Diario Oficial de la Federación, Edición Matutina, No. de publicación 301/2025, viernes 7 de noviembre de 2025

1) RELEVANCIA PARA IA: El convenio establece la consulta y confronta automatizada, en línea y en tiempo real, de los datos personales de aspirantes y alumnos contra la Base de Datos Nacional de la CURP (BDNCURP) que administra RENAPO, mediante Servicios Web de CURP. La 'confronta de padrones' y validación masiva de identidad contra un registro nacional son justamente el tipo de tratamiento que opera o se apoyará en motores de cotejo de identidad/biometría y analítica de datos, aunque el texto no nombre 'inteligencia artificial' ni 'algoritmo'. El proyecto sectorial citado (líneas de acción 4.4.6) ordena 'operar mecanismos continuos de verificación, validación y autenticación de la identidad de las personas', señal fuerte de identidad digital interoperable a escala nacional. 2) RIESGOS: R3 (Privacy) por procesamiento masivo de datos personales de identidad (acta de nacimiento, sexo, fecha y lugar de nacimiento) y por la integración de la CURP como identificador único homogéneo entre instituciones públicas, privadas y financieras, que habilita perfilamiento cruzado y vigilancia por agregación. R2 (Discrimination) porque la dependencia de una identidad validada centralmente para acceder a un derecho (admisión educativa) puede excluir a quienes tienen CURP no certificada o registros con errores, afectando a poblaciones con subregistro civil (indígenas, zonas rurales de Oaxaca). 3) GAPS: No se establece auditoría algorítmica del motor de confronta, ni tasa máxima de falsos negativos (rechazos indebidos), ni un mecanismo de impugnación para la persona cuya identidad sea rechazada por el sistema; la cláusula de monitoreo del 'consumo inusual' vigila a la UABJO, no protege a la persona titular. No hay evaluación de impacto a la protección de datos pese a tratarse de tratamiento masivo. 4) CONTEXTO MEXICANO: La CURP como 'clave única homogénea' adoptada por sectores público, privado y financiero es la columna de la identidad digital nacional; concentrar la validación en RENAPO sin controles algorítmicos transparentes crea un punto único de exclusión y de vigilancia, especialmente sensible en Oaxaca por su alta diversidad y subregistro.

1) RELEVANCIA PARA IA: Los convenios alimentan de forma electrónica el BANAVIM, un banco nacional de datos sobre casos de violencia contra mujeres, niñas y niños, con datos altamente sensibles (víctimas, agresores, hijos, atención médica/jurídica/psicológica). Bancos nacionales de este tipo son la materia prima sobre la que típicamente se construyen tableros analíticos, sistemas de 'alerta temprana' o evaluación de riesgo de reincidencia/feminicidio; aunque el texto no menciona IA, define la captura estructurada y periódica que habilitaría tales usos. 2) RIESGOS: R3 por concentración de datos personales sensibles de población vulnerable, sin que el convenio describa controles de minimización, retención o seudonimización específicos más allá de la remisión genérica a la LGPDPPSO. R2 porque, de aplicarse modelos de evaluación de riesgo sobre estos registros, los sesgos en la denuncia y registro (subregistro en zonas rurales/indígenas) podrían traducirse en asignación desigual de protección. El Anexo Técnico de Veracruz suma 'Cámaras y sistema de videovigilancia' y 'controles de acceso' operados desde computadora en el Centro de Justicia, infraestructura de monitoreo que, si se conecta a analítica de video, eleva el riesgo de privacidad. 3) GAPS: No hay evaluación de impacto sobre los datos de víctimas, ni límites a su explotación analítica, ni reglas sobre quién y con qué fines puede correr análisis sobre el BANAVIM; la videovigilancia del Centro carece de aviso de privacidad y de límites de conservación de imágenes en un entorno de víctimas. 4) CONTEXTO MEXICANO: En un país con alerta de violencia de género activa (Nogales) y capacidad institucional limitada, un banco nacional de víctimas sin gobernanza de datos robusta es un activo de alto riesgo de fuga o uso indebido contra las propias víctimas.

1) RELEVANCIA PARA IA: El Programa Institucional de SHF se alinea explícitamente a estrategias de inclusión financiera 'apoyadas con el uso de tecnología financiera' (fintech) para microfinanciamiento, dispersión de apoyos sociales y otorgamiento de garantías y seguros de crédito a la vivienda. La originación de crédito hipotecario, los seguros de crédito y la evaluación de riesgo de acreditados son dominios donde el sector usa o adoptará scoring crediticio automatizado y modelos de riesgo; el documento es de nivel programático y no operacionaliza un sistema concreto, por lo que el riesgo es potencial. 2) RIESGOS: R2 porque el scoring crediticio automatizado entrenado con datos históricos puede perpetuar la exclusión de población informal (cercana al 60% del empleo) y de segmentos con 'niveles de ingresos no convencionales (economía mixta, no afiliados)' que el propio Programa identifica como problema público. R10 por dependencia de proveedores de tecnología financiera y concentración de la infraestructura de evaluación crediticia. 3) GAPS: El Programa no establece requisitos de transparencia, auditoría de equidad ni derecho de explicación/impugnación para decisiones automatizadas de crédito o seguro, pese a vincular inclusión financiera con tecnología financiera. 4) CONTEXTO MEXICANO: La meta de inclusión financiera de los 'sectores menos favorecidos' choca con el riesgo de que modelos automatizados de riesgo excluyan justamente a quienes carecen de historial formal; sin salvaguardas, la 'tecnología financiera' puede ampliar la brecha en lugar de cerrarla.

