Privacy Invasions

El convenio de salud pública opera a través de plataformas digitales de vigilancia epidemiológica (SINAVE, Sistema Nacional de Vigilancia Epidemiológica; UIES; plataforma de vigilancia entomológica del Dengue) que recaban y concentran información de salud de la población a escala estatal y nacional. 1) Relevancia para IA: actualmente se describen como sistemas de reporte/registro convencionales (captura semanal/trimestral de actividades), sin analítica avanzada, modelado predictivo ni IA explícita. Sin embargo, los sistemas de vigilancia epidemiológica son el tipo de plataforma donde la analítica predictiva y la IA se incorporan crecientemente (predicción de brotes, focalización de intervenciones), procesando datos personales de salud. 2) Riesgos: R3 (privacidad) por el procesamiento y concentración masiva de datos de salud (enfermedades notificables, tamizajes de cáncer, depresión, tuberculosis, etc.) en plataformas nacionales; el riesgo se eleva si en el futuro se incorpora analítica/IA sin salvaguardas. 3) Gaps: el convenio se rige por la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados pero no contempla específicamente el uso de analítica avanzada o IA sobre los datos epidemiológicos, ni límites a inferencias sensibles o a usos secundarios. 4) Contexto mexicano: la digitalización de la vigilancia epidemiológica es deseable para la salud pública, pero la concentración de datos sensibles de poblaciones vulnerables requiere salvaguardas reforzadas, especialmente ante la previsible incorporación futura de IA. Es un gap potencial (prioridad media): el dominio es de alto valor y datos sensibles, aunque hoy no se describe IA en operación.

El convenio describe la atribución de la CNBP de realizar 'búsqueda forense con fines de identificación de cuerpos y restos humanos... a través de un enfoque masivo o a gran escala'. La identificación forense masiva de restos humanos y la confronta a gran escala de datos de personas desaparecidas y de sus familiares es un dominio donde, internacionalmente, se incorporan crecientemente tecnologías de cotejo biométrico, dactiloscópico, de reconocimiento facial post-mortem y de comparación genética (perfiles de ADN) asistidas por algoritmos, así como la integración de grandes bases de datos (registros de personas desaparecidas, RENAPO, bases forenses, ante mortem/post mortem). 1) Relevancia para IA: aunque el convenio solo describe el subsidio presupuestal y la atribución institucional (no menciona IA, algoritmos ni sistemas concretos), la 'identificación humana a gran escala' es precisamente el tipo de proceso donde el cotejo automatizado de datos biométricos y genéticos sensibles se vuelve habilitador típico. Es un gap potencial, no un sistema desplegado descrito en este texto. 2) Riesgos: R3 (privacidad) por el tratamiento masivo de datos biométricos y genéticos —de los más sensibles— de personas fallecidas y de familiares que aportan muestras de referencia; R2 (discriminación/error) por la posibilidad de falsos positivos/negativos en cotejos automatizados de identidad, con consecuencias graves (identificación errónea de restos) sobre poblaciones ya victimizadas. 3) Gaps: el convenio (boilerplate presupuestal) no contempla salvaguardas específicas para el eventual uso de cotejo biométrico/genético automatizado, ni límites a inferencias, retención de perfiles de ADN, auditoría de exactitud o supervisión humana en la confirmación de identidades; remite genéricamente a la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados. 4) Contexto mexicano: México enfrenta una crisis forense con decenas de miles de personas desaparecidas y cuerpos sin identificar; la presión por 'identificación a gran escala' incentiva la adopción de herramientas automatizadas con datos genéticos/biométricos de poblaciones vulnerables, en un país sin ley general de IA y con capacidad limitada de supervisión técnica y de protección de datos.

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.

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.

