Thu thập tự động văn bản pháp luật có thể hợp pháp, nhưng chỉ khi bạn lấy từ nguồn cho phép, theo cách nguồn đó cho phép, và không vượt qua bất kỳ rào chắn kỹ thuật nào. Việc văn bản không được bảo hộ quyền tác giả chỉ trả lời câu hỏi về câu chữ. Nó không trả lời câu hỏi bạn được truy cập hệ thống của người khác đến đâu, với tốc độ nào, bằng tài khoản của ai.
Bài này dành cho người làm dữ liệu, nhóm sản phẩm legal-tech và pháp chế muốn tự động cập nhật kho văn bản. Bài nói về nguyên tắc pháp lý và cách tổ chức công việc cho đúng; bài không hướng dẫn kỹ thuật vượt rào, và nếu một cách làm cần đến việc vượt rào thì đó là dấu hiệu bạn đang ở sai đường.
Ba câu hỏi pháp lý tách biệt nhau
Khi bàn chuyện tải dữ liệu tự động, người ta hay gộp mọi thứ vào câu "có vi phạm bản quyền không". Thực tế có ít nhất ba câu hỏi độc lập, và một câu trả lời "được" cho câu này không kéo theo "được" cho câu kia.
Câu thứ nhất là quyền đối với nội dung: văn bản luật, bản án, văn bản hành chính không được bảo hộ quyền tác giả; phần biên tập của người vận hành kho thì có thể được bảo hộ. Câu thứ hai là quan hệ hợp đồng: điều khoản sử dụng của trang có cho phép tải tự động hay không, giới hạn ra sao. Câu thứ ba là quyền truy cập hệ thống: bạn có đang truy cập trong phạm vi được phép, hay đang đi vào phần không dành cho mình, gây quá tải, hoặc vượt qua biện pháp bảo vệ.
Câu thứ ba là nơi rủi ro nặng nhất. Pháp luật về an toàn thông tin mạng, an ninh mạng và Bộ luật Hình sự có các quy định xử lý hành vi truy cập trái phép, cản trở hoạt động của hệ thống thông tin. Mức xử lý tuỳ hành vi và hậu quả, có thể từ xử phạt hành chính đến truy cứu trách nhiệm hình sự. Lập luận "dữ liệu là của chung" không bào chữa được cho hành vi truy cập trái phép.
Phân loại cách thu thập theo mức rủi ro
Bảng dưới xếp các cách lấy dữ liệu thường gặp theo mức rủi ro pháp lý. Đây là cách nhìn nguyên lý; từng trường hợp còn tuỳ điều khoản và cách làm cụ thể.
| Cách lấy dữ liệu | Mức rủi ro | Vì sao |
|---|---|---|
| Tải bộ dữ liệu, bản xuất mà cơ quan nhà nước công bố để tái sử dụng | Thấp | Nguồn đã chủ động cho phép, kèm điều kiện rõ |
| Dùng giao diện lập trình chính thức theo hướng dẫn của bên cung cấp | Thấp | Truy cập đúng kênh, đúng giới hạn được cấp |
| Tải tự động trang công khai, tôn trọng chỉ dẫn của trang, tốc độ thấp, không đăng nhập | Trung bình | Phụ thuộc điều khoản và chỉ dẫn của từng trang |
| Tải tự động trang tư nhân có điều khoản cấm công cụ tự động | Cao | Vi phạm hợp đồng, có thể kèm tranh chấp về sưu tập dữ liệu |
| Dùng tài khoản của người khác, tài khoản dùng chung để tải | Rất cao | Truy cập ngoài phạm vi được cấp |
| Vượt qua đăng nhập, mã xác nhận, giới hạn truy cập hoặc biện pháp bảo vệ khác | Rất cao | Có thể là hành vi truy cập trái phép theo pháp luật về an toàn thông tin và hình sự |
Hai hàng cuối là vùng không làm, bất kể mục đích tốt đến đâu. Nếu nhu cầu dữ liệu của bạn chỉ đáp ứng được bằng cách đó, hãy chuyển sang đàm phán với bên giữ dữ liệu.
Nguyên tắc cho cách làm hợp pháp
Bắt đầu từ nguồn chính thức. Công báo, cơ sở dữ liệu quốc gia về văn bản pháp luật, cổng thông tin của cơ quan ban hành, cổng công bố bản án của toà án. Đọc kỹ quy định khai thác mà các nguồn này công bố; nếu có kênh cung cấp dữ liệu chính thức thì dùng kênh đó trước.
