Diario Oficial de la Federación, No. de publicación 309/2025, Ciudad de México, viernes 14 de noviembre de 2025 (Edición Matutina)

Este es el único bloque del DOF del 14/11/2025 que menciona la IA de forma explícita. El Programa Institucional del CONALEP 2025-2030 incorpora la carrera de PTB 'Ciencia de datos e inteligencia artificial', un trayecto técnico de 'Inteligencia Artificial' y prevé 'laboratorios digitales con integración de IA generativa y metodología STEM'. 1) RELEVANCIA PARA IA: Es una mención explícita de adopción de IA en el ámbito formativo. No regula la IA, sino que la introduce como contenido educativo y herramienta pedagógica. 2) RIESGOS: R7 (Desplazamiento laboral) en su dimensión positiva-preventiva: la formación en ciencia de datos/IA es justamente una respuesta a la automatización del mercado laboral; sin embargo, el Programa no contempla un análisis prospectivo del impacto de la IA sobre las propias carreras técnicas tradicionales del CONALEP (manufactura, administración, contaduría) que son altamente automatizables, ni mecanismos de reconversión para estudiantes y docentes de esas carreras. R10 (Concentración de poder/dependencia tecnológica): la enseñanza con 'IA generativa' implica el uso de modelos fundacionales de proveedores extranjeros, sin que el Programa mencione soberanía tecnológica, datos de entrenamiento nacionales, ni alternativas open-source. 3) GAPS: No hay lineamientos sobre uso responsable de IA generativa por estudiantes/docentes (integridad académica, sesgos, alucinaciones), ni sobre privacidad de datos al usar herramientas de terceros. 4) CONTEXTO MEXICANO: El 80% de los planteles CONALEP atiende población en vulnerabilidad social y económica; la brecha digital puede convertir la 'integración de IA generativa' en un factor de desigualdad si el acceso a infraestructura es desigual entre planteles.

El Programa describe el despliegue de entornos inmersivos de realidad virtual/aumentada (plataformas comerciales 'Viroo'/'Nmerso', 'CloudLabs STEM') y robótica como herramientas educativas. 1) RELEVANCIA PARA IA: Las plataformas inmersivas y de simulación modernas suelen incorporar componentes de IA (seguimiento de movimiento/mirada, analítica de aprendizaje, adaptación de contenido) y captan datos biométrico-conductuales de menores de edad. La robótica educativa también introduce sistemas autónomos en el aula. 2) RIESGOS: R3 (Privacidad): los sistemas de realidad virtual pueden recolectar datos sensibles (posición corporal, patrones de interacción, posiblemente datos biométricos) de estudiantes que en su mayoría son adolescentes; el texto no menciona consentimiento informado, minimización de datos ni dónde se almacenan. R10 (Dependencia/concentración): se nombran soluciones propietarias específicas de proveedores externos sin mención de portabilidad, interoperabilidad ni control sobre los datos generados. 3) GAPS: Ausencia total de salvaguardas de protección de datos personales de menores frente a plataformas tecnológicas de terceros; no se invoca la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados respecto de estas plataformas. 4) CONTEXTO MEXICANO: México regula el tratamiento de datos personales de menores con estándar reforzado; el despliegue masivo de plataformas inmersivas extranjeras en planteles públicos exige due diligence sobre transferencias internacionales de datos y cláusulas de tratamiento.

El Programa describe un 'tamizaje psicoemocional' aplicado a nivel nacional cuyos resultados estadísticos permiten 'identificar áreas de riesgo a nivel estudiante, a nivel plantel y a nivel estado'. Esto constituye perfilamiento individual de menores a partir de datos de salud mental. 1) RELEVANCIA PARA IA: Aunque el texto no menciona algoritmos, un tamizaje de escala nacional con clasificación de riesgo individual y agregación multinivel es el tipo de proceso que se automatiza con sistemas de scoring/analítica. Es un gap regulatorio: el dominio (perfilamiento de riesgo de menores con datos sensibles) es de alto riesgo y carece de salvaguardas, independientemente de si hoy usa IA o se automatiza mañana. 2) RIESGOS: R2 (Discriminación/sesgo): clasificar estudiantes como 'en riesgo' puede estigmatizar, etiquetar o derivar en trato diferenciado sin auditoría de equidad ni derecho de impugnación; los instrumentos de tamizaje psicológico pueden tener sesgos culturales/socioeconómicos. R3 (Privacidad): se trata de datos personales sensibles (salud mental) de menores, procesados de forma masiva; el texto no menciona consentimiento, confidencialidad, límites de uso ni retención. 3) GAPS: No hay mención de base legal del tratamiento, finalidad limitada, supervisión clínica de los resultados, ni de prohibición de uso del 'nivel de riesgo' para decisiones que afecten la trayectoria del estudiante. 4) CONTEXTO MEXICANO: Datos de salud mental de adolescentes son datos sensibles bajo la legislación mexicana; el riesgo de estigmatización es mayor en planteles de población vulnerable que concentran el sistema.

