Los datos para el monitoreo de precios, el entrenamiento de modelos o la analítica B2B se pueden obtener de tres maneras: pagar a la plataforma por una API oficial, comprar un conjunto de datos listo de un proveedor o recolectar los datos uno mismo mediante un parser a través de proxies. En 2026, la elección dejó de ser una cuestión de preferencia: los precios de las APIs oficiales aumentaron considerablemente, algunas de ellas cerraron para nuevos clientes, y los tribunales se pronunciaron por primera vez sobre el acceso de agentes de IA. Analizamos tres canales según siete criterios y ofrecemos una matriz de elección para escenarios específicos.
¿Qué criterios utilizar para comparar?
Comparar "API contra parsing" solo por el precio es el principal error. El costo real del canal se compone de siete parámetros, y cada escenario tiene su propio peso:
- Precio por unidad de datos — por solicitud, por registro o por gigabyte de tráfico.
- Cobertura — si el canal tiene exactamente los campos y objetos que necesita.
- Frescura — datos en tiempo real o un snapshot de hace una semana.
- Estado legal — contrato con la plataforma, licencia del proveedor o recolección de datos públicos bajo su propio riesgo.
- Tiempo hasta los primeros datos — desde unos minutos hasta varias semanas de aprobación manual.
- Estabilidad — con qué frecuencia falla el canal y qué sucede cuando cambian las reglas.
- Control del formato — si se pueden obtener campos arbitrarios o si se acepta lo que se proporciona.
Canal 1. API oficial de la plataforma
El canal más predecible legalmente y el más impredecible en cuanto a precios. Lo que sucedió con las grandes APIs hasta agosto de 2026:
- X (Twitter) — desde el 6 de febrero de 2026, el modelo de pago por uso se convirtió en el predeterminado para nuevos desarrolladores: no hay tarifa gratuita, no se puede suscribir a Basic o Pro como nuevo cliente. Las tarifas son de $0,005 por lectura de un post y $0,015 por publicación ($0,20 si el post contiene un enlace), con un límite de 2 millones de lecturas al mes. Más allá de eso, solo Enterprise a partir de aproximadamente $42,000 al mes. Las tarifas fijas anteriores ($200 Basic, $5,000 Pro) permanecen solo para suscriptores existentes.
- Reddit — el acceso comercial cuesta alrededor de $12,000 al mes por 50 millones de llamadas, y más allá del límite, aproximadamente $0,24 por 1,000 solicitudes. Las 100 solicitudes gratuitas por minuto en OAuth-client no están licenciadas para uso comercial, y la aprobación comercial pasa por una revisión manual de 2 a 4 semanas sin garantía de resultado.
- Amazon — la API de Publicidad de Productos 5.0 ya no acepta nuevos clientes y se está retirando: el 30 de abril de 2026 se anunció como la fecha de finalización del soporte, y el 15 de mayo se desconectará, con migración a la API de Creadores. El acceso se basa en ventas: se requieren al menos 10 ventas de referencia calificadas en los últimos 30 días, y cada vitrina se evalúa por separado, de lo contrario, la cuenta recibe un 429 y pierde el acceso.
- Instagram — la API de Visualización Básica murió definitivamente el 4 de diciembre de 2024, ya no hay datos de cuentas personales a través de la API de Graph, solo se admiten cuentas de Negocios y Creadores. Para producción, se requieren revisión de la aplicación y verificación del negocio, y una aplicación que no pase la revisión pierde los endpoints que utilizó en la fase de desarrollo.
Cuándo gana la API oficial: necesita datos de sus cuentas y clientes, el volumen es pequeño y estable, y la limpieza legal es más importante que el precio — por ejemplo, para la integración en un SaaS que vende a clientes corporativos. Cuándo pierde: necesita un amplio corte de mercado, datos públicos ajenos o campos que simplemente no están en la API.
Canal 2. Conjunto de datos listo de un proveedor
El mercado de datos web licenciados se ha consolidado en una industria separada en los últimos dos años. Orientación de precios: en Bright Data, los conjuntos de datos listos cuestan desde $2.50 por 1,000 registros, es decir, $250 por 100,000, con descuentos de hasta el 80% dependiendo de la frecuencia de actualización; la recolección gestionada para tareas específicas comienza en $1,500 al mes, y las suscripciones de la industria, como la analítica minorista, desde $250 al mes.
Las fortalezas son evidentes: los datos ya están limpios, deduplicados y estructurados, tiene un contrato y una factura, y puede obtener las primeras filas el día del pago. No hay costos de ingeniería.
Las debilidades aparecen más tarde. En primer lugar, retraso en la frescura: obtiene un corte con la frecuencia de actualización que estableció el proveedor, y para el monitoreo de precios en tiempo real, esto a menudo no es suficiente. En segundo lugar, cobertura ajena: si el mercado, región o idioma que necesita no está en el catálogo, solo se puede agregar a través de un pedido personalizado y a otro precio. En tercer lugar, esquema fijo: un campo que no está en el conjunto de datos no se puede obtener de ninguna manera.
Cuándo gana el conjunto de datos: investigación única, entrenamiento de un modelo en un corte histórico, rápida verificación de hipótesis, cuando el tiempo hasta el resultado es más valioso que el costo por registro. Cuándo pierde: necesita frescura en horas, campos no estándar o geografía restringida.
Canal 3. Su propio parser a través de proxies
Aquí paga no por los datos, sino por la infraestructura de acceso: tráfico de proxies, renderizado y tiempo de ingeniería. El mercado de proxies residenciales en 2026 se dividió en tres niveles: empresarial (Bright Data, Oxylabs) en el rango de $8.5–12 por gigabyte, segmento medio (Decodo, SOAX, NetNut) en $3–6, y económico (IPRoyal, Webshare) — desde $1.75 por gigabyte en un modelo de pago por uso.
