Diario Oficial de la Federación, Edición Matutina, No. de publicación 143/2026, Ciudad de México, martes 2 de junio de 2026 (Tomo MAT). Incluye, entre otros: Convenios de subsidios de la CNBP para búsqueda de personas; Convenio RENAPO-UAEMéx para adopción, uso y certificación de la CURP; Lineamientos de la Plataforma Logística Multimodal del Istmo de Tehuantepec; Convenios Marco CONAGUA-entidades; Anexo Técnico SENASICA-Colima; Convenio Específico de Salud Pública SS-Tabasco; Convenios de la Secretaría de las Mujeres; Convenios del SNDIF (CAMEF); Sentencia de la SCJN en la Acción de Inconstitucionalidad 90/2025; Acuerdo INE/CG246/2026 de monitoreo de noticiarios del PEF 2026-2027; y Extracto del Acuerdo INE/ACU/SE19/2026 (operación remota durante la Copa Mundial FIFA 2026)

El Convenio RENAPO-UAEMéx instrumenta el consumo masivo, en línea y en tiempo real, de Servicios Web de CURP y procesos de "Confrontas" contra la Base de Datos Nacional de la CURP (BDNCURP), que integra datos personales derivados de registros civiles, INM y la COMAR (nacimiento, defunción, datos migratorios). Aunque no se nombra IA, este es el tipo de infraestructura de verificación/autenticación de identidad a gran escala donde típicamente se incorporan motores de matching, cotejo automatizado y, en su evolución (SNIP - Servicio Nacional de Identificación Personal), componentes biométricos. RIESGOS: R3 (Privacy): Se habilita el cruce sistemático de identidad de miles de personas (aspirantes, alumnos, egresados) mediante un identificador único homogéneo adoptado transversalmente en sector público, privado y financiero (líneas de acción 4.4.7 del Programa Sectorial citado). El Convenio reconoce explícitamente la posibilidad de hackeo, vulneración, venta o duplicidad de datos y de "actividad sospechosa" en el consumo, lo que evidencia un perfil de riesgo de seguridad de datos personales elevado. R2 (Discrimination): La validación automatizada de identidad legal puede producir falsos negativos (CURP no certificada, discordancias con Registro Civil) que bloqueen trámites educativos esenciales (preinscripción, titulación, cédula profesional), afectando desproporcionadamente a poblaciones con registros civiles deficientes o errores históricos de captura. GAPS REGULATORIOS: 1) No se establecen salvaguardas frente a la incorporación futura de IA/biometría ni evaluaciones de impacto algorítmico en la verificación de identidad. 2) No hay mecanismo de impugnación/revisión humana para la persona cuya CURP no "confronta" exitosamente. 3) La generalización del identificador único como llave de interoperabilidad amplía el riesgo de vigilancia por agregación de datos sin un marco de minimización. CONTEXTO MEXICANO: La integración del SNIP y la promoción de la CURP como identificador universal (incluida la CURP biométrica en políticas federales recientes) eleva el riesgo de un padrón nacional consultable que, sin controles independientes (INAI debilitado tras reformas), puede derivar en vigilancia y exclusión administrativa.

El Acuerdo ordena el monitoreo y análisis de contenido a gran escala de las transmisiones de noticiarios de radio y televisión durante precampañas y campañas del PEF 2026-2027, mediante un "Sistema de Monitoreo de Noticiarios" que se "actualizará" para 2026-2027 y una metodología que clasifica piezas noticiosas por tipo de programa y aplica variables de valoración con perspectiva de género. Históricamente se han procesado miles de horas de transmisión (p. ej., 8,528 horas en campañas del PEF 2017-2018). Este volumen y la naturaleza clasificatoria del análisis son precisamente el tipo de tarea hacia donde migran las herramientas de clasificación automática de texto/audio (NLP/ASR) e IA. RIESGOS: R4: El monitoreo busca caracterizar el "tratamiento" informativo de candidaturas; si su actualización incorpora clasificación automatizada de sesgo/valoración, errores del modelo podrían etiquetar incorrectamente coberturas, con efectos sobre la percepción de equidad mediática. El documento mismo recuerda que el TEPJF (SUP-RAP-131/2023) ordenó suprimir la variable de valoración "positiva o negativa" para no afectar la libertad de expresión, lo que muestra la sensibilidad de automatizar juicios de valor sobre contenidos. R9: Un sistema estatal que monitorea y sistematiza a escala el contenido de los medios noticiosos, aun con fin legítimo de transparencia, constituye infraestructura de vigilancia de medios cuyo abuso o expansión sin controles puede presionar la línea editorial. GAPS: 1) La metodología, el catálogo y los "requerimientos técnicos" se aprobarán después y no constan en este Acuerdo: no hay garantía de transparencia algorítmica ni de supervisión humana si se automatiza la clasificación. 2) No se prohíbe ni regula el uso de IA para el análisis de contenido ni se exige auditoría de sesgo del clasificador. CONTEXTO MEXICANO: En un proceso electoral federal, cualquier herramienta automatizada de evaluación de cobertura mediática debe blindarse contra captura y errores que afecten la libertad de expresión y la equidad de la contienda; el precedente del TEPJF marca el estándar.

