Diario Oficial de la Federación, edición matutina del lunes 1 de junio de 2026 (No. de publicación 142/2026), que incluye, entre otros, el Programa Institucional del Instituto Nacional de Electricidad y Energías Limpias 2026-2030, convenios de subsidios para búsqueda de personas, convenios marco de CONAGUA en materia hídrica, anexo técnico del Programa de Sanidad e Inocuidad Agroalimentaria (SENASICA), convenio en materia de salud pública, convenios de la Secretaría de las Mujeres y avisos judiciales.

Es la única mención EXPLÍCITA de inteligencia artificial en toda la edición. El INEEL (antes Instituto de Investigaciones Eléctricas), como brazo tecnológico de la CFE, fija como visión a 2050 incorporar la IA, el internet de las cosas (IoT), la digitalización y la ciberseguridad industrial al desarrollo de tecnologías de generación, transmisión y distribución de electricidad. 1) Relevancia para IA: el documento sitúa explícitamente a la IA como tecnología habilitadora de la infraestructura eléctrica nacional, sector clasificado como infraestructura crítica. Aunque es una aspiración estratégica de I+D+i (no un sistema en operación), define la dirección institucional de inversión y desarrollo tecnológico del Estado en energía para las próximas dos décadas. 2) Riesgos: R10 (Concentración de poder / dependencia tecnológica): el propio PI reconoce reiteradamente la 'dependencia tecnológica extranjera' y el objetivo de 'reducir la dependencia'; el desarrollo de IA para el sector eléctrico se concentraría en pocos proveedores de modelos, hardware y plataformas, reforzando dependencia si no se construye capacidad nacional. R13 (Pérdida gradual de control): la aplicación de IA/IoT a la operación del Sistema Eléctrico Nacional implica delegación creciente de control sobre infraestructura crítica; sin requisitos de supervisión humana, auditoría y reversión, podría erosionar el control humano efectivo. R1 (Malfunctions): errores o fallas de sistemas de IA aplicados a operación de redes pueden afectar confiabilidad y seguridad del suministro. 3) Gaps: el PI menciona la IA como objetivo deseable pero NO establece principios de gobernanza, transparencia algorítmica, supervisión humana, ciberresiliencia verificable ni evaluación de riesgos para su incorporación a la infraestructura eléctrica. No hay marco regulatorio que acompañe esta visión. 4) Contexto mexicano: México carece de una ley general de IA; el sector energético es estratégico y soberano por mandato constitucional (CFE garantizando 54% de la generación). La dependencia tecnológica reconocida y la capacidad limitada de I+D+i (la plantilla del INEEL se redujo de 938 a 523 personas entre 2018 y 2024) hacen plausible que la IA para el sector se adquiera de proveedores extranjeros, profundizando el riesgo de concentración/dependencia.

La 'digitalización del sistema eléctrico nacional' y las 'redes inteligentes' (smart grids) constituyen un dominio donde la IA y el aprendizaje automático son tecnologías habilitadoras típicas, aunque aquí no se nombren explícitamente en este pasaje (sí se nombran en la visión a largo plazo, ver H1). Las redes inteligentes incorporan medición avanzada, control automatizado de flujos, optimización de despacho y mantenimiento predictivo basados en analítica de datos. 1) Relevancia para IA: 'redes inteligentes' y 'digitalización del sistema eléctrico' son eufemismos/dominios donde la automatización avanzada y la IA suelen integrarse para la gestión en tiempo real de infraestructura crítica. 2) Riesgos: R13 (pérdida gradual de control) por automatización creciente de la operación de la red; R1 (malfunctions) por errores en sistemas de control de infraestructura crítica; R10 (concentración/dependencia) por la provisión de plataformas y equipamiento de smart grids por pocos proveedores tecnológicos. 3) Gaps: el Programa enuncia las redes inteligentes como prioridad institucional pero no contempla requisitos de supervisión humana, ciberseguridad verificable, ni mecanismos de contingencia ante fallas de sistemas automatizados que controlen la red. 4) Contexto mexicano: la red eléctrica es infraestructura crítica operada por CFE/CENACE; la modernización con redes inteligentes incrementa superficie de ataque cibernético y dependencia de proveedores. Es un hallazgo emergente (mandato de desarrollar/implementar, no sistema desplegado todavía).

