Meta elimina ‘training’ de su cláusula de crawling, pero sigue rastreando

AI Search

Meta elimina ‘training’ de su cláusula de crawling, pero sigue rastreando

Vakho Mtchedlishvili · 20 oct 2026 4 min lectura · Asistido por IA

Meta ha dado marcha atrás parcial. La compañía ha eliminado la palabra «training» de la cláusula de rastreo de sus nuevos Términos Comerciales que entran en vigor el 30 de octubre de 2026, pero mantiene intacto el permiso para crawlear los sitios web asociados a cualquier negocio que utilice sus productos. Es decir: cambian el envoltorio, no el mecanismo.

La modificación llega después de que Nieman Lab publicara el análisis de varios juristas apuntando que el texto original habilitaba a Meta a scrapear medios para entrenar IA, y tras las quejas formales del European Publishers Council y la News Media Association británica. Pero si lees la letra pequeña, el margen de interpretación sigue siendo enorme. Y afecta a cualquier empresa hispanohablante con una Página de Facebook, aunque no invierta un euro en Meta Ads.

Qué cambia exactamente en la cláusula

La redacción original permitía a Meta usar el contenido rastreado para «proveer, desarrollar, mejorar, investigar, entrenar y mantener la integridad» de sus productos. La nueva versión sustituye ese objetivo genérico por «proveer, desarrollar, mejorar, investigar y mantener productos publicitarios y de negocio», más un paraguas de «integridad y seguridad».

El problema es doble. Primero, como apunta el abogado Matt Topic (Loevy & Loevy), «develop» es lo bastante amplio como para incluir «train». Segundo, el término «business product» no está definido en ninguna parte del contrato. Traducido: Meta se reserva el derecho de interpretar qué entra ahí. El profesor James Grimmelmann (Cornell) lo resume mejor: la cláusula sigue siendo «lo bastante ancha como para que pase un camión».

El acceso técnico no se ha tocado

Aquí está la clave que muchos están pasando por alto. Meta mantiene su capacidad de usar software automatizado, crear credenciales de prueba y recuperar actualizaciones periódicas de los sitios asociados. El nuevo texto sigue sin mencionar robots.txt, aunque el portavoz Daniel Roberts haya declarado a The Verge que las preferencias se respetan.

Y hay una incoherencia reveladora: a 19 de octubre, la versión en inglés británico del acuerdo Self-Serve Ad Terms todavía incluía la palabra «train». La estadounidense ya no. Para quien gestionamos SEO internacional, este tipo de desalineaciones entre jurisdicciones son una señal roja clásica: significa que la posición legal real aún no está consolidada.

Qué implica para webs y medios en español

Si tu empresa tiene una Página de Facebook (y hoy casi todas la tienen), aceptar los nuevos términos el 30 de octubre implica otorgar a Meta permiso de rastreo sobre «los sitios web asociados a tus productos o servicios». Esa frase no se ha modificado. Grimmelmann avisa de que permite scrapear el sitio entero.

Para medios en castellano, el riesgo es evidente: aunque Meta diga que «esto no va de scrapear medios», el permiso contractual existe. Y en caso de disputa, lo que vale es el texto firmado, no la nota de prensa.

Cómo configurar robots.txt para los crawlers de Meta

Meta documenta varios user-agents separados. Esto permite granularidad real si sabes dónde mirar:

  • Meta-ExternalAgent: usado para entrenamiento de modelos de IA.
  • Meta-ExternalFetcher: vinculado a Meta AI y asistentes.
  • facebookexternalhit: el clásico para previews de enlaces compartidos.

Mi recomendación práctica antes del 30 de octubre:

  • Revisa tu robots.txt y decide qué crawler bloqueas. Bloquear facebookexternalhit romperá tus previsualizaciones en Facebook, Instagram y WhatsApp. Bloquear Meta-ExternalAgent no.
  • Verifica en logs de servidor qué user-agents de Meta están accediendo realmente y con qué frecuencia.
  • Si gestionas un medio o un sitio con contenido original de valor, considera bloqueos selectivos a nivel de servidor (nginx, Cloudflare) y no solo robots.txt. Recuerda: como señala el profesor Benjamin Sobel (Wisconsin), robots.txt es una preferencia, no un derecho legal exigible.
  • Documenta la fecha y versión del término aceptado. Si Meta cambia el preview otra vez antes del 30, guarda captura.

La lectura estratégica: GEO y control de activos

Esto no es un caso aislado. Encaja en la tendencia que vengo señalando: las grandes plataformas están reescribiendo sus términos para asegurar input de datos para IA generativa sin tener que negociar licencias. Google lo hace con Google-Extended, OpenAI con GPTBot, y ahora Meta refina su propia infraestructura.

Para quienes trabajamos GEO (Generative Engine Optimization), hay una paradoja incómoda: queremos aparecer citados en respuestas de Meta AI, pero no necesariamente queremos regalar nuestro corpus completo para entrenamiento. La solución pasa por distinguir entre crawlers de retrieval y crawlers de training, y configurar robots.txt en consecuencia.

Conclusión práctica

Antes del 30 de octubre, haz tres cosas: audita qué crawlers de Meta están tocando tu web, actualiza tu robots.txt con decisiones conscientes por cada user-agent, y si eres medio o productor de contenido original de alto valor, consulta con tu equipo legal el alcance real de aceptar los nuevos Términos Comerciales. Meta ha quitado una palabra; no ha quitado el acceso. Esa distinción lo cambia todo.

Fuente original: Search Engine Journal

Autor

Vakho Mtchedlishvili

SEO Lead especializado en ecommerce y AI Search. Ayudo a negocios digitales a crecer en Google y en los nuevos entornos de búsqueda con IA.

Deja un comentario