Análisis del DOF · 4 de mayo de 2026
Diario Oficial de la Federación, No. de publicación 112/2026, Ciudad de México, lunes 4 de mayo de 2026 (edición matutina)
Tipo de documento: Edición del Diario Oficial de la Federación (compendio: Decretos, Convenios, Acuerdos, NOM, Declaraciones, Sentencias y Avisos)
Estadísticas
Metadatos
Categorías de riesgo presentes
Síntesis ejecutiva
Esta edición del DOF (4 de mayo de 2026) es un compendio multisectorial que NO contiene ninguna mención explícita a inteligencia artificial, algoritmos, machine learning ni tecnologías afines. La mayoría de sus instrumentos (decreto expropiatorio, convenios FOFISP de seguridad, destino de inmuebles, NOM-021-ASEA de prospección sísmica marina, acuerdos de delegación de facultades, indicaciones geográficas IMPI de aguacate y cacao, convenio de salud con Aguascalientes, sentencias de la SCJN sobre hidrocarburos y sobre interrupción del embarazo/discapacidad, tipos de cambio de Banxico, y avisos judiciales) son de naturaleza administrativa, presupuestaria, técnico-ambiental o jurisdiccional sin componente de IA. Del análisis íntegro se identifican tres hallazgos IMPLÍCITOS y de tipo GAP, donde dominios de alto riesgo se regulan u operan con sistemas de datos sin abordar la dimensión algorítmica: (1) el Convenio SEP-ECOEMS, que crea un mecanismo de asignación masiva de aspirantes a educación media superior (decisión sobre acceso a un derecho constitucional, con datos de menores y posible reasignación por 'criterios de similitud') — riesgo R2/R3; (2) el Acuerdo INE/CG161/2026 de Integración Seccional, que ordena a la DERFE procesar masivamente el Padrón Electoral y la Lista Nominal mediante una 'aplicación informática' y captar 'información prospectiva' incluyendo secciones con problemática social, inseguridad y asentamientos militares — riesgo R3/R9 (atenuado por la fuerte revisión humana colegiada y partidista); y (3) los convenios FOFISP, que financian evaluaciones de desempeño/control de confianza y un software de seguimiento del personal de seguridad pública — riesgo R3/R9 (implícito débil). Ninguno alcanza severidad extrema ni exige atención urgente, pero los tres revelan el patrón recurrente del DOF: regular procesos masivos de datos personales y de decisión sobre personas (educación, padrón electoral, personal de seguridad) sin prever transparencia algorítmica, auditoría de equidad, límites de finalidad/retención de datos ni mecanismos de impugnación con revisión humana. Se recomienda incorporar estas salvaguardas de manera preventiva, dado que tales procesos tienden a apoyarse en plataformas automatizadas.
Contexto mexicano
Consideraciones especiales
- La asignación masiva de espacios en educación media superior afecta a poblaciones vulnerables; criterios opacos de reasignación pueden consolidar segregación educativa por nivel socioeconómico y territorio en la zona metropolitana del Valle de México.
- El Padrón Electoral y la Lista Nominal son activos de datos personales altamente sensibles; su procesamiento geoespacial y prospectivo por la DERFE exige salvaguardas reforzadas para impedir su deriva hacia funciones de vigilancia poblacional, especialmente al cruzar variables de 'inseguridad', 'problemática social' y 'asentamientos militares'.
- El fortalecimiento de instituciones de seguridad pública mediante el FOFISP suele financiar infraestructura tecnológica y bases de datos; la baja capacidad de enforcement y la opacidad histórica del gasto en seguridad incrementan el riesgo de adquirir capacidades de monitoreo no auditadas.
- México aún carece de un marco transversal de gobernanza algorítmica y de evaluación de impacto de sistemas automatizados de decisión en el sector público, por lo que estos gaps se repiten en instrumentos que tratan datos de menores, electores y servidores públicos.
Capacidad de implementación
Media-Baja. Las instancias garantes de datos personales y los órganos internos de control tienen recursos limitados para auditar sistemas informáticos de asignación escolar, plataformas de evaluación policial o el tratamiento del padrón electoral. En el caso del INE existe un esquema robusto de vigilancia colegiada y partidista (CNV, CLV, CDV) que mitiga el riesgo del procesamiento electoral; en cambio, en los convenios SEP y FOFISP no se prevén mecanismos específicos de auditoría tecnológica ni de revisión humana de decisiones automatizadas.
Precedentes relevantes
- Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados (principios de finalidad, minimización y proporcionalidad aplicables al ECOEMS, al padrón electoral y a las evaluaciones de seguridad).
- Ley General de Instituciones y Procedimientos Electorales (LGIPE) y Lineamientos para la Actualización del Marco Geográfico Electoral (LAMGE), que enmarcan el tratamiento del Padrón Electoral por la DERFE.
