¿Qué deben saber los scrapers sobre la legalidad del scraping en 2026?

¿Qué leyes pueden aplicar a un scraper web?

Haz cinco preguntas para cada proyecto:

1. Acceso. ¿Entraste tras un login, un muro de pago u otro control? Las leyes antiuso indebido informático miran la autorización; las páginas públicas se tratan distinto a las protegidas.
2. Circunvención. ¿Burlaste alguna medida técnica, como un sistema anti-bots? En EE. UU., la sección 1201 del DMCA está siendo probada con scrapers.
3. Contrato. ¿Aceptaste los términos del sitio, por ejemplo creando cuenta? Violarlos puede ser un reclamo contractual aunque el acceso haya sido legal.
4. Contenido. ¿Copias texto, imágenes o bases de datos protegidas? El copyright y, en la UE, el derecho sobre bases de datos protegen más que solo hechos.
5. Personas. ¿Los datos identifican a alguien? Entonces aplican leyes de protección de datos, como GDPR o leyes estatales de privacidad en EE. UU., sin importar si son públicos o no.

¿Cuál es la situación legal en Estados Unidos?

• Computer Fraud and Abuse Act. Tras la decisión Van Buren de la Corte Suprema (2021), el Noveno Circuito resolvió en hiQ contra LinkedIn (abril 2022) que scrapear datos públicos no es acceso "sin autorización". Ese caso concluyó que hiQ violó el acuerdo de usuarios de LinkedIn, y se llegó a un acuerdo.
• Términos de uso. En Meta contra Bright Data (N.D. Cal., enero 2024), el tribunal determinó que los términos de Meta no prohibían scrapear datos públicos sin sesión iniciada; Meta abandonó el caso. Reclamaciones de X Corp contra Bright Data fueron desestimadas en mayo 2024 y después se resolvieron.
• Anti-circunvención. Dos casos de 2026 prueban si saltar un sistema anti-bots viola sección 1201 del DMCA. En Google contra SerpApi la demanda inicial fue desestimada en julio 2026; hay una enmendada pendiente. En Reddit contra SerpApi, Oxylabs, AWMProxy y Perplexity, el 31 de julio de 2026 se denegaron las mociones para desestimar de SerpApi y Perplexity; la de Oxylabs seguía pendiente en octubre 2026. No hay responsables declarados, y no se ha decidido fondo.
• Copyright e IA. En septiembre 2026, el Tercer Circuito dictaminó en Thomson Reuters contra Ross que entrenar una herramienta legal no generativa con resúmenes de Westlaw no era uso justo.

¿Cuál es la situación legal en la UE y Reino Unido?

• Text and data mining. La ley de copyright europea permite minería de texto y datos de contenido legalmente accesible, salvo que el titular haya reservado ese uso, en forma legible por máquinas. En Kneschke contra LAION (diciembre 2025) el Tribunal Superior Regional de Hamburgo resolvió que LAION, asociación sin fines comerciales, podía usar la excepción TDM científica, y que una reserva en lenguaje claro no era legible por máquinas con tecnología 2021. Esto puede cambiar con tecnología; se permitió apelación al BGH. Los crawlers comerciales deben tratar reservas en lenguaje claro como vinculantes hoy.
• Ley de IA. Proveedores de modelos genéricos de IA deben tener política para identificar y respetar esas reservas (Artículo 53). El código de práctica 2025 compromete a crawlers a seguir robots.txt.
• Derecho de bases de datos. El derecho sui generis europeo protege inversiones sustanciales en bases de datos. El Tribunal de Justicia determinó en CV-Online Latvia contra Melons (2021) que reusar una base puede infringirlo al perjudicar la inversión.
• Datos personales. El GDPR aplica a datos personales públicos. La opinión 28/2024 del EDPB dice que interés legítimo puede ser base legal para IA, caso por caso; la CNIL emitió recomendaciones sobre scraping para IA en junio 2025.
• Reino Unido. En Getty Images contra Stability AI (noviembre 2025), el Tribunal Superior rechazó reclamo secundario de copyright sobre el modelo; Getty obtuvo permiso para apelar.

¿Cómo reduzco el riesgo legal de un proyecto de scraping?

• Solo páginas públicas. Sin inicios de sesión, sin muros de pago, sin cuentas que no poseas.
• Respeta robots.txt y opt-outs para IA. Aplica RFC 9309, sigue señales estilo ai-train=no para datos de entrenamiento y registra qué verificaste y cuándo.
• No evadas. No resuelvas CAPTCHA, no uses herramientas para derrotar detección de bots, no realices reintentos para evitar una denegación. Consulta cómo responder a 403, 429 y CAPTCHAs.
• Lee los términos de los sitios que uses, especialmente si tienes una cuenta.
• Minimiza datos personales, documenta tu base legal y ten forma de respetar objeciones.
• Usa lo que recolectas de forma justa: hechos y análisis son más seguros que republicar textos o imágenes completos.
• Mantén registros: URLs, fechas, versiones de robots.txt y la identidad de tu crawler.

Para cualquier caso con riesgo real, consulta a un abogado en los países involucrados.

¿Cambiaría el uso de un proxy la legalidad del scraping?

No. Un proxy cambia el lugar desde donde parece provenir tu solicitud; no cambia qué recoges ni cómo. Las mismas cinco preguntas aplican con o sin proxy. Dos cosas sí cambian. Primero, las reglas del proveedor de proxy: la Política de Uso Aceptable de CrawlRelay permite solo datos públicos y prohíbe la evasión y fraude. Segundo, la procedencia del proveedor: en 2026 Google y autoridades de EE. UU. interrumpieron las redes IPIDEA y NetNut por dispositivos reclutados sin consentimiento adecuado, así que pregunta de dónde vienen las IPs. Las nuestras están detalladas en la página de sourcing.