Diario Oficial de la Federación, No. de publicación 029/2026, Ciudad de México, jueves 5 de febrero de 2026 (edición matutina)

El documento integra el Padrón de Beneficiarios del programa de búsqueda de personas al Sistema Integral de Información de Padrones de Programas Gubernamentales (SIIPP-G). El SIIPP-G es una plataforma que cruza (confronta) padrones de distintos programas gubernamentales para detectar duplicidades e inconsistencias; este tipo de confronta masiva de padrones suele apoyarse en procesos automatizados de cotejo de datos personales (matching) contra fuentes como RENAPO/CURP. Aunque el texto no menciona 'inteligencia artificial', describe una infraestructura de tratamiento masivo de datos personales con fines de control y verificación. RIESGOS: R3 (Privacidad): La integración a SIIPP-G implica el tratamiento, cruce y reporte trimestral de datos personales en un entorno de búsqueda de personas desaparecidas, donde la información es especialmente sensible (familiares, denunciantes, datos forenses de identificación humana). No se establecen en el texto salvaguardas específicas de minimización, finalidad ni límites al uso secundario del cruce de padrones. R2 (Discriminación, severidad menor): Si la confronta automatizada de padrones determina elegibilidad o señala inconsistencias sin revisión humana adecuada, podría excluir a beneficiarias (Comisiones Locales) o afectar a personas con base en datos erróneos. GAPS REGULATORIOS: 1. No se especifica la metodología de cotejo del SIIPP-G ni si existe revisión humana de las inconsistencias detectadas. 2. No hay mención de evaluación de impacto en protección de datos para el cruce de padrones en un dominio tan sensible como la búsqueda de personas. 3. No se definen límites de retención ni de uso secundario de la información integrada. CONTEXTO MEXICANO: El SIIPP-G es operado por la Secretaría Anticorrupción y Buen Gobierno; la confronta de padrones es una práctica administrativa común en México con capacidad de enforcement de privacidad debilitada tras la extinción del INAI y la reasignación de la función de garante.

Los Lineamientos destinan recursos federales a 'maquinaria o herramientas especializadas para la búsqueda, localización e identificación humana' y recomiendan 'el empleo de técnicas y tecnologías' para mejorar la búsqueda. En el campo de la identificación humana forense, las tecnologías modernas incluyen sistemas algorítmicos de cotejo biométrico (reconocimiento facial post-mortem, cotejo de huellas, análisis genético asistido por software) y plataformas de análisis de datos masivos para correlacionar registros. El lenguaje es un eufemismo tecnológico ('técnicas y tecnologías', 'herramientas especializadas') que puede abarcar sistemas de IA sin nombrarlos. RIESGOS: R3 (Privacidad): El tratamiento de datos biométricos y genéticos para identificación humana es altamente sensible; la adquisición de herramientas tecnológicas con recursos del subsidio no viene acompañada de estándares sobre tratamiento de datos biométricos. R1 (Errores): Las herramientas de cotejo biométrico forense pueden producir falsas identificaciones (falsos positivos/negativos) con consecuencias graves (identificación errónea de restos, cierre indebido de búsquedas). El texto no establece requisitos de validación, tasas de error aceptables ni supervisión pericial humana. GAP: No se fijan estándares técnicos, de validación ni de supervisión humana para las 'herramientas especializadas' de identificación humana que se adquieran con el subsidio. CONTEXTO MEXICANO: México enfrenta una crisis de personas desaparecidas con miles de cuerpos sin identificar; la presión por 'eficiencia' puede incentivar la adopción de herramientas automatizadas sin controles de calidad, en un entorno de capacidades periciales locales desiguales.

El aviso difunde guías operativas de un Programa para la 'Prevención y Detección de las Violencias Feminicidas'. Los enfoques modernos de 'detección' y 'prevención' de violencia de género frecuentemente incorporan análisis de datos, modelos predictivos de riesgo o sistemas de alerta basados en correlación de variables (perfilamiento de riesgo de víctimas/agresores). Aunque este aviso es meramente informativo (remite a guías publicadas en un sitio web) y NO describe explícitamente un sistema tecnológico, el dominio es de alto riesgo regulatorio: si la 'detección' se apoyara en scoring o perfilamiento automatizado de riesgo, podrían surgir sesgos y problemas de privacidad. RIESGOS (potenciales, evidencia débil): R2 (Discriminación): Modelos de evaluación de riesgo en violencia de género pueden incorporar sesgos que sub/sobre-estimen el riesgo según variables socioeconómicas o territoriales. R3 (Privacidad): La detección implica tratamiento de datos personales sensibles de víctimas. GAP: El instrumento publicado en el DOF no ofrece detalle sobre la metodología de 'detección', lo que impide evaluar si hay componentes automatizados; constituye un gap potencial de menor prioridad que requiere revisar las Guías Operativas completas. CONTEXTO MEXICANO: Las Alertas de Violencia de Género y los Centros de Justicia para las Mujeres manejan datos altamente sensibles; cualquier sistema de detección debe priorizar la protección y no la estigmatización de las víctimas.