Diario Oficial de la Federación, No. de publicación 346/2025, Ciudad de México, martes 23 de diciembre de 2025 (Edición Matutina)

Este es el único hallazgo EXPLÍCITO de Inteligencia Artificial en toda la edición del DOF. El Programa Institucional de El Colef incluye a la 'IA' en su lista de siglas (IA: Inteligencia Artificial) y la aborda directamente en varios pasajes: (1) reconoce que la integración de la IA 'está transformando la educación' y que estudiantes y docentes deben conocer 'el manejo y regulación de las herramientas de la IA, para promover un uso responsable y para evitar caer en prácticas poco éticas, por ejemplo, el plagio'; (2) advierte que el uso de IA 'conlleva riesgos, como los sesgos algorítmicos, el plagio y los fraudes en los trabajos académicos'; (3) en su visión a 2045 aspira a ser la 'voz autorizada mundial en la complejidad de estudios fronterizos, haciendo uso de la inteligencia artificial'. RIESGOS IDENTIFICADOS: R5 (Copyright/Plagio): El propio documento vincula la IA con plagio y fraude académico. El uso de IA generativa en investigación y docencia plantea problemas de propiedad intelectual sobre outputs, atribución de autoría y reproducción no autorizada de obras, especialmente en un centro público de investigación que genera conocimiento científico. R2 (Discrimination & Bias): El documento reconoce explícitamente los 'sesgos algorítmicos' como un riesgo. En un contexto académico fronterizo que estudia migración, género, violencia y poblaciones vulnerables, sesgos en herramientas de IA aplicadas a análisis de información podrían distorsionar diagnósticos sobre grupos ya marginados. R15 (Emerging Risks): El programa trata la IA como 'tecnología emergente' cuya regulación interna apenas se está construyendo (criterios institucionales por definir). Esto refleja la naturaleza incipiente y no consolidada de la gobernanza de IA en el sector científico mexicano. GAPS REGULATORIOS: 1. El programa anuncia que 'Establecerá criterios institucionales para el uso ético de la inteligencia artificial' (para personal y estudiantado) pero NO los define; remite a un futuro instrumento sin estándares, plazos ni mecanismos de cumplimiento. 2. No hay referencia a marcos nacionales de IA (inexistentes en México) ni a estándares internacionales (UNESCO, UE) que orienten estos criterios. 3. No se aborda la trazabilidad/atribución de contenido generado por IA en publicaciones científicas ni la responsabilidad por sesgos. CONSIDERACIONES CONTEXTO MEXICANO: - México carece de una ley o lineamientos nacionales sobre IA, por lo que cada centro público (CPI) improvisa criterios propios, generando fragmentación. - El sector científico opera bajo restricciones presupuestales severas (el propio documento lo subraya), lo que limita la capacidad de auditar herramientas de IA o desarrollar gobernanza robusta.

El Programa Institucional de la CONADE no menciona IA, pero ordena crear una infraestructura de datos masivos para 'detección de talentos' que perfila y da seguimiento individualizado a niñas, niños, adolescentes y jóvenes deportistas a escala nacional ('entre 35 y 40 mil atletas' solo en Olimpiadas Nacionales). Combina: (1) una 'plataforma digital nacional de registro de talentos'; (2) un 'sistema de seguimiento de trayectorias deportivas'; (3) un 'sistema digital de monitoreo' (línea 4.2.5); y (4) protocolos de detección/scoring para seleccionar a quienes 'se ubiquen entre los primeros ocho lugares'. Este tipo de plataformas de identificación y seguimiento de talento tienden a incorporar analítica de datos y, eventualmente, modelos predictivos. RIESGOS: R2 (Discrimination/Bias): El sistema realiza una clasificación/scoring de menores para decidir quién accede a procesos de desarrollo de alto rendimiento. El propio diagnóstico reconoce 'brechas territoriales' (concentración en Jalisco, Nuevo León, Baja California, CDMX). Criterios de detección no auditados pueden perpetuar la desigualdad territorial y de género ya documentada. R3 (Privacy): Concentra información de menores de edad (datos personales potencialmente sensibles: salud, evaluaciones físicas/psicológicas, nutrición) en una plataforma nacional. El programa reconoce el riesgo y propone 'controles de acceso y diversas medidas de seguridad técnica' (línea 4.4.4), pero no detalla minimización de datos, consentimiento de padres/tutores ni límites de retención. GAPS: 1. No se especifica base legal para el tratamiento de datos sensibles de menores ni avisos de privacidad específicos. 2. No hay mecanismo de impugnación para quienes sean excluidos del proceso de detección. 3. No se establece auditoría de equidad de los criterios de scoring. CONTEXTO MEXICANO: Tratamiento masivo de datos de menores por un organismo con estructura administrativa reducida (~100 personas), lo que limita su capacidad real de gobernanza de datos.

