Diario Oficial de la Federación, Edición Matutina No. 154/2026, Ciudad de México, jueves 11 de junio de 2026 (MAT)

Este es el único hallazgo con MENCIÓN EXPLÍCITA de 'inteligencia artificial' en todo el DOF. El Consejo de Salubridad General incorpora al Compendio Nacional de Insumos para la Salud (catálogo de adquisición de obligatoria observancia para las instituciones públicas del Sistema Nacional de Salud) un 'Equipo Quirúrgico Robotizado' que incluye un 'Ecosistema Digital Quirúrgico' que graba videos quirúrgicos, los sube a la nube y emplea IA para analizarlos, además de un difuminado automático ('difumina automáticamente el video fuera del cuerpo'). RIESGOS: R1 (Malfunctions): El difuminado automático de privacidad y el análisis de IA son sistemas que pueden fallar; un error en el blurring puede exponer rostros del paciente o del personal, y un análisis erróneo de la técnica quirúrgica tratado como infalible (automation bias) puede inducir conclusiones incorrectas sobre el desempeño médico. El equipo robotizado opera en pacientes adultos en urología, ginecología y cirugía general, dominio crítico donde un fallo causa daño directo. R3 (Privacy): Se transfieren videos de procedimientos quirúrgicos (datos personales sensibles de salud) a la 'nube' con 'acceso a la plataforma de forma remota', creando una cadena de procesamiento y retención fuera del control de la unidad médica. El texto no especifica ubicación de los servidores, proveedor, periodo de retención, ni régimen de consentimiento del paciente para el uso secundario de sus videos en 'bibliotecas' que los cirujanos 'pueden compartir'. GAPS: El Compendio describe el insumo como especificación técnica de compra, pero NO establece requisitos de auditoría del algoritmo, localización de datos, consentimiento informado del paciente para la nube/biblioteca, ni estándares de exactitud del difuminado de privacidad. CONTEXTO MEXICANO: La dependencia tecnológica de proveedores extranjeros de equipo médico-IA y la capacidad limitada del INAI/COFEPRIS para auditar flujos de datos clínicos a la nube agravan el riesgo de transferencia internacional de datos de salud sin salvaguardas verificables.

El mismo Compendio incorpora como especificación de la 'Resonancia Magnética de 1.5 Teslas' una 'Herramienta para adquisición y reconstrucción de imágenes por medio de Inteligencia Artificial (IA)'. Se trata de reconstrucción de imagen diagnóstica asistida por IA (deep-learning reconstruction), tecnología que reduce ruido y tiempos pero puede introducir artefactos o 'alucinar' estructuras inexistentes o borrar lesiones reales. RIESGOS: R1 (Malfunctions): En imagenología diagnóstica, una reconstrucción por IA que genere artefactos o suprima hallazgos sutiles puede conducir a diagnósticos erróneos (falsos negativos/positivos) con consecuencias clínicas directas. El riesgo se agrava si el radiólogo trata la imagen reconstruida como fiel a la realidad sin verificación (automation bias). GAPS: El Compendio enuncia la herramienta de IA como una casilla más del listado técnico de compra, sin exigir validación clínica del modelo de reconstrucción, transparencia sobre cómo se generan/reconstruyen los pixeles, ni advertencias de uso para el personal médico. CONTEXTO MEXICANO: La adquisición centralizada de equipo de imagen con IA para el Sistema Nacional de Salud, en un contexto de brechas de capacitación radiológica, exige criterios de aceptación y vigilancia que hoy el Compendio no contempla.