Pero el precio por gigabyte es una métrica engañosa. Se debe considerar el costo de una solicitud exitosa: los proxies de centros de datos a $1 por gigabyte son inútiles si el sitio objetivo rechaza el 90% de las solicitudes; paga por un volumen diez veces mayor de reintentos. Los IP residenciales mantienen una tasa de respuestas exitosas en sitios protegidos en el rango del 90–99%, mientras que los de centros de datos en los mismos objetivos caen al 40–60%, y en protección pesada, hasta el 20–30%. Analizamos en detalle la distribución por peso de la página, reintentos y costos ocultos en el material cuánto cuesta realmente raspar un millón de páginas.
Una pregunta aparte es dónde exactamente se encuentra la frontera entre proxies crudos y una API de scraping lista: se basa en el peso de la respuesta, y este es el tema de nuestra comparación de proxies, desbloqueadores y APIs de scraping.
Cuándo gana su propio parser: necesita campos arbitrarios, frescura en minutos, amplia cobertura de plataformas y un precio predecible en grandes volúmenes. Cuándo pierde: no tiene un ingeniero que repare el pipeline, y el volumen se mide en miles de páginas al mes — aquí es más barato comprar un conjunto de datos.
Capa legal: qué ha cambiado en 2026
El 4 de agosto de 2026, el Noveno Circuito de Apelaciones de EE. UU. levantó la prohibición preliminar que impedía al agente de IA Perplexity acceder a Amazon por mandato de los usuarios. El tribunal determinó que cuando un usuario encarga a un agente realizar una acción en Amazon, el "acceso" a los sistemas de Amazon es realizado por el usuario, no por Perplexity: la ley CFAA se refiere a "quien" obtiene acceso, es decir, a una persona, no a una herramienta de software. Esta es la primera decisión a nivel de circuito de apelaciones en la intersección de la IA agente y la ley federal sobre fraude informático — los detalles los analizamos en un artículo separado sobre la decisión en el caso Amazon contra Perplexity.
La conclusión práctica para la elección del canal: la decisión reduce parte del riesgo de la automatización por mandato de un usuario específico, pero no hace que la recolección masiva de datos ajenos sea gratuita y sin riesgos. Los términos de uso de la plataforma, los derechos de autor sobre el contenido y la protección de datos personales siguen vigentes. La API oficial sigue siendo el único canal donde tiene un contrato; el conjunto de datos transfiere parte de la responsabilidad al proveedor; el scraping de datos públicos es una zona donde la decisión la toma usted mismo.
Matriz de elección para el escenario
- Monitoreo de precios de competidores en tiempo real. La API oficial casi siempre es inadecuada: los campos necesarios no están o el acceso está vinculado a ventas, como en Amazon. El conjunto de datos se queda atrás en frescura. La elección es su propio parser en proxies residenciales con frecuencia de rastreo adaptada a la volatilidad de precios.
- Entrenamiento de un modelo en un corpus histórico. La frescura no es crítica, el volumen es enorme, el esquema es estándar. La elección es un conjunto de datos listo; la recolección propia de tal volumen desde cero casi siempre es más cara.
- Generación de leads B2B y enriquecimiento de CRM. No existen APIs oficiales para perfiles ajenos. Un enfoque razonable es un conjunto de datos licenciado más un enriquecimiento puntual con su propio parser en campos específicos.
- Analítica SMM para sus cuentas. La API oficial es insustituible: Instagram Graph para Negocios/Creador, X pay-per-use para pequeños volúmenes de lectura. Raspar sus propios datos es inútil.
- Investigación de mercado única durante dos semanas. Calcule el tiempo: si un ingeniero gasta más tiempo en el pipeline que el costo del conjunto de datos, compre el conjunto de datos. Si los datos no están en los catálogos, levante un parser temporal en proxies residenciales con pago por tráfico y apáguelo después del proyecto.
Híbrido como norma
En la práctica, los equipos maduros en 2026 no eligen un solo canal, sino que distribuyen tareas en tres: API oficial — donde los datos son propios y el contrato es obligatorio; conjunto de datos — para una base histórica y un inicio rápido; su propio parser — para frescura, campos no estándar y volumen, donde la economía del gigabyte supera el costo por registro. Los IP de centros de datos se utilizan para objetivos fáciles y verificaciones internas, mientras que los residenciales y móviles se dirigen a plataformas con protección real.
Lo principal que debe llevarse: no cuente la lista de precios, sino el costo de un registro útil teniendo en cuenta reintentos, retrasos y tiempo de ingeniería. Según esta métrica, un canal "caro" resulta ser regularmente barato, y un "barato", lo contrario.
Conclusión
Las APIs oficiales en 2026 se convirtieron en un canal para trabajar con sus propios datos y pequeños volúmenes: X trasladó a nuevos desarrolladores a un pago por uso, Reddit mantiene el acceso comercial en $12,000 al mes, Amazon cierra la PA-API, e Instagram ha cortado las cuentas personales. Los conjuntos de datos listos cierran la historia y el inicio rápido desde $2.50 por mil registros, pero no ofrecen frescura ni campos arbitrarios. Su propio parser a través de proxies sigue siendo el único canal con control total sobre el esquema y la frecuencia de actualización — y gana en costos en volumen, si se considera el costo de una solicitud exitosa, no de un gigabyte. Si su escenario requiere datos frescos de plataformas protegidas, comience con una prueba de proxies residenciales en un objetivo real y mida la tasa de respuestas exitosas — este número resolverá la disputa entre los tres canales más rápido que cualquier tabla.
```