Los convenios de subsidios a las Comisiones Locales de Búsqueda describen como atribución de la CNBP la "búsqueda forense con fines de identificación de cuerpos y restos humanos... a través de un enfoque masivo o a gran escala", así como (en los antecedentes) la prioridad de "tener la mayor cantidad de información posible" sobre las poblaciones afectadas. La identificación forense masiva a gran escala es, en la práctica internacional y mexicana, un dominio donde se emplean cada vez más tecnologías intensivas en datos: bases de datos genéticas (perfiles de ADN), cotejo biométrico, reconocimiento de patrones para confronta de datos post-mortem y ante-mortem, y cruce masivo de padrones y registros. RIESGOS IDENTIFICADOS: R3 (Privacidad): El procesamiento e integración a gran escala de datos genéticos, biométricos y personales sensibles de víctimas y familiares (datos de las "poblaciones afectadas") plantea riesgos de privacidad y de retención/uso secundario indebido. Los convenios solo invocan la legislación general de protección de datos personales sin establecer salvaguardas específicas para datos genéticos/biométricos en cotejos automatizados. R1 (Errores): La identificación automatizada o semiautomatizada de restos a gran escala conlleva riesgo de falsos positivos/negativos con consecuencias graves (identificación errónea de una persona desaparecida). No se mencionan estándares de verificación humana ni umbrales de confiabilidad. GAP REGULATORIO: El instrumento es un convenio de transferencia de subsidios y no regula las herramientas tecnológicas que podrían usarse en la identificación forense masiva; no menciona IA, cotejo automatizado de ADN/biometría, ni salvaguardas para datos genéticos. Es un gap potencial: el dominio es de alto riesgo y los recursos podrían destinarse a tecnología de cotejo masivo sin marco específico. NIVEL DE EVIDENCIA: Implícito débil (el texto no confirma uso de IA; se infiere por el dominio de identificación forense masiva). CONTEXTO MEXICANO: México enfrenta una crisis de personas desaparecidas con decenas de miles de cuerpos sin identificar; el uso de bases de datos genéticas y cotejo masivo es altamente sensible y requiere salvaguardas reforzadas para datos de víctimas y familiares.

El PEM ordena desplegar una constelación de satélites de Observación de la Tierra cuyas finalidades incluyen expresamente 'seguridad', 'Vigilancia y Seguridad', 'Defensa Nacional' y 'Vigilancia de fronteras y territorios'. Aunque el texto enmarca la OT en gestión de desastres y monitoreo ambiental, el mismo documento lista usos de seguridad/defensa como prioridades de diseño de la carga útil, e indica imágenes ópticas de Muy Alta Resolución (VHR) con resolución de hasta 31 cm y tiempos de revisita de 24 horas o menos. RIESGOS: R9 (Vigilancia autoritaria): infraestructura satelital estatal con capacidad de monitoreo persistente del territorio para fines de 'seguridad' y 'defensa' es la base material de vigilancia masiva sin orden judicial. El procesamiento de estas imágenes a escala requiere IA/visión por computadora (detección de objetos, cambio de uso de suelo, conteo y seguimiento), capacidad que el propio PEM reconoce al citar que 'la Inteligencia Artificial (IA) permite que los datos de OT se utilicen de manera rutinaria para la toma de decisiones'. R3 (Privacidad): VHR submétrica + alta revisita permite inferencias sobre actividades, asentamientos y movimientos de personas; no hay límites, garantías ni control judicial en el documento. R1 (Errores): decisiones de seguridad basadas en detección automatizada sobre imágenes (falsos positivos, mala georreferenciación) sin estándares de exactitud ni supervisión humana descritos. GAPS: el Programa no define (1) límites al uso de OT con fines de seguridad/defensa sobre población civil, (2) controles judiciales/parlamentarios, (3) evaluación de impacto en derechos humanos, (4) estándares de exactitud y supervisión humana, ni (5) régimen de retención y acceso a las imágenes y a sus productos analíticos.

El PEM reconoce EXPLÍCITAMENTE el uso de Inteligencia Artificial y cómputo en la nube para explotar de forma rutinaria los datos de Observación de la Tierra en la 'toma de decisiones... a escala', y ordena crear un Centro Nacional que CENTRALIZARÁ el procesamiento y análisis de las imágenes para 'las diversas dependencias gubernamentales', incluida la seguridad nacional, el monitoreo ambiental y la planeación urbana. RIESGOS: R10 (Concentración de poder): la centralización en la ATDT del procesamiento/análisis de imágenes de TODO el gobierno crea un punto único de control sobre inteligencia geoespacial nacional; el texto reconoce dependencia de 'terceros' para la analítica, lo que puede trasladar capacidad crítica a proveedores (incluido análisis con IA), agravando dependencia tecnológica. R9/R3: un nodo único que produce 'información procesable' a escala para todas las dependencias amplifica el potencial de vigilancia y de inferencias sobre el territorio y la población, sin que el documento prevea contrapesos. R1: usar productos de IA 'de manera rutinaria' para decisiones públicas, sin estándares de validación, fomenta el sesgo de automatización (tratar el output como infalible). GAPS: no se establecen requisitos de transparencia algorítmica, auditoría, validación de exactitud, supervisión humana, ni gobernanza de acceso para el Centro Nacional y sus capacidades de IA.