Los Convenios de la CNBP encomiendan la búsqueda forense e identificación humana "a través de un enfoque masivo o a gran escala". La identificación humana masiva de cuerpos y restos se apoya de manera creciente en cotejo automatizado de datos biométricos, genéticos (perfiles de ADN) y dactiloscópicos contra bases de datos poblacionales, así como en análisis de datos para priorización de casos. RIESGOS: R3 (Privacy): El procesamiento masivo de datos altamente sensibles (genéticos, biométricos, de personas desaparecidas y de familiares que aportan muestras de referencia) sin un marco que regule su tratamiento algorítmico, retención y cruce con otros registros, representa un riesgo de privacidad elevado. R2 (Bias): Los sistemas de cotejo y priorización pueden arrastrar sesgos por calidad desigual de datos entre regiones, afectando la equidad en la atención a casos de poblaciones marginadas. GAPS: Los convenios son puramente presupuestales (transferencia de subsidios) y no abordan ninguna salvaguarda sobre el tratamiento automatizado/algorítmico de datos forenses y genéticos en el "enfoque masivo", ni evaluaciones de impacto, ni controles de calidad de los cotejos. CONTEXTO MEXICANO: Con más de cien mil personas desaparecidas y bancos de datos forenses y genéticos en construcción, cualquier automatización del cotejo de identidad humana debe garantizar precisión, trazabilidad y protección de datos genéticos de víctimas y familiares.

Los Lineamientos ordenan implementar "sistemas digitales de gestión portuaria, ferroviaria y carretera, que integren trazabilidad, programación de arribos y despacho de carga" y la "Plataforma Puerto Inteligente Seguro". La etiqueta "inteligente" y la gestión automatizada de trazabilidad y despacho de carga son indicadores de eufemismo tecnológico que suele incluir analítica de datos, optimización y, potencialmente, IA, así como sensórica y videovigilancia para "seguridad". RIESGOS: R3 (Privacy): Las plataformas de puerto inteligente "seguro" integran frecuentemente sensores, cámaras y control de accesos que recolectan datos de personas (trabajadores, transportistas) sin que estos Lineamientos prevean salvaguardas de protección de datos. R10 (Concentration): La dependencia de proveedores tecnológicos para la plataforma y su interoperabilidad en infraestructura estratégica del Estado puede generar dependencia y captura tecnológica. GAPS: Los Lineamientos solo regulan la coordinación institucional y la interoperabilidad; no establecen requisitos de transparencia, gobernanza de datos, ciberseguridad ni control de proveedores para los componentes "inteligentes". CONTEXTO MEXICANO: El Corredor Interoceánico es infraestructura estratégica administrada por la Secretaría de Marina; la incorporación de sistemas "inteligentes" en un activo militar-estratégico amerita controles de soberanía tecnológica y protección de datos.

La convocatoria contrata 'equipamiento para la prevención y detección de fraudes y operaciones con recursos de procedencia ilícita' (PLD/antilavado). La detección de fraude y de operaciones con recursos de procedencia ilícita a escala es, hoy, una de las aplicaciones más extendidas de aprendizaje automático y analítica de patrones: estos sistemas perfilan comportamiento transaccional para emitir alertas, y constituyen el ejemplo canónico de detección automatizada de operaciones inusuales descrito en la propia taxonomía (análogo al 'Sistema de detección de fraude fiscal' y al ejemplo SADOI). Aunque el resumen de licitación no detalla la tecnología del 'equipamiento', la naturaleza de la función (detección/prevención de fraude y lavado) hace altamente probable la presencia de motores de scoring/clasificación automatizada. RIESGOS: R1 (Malfunctions): Un sistema de detección de fraude/PLD genera falsos positivos que pueden derivar en bloqueo de operaciones, congelamiento de cuentas o señalamientos sin revisión humana adecuada; los errores impactan directamente a personas. R2 (Discrimination): Los modelos de detección financiera arrastran sesgos contra patrones atípicos (economía informal, ingresos irregulares), que en México —con cerca del 60% de informalidad laboral— pueden traducirse en discriminación masiva contra poblaciones vulnerables erróneamente etiquetadas como 'inusuales'. R3 (Privacy): Implica el procesamiento masivo de comportamiento financiero sin que la convocatoria prevea salvaguardas de privacidad, transparencia metodológica ni derechos de impugnación. GAPS REGULATORIOS: 1) El resumen no transparenta si el 'equipamiento' incorpora algoritmos de clasificación/scoring ni sus tasas de error y sesgo. 2) No hay mención de revisión humana, auditoría independiente del modelo ni mecanismo de apelación para personas señaladas. 3) No se acota la retención ni el uso secundario de los datos analizados. CONTEXTO MEXICANO: Capacidad institucional limitada para auditar sistemas algorítmicos de PLD y alta informalidad económica elevan el riesgo de falsos positivos y exclusión financiera; el INAI debilitado reduce la supervisión independiente sobre el tratamiento masivo de datos financieros.