La SEDENA convoca a licitación para la 'Renovación de licenciamiento para análisis de evidencia digital'. Aunque no se nombra IA, las herramientas comerciales de análisis forense de evidencia digital (extracción y correlación de datos de dispositivos, reconocimiento de imágenes/rostros, análisis de patrones de comunicaciones, geolocalización) incorporan de forma habitual aprendizaje automático y analítica avanzada. En manos de las fuerzas armadas, este es un caso fuerte de tecnología de vigilancia. RIESGOS: R9 (Authoritarian Surveillance): El análisis automatizado de evidencia digital por una autoridad militar puede facilitar el análisis masivo de actividad de personas, comunicaciones y dispositivos. En México existen antecedentes documentados de uso de software de intrusión/forense contra periodistas y activistas, lo que eleva el riesgo de uso indebido sin control judicial. R3 (Privacy): El procesamiento de 'evidencia digital' implica datos personales altamente sensibles (contactos, ubicaciones, mensajes, biometría). El resumen de convocatoria no documenta salvaguardas, control judicial, ni límites de uso. GAPS: La adquisición se tramita como compra rutinaria de licenciamiento de software sin que el instrumento publicado mencione controles de proporcionalidad, supervisión judicial, auditoría o protección de datos de terceros. CONTEXTO MEXICANO: La militarización de funciones de seguridad y la débil supervisión civil/legislativa sobre capacidades de inteligencia hacen de esta adquisición un foco de atención prioritario para evitar vigilancia sin orden judicial.

Los Convenios de subsidio para búsqueda de personas describen la 'búsqueda forense con fines de identificación de cuerpos y restos humanos... a través de un enfoque masivo o a gran escala'. La identificación humana masiva moderna se apoya cada vez más en bases de datos genéticas (ADN), biométricas y de confronta de registros, así como en herramientas de cotejo automatizado. Aunque el Convenio no menciona IA, financia un proceso que en la práctica involucra tratamiento masivo de datos genéticos y biométricos sumamente sensibles. RIESGOS: R3 (Privacy): El procesamiento a gran escala de datos genéticos de restos y de familiares (para confronta) constituye uno de los tratamientos de datos personales más sensibles posibles. El Convenio remite la confidencialidad a la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados, pero no regula la interoperabilidad de bancos de datos forenses, los algoritmos de cotejo, ni la posible reutilización de perfiles genéticos. R1 (Malfunctions & Errors): La identificación masiva 'a gran escala' implica cotejo automatizado de perfiles genéticos/biométricos; un error de matching (falso positivo o falso negativo) en la identificación de restos humanos produce un daño directo y gravísimo —entregar un cuerpo equivocado a una familia o no reconocer a una persona buscada— máxime si el resultado del algoritmo se trata como concluyente sin verificación pericial humana (automation bias). El Convenio no fija estándares de exactitud, validación científica ni revisión humana experta obligatoria. GAPS: No se establecen salvaguardas específicas sobre el uso de herramientas automatizadas de identificación, validación de exactitud de los algoritmos de cotejo, gobernanza de los bancos genéticos/biométricos, ni límites a la confronta de padrones de familiares. CONTEXTO MEXICANO: La crisis de personas desaparecidas hace imprescindible la identificación masiva, pero la capacidad institucional limitada y la sensibilidad de los datos genéticos exigen reglas claras para evitar abusos, errores de identificación o filtraciones.

El Convenio del SNDIF financia el reequipamiento de los módulos del 'Programa de Credencial Nacional para Personas con Discapacidad', es decir, la captación y mantenimiento de un padrón nacional de personas con discapacidad (la comprobación del gasto incluye 'El Padrón de las personas atendidas'). Aunque no se menciona IA, la creación de registros nacionales de poblaciones vulnerables es la materia prima de futuros sistemas de perfilamiento y decisión automatizada sobre acceso a beneficios. RIESGOS: R3 (Privacy): Concentra datos personales sensibles (condición de discapacidad, identidad) de una población vulnerable en un padrón federal, sin que el instrumento detalle limitaciones de uso secundario, interoperabilidad con otras bases o medidas técnicas reforzadas. R2 (Discrimination/Bias): Un padrón nacional puede convertirse en base para asignación automatizada o scoring de beneficios sociales; si en el futuro se le aplica analítica automatizada sin auditoría de equidad, podría amplificar exclusiones contra grupos ya marginados. GAPS: El Convenio trata el padrón como un entregable de comprobación, sin reglas sobre su gobernanza de datos, interoperabilidad ni eventual automatización de decisiones. CONTEXTO MEXICANO: La gestión de padrones de programas sociales en México tiene antecedentes de uso clientelar y de filtraciones; reforzar la protección de datos del padrón de discapacidad es prioritario.