Inteligencia artificial generativa y web scraping

Inteligencia artificial generativa y web scraping

Publicado
noviembre 19, 2026
Autor
Khrabrykh S. A.
Idioma original
Español

El informe examina los límites jurídicos de la recopilación automatizada de datos de internet de acceso público para el entrenamiento, el ajuste fino y la evaluación de modelos generativos. La cuestión central no es si un programa puede descargar técnicamente una página, sino en qué condiciones una organización tiene derecho a extraer, combinar, conservar y reutilizar en repetidas ocasiones información sobre personas concretas. Los autores parten de la premisa de que el acceso público a un contenido no sustituye una base jurídica para el tratamiento conforme al artículo 6 del RGPD, ni las restricciones de los artículos 9 y 10, ni los derechos de los interesados.

El análisis abarca el RGPD, el artículo 53 de la AI Act sobre las obligaciones de los proveedores de modelos de IA de uso general, las recomendaciones de la CNIL francesa y del ICO británico, así como el proyecto de Directrices 03/2026 del EDPB sobre web scraping en el contexto de la IA generativa, que en la fecha del informe sigue siendo un documento sometido a consulta pública y no una nueva ley. Se abordan los roles de responsable, encargado y vendedor de datos, la prueba en tres fases del interés legítimo, la transparencia conforme al artículo 14 del RGPD, la minimización, los datos de menores, de salud y de condenas penales, la memorización en los pesos del modelo, la diligencia debida respecto de los proveedores de corpus ya preparados y la relación con los derechos de autor.

Las conclusiones principales son que la licitud de la recopilación exige evaluar la finalidad, la base jurídica, las categorías de datos, las expectativas de las personas y el flujo real de la información a lo largo de toda la cadena técnica; que la verificación independiente debe basarse en registros reales, fuentes y eficacia de los filtros, y no en declaraciones; y que eliminar un registro de un conjunto de datos y suprimir su influencia en un modelo ya entrenado son tareas técnicas distintas. Se analizan por separado escenarios hipotéticos de atribución errónea de sanciones y de información desactualizada sobre búsquedas internacionales y extradiciones.

La parte práctica incluye 50 anexos: formularios de evaluación del interés legítimo y de EIPD, fichas de fuentes y manifiestos de procedencia, procedimientos de verificación de intermediarios de datos y de atención a las solicitudes de los interesados, un programa de auditoría independiente y casos didácticos. El Observatoire ARGA formula sus propias propuestas al proyecto del EDPB —un estándar mínimo verificable de procedencia de los datos, la divulgación honesta de los límites del opt-out y del machine unlearning, salvaguardias específicas para las categorías sensibles e indicadores de auditoría reproducibles—, si bien señala que su incorporación al texto definitivo no está determinada.

El estudio tiene carácter normativo y metodológico: los autores no tuvieron acceso a los conjuntos de entrenamiento internos de los desarrolladores y no atribuyen infracciones a ninguna organización. Una verificación externa no garantiza la reconstrucción completa de un corpus de entrenamiento, y el programa de investigación posterior prevé una evaluación empírica de los filtros en varios idiomas y un análisis comparado de la práctica de los Estados miembros de la UE.

Texto completo del documento
ARGA Observatory

Normas de citación

  1. Atribución obligatoria de la fuenteAl utilizar materiales de ARGA Observatory, se debe indicar el nombre completo.
  2. Indicación de fecha y versiónPara informes analíticos, es obligatorio indicar el año de publicación.
  3. Enlace al originalLos materiales electrónicos deben ir acompañados de un enlace activo al sitio oficial.
  4. Preservación del contextoLas citas no deben acortarse ni modificarse de manera que distorsionen el significado original.
  5. Nota de adaptaciónSi el texto está resumido o traducido, indicar: "adaptado del informe de ARGA Observatory".
  6. Prohibido el uso comercial sin permiso por escrito de la organización
  7. Preservación de la exactitud de los datosLos gráficos y tablas deben reproducirse sin cambios.
Consulta confidencial

Consulte a los expertos de ARGA

Cuatro pasos breves. Respondemos en un día hábil.

Paso 1 de 4
¿A qué situación se enfrenta?
¿En qué etapa está el caso?
Describa la situación
Este campo es opcional.
¿Cómo podemos contactarle?
Su consulta llega directamente a los expertos de ARGA. No la publicamos ni la cedemos a terceros.
Registro oficial
ARGA en los registros internacionales
UNGM ID
1232417
ARGA está registrada en el sistema de adquisiciones de la ONU.
Ver registro
UN Global Compact
213173
Participante del Pacto Mundial de la ONU.
ADB GMS Number
049963
Banco Asiático de Desarrollo — participante registrado.
Scroll al inicio