Đọc và tôn trọng chỉ dẫn của trang. Điều khoản sử dụng và các chỉ dẫn dành cho công cụ tự động mà trang công bố là tín hiệu rõ nhất về việc bên vận hành cho phép đến đâu. Làm ngược chỉ dẫn là tự tạo bằng chứng chống lại mình.
Giữ tốc độ ở mức không ảnh hưởng hệ thống. Một hệ thống công nhỏ có thể chậm đi vì một công cụ tải quá nhanh. Gây gián đoạn cho người dùng khác là thiệt hại có thật, và là điểm bất lợi lớn nếu có tranh chấp.
Minh bạch danh tính. Công cụ của bạn nên tự giới thiệu, có cách để bên vận hành liên hệ khi có vấn đề. Che giấu danh tính, giả làm trình duyệt người dùng, đổi địa chỉ liên tục để tránh bị chặn là những hành vi cho thấy bạn biết mình không được phép.
Dừng khi bị yêu cầu. Bị chặn hoặc nhận thư yêu cầu ngừng thì dừng, rồi liên hệ để làm rõ. Tìm cách đi vòng sau khi đã bị chặn là chuyển từ vùng tranh cãi sang vùng vi phạm rõ ràng.
Lập kế hoạch thu thập cho một dự án: các bước
Một nhóm nhỏ muốn tự động cập nhật kho văn bản hằng ngày có thể đi theo trình tự này. Mỗi bước nên có người chịu trách nhiệm và có ghi chép.
- Liệt kê loại dữ liệu cần và nguồn chính thức của từng loại; xác định nguồn nào có kênh cung cấp dữ liệu, nguồn nào chỉ có trang xem.
- Đọc điều khoản và quy định khai thác của từng nguồn, lưu bản đọc kèm ngày.
- Với nguồn chưa rõ có cho phép tải tự động hay không, gửi đề nghị bằng văn bản tới bên vận hành, nêu mục đích, tần suất, khối lượng.
- Thiết kế công cụ chỉ đi vào phần công khai, tốc độ thấp, có giới hạn tổng lượt mỗi ngày, có thông tin liên hệ.
- Ghi nhật ký: lấy gì, từ đâu, lúc nào, để chứng minh cách làm và để kiểm lỗi dữ liệu.
- Lọc dữ liệu cá nhân theo quy tắc nội bộ ngay sau khi thu thập, nhất là với bản án và văn bản cá biệt.
- Rà lại định kỳ: điều khoản có đổi không, nguồn có mở kênh cung cấp mới không, có thư phản hồi nào từ bên vận hành không.
Bước thứ ba hay bị bỏ qua vì sợ bị từ chối. Thực tế nhiều cơ quan và đơn vị vận hành sẵn sàng hỗ trợ khi mục đích rõ, và một văn bản đồng ý là tài sản pháp lý quý của dự án.
Dữ liệu cá nhân: nghĩa vụ phát sinh ngay khi tải về
Kho văn bản quy phạm hiếm khi chứa dữ liệu cá nhân. Nhưng khi bạn mở rộng sang bản án, quyết định xử phạt, quyết định cá biệt về đất đai, nhân sự, thì việc thu thập tự động chính là một hoạt động xử lý dữ liệu cá nhân quy mô lớn. Luật Bảo vệ dữ liệu cá nhân 2025 có hiệu lực từ 1/1/2026 áp dụng cho hoạt động này.
Hệ quả thực tế: bạn cần xác định mục đích xử lý, chỉ lấy những gì cần cho mục đích đó, bảo đảm an toàn cho kho, và có cách đáp ứng khi người có tên trong dữ liệu thực hiện quyền của họ. Thông tin đã được công khai ở nguồn không tự động cho phép bạn xử lý theo mọi mục đích.
Với dữ liệu thu thập để huấn luyện hoặc làm nguồn cho công cụ trả lời tự động, nên tách sớm phần văn bản không có dữ liệu cá nhân ra dùng riêng, và xử lý phần còn lại theo quy trình ẩn danh có kiểm tra. Đọc kèm Luật Dữ liệu 2024 có hiệu lực từ 1/7/2025 để thiết kế khung quản trị kho cho phù hợp.
Khi bên giữ dữ liệu từ chối: còn những lựa chọn nào
Không phải đề nghị nào cũng được chấp nhận. Một trang tư nhân có thể từ chối vì kho dữ liệu là lợi thế cạnh tranh của họ; một hệ thống công có thể chưa có cơ chế cung cấp dữ liệu hàng loạt. Bị từ chối không có nghĩa là dự án dừng, mà là phải đổi đường.