El documento adopta como objetivo sectorial el 'Uso de Inteligencia de Datos' para 'optimizar la función de gobierno y la toma de decisiones'. 'Inteligencia de datos' y 'análisis de datos' son eufemismos burocráticos que, a escala gubernamental, implican analítica avanzada y muy probablemente aprendizaje automático aplicado a datos administrativos y poblacionales. RIESGOS: R2 (Discriminación): si la 'inteligencia de datos' alimenta decisiones sobre asignación de programas, focalización territorial (el PEM ya prevé 'análisis de información que considere... condición social, nivel socioeconómico' para delimitar población objetivo) o priorización de servicios, puede reproducir sesgos contra poblaciones marginadas, indígenas o rurales. R1: decisiones de gobierno 'optimizadas' por modelos sin validación pueden incurrir en error sistemático. R3: la agregación de datos para 'inteligencia' puede habilitar inferencias sensibles sobre individuos. GAP: el objetivo se enuncia sin salvaguardas (auditoría de equidad, derecho a impugnación, transparencia del método), pese a su impacto potencial en derechos y acceso a servicios.

El Título de Asignación del nuevo ramal ferroviario Buenavista-Lechería-AIFA obliga a operar videovigilancia en estaciones, terminales y patios, además de sistemas de señalización y control de trenes, boletaje electrónico con QR/pago electrónico y registros estadísticos en 'sistemas automatizados'. Aunque el texto no menciona IA, los sistemas de videovigilancia masiva en infraestructura de transporte tienden a incorporar analítica de video (detección de personas/objetos, conteo, potencialmente reconocimiento facial) y el control de tráfico ferroviario incorpora automatización creciente. RIESGOS: R3 (Privacidad): videovigilancia masiva en espacios públicos de alto tránsito sin salvaguardas descritas (retención, prohibición de biometría, acceso) habilita vigilancia de pasajeros. R1 (Errores): la combinación de señalización/control automatizado y alarmas en un servicio crítico exige confiabilidad y supervisión humana. GAP: no se establecen límites al uso de analítica/biometría sobre el video, ni reglas de retención o de acceso de terceros (el Asignatario es privado).

Los convenios de subsidios para búsqueda de personas facultan a la CNBP para 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 (confronta de perfiles genéticos/ADN, datos biométricos, dactiloscopia, cruce de bases de datos forenses y de personas desaparecidas) es un dominio donde se aplican o se aplicarán algoritmos de coincidencia (matching) y análisis automatizado a gran escala. RIESGOS: R3 (Privacidad): el tratamiento masivo de datos biométricos y genéticos de víctimas y familiares es altamente sensible; los convenios solo remiten a la normativa general de datos personales, sin salvaguardas específicas para identificación forense automatizada. R1 (Errores): errores de coincidencia en identificación masiva tienen consecuencias graves (identificaciones falsas, revictimización). R2 (Sesgo): sistemas de identificación pueden tener desempeño desigual según calidad de muestras o poblaciones. GAP: dominio crítico de derechos humanos donde el cruce automatizado a gran escala no se acompaña de estándares de exactitud, validación pericial humana, ni gobernanza específica de datos genéticos/biométricos.

