Los nuevos términos comerciales de Meta abren la puerta al scraping masivo de sitios de noticias

Meta anunció la semana pasada una actualización de sus Términos Comerciales con vigencia el 30 de octubre de 2026, cuyas implicaciones podrían remodelar el modelo de negocio de la publicación periodística en todo el mundo. Las nuevas reglas autorizan a la empresa a utilizar scrapers, bots y otros agentes automatizados para acceder, indexar, cachear, analizar, recopilar y rastrear continuamente cualquier dominio o página web "asociado" a cuentas comerciales en las plataformas de Meta —lo que incluye sitios de publicaciones de noticias que operan páginas de negocio en Facebook, Instagram o WhatsApp Business.

La actualización no ofrece opción de salida. Los términos leen textualmente: "Si no acepta los términos actualizados, por favor deje todo acceso o uso de nuestros Productos para fines comerciales o empresariales". Para las publicaciones que dependen del tráfico orgánico de Facebook y WhatsApp para la distribución de contenido, la alternativa entre aceptar el scraping o perder visibilidad en las plataformas de Meta no es una elección —es un ultimátum.

Qué permiten los nuevos términos

Bajo los Términos Comerciales actualizados, Meta autoriza el uso de software automatizado —incluyendo "scrapers web, bots, robots, arañas, crawlers y agentes de usuario"— para acceder y obtener periódicamente actualizaciones de dominios, páginas web y URLs "asociados con sus productos o servicios" o "disponibles a través del uso de los Productos y Servicios de la Compañía Meta", según describieron expertos en derecho consultados por el Nieman Journalism Lab.

El punto crucial está en la última frase del fragmento relevante: Meta puede usar "cualquier contenido" de estos dominios para "proporcionar, desarrollar, mejorar, investigar, entrenar y mantener la integridad" de sus productos, servicios y funciones —incluidos los servicios de inteligencia artificial. Esto significa que artículos publicados en el propio sitio web de un periódico, no solo publicaciones compartidas en Facebook, pueden ser recopilados y utilizados para entrenar modelos como Llama y Meta AI.

El scraping no se limita a una captura única. Los términos autorizan a Meta a "obtener periódicamente actualizaciones" de estos dominios, lo que significa rastreo continuo —precisamente el tipo de comportamiento que los sitios de noticias actualizan varias veces al día.

Por qué esto importa para el periodismo

El contenido periodístico ha sido tradicionalmente considerado uno de los conjuntos de datos de mayor calidad disponibles en internet: es revisado, editado, factual y estructurado para la lectura humana. Para los entrenadores de modelos de lenguaje, los artículos de noticias son oro —exactamente porque son producidos por profesionales y pasan por filtros editoriales antes de la publicación. La diferencia con blogs personales o publicaciones en redes sociales no es solo de calidad; es de valor de mercado.

Varias empresas de IA ya firmaron acuerdos de licencias con publicaciones para obtener acceso legal a ese contenido. News Corp, por ejemplo, firmó un contrato plurianual con Meta valorado en hasta 50 millones de dólares por año que cubre The Wall Street Journal y otras marcas del grupo. Wikipedia, a través de Wikimedia Enterprise, tiene acuerdos pagos con Meta, Microsoft, Amazon, Perplexity y Mistral AI. Pero estas son negociaciones bilaterales entre editoriales con poder de negociación significativo.

La estrategia de Meta, según informó Ars Technica, parece ser sortear esa necesidad de negociación individual. En lugar de sentarse con miles de publicaciones medianas y pequeñas para negociar licencias una por una, la empresa intenta resolver el problema contractualmente: basta incluir la autorización de scraping en los Términos Comerciales, y todas las cuentas comerciales que continúen usando las plataformas de Meta estarán, automáticamente, consentiendo la recopilación de contenido.

Algunos analistas lo han calificado de un "movimiento frontal" —un atraco de IA que sustituye la imposición contractual por la negociación de licencias. Si se mantiene, el modelo eliminaría la necesidad de pagar millones en tarifas de licencia a cientos o miles de publicaciones más pequeñas que carecen del poder de negociación de News Corp o The New York Times.

El argumento legal y los riesgos para Meta

Tres expertos en derecho digital consultados por Nieman Lab observaron que no está claro si un tribunal validaría esta interpretación de los términos. La legislación contractual en muchas jurisdicciones exige que las cláusulas que otorgan derechos significativos sobre propiedad intelectual sean explícitas y negociables. La pregunta que permanece es si una actualización unilateral de los Términos de Servicio, sin opción de salida y con la amenaza de expulsión de la plataforma, constituye un contrato válido para la cesión de derechos sobre contenido alojado en dominios de terceros.

También existe una tensión con las directivas robots.txt. Si un sitio de noticias bloquea explícitamente los crawlers en su archivo robots.txt —algo que se ha vuelto cada vez más común desde que Cloudflare y otros proveedores comenzaron a ofrecer herramientas para bloquear bots de IA—, ¿puede Meta ignorar legalmente ese bloqueo basándose en los Términos Comerciales? La pregunta aún no ha sido sometida a un tribunal.

El contexto legal más amplio también pesa. En mayo de 2026, cinco grandes editoriales —Elsevier, Cengage, Hachette, Macmillan y McGraw Hill— demandaron a Meta en un tribunal federal de Manhattan, alegando uso no autorizado de millones de obras para entrenar el modelo Llama. En octubre, el novelista Christopher Farnsworth se sumó a la demanda. En septiembre de 2026, el Tercer Circuito confirmó que los encabezados de Westlaw son protegibles por copyright y que el uso de ROSS Intelligence para entrenar un modelo competidor no califica como uso justo. El precedente judicial contra el scraping sin licencia para entrenamiento de IA se está consolidando.

Si los tribunales confirman que el entrenamiento con contenido no periodístico es uso justo, las organizaciones de noticias cuestionan si la propia postura de Meta podría cambiar —pero, por ahora, la empresa avanza con la nueva política.

Qué esperar

El 30 de octubre está a pocos días. A menos que haya una respuesta coordinada del sector editorial o una intervención regulatoria —la News/Media Alliance ya emitió una declaración pública sobre los cambios—, cientos de miles de cuentas comerciales en las plataformas de Meta estarán, sin consentimiento explícito, autorizando la recopilación de contenido de sus propios sitios web para entrenamiento de IA. La pregunta ya no es si Meta puede hacer esto técnicamente. Es si puede hacerlo legalmente —y si, al final, pagará más por un camino tortuoso de lo que habría pagado en negociación directa.

Fuentes: Ars Technica, Nieman Journalism Lab, ZDNET

✓ Fuentes independientes cruzadas y verificadas antes de la publicación