¿Pueden entrenar una IA con lo que publicas en tu web?

Si tienes una web, un blog o una tienda con descripciones escritas por ti, la pregunta tiene respuesta en una ley española y en dos normas europeas. Y la respuesta por defecto es incómoda: sí pueden, y no necesitan pedirte permiso, salvo que tú hayas reservado ese uso antes. Lo que sigue sale del BOE y de EUR-Lex, leídos el 4 de noviembre de 2026.

No es una zona gris ni una laguna pendiente de regular. Está escrito, lleva escrito desde 2021, y el detalle que decide tu caso no es si te parece bien: es cómo lo reservaste.

La regla por defecto: no hace falta tu autorización

La norma española es el Real Decreto-ley 24/2021, que traspuso la directiva europea de derechos de autor. Su artículo 67 se titula «Minería de textos y datos» y empieza así:

Léelo despacio, porque cada trozo hace trabajo. «No será precisa la autorización»: el permiso no se pide. «Accesibles de forma legítima»: hablamos de lo que está publicado y se puede consultar sin saltarse nada, que es justo lo que es una web abierta. Y «minería de textos y datos» es el término legal para el tratamiento masivo y automático de contenidos, que es lo que hace un sistema que recopila páginas para entrenar un modelo.

El apartado 2 añade cuánto tiempo pueden guardarlo: «Las reproducciones y extracciones podrán conservarse durante todo el tiempo que sea necesario para cumplir con estos fines, con pleno respeto a los principios de legalidad y a la normativa de protección de datos personales y garantía de los derechos digitales.» No hay un plazo en meses ni en años.

Y el artículo no se queda en el derecho de autor. Sus apartados 5 y 6 extienden lo mismo a otras capas de protección que podrías creer que te cubren: para esas reproducciones con fines de minería «no se necesitará la autorización del autor de una base de datos protegida legalmente y que haya sido divulgada». Si tu web es un catálogo, un directorio o una base de datos publicada, ese derecho tampoco cambia la respuesta por defecto.

Salvo que lo reserves, y ahí está todo

El apartado 3 del mismo artículo es el que te devuelve el control:

La norma europea de la que sale dice lo mismo con otra redacción. El artículo 4.3 de la Directiva (UE) 2019/790: «La excepción o limitación establecida en el apartado 1 se aplicará a condición de que el uso de las obras y otras prestaciones a que se refiere dicho apartado no esté reservado expresamente por los titulares de derechos de manera adecuada, como medios de lectura mecánica en el caso del contenido puesto a la disposición del público en línea.»

Las dos frases dicen que la reserva tiene que ser expresa y adecuada, y las dos nombran los medios de lectura mecánica. Pero no están redactadas igual, y la diferencia no la voy a resolver yo: la directiva ata los medios de lectura mecánica al contenido puesto a disposición del público en línea, mientras que el texto español habla de medios de lectura mecánica «u otros medios que resulten adecuados». Lo señalo porque es la clase de matiz del que depende un caso concreto, y porque no soy abogado.

Lo que sí es común a las dos y conviene fijar: una reserva que una máquina no pueda leer tiene difícil encaje cuando lo que estás intentando frenar es precisamente una máquina. Un aviso en el pie de página escrito para personas no es, por sí solo, lo que estos dos textos describen.

Lo que ninguna de las dos normas dice: en qué fichero

Aquí es donde la ley se queda corta de una forma que importa, y lo he comprobado contando sobre el texto en vez de suponerlo. En los 3.326 caracteres del artículo 67 del Real Decreto-ley 24/2021 no aparece ni una vez la palabra «robots», ni «fichero», ni «archivo», ni «protocolo», ni «formato», ni «etiqueta». El control positivo: «derechos» aparece siete veces en ese mismo artículo, así que estaba mirando el texto bueno.

Es decir: la ley te dice que la reserva tiene que ser legible por una máquina, y no te dice en qué forma. No hay un registro oficial donde apuntarse, ni un fichero con nombre fijado por norma, ni un formulario. La decisión sobre qué es «adecuado» se la deja a quien la exprese y, en última instancia, a quien la interprete.

Y aquí entra el Reglamento de IA, que cambia de lado la carga

Esto es lo que casi nunca se cuenta junto con lo anterior. El Reglamento (UE) 2024/1689, el reglamento europeo de IA, impone obligaciones a quien fabrica los modelos de uso general. Su artículo 53.1 dice que esos proveedores:

Fíjate en el verbo: detectar. No dice que tú tengas que avisarles uno por uno, ni que debas usar el formato que cada uno prefiera. Dice que ellos tienen que detectar la reserva que tú hayas expresado conforme al artículo 4.3, y además que lo hagan «por ejemplo, a través de tecnologías punta».