El convenio de salud pública obliga a alimentar el Sistema Nacional de Vigilancia Epidemiológica (SINAVE) y diversos sistemas/plataformas de información en salud con datos individuales (incluida vigilancia entomológica y tamizajes). Se trata de procesamiento masivo de datos personales de salud, categoría sensible. No hay IA explícita, pero la consolidación de grandes bases de datos epidemiológicos es el sustrato sobre el que típicamente se aplican analítica predictiva y modelos. RIESGO R3 (Privacidad): tratamiento masivo de datos sensibles de salud; el convenio remite a la normativa general sin precisar minimización, anonimización para usos secundarios, ni límites a la analítica predictiva futura. GAP de baja prioridad: dominio de datos sensibles donde una eventual analítica/IA sobre los repositorios no está regulada de forma específica.

El PEM enuncia de forma EXPLÍCITA, como una de las 'Aplicaciones Específicas' clave de la infraestructura satelital de Observación de la Tierra, la 'Vigilancia de fronteras y territorios'. Esta es la formulación más directa y concreta del uso de la constelación de OT para vigilancia territorial-poblacional, y complementa la lista de aplicaciones prioritarias del diseño de la carga útil ('9. Vigilancia y Seguridad', '10. Defensa Nacional', Sección 7.1.5) y el rol declarado de la ATDT (constelación 'de seguridad', Tabla 4). RIESGOS: R9 (Vigilancia autoritaria): la vigilancia satelital persistente de 'fronteras y territorios' por el Estado, combinada con imágenes ópticas de Muy Alta Resolución (hasta 31 cm) y revisita de 24 horas o menos, y con la analítica con IA reconocida por el propio PEM (ver H1, H2), constituye una capacidad de control territorial y de monitoreo de movimientos de población (incluida migración fronteriza) sin que el documento prevea control judicial, límites materiales ni rendición de cuentas. R3 (Privacidad): el monitoreo territorial submétrico habilita inferencias sobre asentamientos, desplazamientos y actividades de personas y comunidades en zonas fronterizas y rurales. GAP: el uso de OT para 'vigilancia de fronteras y territorios' se enuncia como aplicación clave sin ninguna salvaguarda: no hay límites al monitoreo de población civil, controles judiciales/legislativos, evaluación de impacto en derechos humanos, ni régimen de acceso y retención de las imágenes y sus productos analíticos.

