Diario Oficial de la Federación, No. de publicación 129/2026, Ciudad de México, martes 19 de mayo de 2026 (Edición Matutina)

1) RELEVANCIA PARA IA: El Convenio formaliza la conexión del municipio a la Base de Datos Nacional de la CURP (BDNCURP) y a los 'Servicios Web de CURP' para consulta y validación 'en línea, en tiempo real', mediante un 'Proceso de Confronta' periódico (semestral) de 'el universo de los registros' de usuarios. Esto se inscribe en el Servicio Nacional de Identificación Personal (SNIP) y en el 'Modelo Nacional de Digitalización' de la Ley Nacional para Eliminar Trámites Burocráticos, donde 'todos los registros asociados a Trámites y Servicios deberán incorporar la CURP como fuente única de la identidad'. La construcción de un identificador único universal y la confronta/cruce masivo de padrones poblacionales con servicios web de verificación de identidad es la columna vertebral técnica sobre la que se despliegan motores de validación automatizada de identidad, detección de duplicidad/inconsistencias y, en la reforma de CURP biométrica vigente en México, el cotejo biométrico. Aunque el texto no nombra 'IA', es el sustrato de datos que habilita sistemas automatizados de verificación, deduplicación y perfilamiento. 2) RIESGOS: R3 (Privacidad): tratamiento e interoperación masiva de datos personales de identidad de toda la población usuaria, con retención y transmisión entre órdenes de gobierno; el Convenio reconoce expresamente riesgos de 'vulneración', 'uso inadecuado' y 'consumo inusual' de los Servicios CURP. R9 (Vigilancia): la integración de la CURP como llave única que interopera bases de datos federales, estatales y municipales crea capacidad estructural de rastreo cruzado de una persona a través de todos sus trámites y servicios, sin orden judicial. R2 (Discriminación): errores de confronta o de certificación (CURP no certificada por el Registro Civil) pueden derivar en denegación de trámites y servicios públicos, afectando con mayor probabilidad a población sin actas certificadas, indígena, migrante o en situación de informalidad. 3) GAPS REGULATORIOS: no hay mención de auditoría algorítmica de los procesos de confronta y deduplicación; no se fija tasa máxima de falsos positivos/negativos en la validación de identidad; no hay derecho de impugnación humano ante una identidad rechazada; no se limita el uso secundario del cruce de padrones para fines distintos al trámite; no se evalúa el impacto del identificador único universal sobre el derecho a la vida privada (chilling effect/vigilancia). 4) CONTEXTO MEXICANO: la reforma 2025 a la Ley General de Población orientó a la CURP hacia un identificador biométrico obligatorio y a la interoperabilidad total entre entes públicos y privados; con capacidad de enforcement de protección de datos debilitada tras la extinción del INAI, el riesgo de abuso o filtración del cruce masivo de identidad se incrementa.

1) RELEVANCIA PARA IA: El procedimiento de afiliación se realiza mediante una aplicación móvil (APP) que captura una 'fotografía viva (presencial)', la imagen de la Credencial para Votar (CPV), la clave de elector, OCR, CIC y firma manuscrita digitalizada, y luego se 'verifica la coincidencia de los rasgos físicos' de la persona con la CPV y se detectan duplicados, huellas repetidas en varios registros e inconsistencias entre CURP y Clave de Elector. La captura de rostro presencial ('liveness') con comparación facial contra un documento y la detección de duplicidad de imágenes/huellas a escala de miles de registros es funcionalmente un proceso de verificación biométrica/cotejo facial, que en sistemas modernos se automatiza con visión por computadora. Aunque el texto no menciona IA, describe el flujo de datos biométricos sobre el que opera ese tipo de tecnología. 2) RIESGOS: R3 (Privacidad): recolección y procesamiento de rostro, firma, huella y datos de credencial de miles de ciudadanos para acreditar afiliación política — categoría de datos sensibles (afiliación política) y biométricos. R2 (Discriminación): el propio texto reconoce el riesgo de no reconocimiento de personas trans y la necesidad de 'medidas de inclusión'; los sistemas de cotejo facial presentan sesgos documentados por género, tono de piel y expresión de identidad, que pueden invalidar erróneamente afiliaciones. R1 (Errores): el documento aclara que la revisión de firma se hace 'sin que se haga uso de conocimientos técnicos o de peritos en la materia', lo que evidencia una verificación de baja garantía técnica que puede producir falsos rechazos o falsos positivos en un proceso con consecuencias jurídicas (registro de agrupación política). 3) GAPS REGULATORIOS: no se especifica si la 'coincidencia de rasgos físicos' y la detección de duplicados se realiza de forma humana, semiautomatizada o algorítmica; no hay estándar de precisión, ni auditoría de sesgo, ni trazabilidad de las decisiones de invalidación; no se regula el resguardo, retención o supresión de los datos biométricos capturados por la APP. 4) CONTEXTO MEXICANO: el INE es custodio del Padrón Electoral y de datos biométricos masivos; la creciente recolección de rostro/huella en apps electorales sin un marco que regule el uso de cotejo automatizado eleva el riesgo de errores con efecto en derechos político-electorales.

