras o a datos públicos.
• Meta: pierde una posible vía de acceso gratuito a contenido premium, lo que podría traducirse en mayores costos de adquisición de datos o en una mayor dependencia de acuerdos de licencia.

El cambio también plantea preguntas sobre la transparencia de los procesos de recolección de datos. La empresa no ha revelado cómo filtrará sus crawlers para respetar robots.txt, ni ha publicado métricas que demuestren una reducción en la captura de contenido editorial.

Qué implica este ajuste para el futuro de la IA y la propiedad de datos

El episodio subraya la tensión creciente entre los gigantes de la IA y los creadores de contenido. A medida que los modelos de lenguaje se vuelven más capaces, la demanda de datos de alta calidad aumenta, y las empresas buscan formas de minimizar costos. Sin una regulación clara, la práctica del scraping seguirá en la zona gris legal.

Sin embargo, la presión pública y la vigilancia de expertos están obligando a las plataformas a revisar sus términos. La eliminación de la cláusula no elimina el riesgo de que Meta continúe recolectando datos, pero sí elimina la justificación escrita que podría haber sido usada como defensa en litigios.

En última instancia, la cuestión será si los marcos regulatorios —como la Ley de Derechos de Autor de la UE o la posible legislación estadounidense sobre datos de entrenamiento— impondrán límites más estrictos que los propios contratos de empresa.

Perspectiva práctica para editores y desarrolladores

Los propietarios de sitios web deben revisar sus archivos robots.txt y considerar la implementación de mecanismos de detección de crawlers no deseados. Herramientas de monitoreo de tráfico pueden ayudar a identificar patrones de rastreo sospechosos y a solicitar bloqueos a nivel de servidor.

Los equipos de IA, por su parte, deberían invertir en fuentes de datos con licencias explícitas y en procesos de curación que garanticen la calidad y la legalidad del material. A largo plazo, la construcción de colaboraciones con medios —por ejemplo, acuerdos de licencia de contenido bajo condiciones favorables— podría ser una estrategia más sostenible que depender de prácticas de extracción opacas.

El ajuste de Meta muestra que la presión de la comunidad puede forzar cambios en los contratos corporativos, pero también revela la necesidad de marcos regulatorios más sólidos que definan con claridad qué se puede y qué no se puede usar para entrenar la próxima generación de IA.