Lựa chọn thứ nhất là quay về nguồn gốc hơn. Văn bản trên trang tư nhân gần như luôn có bản gốc ở Công báo hoặc cổng của cơ quan ban hành; bản án có ở cổng công bố của toà án. Lấy từ đó chậm hơn nhưng sạch. Lựa chọn thứ hai là giảm phạm vi: thay vì muốn có mọi văn bản, chọn đúng tập văn bản phục vụ nghiệp vụ của bạn và cập nhật bằng quy trình bán tự động có người kiểm. Lựa chọn thứ ba là mua quyền: thoả thuận cấp phép dữ liệu có phí với bên đã đầu tư biên tập.
Điều không phải là một lựa chọn: lấy bằng cách mà bên kia đã từ chối. Một lời từ chối bằng văn bản khiến mọi hành vi tải sau đó trở nên khó bào chữa hơn rất nhiều so với trước khi hỏi.
Những việc không làm, dù kỹ thuật cho phép
Danh sách này ngắn và không có ngoại lệ. Nếu thành viên trong nhóm đề xuất một trong những việc dưới đây để "lấy cho nhanh", câu trả lời là không.
- Không dùng tài khoản của người khác hoặc tài khoản trả phí dùng chung để tải dữ liệu.
- Không tìm cách vượt qua đăng nhập, mã xác nhận, giới hạn truy cập hay bất kỳ biện pháp bảo vệ nào.
- Không tiếp tục tải sau khi đã bị chặn hoặc nhận yêu cầu ngừng.
- Không che giấu danh tính công cụ để tránh bị nhận ra.
- Không tải ở tốc độ làm chậm hoặc gián đoạn hệ thống của bên khác.
- Không lấy phần dữ liệu không công khai, kể cả khi đường dẫn tới nó vô tình bị lộ.
Mỗi việc trên đều có thể biến một dự án dữ liệu hợp pháp thành vụ việc pháp lý. Thời gian tiết kiệm được không bao giờ bù nổi rủi ro đó.
Câu hỏi thường gặp
Trang không ghi gì về tải tự động thì có được tải không?
Không có điều khoản cấm không đồng nghĩa với được phép không giới hạn. Bạn vẫn phải giữ tốc độ hợp lý, chỉ lấy phần công khai, không vượt rào chắn. Với dự án lâu dài, gửi đề nghị và có văn bản đồng ý của bên vận hành là cách chắc chắn nhất.
Cổng thông tin của cơ quan nhà nước thì có được tải tự động thoải mái không?
Văn bản trên đó không được bảo hộ quyền tác giả, nhưng hệ thống vẫn có quy định khai thác và biện pháp bảo vệ. Tải quá nhanh có thể gây gián đoạn dịch vụ công. Hãy ưu tiên kênh cung cấp dữ liệu chính thức nếu có, và đọc quy định khai thác đi kèm.
Tải chậm, mỗi phút một trang, có được coi là hợp pháp không?
Tốc độ thấp giảm rủi ro gây quá tải, nhưng không thay được sự cho phép. Nếu điều khoản cấm công cụ tự động thì tải chậm vẫn là vi phạm hợp đồng. Tốc độ chỉ là một yếu tố, bên cạnh nguồn, phạm vi và cách truy cập.
Thuê bên ngoài thu thập thì trách nhiệm thuộc về ai?
Bên thực hiện chịu trách nhiệm về hành vi của mình, nhưng bên thuê cũng có thể liên đới nếu biết hoặc buộc phải biết cách làm trái phép, và dữ liệu có được là tài sản rủi ro của bên thuê. Hợp đồng thuê nên ghi rõ nguồn, cách làm, cam kết không vượt rào, và quyền kiểm tra nhật ký.
Có nên thu thập bản án từ các trang tổng hợp thay vì cổng công bố của toà án?
Không nên. Bản trên trang tổng hợp có thể đã bị chỉnh sửa, mất phần ẩn danh hoặc gắn thêm thông tin, và bạn còn chịu điều khoản của trang đó. Cổng công bố của toà án là nguồn đúng cả về độ chính xác lẫn về mức ẩn danh.
Đã lỡ tải dữ liệu theo cách có rủi ro thì nên làm gì?
Dừng việc tải, khoanh vùng phần dữ liệu đó, không đưa vào sản phẩm. Thay thế bằng dữ liệu lấy lại từ nguồn chính thức. Nếu đã nhận thư từ bên vận hành hoặc dữ liệu đã được dùng thương mại, nên hỏi luật sư trước khi trả lời.