Scrapear. Es mandar un programa a recorrer la web y llevarse su contenido de forma automática, como una cosechadora que pasa por miles de páginas y guarda todo lo que encuentra. Durante casi tres décadas internet funcionó con una regla no escrita que la abogada Valeska Kraus resume en una frase, "si está público, es tuyo para escrapear".
Sobre esa idea se construyó uno de los buscadores más grandes del mundo. Google rastrea páginas públicas para armar su catálogo, como el índice de una biblioteca enorme, y así podemos buscar, publicitarnos o comparar precios.
Kraus, especializada en derecho informático, lo repasó en una charla en Nerdearla en Buenos Aires a la que asistió El Observador sobre la pelea legal detrás de los datos que alimentan la inteligencia artificial.
La IA rompió ese pacto y ahora toma esos mismos datos para entrenar productos que compiten contra sus propios autores. El punto de partida de Kraus es incómodo, porque el que scrapea es, al mismo tiempo, el scrapeado. "Todos mis datos se utilizan hoy en día para alimentar la inteligencia artificial", planteó, antes de lanzar la pregunta que ordena su charla, "¿Somos las víctimas o somos los cómplices de la inteligencia artificial?".
La base legal es un tratado internacional, el Convenio de Berna. Su regla central es simple. Desde que algo se publica, queda protegido por derecho de autor de forma automática, sin trámite ni registro. Y eso vale también para el código, las instrucciones con las que se arma un programa. "El silencio lo que hace es proteger" al autor, resumió Kraus. Dicho de otro modo, no hacer nada ya te ampara.
Después están las licencias abiertas, que son como prestar tu casa con condiciones anotadas en la puerta. En los años 80, el programador Richard Stallman creó la licencia GPL, que te deja usar ese código gratis siempre que lo que construyas con él también quede abierto para el próximo. Kraus lo repite como idea clave, "es una libertad atada a condiciones". Hay licencias para el código y otras para el contenido, como los Creative Commons que cubren textos, imágenes y videos, pero el principio no cambia. Podés usarlo, con obligaciones.
Ahí hubo una confusión que marcó época. El movimiento nació como free software, y en inglés free significa a la vez "libre" y "gratis". Eso asustaba a las empresas, que lo leían como "sin ganancia". Por eso en los años 90 se empezó a hablar de open source, código abierto, para dejar claro que abierto no es lo mismo que gratuito. Se puede ganar plata sin cerrar el código.
Los juicios que están escribiendo las reglas
El caso más resonante es Doe contra GitHub, abierto desde 2022 y todavía sin resolver.
Doe no es una persona ni una empresa, es el nombre que usa la justicia estadounidense para los que demandan de forma anónima, el equivalente a un N.N., y acá son un grupo de programadores que prefirieron no dar la cara. GitHub es la plataforma donde los desarrolladores suben y comparten su código, y esos autores la demandaron por usar su trabajo sin respetar las licencias.
Hablan de un "lavado", porque se borraron los nombres de los autores y los permisos para alimentar la IA. GitHub se defiende con un concepto clave, el uso transformativo. Dice que no copia y pega, sino que con esos datos crea algo nuevo. Es la diferencia entre robar una torta y usar harina y huevos ajenos para hornear otra distinta.
Su asistente Copilot, que sugiere código mientras programás, además dio vuelta la lógica del silencio. Desde el 24 de abril, según sus términos, quien no quiera que sus datos alimenten el sistema tiene que decirlo activamente, tildando una casilla. Donde Berna dice que el silencio protege, la plataforma hace que el silencio autorice.
En Estados Unidos, los jueces miden estos casos con el fair use, uso justo, una especie de test con cuatro preguntas. Para qué se usó el material, qué tipo de obra es, cuánto se tomó y qué daño económico le causó al autor. Y los fallos van para cualquier lado. Anthropic fue condenada por entrenar su IA con bases de datos piratas, en el acuerdo más grande de la historia por derechos de autor. Meta, en cambio, zafó porque no le pudieron probar que copiaba. Y New York Times contra OpenAI, donde el diario acusa al chatbot de reproducir sus notas pagas, sigue abierto.
Kraus insistió en un matiz que suele perderse, "escrapear no es ilegal". El problema no es sacar datos públicos, sino qué hacés con ellos. Se vuelve delito si con eso intentás adivinar contraseñas, tirás abajo un servidor o armás un fraude, y hay que tener especial cuidado con los datos personales, sobre todo los sensibles como los de salud, que tienen su propia ley.
Tampoco alcanza con poner un cartel de "prohibido pasar". Sobre los robots.txt, el archivo con el que una web pide que no la scrapeen, fue tajante, "los bots hacen lo que quieren", sirven de advertencia pero no frenan a nadie.