El programa de la CONADE prevé un 'sistema de monitoreo y análisis de medios de comunicación' para evaluar la percepción pública. Los sistemas de monitoreo masivo de medios y redes sociales suelen apoyarse en procesamiento automatizado de lenguaje natural (análisis de sentimiento, clasificación de menciones) sin nombrarse 'IA'. Aunque su objeto declarado es medir el impacto comunicacional de una institución deportiva (bajo riesgo intrínseco), la categoría general de 'monitoreo de medios' por el Estado merece vigilancia. RIESGO R3 (Privacy): Si el sistema rastrea contenido en redes sociales y medios, puede recolectar datos de personas que comentan o interactúan con la institución, sin que se definan límites de tratamiento. El riesgo es bajo en este caso concreto por el dominio (deporte), pero es un patrón de vigilancia de medios estatal que debe acotarse. GAP: No se define el alcance del 'monitoreo', qué datos se recolectan, ni si abarca redes sociales y opiniones individuales.

La SCJN reproduce y analiza los artículos 74-77 de la Ley de Justicia Cívica del Estado de México, que mandataban crear un 'Registro de Personas Infractoras': una base de datos municipal con información de personas detenidas/sancionadas por infracciones cívicas, de consulta OBLIGATORIA para Jueces Cívicos al 'individualizar las sanciones' (detección de reincidencia), y cuya información alimentaría el 'diseño de estrategias y acciones... preservación del orden y la paz pública' y 'programas de desarrollo social y de prevención de adicciones'. Aunque la sentencia no menciona IA, describe un patrón de gobernanza por datos directamente relevante a los riesgos taxonómicos: registros de personas que perfilan reincidencia para graduar sanciones administrativas, y bases de datos punitivas reutilizadas para focalizar programas sociales y de prevención. Este es justamente el tipo de infraestructura (registros de infractores + scoring de reincidencia + integración con bases de datos para 'seguridad') sobre la que típicamente se monta analítica predictiva e IA, y constituye un hallazgo de gap regulatorio significativo: ni la norma estatal ni la sentencia abordan límites algorítmicos, auditoría de sesgo, retención, ni reutilización secundaria de datos sensibles de personas sancionadas. RIESGOS: R2 (Discrimination/Bias): Un registro de reincidencia de consulta obligatoria para graduar sanciones, sin criterios objetivos de ponderación ni auditoría de equidad, puede amplificar sesgos contra poblaciones sobre-vigiladas (jóvenes, personas en situación de calle, comunidades marginadas) que ya concentran detenciones por faltas cívicas. R3 (Privacy): Concentra 'datos sensibles' (el propio art. 74 los califica así) de personas detenidas por faltas administrativas; reutiliza esa información punitiva para 'programas de desarrollo social y prevención de adicciones', un uso secundario sin consentimiento ni base legal específica. R9 (Surveillance): Refleja la lógica de integración de bases de datos punitivas estatales/municipales ('preservación del orden y la paz pública') que, escaladas con análisis automatizado, derivan en vigilancia y perfilamiento poblacional. IMPORTANTE - TEMPORALIDAD: La SCJN DECLARÓ LA INVALIDEZ de los artículos 62-VIII, 74, 75, 76 y 77 (por invadir la facultad exclusiva del Congreso de la Unión sobre el Registro Nacional de Detenciones). Esto modera la severidad del hallazgo (el registro estatal queda sin efecto), PERO el riesgo subsiste a nivel del marco federal: el propio fallo describe el Registro Nacional de Detenciones, una base de datos centralizada y nacional sobre personas detenidas (administrada por la SSPC), que concentra información de detenciones penales y administrativas a escala nacional y constituye la infraestructura de datos de alto riesgo que persiste vigente. GAPS: 1. Ni la norma estatal ni el marco federal del Registro Nacional de Detenciones contemplan salvaguardas frente a analítica predictiva/IA sobre datos de personas detenidas (auditoría de sesgo, prohibición de scoring de riesgo automatizado, supervisión humana). 2. No se acotan los usos secundarios (focalización de programas sociales/prevención de adicciones a partir de registros punitivos). 3. No hay evaluación de impacto en derechos humanos sobre la integración y reutilización de estas bases.