El convenio de salud pública opera a través de plataformas digitales de vigilancia epidemiológica (SINAVE, Sistema Nacional de Vigilancia Epidemiológica; UIES; plataforma de vigilancia entomológica del Dengue) que recaban y concentran información de salud de la población a escala estatal y nacional. 1) Relevancia para IA: actualmente se describen como sistemas de reporte/registro convencionales (captura semanal/trimestral de actividades), sin analítica avanzada, modelado predictivo ni IA explícita. Sin embargo, los sistemas de vigilancia epidemiológica son el tipo de plataforma donde la analítica predictiva y la IA se incorporan crecientemente (predicción de brotes, focalización de intervenciones), procesando datos personales de salud. 2) Riesgos: R3 (privacidad) por el procesamiento y concentración masiva de datos de salud (enfermedades notificables, tamizajes de cáncer, depresión, tuberculosis, etc.) en plataformas nacionales; el riesgo se eleva si en el futuro se incorpora analítica/IA sin salvaguardas. 3) Gaps: el convenio se rige por la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados pero no contempla específicamente el uso de analítica avanzada o IA sobre los datos epidemiológicos, ni límites a inferencias sensibles o a usos secundarios. 4) Contexto mexicano: la digitalización de la vigilancia epidemiológica es deseable para la salud pública, pero la concentración de datos sensibles de poblaciones vulnerables requiere salvaguardas reforzadas, especialmente ante la previsible incorporación futura de IA. Es un gap potencial (prioridad media): el dominio es de alto valor y datos sensibles, aunque hoy no se describe IA en operación.

El convenio describe la atribución de la CNBP de realizar 'búsqueda forense con fines de identificación de cuerpos y restos humanos... a través de un enfoque masivo o a gran escala'. La identificación forense masiva de restos humanos y la confronta a gran escala de datos de personas desaparecidas y de sus familiares es un dominio donde, internacionalmente, se incorporan crecientemente tecnologías de cotejo biométrico, dactiloscópico, de reconocimiento facial post-mortem y de comparación genética (perfiles de ADN) asistidas por algoritmos, así como la integración de grandes bases de datos (registros de personas desaparecidas, RENAPO, bases forenses, ante mortem/post mortem). 1) Relevancia para IA: aunque el convenio solo describe el subsidio presupuestal y la atribución institucional (no menciona IA, algoritmos ni sistemas concretos), la 'identificación humana a gran escala' es precisamente el tipo de proceso donde el cotejo automatizado de datos biométricos y genéticos sensibles se vuelve habilitador típico. Es un gap potencial, no un sistema desplegado descrito en este texto. 2) Riesgos: R3 (privacidad) por el tratamiento masivo de datos biométricos y genéticos —de los más sensibles— de personas fallecidas y de familiares que aportan muestras de referencia; R2 (discriminación/error) por la posibilidad de falsos positivos/negativos en cotejos automatizados de identidad, con consecuencias graves (identificación errónea de restos) sobre poblaciones ya victimizadas. 3) Gaps: el convenio (boilerplate presupuestal) no contempla salvaguardas específicas para el eventual uso de cotejo biométrico/genético automatizado, ni límites a inferencias, retención de perfiles de ADN, auditoría de exactitud o supervisión humana en la confirmación de identidades; remite genéricamente a la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados. 4) Contexto mexicano: México enfrenta una crisis forense con decenas de miles de personas desaparecidas y cuerpos sin identificar; la presión por 'identificación a gran escala' incentiva la adopción de herramientas automatizadas con datos genéticos/biométricos de poblaciones vulnerables, en un país sin ley general de IA y con capacidad limitada de supervisión técnica y de protección de datos.