1) RELEVANCIA PARA IA: El convenio obliga a alimentar el Sistema Nacional de Vigilancia Epidemiológica y sistemas de información específicos con datos de salud pública (VIH, salud sexual y reproductiva, salud de infancia/adolescencia, enfermedades transmisibles). Los sistemas nacionales de vigilancia epidemiológica son plataformas de datos masivos de salud sobre los que se construye analítica predictiva y modelos de detección de brotes; el documento define la captura y reporte, no un modelo de IA, por lo que es un gap/riesgo potencial. Se crea además un 'Portal SaNAS' para control y seguimiento. 2) RIESGOS: R3 por tratamiento de datos personales sensibles de salud a escala poblacional; el convenio remite a la LGTAIP/LGPDPPSO de forma genérica pero no detalla minimización ni límites a usos secundarios analíticos. 3) GAPS: Sin reglas sobre análisis automatizado de los datos epidemiológicos, sin evaluación de impacto y sin límites de retención o reidentificación. 4) CONTEXTO MEXICANO: La concentración de datos de salud de población sin seguridad social en sistemas nacionales exige gobernanza de datos fuerte; la capacidad de enforcement en privacidad sanitaria es limitada.

1) RELEVANCIA PARA IA: Este es el ÚNICO hallazgo EXPLÍCITO del documento: el Convenio Salud-Jalisco financia (partida 33401) que la persona responsable estatal de prevención y atención a la violencia sexual y contra las mujeres curse el 'Curso de Inteligencia Artificial para su aplicación en la Salud Pública' impartido por el Instituto Nacional de Salud Pública (INSP), e incluye un indicador formal que mide el número de responsables estatales que se inscribieron, cursaron y aprobaron dicho curso. La inversión estatal en capacitar a personal de salud pública (en un dominio sensible: violencia de género/sexual) para 'aplicar IA en salud pública' es señal de que la IA se está incorporando como herramienta operativa en estos servicios, aunque el convenio no describe qué sistemas concretos se desplegarán. Corrige el error del flag contiene_mencion_explicita_ai, que en la versión previa estaba en falso pese a estas tres menciones literales a 'Inteligencia Artificial'. 2) RIESGOS: R1 (Malfunctions & Errors) porque la aplicación de IA en salud pública —especialmente en triage, priorización o análisis de casos de violencia— puede producir errores con impacto directo en personas si se trata como infalible (automation bias) sin supervisión humana calificada; el dominio salud es crítico y eleva la severidad. R2 (Discrimination & Bias) porque modelos aplicados sobre datos de violencia de género/atención a la salud pueden reproducir sesgos de subregistro y asignar de forma desigual atención o protección. El nivel es Media porque por ahora se trata de capacitación (mandato formativo), no de un sistema en operación. 3) GAPS: El convenio no define qué herramientas de IA se usarán, ni controles de supervisión humana, validación, transparencia o evaluación de sesgo para su uso en salud pública y en servicios de atención a víctimas; capacita en IA sin gobernanza asociada. 4) CONTEXTO MEXICANO: Capacitar cuadros estatales en IA aplicada a salud pública sin un marco de uso responsable, en un país con enforcement limitado en protección de datos de salud y de víctimas, abre la puerta a despliegues posteriores sin salvaguardas.

1) RELEVANCIA PARA IA: Ambos convenios (Chiapas e Hidalgo) ordenan implementar 'los sistemas de información e informática con fines de control de la movilización' y alimentar el 'Sistema Nacional de Trazabilidad', registrando de forma continua el tránsito de animales, vegetales, sus productos y subproductos por Puntos de Verificación e Inspección Interna (fijos o móviles). Los sistemas nacionales de trazabilidad y control de movilización son la base de datos sobre la que típicamente se montan analítica de patrones, scoring de riesgo sanitario, teledetección o vigilancia de rutas; el documento define la captura estructurada y periódica que habilitaría esos usos aunque no nombre 'inteligencia artificial' ni 'algoritmo'. El análisis previo omitió por completo estos dos convenios. 2) RIESGOS: R3 (Privacy) por el registro continuo de la movilización que incluye datos de transportistas, productores y predios de origen/destino (información personal y de geolocalización de rutas), sin que el convenio detalle minimización, retención ni límites de uso secundario. R9 (Authoritarian Surveillance / vigilancia por integración de bases de datos) por la concentración nacional de trazabilidad que, conectada a otras bases o a análisis predictivo, puede usarse para monitoreo de movimientos más allá del fin sanitario. El nivel es Media: hoy es captura/control sanitario, el riesgo de IA es potencial. 3) GAPS: No hay reglas sobre tratamiento automatizado de los datos de trazabilidad, ni aviso de privacidad para las personas registradas en los Puntos de Verificación, ni límites a cruces con otras bases de datos federales, ni evaluación de impacto. 4) CONTEXTO MEXICANO: La trazabilidad agropecuaria nacional con Puntos de Verificación móviles, operada en coordinación con instancias de seguridad nacional (a las que el RISENASICA manda 'coadyuvar'), exige gobernanza de datos clara para no derivar en vigilancia de movimientos de personas en el medio rural.