La letra d) del mismo apartado añade la otra mitad: «elaborarán y pondrán a disposición del público un resumen suficientemente detallado del contenido utilizado para el entrenamiento del modelo de IA de uso general, con arreglo al modelo facilitado por la Oficina de IA.»

Y hay fecha. El artículo 113 del propio reglamento establece que su capítulo V —donde está el artículo 53— «será aplicable a partir del 2 de agosto de 2025». No es futuro: ya está en vigor.

La investigación va por otro camino

Hay una parte del artículo 67 que conviene conocer antes de dar por hecho que una reserva lo frena todo. El apartado 4 habla de «Las reproducciones de obras y otras prestaciones efectuadas por organismos de investigación e instituciones responsables del patrimonio cultural» con fines de investigación científica, y les pone sus propias condiciones: «se almacenarán con un nivel adecuado de seguridad y podrán conservarse para la verificación de los resultados de la investigación».

Es un régimen distinto del de los apartados 1 a 3, y la diferencia de redacción importa: la reserva del apartado 3 está escrita contra «lo dispuesto en el apartado 1», no contra el artículo entero. No voy a decirte qué consecuencia tiene eso en un caso concreto, porque no soy abogado; sí te digo que si tu idea de reservar el uso es «así no me toca nadie», el texto es más matizado que eso.

A cambio, ese mismo apartado te reconoce algo útil: «los titulares de derechos estarán autorizados a aplicar medidas que tengan como único objetivo garantizar la seguridad e integridad de las redes y bases de datos en que estén almacenadas las obras», con el límite de que no vayan «más allá de lo necesario para lograr ese objetivo». Y prevé que unos y otros «podrán aprobar códigos de conducta voluntarios que recojan las mejores prácticas aplicables». Voluntarios: nadie está obligado a firmarlos.

Que entrenen con tu texto y que traten datos personales son dos preguntas

Esto se mezcla constantemente y son cosas separadas. Todo lo anterior va de derechos de autor: de si pueden copiar lo que escribiste. Si además en tu web hay datos personales —nombres de clientes en testimonios, un listado de personas, fotos identificables— entra una segunda norma, y el propio artículo 67.2 remite a ella cuando exige «pleno respeto a los principios de legalidad y a la normativa de protección de datos personales».

Son dos puertas distintas y se abren con llaves distintas: reservar el uso para minería no es lo mismo que ejercer derechos sobre datos personales, y lo segundo lo tratamos en ChatGPT y datos de clientes. Tampoco es la pregunta de quién es dueño de lo que la máquina produce después, que es otra distinta y está en si es tuya la imagen que genera la IA.

Qué puedes hacer hoy, sin inventarme nada

Con los tres textos delante, estas son las cosas que se deducen de lo que dicen, y he marcado dónde se acaba lo comprobable.

Exprésalo de forma que una máquina pueda leerlo, y además para personas. Las dos normas apuntan a medios de lectura mecánica, y el texto español admite «otros medios que resulten adecuados». Poner las dos cosas —algo que lea un programa y una cláusula en tus condiciones— cubre las dos redacciones sin tener que elegir cuál te aplica.

Ponle fecha y guárdate la prueba de cuándo la publicaste. La excepción del apartado 1 deja de aplicarse cuando hay reserva; lo que no hace ninguna de las dos normas es decir que una reserva de hoy alcance a lo que se copió el año pasado. Si algún día discutes esto, la fecha será el primer dato que te pidan.

Comprueba si tu web te deja hacerlo. No todas las plataformas de blogs o tiendas dan acceso a la configuración que haría falta. Es una pregunta para tu proveedor, y la respuesta condiciona lo que puedes decir que has reservado.

No esperes un acuse de recibo. Ninguno de los tres textos crea un registro, ni un trámite, ni una respuesta por parte de nadie. La obligación de detectar la reserva es del proveedor del modelo; tú no vas a recibir una confirmación de que lo ha hecho.

Lo que no he comprobado

No he leído la documentación de ningún proveedor de modelos sobre qué sistemas de reserva dice detectar, así que este artículo no afirma que unos la respeten y otros no. Tampoco he mirado resoluciones judiciales ni criterios administrativos sobre qué cuenta como «adecuado»: la pregunta está abierta en los textos y yo solo cuento lo que los textos dicen. Y el Real Decreto-ley 24/2021 se ha leído en su versión consolidada del BOE a 4 de noviembre de 2026.

No soy abogado y esto no es asesoramiento jurídico. Lo que aquí hay es la cita de tres normas con su localización exacta para que puedas leerlas tú o llevárselas a quien te asesore. Si de esto depende algo importante para tu negocio, consúltalo con un profesional.