¿Es legal leer páginas web para IA? Los hechos con fecha en 2026

¿Qué dice la ley de la UE sobre leer contenido web?

La ley de la UE permite la minería de textos y datos de contenido al que se accede lícitamente, pero deja que los titulares de derechos se reserven ese uso. El artículo 4(3) de la Directiva DSM (2019/790) establece que la excepción comercial solo se aplica cuando el uso no se ha reservado expresamente "de una manera apropiada, como medios legibles por máquina" para el contenido publicado en línea.

El Código de buenas prácticas del Reglamento de IA de la UE para modelos de IA de uso general, publicado el 10 de julio de 2025, va más allá para sus firmantes. Estos se comprometen a usar rastreadores que lean y respeten robots.txt, y a otros protocolos apropiados legibles por máquina. Por eso respetar robots.txt y las preferencias de IA declaradas se ha convertido en un requisito básico para el uso en Europa.

¿Qué casos de EE. UU. importan y en qué situación están?

Ninguno ha dictado una sentencia firme sobre la lectura de páginas públicas para IA. Los hechos hasta ahora son alegaciones, salvo que un tribunal los haya decidido:

• Reddit contra SerpApi, Perplexity y otros (S.D.N.Y.). El 31 de julio de 2026 el tribunal permitió que las reclamaciones bajo la DMCA §1201(a) siguieran adelante en la fase de alegaciones, tratando las protecciones de Google basadas en desafíos como medidas que controlan el acceso. Ningún demandado ha sido declarado responsable.
• The New York Times contra Perplexity. Presentada el 5 de diciembre de 2025. The Times alega la recuperación de su contenido en el momento de la consulta después de haber bloqueado a Perplexity en robots.txt.
• Amazon contra Perplexity. Según lo reportado el 5 de agosto de 2026, el Noveno Circuito anuló una orden judicial contra el agente de compras Comet de Perplexity, señalando que el asistente actuó siguiendo las instrucciones de su usuario. El panel dijo que no establecía una regla general para la IA agéntica.

La dirección es mixta y las apelaciones continúan. Trata cualquier resumen, incluido este, como desactualizado.

¿Qué reduce el riesgo cuando una herramienta de IA lee páginas?

Algunas prácticas aparecen en todas las reglas y casos anteriores:

• Lee solo páginas públicas. Sin inicios de sesión, sin áreas de miembros, sin muros de pago.
• Respeta las exclusiones legibles por máquina. robots.txt y las preferencias de IA declaradas, como ai-input=no.
• Nunca eludas una protección. Sin user agents disfrazados, sin rotar direcciones para escapar de bloqueos, sin resolver desafíos.
• Evita los datos personales. No recojas perfiles, datos de contacto ni otros datos sobre personas privadas.
• Cita tus fuentes. Conserva la URL con cada página y muéstrala cuando una respuesta se base en ella.

Son buenas prácticas, no una garantía. Consulta a un abogado sobre tu propio caso de uso.

¿Qué hace WebReaderAPI por su parte?

Construimos el servicio en torno a esas prácticas. Respetamos robots.txt: nuestro rastreador se identifica como WebReaderAPI, sigue las reglas escritas para él o para todos los robots y no lee una página que un sitio prohíbe. Las páginas rechazadas no se cobran. Si un sitio declara Content-Signal: ai-input=no en su robots.txt, no leemos sus páginas para ti. Si un sitio rechaza nuestra solicitud, devolvemos su respuesta: nunca resolvemos CAPTCHAs, iniciamos sesión en cuentas ni intentamos saltar un bloqueo o un paywall.

Nuestra Política de uso aceptable prohíbe recoger datos personales sobre personas privadas y leer contenido tras un inicio de sesión o un muro de pago. Cada solicitud se identifica como WebReaderAPI/1.0 (+https://webreaderapi.com/bot/), y nuestra página del rastreador explica a los propietarios de sitios cómo contactarnos.