- Antecedentes de sistemas masivos de asignación escolar en la Zona Metropolitana del Valle de México (modelo tipo COMIPEMS) como referencia operativa del ECOEMS.
- Jurisprudencia del TEPJF (37/2015) sobre consulta previa y criterios constitucionales de no discriminación e igualdad aplicables a decisiones administrativas con impacto en grupos vulnerables.
Hallazgos
Hallazgos detectados por el análisis. Expande cada uno para ver el fragmento original y las recomendaciones.
Educación Media Superior (asignación de espacios escolares) Implícito - Riesgo/Gap Regulatorio Alta
Dominio regulatorio
Educación Media Superior (asignación de espacios escolares)
Vacío regulatorio
Sí
Fragmento original
“LAS INSTITUCIONES” convienen que el “ECOEMS”, será el encargado de asignar una opción educativa a todas las aspirantes que se registren según lo establecido en la convocatoria anual. La asignación se realizará atendiendo a tres principios: Análisis de relevancia
El convenio crea un mecanismo (ECOEMS) que registra y asigna a TODAS las personas aspirantes a educación media superior en la Ciudad de México y 22 municipios conurbados del Estado de México a una opción educativa. Aunque el texto describe un proceso administrativo y enuncia que la asignación es directa (sin examen, salvo UNAM e IPN) y por sorteo ante Notario en casos de saturación, este tipo de procesos masivos de asignación escolar (históricamente operados con sistemas tipo COMIPEMS) se ejecutan mediante plataformas informáticas que procesan datos de cientos de miles de menores y aplican algoritmos de optimización/'criterios de similitud' para reasignar a quienes no obtienen su preferencia. RIESGOS: (R1) al tratarse de una asignación automatizada y masiva sobre acceso a un derecho constitucional, errores del sistema (datos mal capturados, reglas mal implementadas, fallas en el ordenamiento por preferencia/cercanía) pueden colocar a un aspirante en una opción incorrecta o lejana sin que el convenio prevea verificación, revisión humana ni corrección del resultado. (R2) la asignación por 'criterios de similitud' y por preferencia/cercanía, si se automatiza, puede reproducir y amplificar desigualdades territoriales y socioeconómicas (alumnos de zonas marginadas reasignados a opciones lejanas o de menor demanda), sin que el convenio prevea auditoría de equidad, explicabilidad del criterio de reasignación, ni mecanismo de impugnación individual del resultado. (R3) el sistema concentra datos personales de menores de edad (registro, preferencias, domicilio para criterio de cercanía); la Cláusula NOVENA remite genéricamente a la Ley General de Protección de Datos Personales pero no fija límites de finalidad, retención, ni prohibición de uso secundario. GAP: no se menciona si hay sistema automatizado, ni transparencia algorítmica, ni derecho a revisión humana, pese a tratarse de una decisión sobre acceso a un derecho constitucional (educación obligatoria). CONTEXTO MEXICANO: la asignación escolar masiva afecta a poblaciones vulnerables; un criterio opaco puede consolidar segregación educativa por nivel socioeconómico y territorio.
Recomendaciones
- Exigir que cualquier sistema informático/algoritmo usado por el ECOEMS para registrar, ordenar o reasignar aspirantes sea transparente, documentado y auditable por una instancia independiente.
- Establecer un mecanismo de impugnación y revisión humana del resultado de asignación, con plazos y autoridad responsable claramente definidos.
- Realizar y publicar una evaluación de impacto en equidad (análisis diferencial por nivel socioeconómico, género y territorio) antes y durante la operación de la asignación.
- Fijar límites explícitos de finalidad, retención y prohibición de uso secundario de los datos personales de menores aspirantes, con supervisión del órgano garante de datos.