El Reglamento Interior de la ASF crea una Unidad Especializada en Inteligencia y Análisis (Artículo 21) con Direcciones Generales de Inteligencia y Análisis A y B (Artículo 33) cuyas atribuciones describen, de forma acumulada, un aparato de analítica masiva y automatizada. En el Artículo 33: 'Desarrollar modelos analíticos de riesgo aplicados al gasto público' (fracc. VI), 'Administrar sistemas institucionales de alertas analíticas' (fracc. VIII), 'Diseñar plataformas tecnológicas para análisis masivo de información' (fracc. XI), 'Integrar sistemas de análisis automatizado del gasto público' (fracc. XII), 'Analizar comportamiento fiscal de la proveeduría gubernamental' (fracc. IV) e 'Integrar bases de datos institucionales para análisis analítico' (fracc. VII). El Artículo 21 refuerza el alcance: la Unidad es competente 'para integrar, sistematizar y analizar información financiera, fiscal, patrimonial y administrativa relacionada con el ejercicio de los recursos públicos federales y federalizados, con el objeto de identificar riesgos, irregularidades y posibles esquemas de corrupción', y entre sus atribuciones figuran 'Dirigir el Sistema Institucional de Inteligencia para la Fiscalización del Gasto Público' (fracc. IV), 'Supervisar el desarrollo de modelos analíticos y herramientas de inteligencia institucional' (fracc. VIII), 'Supervisar el funcionamiento de sistemas institucionales de alertas' (fracc. XII), 'Coordinar el análisis de redes empresariales vinculadas con el gasto público' (fracc. XV) y vincular las denuncias y peticiones ciudadanas con la información financiera, fiscal y patrimonial 'con el objeto de identificar patrones de riesgo' (fracc. XVI-XVII). De forma complementaria, el Artículo 32 (Auditoría Forense) habilita 'Recabar, analizar y procesar... aquella información contenida en los diversos medios de almacenamiento y bases de datos, para lo cual podrá utilizar herramientas tecnológicas e informáticas especializadas' (fracc. VII). POR QUÉ ES RELEVANTE PARA IA: La combinación de 'modelos analíticos de riesgo', 'sistemas de análisis automatizado', 'alertas analíticas', 'análisis masivo de información' y 'análisis de redes empresariales' sobre el gasto público y sobre proveedores de gobierno es la descripción funcional típica de sistemas de scoring de riesgo, link-analysis y detección de anomalías basados en estadística avanzada y, plausiblemente, machine learning, aunque el texto nunca menciona 'inteligencia artificial', 'algoritmo' ni 'modelo predictivo'. RIESGOS: R9 (vigilancia/inteligencia): se institucionaliza un 'Sistema Institucional de Inteligencia' y análisis de comportamiento de servidores públicos y de la proveeduría gubernamental, integrando bases de datos de múltiples fuentes (financiera, fiscal, patrimonial, administrativa) y vinculándolas con denuncias ciudadanas, lo que constituye perfilamiento y vigilancia administrativa a gran escala. R3 (privacidad): la integración y cruce sistemático de información financiera, fiscal y PATRIMONIAL de personas servidoras públicas, particulares y redes empresariales, sin límites explícitos de retención ni de finalidad secundaria, configura un tratamiento masivo de datos personales y patrimoniales con riesgo de inferencias sensibles. R2 (sesgo): los modelos de riesgo que priorizan a quién auditar o sancionar pueden incorporar sesgos (p. ej., contra proveedores pequeños o de ciertas regiones) que se traducen en selección desigual para fiscalización. R1 (errores): las 'alertas analíticas' y 'diagnósticos' automatizados pueden producir falsos positivos que detonen procedimientos de responsabilidad o multas contra servidores públicos o particulares. GAPS: No se establece transparencia metodológica de los 'modelos analíticos de riesgo', ni auditoría independiente de los mismos, ni derecho de contradicción específico frente a una alerta generada automáticamente, ni estándares de precisión, ni supervisión humana obligatoria sobre la selección automatizada de objetivos de fiscalización, ni límites de retención y finalidad para el 'Registro de Información y Datos relacionados con los Recursos Federales'. CONTEXTO MEXICANO: La ASF es un órgano clave del control del gasto; dotarla de analítica masiva e 'inteligencia' sin salvaguardas de gobernanza algorítmica ni de protección de datos replica el riesgo observado en otros sistemas estatales de 'inteligencia' donde la opacidad impide auditar sesgos o errores y donde existe riesgo de uso selectivo o político de las herramientas.

El Acuerdo prevé la operación de un 'Sistema que permita la validación de datos' contra la base del Registro Nacional de Población (RENAPO) para sustituir la presentación física de actas (nacimiento, matrimonio, defunción) en los trámites de armas de fuego, explosivos y pirotecnia. Aunque no se nombra 'inteligencia artificial', se trata de una confronta automatizada de identidad/padrones contra una base de datos poblacional nacional, mecanismo que normalmente se apoya en reglas de coincidencia y, crecientemente, en analítica/cotejo automatizado de datos personales. 1) Relevancia para IA: la interoperabilidad y validación automática de datos personales contra RENAPO es la antesala de sistemas de cotejo de identidad que pueden incorporar componentes algorítmicos; el resultado del cotejo condiciona el acceso a un trámite en un dominio crítico (control de armas). 2) Riesgos: R3 (Privacidad): se procesan y confrontan datos personales sensibles (incluida la identidad y, en otros trámites del mismo Acuerdo, la CURP biométrica) contra una base nacional, sin que el texto detalle límites de finalidad, minimización, conservación, ni controles de acceso del lado de la SEDENA. R2 (Discriminación/Sesgo): un cotejo erróneo o datos no homologados en RENAPO pueden negar o retrasar trámites a personas con registros incompletos (población rural, indígena, migrante o con actas no digitalizadas), reproduciendo brechas de la digitalización. R1 (Malfunctions): el propio Acuerdo reconoce que el Sistema podría 'no poder validar la información', es decir, contempla fallas; si la validación automática se trata como infalible podría producir falsos negativos que afecten derechos. 3) Gaps: no se establece autoridad de control de privacidad (INAI/sucesor), evaluación de impacto en protección de datos, derecho de impugnación del solicitante ante un cotejo fallido, ni auditoría del Sistema de validación. 4) Contexto mexicano: la confronta con RENAPO/CURP es una pieza recurrente de la 'identidad digital' nacional; en un dominio tan sensible como el de armas de fuego, la ausencia de salvaguardas explícitas y la capacidad limitada de supervisión de protección de datos elevan el riesgo de uso indebido o de errores no apelables.