1) RELEVANCIA PARA IA: Los Convenios financian la 'modernización' de registros públicos y catastros con 'la incorporación de nuevas tecnologías para la mejora de sus procesos' y la integración de inventarios de la propiedad de los tres órdenes de gobierno al Sistema de Información Territorial y Urbano y a la 'Plataforma Nacional de Información Registral y Catastral' mediante 'interconexión e interoperabilidad' y 'sistemas de información geográficos para la planeación territorial'. La consolidación de grandes bases de datos georreferenciadas de propiedad e identidad de titulares es precisamente el insumo sobre el que operan analítica geoespacial, modelos predictivos de valuación catastral y cruces automatizados; los eufemismos 'nuevas tecnologías', 'modernización' y 'sistemas de información geográficos' encubren potencial uso de IA/ML sin nombrarla. 2) RIESGOS: R3 (Privacidad): integración masiva de datos patrimoniales y de identidad de titulares de propiedad a escala nacional, con interoperabilidad entre órdenes de gobierno. R10 (Concentración): la creación de una plataforma nacional centralizada de información registral y catastral concentra en la Federación (SEDATU) el control de datos territoriales estratégicos, con dependencia de proveedores tecnológicos para su operación y analítica. 3) GAPS REGULATORIOS: no se mencionan salvaguardas de protección de datos personales de los titulares, ni límites al uso analítico/predictivo de la información catastral, ni transparencia sobre las 'nuevas tecnologías' incorporadas, ni auditoría de modelos de valuación automatizada que podrían afectar el impuesto predial o la seguridad jurídica patrimonial. 4) CONTEXTO MEXICANO: la modernización catastral suele apoyarse en proveedores externos de teledetección y SIG; sin regulación de uso de IA, la valuación o reclasificación automatizada de predios puede afectar derechos patrimoniales de población vulnerable sin mecanismos de impugnación.

1) RELEVANCIA PARA IA: La NOM define 'Software como Dispositivo Médico (ScDM)' como software (incluidas aplicaciones móviles) con propósito médico que puede 'proporcionar medios y sugerencias para mitigar una enfermedad' y ser 'auxiliar en el diagnóstico, detección, monitoreo, determinación de la predisposición; pronóstico, predicción'. Un software clínico que realiza diagnóstico, predicción de riesgo y pronóstico es precisamente la categoría donde se despliegan modelos de aprendizaje automático (IA médica). La NOM reconoce y nombra esta clase de producto, pero su objeto es el etiquetado, no la seguridad algorítmica. NOTA DEL REVISOR: el carácter implícito es parcial: la propia NOM, en su Bibliografía (numeral 8.16), cita el estándar internacional 'IMDRF/AIMD WG/N67 Machine Learning-enabled Medical Devices: Key Terms and Definitions' (dispositivos médicos habilitados por aprendizaje automático), y en el numeral 5.10.12.1 exige declarar para agentes de diagnóstico in vitro 'si incluye o no componentes automatizados o si está destinado a ser utilizado con instrumentos automatizados', así como el 'valor predictivo positivo/negativo'. Es decir, el regulador es consciente de la existencia de dispositivos médicos con ML/automatización y de su desempeño predictivo, pero la parte dispositiva de la NOM no impone para el ScDM requisito sustantivo alguno de transparencia algorítmica, validación clínica o supervisión humana; ello agrava (no atenúa) el gap. 2) RIESGOS: R1 (Errores/Malfunctions): un ScDM con funciones de diagnóstico/predicción puede producir falsos diagnósticos, alucinaciones o errores en poblaciones fuera de su dominio de entrenamiento, con daño directo a la salud; el riesgo se agrava si el output se trata como infalible (automation bias) y no hay supervisión médica obligatoria. R3 (Privacidad): el procesamiento de datos clínicos sensibles por software, especialmente apps móviles, implica tratamiento de datos de salud. 3) GAPS REGULATORIOS: la NOM regula etiquetado pero no exige, para el ScDM con funciones diagnósticas/predictivas, transparencia sobre el uso de IA/ML, validación clínica del modelo, datos de entrenamiento, tasa de error, supervisión humana, ni mecanismos de farmacovigilancia algorítmica/actualización de modelos; no distingue software determinista de software con aprendizaje automático, pese a citar en su bibliografía el marco IMDRF de Machine Learning-enabled Medical Devices. 4) CONTEXTO MEXICANO: COFEPRIS carece aún de un marco específico para IA médica; etiquetar un ScDM sin requerir información sobre su naturaleza algorítmica, límites de uso y validación deja a pacientes y personal de salud sin elementos para evaluar la confiabilidad del diagnóstico/predicción automatizada.