Categorías de riesgo
Electoral (Marco Geográfico Electoral / Padrón Electoral) Implícito - Riesgo/Gap Regulatorio Media
Dominio regulatorio
Electoral (Marco Geográfico Electoral / Padrón Electoral)
Vacío regulatorio
Sí
Fragmento original
La Junta Distrital Ejecutiva correspondiente, previo análisis, determinará con base en los cortes estadísticos del Padrón Electoral y Lista Nominal de Electores que le proporcione la DERFE, las secciones que se encuentren en alguno de estos supuestos. Análisis de relevancia
El 'Procedimiento para los trabajos de Integración Seccional 2026' instruye a la DERFE a procesar masivamente el Padrón Electoral y la Lista Nominal (datos personales de millones de personas electoras) para identificar, fusionar y reasignar secciones electorales, generando escenarios mediante una 'aplicación informática' y recopilando 'información prospectiva que permita identificar focos de crecimiento'. RIESGOS: (R3) implica tratamiento masivo de datos personales electorales (domicilio, sección, condición de empadronamiento) y su correlación geoespacial; (R9) el documento señala que se incluyen 589 secciones afectadas por 'asentamientos militares o navales', 'problemática social o inseguridad' y 'migración de la población' — categorías sensibles que, integradas con cartografía y datos de padrón, podrían habilitar análisis poblacional con fines distintos al electoral. EVIDENCIA/TEMPORALIDAD: el proceso descrito es predominantemente procedimental y mantiene revisión humana colegiada (JDE/JLE/CDV/CLV/CNV) y partidista, por lo que el riesgo de automatización plena es BAJO en el texto actual; sin embargo, la 'aplicación informática' que genera escenarios y la captación de información prospectiva constituyen un componente tecnológico no regulado en cuanto a su lógica, sesgos y trazabilidad. GAP: no se describe la lógica del software de generación de escenarios, ni controles sobre el uso secundario de los datos del padrón empleados para análisis prospectivo. CONTEXTO MEXICANO: el padrón electoral es un activo de datos altamente sensible; su uso para análisis geoespacial-prospectivo exige salvaguardas reforzadas para evitar funciones de vigilancia poblacional.
Recomendaciones
- Documentar y poner a disposición de la Comisión Nacional de Vigilancia la lógica, parámetros y limitaciones de la 'aplicación informática' que genera los escenarios de integración seccional.
- Limitar expresamente el uso de los cortes del Padrón Electoral y de la 'información prospectiva' al fin electoral específico, prohibiendo su reutilización para perfilamiento poblacional o de seguridad.
- Mantener y reforzar la revisión humana colegiada y el control partidista sobre cualquier escenario generado por medios informáticos, dejando constancia auditable de las decisiones.
- Aplicar evaluación de impacto en privacidad sobre el tratamiento de datos del padrón con fines de análisis geoespacial y prospectivo.
Categorías de riesgo
Seguridad Pública (fortalecimiento institucional, evaluación de personal policial) Implícito - Riesgo/Gap Regulatorio Media
Dominio regulatorio
Seguridad Pública (fortalecimiento institucional, evaluación de personal policial)
Vacío regulatorio
Sí
Fragmento original
Enviar a la Dirección General de Vinculación y Seguimiento de “EL SECRETARIADO” el formato único de resultados de la evaluación de competencias básicas del personal policial preventivo en activo y el formato único de resultados de la evaluación del desempeño del personal en activo de las instituciones de seguridad pública, debidamente firmados por las autoridades correspondientes; Análisis de relevancia
Los cuatro convenios FOFISP financian instituciones de seguridad pública y obligan a las entidades a operar evaluaciones de competencias, de desempeño y de control de confianza del personal policial, así como un 'software denominado Herramienta de Seguimiento y Control' del Servicio Profesional de Carrera. Aunque el texto es administrativo-financiero y NO menciona IA, el fortalecimiento de instituciones de seguridad pública típicamente financia infraestructura tecnológica (bases de datos, plataformas de evaluación, sistemas de control de confianza) que pueden incorporar análisis automatizado de datos personales sensibles del personal y, eventualmente, herramientas de monitoreo. RIESGOS: (R3) tratamiento de datos personales sensibles (evaluaciones de desempeño y de control de confianza, que incluyen exámenes psicológicos, poligráficos, patrimoniales) sin que el convenio fije salvaguardas de privacidad ni límites de uso; (R9) el destino genérico 'fortalecimiento de las instituciones de seguridad pública' puede financiar capacidades de vigilancia/monitoreo no detalladas en el convenio. EVIDENCIA: implícito DÉBIL: el convenio no describe sistemas concretos de IA; el riesgo deriva del dominio (seguridad) y de los sistemas de evaluación/seguimiento que sí menciona. GAP: ausencia de cualquier criterio de transparencia, auditoría o protección de datos sobre las plataformas y evaluaciones financiadas. CONTEXTO MEXICANO: capacidad de enforcement limitada y antecedentes de uso opaco de recursos y tecnología de seguridad refuerzan la necesidad de controles.
Recomendaciones
- Condicionar el financiamiento FOFISP de plataformas de evaluación, control de confianza y 'Herramienta de Seguimiento y Control' a estándares de protección de datos personales sensibles y auditoría.
- Transparentar (en lo no reservado) los tipos de sistemas tecnológicos adquiridos con recursos del fondo y su finalidad, evitando que financien capacidades de vigilancia no justificadas.
- Exigir que toda evaluación automatizada del desempeño policial conserve revisión humana y mecanismo de impugnación para el personal evaluado.
- Incluir en los anexos técnicos del fondo lineamientos de minimización, retención y seguridad de los datos personales del personal de seguridad pública.
Categorías de riesgo