De forma sistemática, el Acuerdo de la SEDENA admite y promueve la 'CURP biométrica' como identificación oficial para tramitar registros, compraventa, portación, importación/exportación de armas, municiones y explosivos, así como permisos de pirotecnia. La CURP biométrica integra datos biométricos (fotografía, huellas, iris) a un identificador único poblacional, por lo que su uso masivo como requisito implica el tratamiento de datos biométricos en un dominio de alto riesgo. 1) Relevancia para IA: la generación, verificación y cotejo de la CURP biométrica se sustenta en tecnologías de reconocimiento biométrico (huella/rostro/iris), que son sistemas de IA/comparación de patrones; su adopción como identificación estándar normaliza la biometría en la interacción ciudadano-Estado. 2) Riesgos: R3 (Privacidad/Biometría): los datos biométricos son sensibles e irreemplazables; su uso para acceder a trámites de armas concentra información biométrica de un universo de solicitantes (deportistas, coleccionistas, charros, ejidatarios, empresas de seguridad) sin que el Acuerdo precise cómo se almacenan, quién accede ni por cuánto tiempo. La vinculación de biometría con un padrón de poseedores de armas es particularmente sensible por riesgo de filtración o uso secundario. 3) Gaps: el Acuerdo no regula el tratamiento del dato biométrico, la verificación de su exactitud, ni los derechos del titular frente a un cotejo biométrico fallido; tampoco condiciona el uso de la CURP biométrica a consentimiento o a alternativas no biométricas equivalentes (aunque ofrece pasaporte o credencial para votar como opciones). 4) Contexto mexicano: la CURP biométrica es un proyecto reciente de identidad digital nacional con cuestionamientos de organizaciones de derechos digitales por su carácter cuasi obligatorio; su despliegue como requisito en trámites de armas amplía la huella biométrica del Estado sin un marco específico de salvaguardas.

El Acuerdo se inscribe en la política nacional de 'simplificación y digitalización' coordinada por la Agencia de Transformación Digital y Telecomunicaciones, e instruye actualizar los trámites en el 'Portal Ciudadano Único de Trámites y Servicios'. Estos son eufemismos burocráticos ('modernización administrativa', 'digitalización', 'herramientas o medios digitales') que típicamente anteceden a la incorporación de automatización y, eventualmente, de IA en la atención y resolución de trámites. 1) Relevancia para IA: la centralización de trámites en un portal único y la rectoría de una Agencia de Transformación Digital crean la infraestructura sobre la que pueden montarse clasificadores automáticos, validaciones algorítmicas y asistentes; el propio marco habilita 'el uso de herramientas o medios digitales' sin acotar si incluyen sistemas automatizados de decisión. 2) Riesgos: R3 (Privacidad): la concentración de trámites y datos personales en un portal único amplía la superficie de tratamiento y de eventual interconexión de datos. R7 (Desplazamiento laboral): la simplificación/digitalización masiva de trámites es una vía de reducción de cargas administrativas que puede traducirse en disminución de plazas operativas; el texto no aborda transición laboral. 3) Gaps: no hay principios sobre supervisión humana en decisiones automatizadas, transparencia algorítmica, ni evaluación de impacto cuando la digitalización avance hacia la automatización de la resolución de trámites. 4) Contexto mexicano: la creación de la Agencia de Transformación Digital y Telecomunicaciones como rectora de la digitalización del Estado hace previsible la adopción de automatización/IA en ventanillas y portales; conviene anticipar salvaguardas antes de que la 'digitalización' derive en decisiones automatizadas sobre personas.