El Programa establece 'mecanismos de alerta temprana y seguimiento escolar' y 'monitoreo continuo de la matrícula' para identificar estudiantes y planteles en riesgo de reprobación/abandono. 1) RELEVANCIA PARA IA: Los 'sistemas de alerta temprana' (early-warning systems) en educación son, a nivel internacional, una de las aplicaciones canónicas de analítica predictiva/machine learning sobre datos escolares (asistencia, calificaciones, perfil socioeconómico). El DOF mandata el mecanismo sin nombrar la tecnología: gap clásico donde la IA es la implementación probable. 2) RIESGOS: R2 (Discriminación/sesgo): los modelos predictivos de abandono entrenados con datos históricos tienden a etiquetar como 'alto riesgo' a estudiantes de contextos vulnerables, generando profecías autocumplidas y asignación diferenciada de recursos. R1 (Errores/malfunctions): falsos positivos/negativos pueden derivar en intervenciones intrusivas o, al contrario, en abandono de estudiantes no detectados; el automation bias puede llevar a tratar la 'alerta' como infalible. 3) GAPS: No hay requisitos de transparencia del criterio de 'alerta', revisión humana, ni evaluación de equidad; tampoco derecho del estudiante a conocer/impugnar su clasificación. 4) CONTEXTO MEXICANO: Con tasa de abandono de 14.3% concentrada en poblaciones vulnerables, un sistema de alerta sesgado puede agravar la desigualdad educativa que el propio Programa busca reducir.

El Programa prevé la 'automatización de los procesos administrativos' y el 'resguardo de los datos en posesión del Sistema CONALEP ... y datos personales' mediante 'tecnologías de la información y comunicación innovadoras'. 1) RELEVANCIA PARA IA: 'Automatización de procesos' y 'tecnologías innovadoras' son eufemismos burocráticos típicos que pueden incluir RPA, analítica o IA. El Sistema CONALEP administra datos personales de ~324,000 estudiantes y ~15,000 docentes. 2) RIESGOS: R7 (Desplazamiento laboral): la automatización administrativa, en un contexto declarado de 'austeridad republicana' y recorte presupuestal (Ramo 11 -2%), puede traducirse en reducción de plazas administrativas sin un plan de reconversión. R3 (Privacidad): la concentración y digitalización de datos personales de menores y docentes incrementa la superficie de riesgo; el texto menciona el resguardo de datos personales pero sin estándares concretos (cifrado, control de accesos, retención, respuesta a incidentes). 3) GAPS: No se especifica si la automatización implica decisiones automatizadas sobre personas, ni se detallan medidas de seguridad de datos verificables. 4) CONTEXTO MEXICANO: La capacidad institucional de ciberseguridad en organismos educativos descentralizados es limitada; la digitalización masiva sin estándares puede exponer datos de poblaciones vulnerables.

El Programa incorpora de forma explícita la IA como oferta formativa: una carrera de PTB en 'Ciencia de datos e inteligencia artificial', un trayecto técnico de 'Inteligencia Artificial' y una carrera dual homónima. Esta es la mención explícita más directa de IA del documento, junto con la de 'IA generativa' en laboratorios (H1). 1) RELEVANCIA PARA IA: Es adopción explícita de la IA como contenido curricular y como vía de formación de fuerza laboral especializada. No regula la tecnología, sino que forma a técnicos en ella. 2) RIESGOS: R7 (Desplazamiento laboral) en su dimensión preventiva-positiva: la formación en IA/ciencia de datos es respuesta a la automatización; pero el Programa no realiza un análisis prospectivo del impacto de la IA sobre las 67 carreras técnicas tradicionales del CONALEP (Contaduría y Administración, Mantenimiento, Producción y Transformación), altamente automatizables, ni prevé rutas de reconversión para estudiantes y docentes de esas carreras. R10 (Concentración/dependencia tecnológica): la formación en IA con socios como INTEL Tecnología de México y plataformas de terceros se da sin que el Programa mencione soberanía tecnológica, datos de entrenamiento nacionales ni alternativas open-source. 3) GAPS: No hay lineamientos de integridad académica ni ética de IA en el currículo; no se aborda la actualización docente específica para impartir IA (la mayoría de docentes carece de formación en la materia); ni se prevé cómo evitar que la oferta de IA quede concentrada en planteles con mejor infraestructura. 4) CONTEXTO MEXICANO: El 80% de los planteles atiende población vulnerable; sin equidad de acceso a infraestructura y docentes capacitados, la oferta de carreras de IA puede concentrarse en pocos planteles y ampliar la brecha digital en lugar de cerrarla.