Meta permite rastrear sitios de anunciantes: condiciones a partir del 30 de octubre y scraping

A partir del 30 de octubre de 2026, Meta implementará los nuevos Términos Comerciales, que son las condiciones para todos aquellos que utilizan Facebook, Instagram, Messenger y WhatsApp con fines comerciales: lanzan publicidad, gestionan una página de marca, venden a través de un catálogo. En el nuevo texto se incluye un párrafo que los abogados y los medios notaron solo a mediados de octubre: el negocio permite a Meta eludir automáticamente sus sitios — indexar, almacenar en caché, recopilar y analizar contenido. No se puede renunciar a este punto por separado, solo dejar de utilizar los productos comerciales de Meta.

La historia es interesante no solo para los editores. Esta es la misma Meta que ha estado litigando durante años contra los scrapers, incluyendo Bright Data, y perdió una disputa clave precisamente sobre el tema de "quién está sujeto a las condiciones de uso". Ahora la empresa utiliza el mismo mecanismo contractual a su favor. Analicemos qué está escrito en las condiciones, qué ha corregido Meta después del escándalo y cuáles son las conclusiones prácticas para aquellos que recopilan datos o protegen su sitio de bots.

Qué está escrito en los nuevos términos de Meta

Meta anunció la actualización a principios de octubre en el Centro de Ayuda Empresarial y en Meta Business Suite. Abarca varios documentos: Términos Comerciales, condiciones del catálogo de productos, condiciones de publicidad autónoma y condiciones para la generación de creatividades publicitarias mediante IA. La versión anterior de los Términos Comerciales estaba vigente desde el 6 de marzo de 2024, y, según el análisis de PPC Land, no contenía ningún lenguaje sobre crawling.

En la nueva redacción, la sección 1 fue renombrada de "Licencias" a "Licencias y derechos que usted otorga a Meta". Las formulaciones clave en la versión original son:

• el negocio permite a Meta "o a cualquier persona que actúe en su nombre" utilizar software automatizado para acceder, indexar, almacenar en caché, analizar, recopilar y rastrear dominios, páginas y URL, así como obtener actualizaciones periódicamente;
• se incluyen sitios "relacionados" con productos o servicios del negocio o accesibles a través del uso de productos de Meta. El texto no define qué significa "relacionados";
• el contenido obtenido puede ser utilizado por Meta para "proporcionar, desarrollar, mejorar, investigar, entrenar y mantener la integridad" de sus productos;
• Meta tiene derecho a crear "credenciales de prueba" para acceder a estos recursos. Lo que esto significa en la práctica no se explica en las condiciones.

El consentimiento se formaliza de manera habitual para las plataformas: si continúa utilizando los productos comerciales después de ser notificado sobre los cambios, ha aceptado los mismos. Una publicación en la página de la empresa el 31 de octubre ya se considera una aceptación. No hay opción de rechazo parcial del párrafo sobre crawling.

Reacción de los abogados y respuesta de Meta

La historia fue levantada el 15 de octubre por Nieman Lab, que encuestó a tres juristas. Sus evaluaciones fueron contundentes:

• Matt Topic (Loevy & Loevy) dijo que no está claro si un tribunal reconocerá tal cláusula, pero los editores "deben asumir que será ejecutable";
• James Grimmelmann (Cornell Law School) calificó el párrafo como un claro permiso para que Meta entrene IA con el contenido de los editores. Además, destacó las "credenciales de prueba": en su opinión, esto podría permitir la creación de usuarios ficticios y eludir muros de registro;
• Benjamin Sobel (University of Wisconsin) señaló un posible problema de "vinculación": para utilizar los productos necesarios, el negocio se ve obligado a aceptar también el crawling.

El director de News/Media Alliance, Daniel Coffey, calificó las condiciones de "escandalosas y probablemente ilegales". Jason Kint de Digital Content Next preguntó por qué Meta necesita exigir derechos amplios y especificar el entrenamiento de IA en un contrato vinculante si, según ellos, nada cambia.

La posición de Meta: el 16 de octubre, el director de comunicaciones Andy Stone calificó las publicaciones de "falsas" y afirmó que no hay cambios en la forma en que Meta utiliza los crawlers web. Según la empresa, las formulaciones sobre crawling anteriormente estaban dispersas en diferentes documentos, incluyendo las condiciones de IA generativa en publicidad, y ahora simplemente se han reunido en un solo lugar. Los propietarios de contenido, según Meta, aún pueden gestionar el acceso a través de robots.txt.

El 17 de octubre, el texto fue corregido. Según Nieman Lab, se eliminó la palabra "train" de la lista de objetivos, y el uso se limitó a productos publicitarios y comerciales en lugar de todos los productos de Meta. Algunas publicaciones, citando a The Verge, informan que el punto controvertido fue eliminado por completo. Sin embargo, los expertos con los que habló Nieman Lab creen que los derechos amplios sobre crawling en las condiciones aún permanecen, y que las cuentas comerciales no tienen la opción de rechazar hasta el 30 de octubre. La redacción final debe ser verificada en la página de Términos Comerciales antes de que entren en vigor.

Doble estándar: cómo Meta perdió ante Bright Data y qué aprendió

Para entender por qué los abogados están tan preocupados, es necesario recordar el caso Meta Platforms v. Bright Data. El 23 de enero de 2024, el juez Edward Chen (Distrito Norte de California) falló a favor de Bright Data en una demanda por incumplimiento de contrato. La lógica del tribunal: las condiciones de Meta prohíben el scraping, pero solo vinculan a los usuarios que han iniciado sesión. La recopilación de datos públicos sin iniciar sesión no está sujeta a estas condiciones. El tribunal también no encontró pruebas de que Bright Data recopilara datos accesibles solo después de iniciar sesión y desestimó la idea de que un ex usuario esté vinculado a las condiciones indefinidamente.