Los convenios del SNDIF obligan a integrar y publicar un 'Padrón de las personas atendidas' (padrón de beneficiarios) de programas dirigidos a poblaciones vulnerables (personas con discapacidad; niñas, niños y adolescentes), gestionado e intercambiado por medios electrónicos. No se menciona IA, pero el padrón de beneficiarios es el insumo característico sobre el que, en otros contextos, se construyen sistemas de focalización, scoring o asignación automatizada de apoyos sociales. 1) Relevancia para IA: un padrón digital de beneficiarios con datos sensibles (discapacidad, niñez, condición socioeconómica) es la base de datos sobre la que podrían operar, en el futuro, modelos de focalización o cruces automatizados con otros registros; el convenio prevé el manejo por 'medios electrónicos o por cualquier otra tecnología'. 2) Riesgos: R2 (Discriminación): si la selección o continuidad de apoyos se automatizara a partir del padrón sin auditoría de equidad, podría perpetuar sesgos contra poblaciones ya marginadas; el convenio incluso prevé la suspensión 'en forma automática' del otorgamiento de apoyos ante desviaciones, lo que muestra apetito por automatizar consecuencias. R3 (Privacidad): el padrón contiene datos personales sensibles de personas con discapacidad y de menores, cuya publicación y tratamiento por medios electrónicos requiere salvaguardas reforzadas. 3) Gaps: el convenio no contempla evaluación de impacto, auditoría de equidad, ni límites a cruces o usos secundarios del padrón; tampoco aborda el tratamiento de datos sensibles de menores y personas con discapacidad más allá de remitir a las reglas de operación. 4) Contexto mexicano: los padrones de beneficiarios de programas sociales son recurrentes en el DOF y constituyen un punto de entrada típico para la automatización de decisiones sociales; conviene blindar desde ahora estos datos sensibles frente a perfilamiento y cruces no autorizados.

Los dos Convenios de subsidios para acciones de búsqueda de personas describen como atribución de la CNBP la 'búsqueda forense con fines de identificación de cuerpos y restos humanos' con un 'enfoque masivo o a gran escala', además de la 'identificación humana complementaria'. Aunque el texto no nombra 'inteligencia artificial', la identificación forense de personas a gran escala (con el universo de personas desaparecidas y no localizadas de México) se apoya de forma característica en tecnologías de cotejo automatizado de patrones: comparación de perfiles genéticos (matching de ADN contra bancos de datos), reconocimiento facial/reconstrucción, cotejo dactilar y odontológico, todos ellos sistemas algorítmicos de comparación de patrones biométricos. 1) Relevancia para IA: el cotejo 'a gran escala' de restos humanos contra bases de datos de personas desaparecidas y de familiares (perfiles genéticos, biométricos) es precisamente un dominio donde la analítica automatizada y los algoritmos de matching son la herramienta estándar; el subsidio financia 'proyectos' y equipamiento sin acotar las salvaguardas de los sistemas de identificación que se empleen. 2) Riesgos: R3 (Privacidad/datos sensibles): se procesan datos genéticos y biométricos —los más sensibles— de víctimas, restos y de familiares que aportan muestras de referencia, sin que el Convenio detalle límites de finalidad, conservación, controles de acceso ni interoperabilidad de los bancos forenses. R1 (Malfunctions/Errores): una identificación forense errónea (falso positivo/negativo en el cotejo de ADN o biométrico) tiene consecuencias gravísimas —entregar restos equivocados a una familia, cerrar una búsqueda indebidamente—; si el resultado algorítmico se trata como concluyente sin verificación pericial humana, se materializa el automation bias en un dominio crítico. R2 (Sesgo): bases de referencia incompletas o sesgadas (poblaciones rurales, indígenas, migrantes con menor registro genético/biométrico) pueden producir tasas de identificación desiguales. 3) Gaps: el Convenio no establece estándares de exactitud, validación pericial humana obligatoria del cotejo, auditoría de los sistemas de identificación, ni régimen específico de protección de los datos genéticos/biométricos forenses y de los familiares donantes de muestras. 4) Contexto mexicano: México enfrenta una crisis de más de cien mil personas desaparecidas y miles de cuerpos sin identificar; la presión por identificar 'a gran escala' incentiva la adopción de herramientas automatizadas de cotejo masivo justo cuando la autoridad de protección de datos atraviesa una reconfiguración, lo que eleva el riesgo de errores no apelables y de tratamiento indebido de datos genéticos sensibles.