La conclusión de ese caso, en la que se basa toda la industria desde entonces: el contrato vincula a quien lo acepta. Los nuevos Términos Comerciales funcionan bajo el mismo esquema, pero al revés. Meta no puede obligar a un sitio ajeno a permitir que su crawler acceda, pero puede obtener el consentimiento del propietario a través de un contrato que ya ha aceptado para lanzar publicidad. Y robots.txt aquí es un consuelo débil: las condiciones no hablan de ello, y los abogados temen que Meta pueda referirse al contrato como un permiso más fuerte que la prohibición en el archivo técnico.

Qué crawlers utiliza Meta en los sitios

En la documentación para webmasters, Meta actualmente enumera cinco agentes. Dependiendo de cuál de ellos venga, se determinará si se aplica la prohibición en robots.txt:

• meta-externalagent — recopila páginas para entrenar modelos básicos de IA y para indexación en productos. Un token para ambas tareas, por lo que no se puede permitir la indexación y prohibir el entrenamiento por separado;
• meta-webindexer — indexa la web para búsqueda y citas en Meta AI;
• meta-externalads — crawler para productos publicitarios y comerciales, es decir, exactamente para la zona que Meta limitó en el nuevo punto;
• meta-externalfetcher — carga enlaces individuales a solicitud del usuario, incluyendo para tareas de IA. Según la documentación, puede ignorar robots.txt, porque es una solicitud de una persona;
• facebookexternalhit — genera una vista previa de un enlace cuando se comparte. También puede eludir robots.txt por razones de seguridad e integridad.

Qué hacer si usted es propietario de un sitio con cuenta comercial en Meta

Si vende a través de Instagram o realiza publicidad en Facebook, no podrá cambiar la parte contractual. La parte técnica está en sus manos.

1. Decida qué está dispuesto a ceder. La vista previa de enlaces (facebookexternalhit) es necesaria, de lo contrario, las publicaciones con su sitio estarán sin imagen. El crawler publicitario (meta-externalads) es necesario si utiliza un catálogo de productos y publicidad dinámica. El entrenamiento de modelos (meta-externalagent) no aporta nada para la tienda.
2. Escriba reglas en robots.txt para los diferentes agentes, por ejemplo: User-agent: meta-externalagent y Disallow: /. Meta advierte que los crawlers almacenan en caché el archivo y los cambios se aplican en hasta 24 horas.
3. Revise los registros. Filtre las solicitudes por las cadenas meta-externalagent, meta-externalads y meta-webindexer, cuente qué secciones están eludiendo y cuántas. Esta es la base con la que se puede comparar el comportamiento después del 30 de octubre.
4. Cierre contenido valioso a nivel de servidor, no solo en robots.txt: precios, bases de conocimiento, materiales de pago — detrás de autenticación o con restricción por User-Agent en CDN. robots.txt sigue siendo un acuerdo voluntario, no una cerradura.
5. Guarde la edición actual de las condiciones (captura de pantalla o PDF con fecha). Las formulaciones ya se han corregido unas semanas después del anuncio, y en caso de disputa será útil tener la versión que estaba vigente en una fecha específica.

Qué significa esto para quienes recopilan datos

Para los equipos que recopilan datos de plataformas, la historia de Meta es una ilustración clara de dónde realmente se encuentra la frontera legal.

• Iniciar sesión es como firmar un contrato. La decisión sobre Bright Data protege la recopilación de datos públicos sin iniciar sesión. Tan pronto como el parser opera desde una cuenta, las condiciones de la plataforma se aplican a usted, y la prohibición de la recopilación automatizada se convierte en una obligación contractual. Más sobre lo que esto implica en la práctica, lo hemos escrito en el análisis de los riesgos de violar los Términos de Servicio al trabajar a través de proxies.
• Separe la infraestructura. Las cuentas comerciales a través de las cuales realiza publicidad y los recolectores de datos no deben cruzarse ni por cuentas ni por IP. Para la recopilación pública sin iniciar sesión, generalmente es suficiente con proxies de centros de datos, y para plataformas con filtros anti-bots estrictos — IP residenciales con rotación.
• robots.txt es una señal, no una ley, en ambas direcciones. Meta misma reconoce que dos de sus agentes pueden eludirlo. Pero para su proyecto, el cumplimiento de robots.txt sigue siendo un argumento de buena fe, si se llega a una disputa. La práctica está descrita en el material sobre parsing ético y robots.txt.
• Esté atento a los cambios en las condiciones. Las plataformas modifican sus condiciones a través de "continuar usando significa aceptar". Una vez por trimestre es útil comparar las condiciones actuales de las plataformas con las que trabaja bajo su cuenta con copias guardadas.

Conclusión

Los nuevos Términos Comerciales de Meta muestran hacia dónde se dirige la lucha por los datos web en 2026: de barreras técnicas a contractuales. La empresa que perdió la disputa sobre a quién vinculan sus condiciones ahora utiliza esas mismas condiciones para obtener el consentimiento para eludir los sitios de sus anunciantes. Después de la corrección del 17 de octubre, las formulaciones se suavizaron, pero la opción de rechazar sigue sin existir, y las condiciones entran en vigor el 30 de octubre. Los propietarios de sitios deben ajustar robots.txt según los agentes y guardar una copia de las condiciones, mientras que los equipos que recopilan datos deben revisar nuevamente dónde su recopilación se realiza bajo inicio de sesión y qué riesgos conlleva.