Diario Oficial de la Federación, No. de publicación 305/2025, martes 11 de noviembre de 2025 (Edición Matutina)

Es la ÚNICA mención textual y explícita de “Inteligencia Artificial” en toda la edición del DOF. Aparece como una partida presupuestal (6,847.50 pesos) destinada a financiar la capacitación de personal estatal de salud en un “Curso de Inteligencia Artificial para su aplicación en la Salud Pública” impartido por el Instituto Nacional de Salud Pública (INSP). 1) RELEVANCIA PARA IA: Confirma que el Estado mexicano ya está incorporando formalmente la IA en la formación de servidores públicos del sector salud, en un dominio crítico (prevención/atención de violencia sexual y de género). No describe un sistema de IA operando, sino la creación de capacidades humanas para aplicarla. 2) RIESGOS: El riesgo es bajo en esta etapa (es formación, no despliegue), pero R1 y R15 son pertinentes porque la aplicación de IA en salud pública -particularmente sobre datos de víctimas de violencia- puede derivar en sistemas de triaje, priorización o perfilamiento sin las salvaguardas adecuadas si la capacitación no incorpora ética, sesgo y supervisión humana. 3) GAP: El instrumento no establece lineamientos sobre qué usos de IA se promoverán tras la capacitación, ni controles de calidad, transparencia o evaluación de impacto sobre poblaciones vulnerables. 4) CONTEXTO MEXICANO: Capacitar a personal de salud en IA es positivo para reducir la dependencia tecnológica, pero requiere acompañarse de marcos éticos; en un país con alta informalidad y desigualdad digital, el uso de IA sobre datos de violencia de género exige máxima protección de datos sensibles.

El Convenio instrumenta la confronta masiva y cíclica (semestral) de padrones completos -“el universo de los registros”- de alumnos y trabajadores de la Secretaría de Educación de San Luis Potosí contra la Base de Datos Nacional de la CURP (BDNCURP) administrada por RENAPO, mediante “Servicios Web” que validan “en línea, en tiempo real” la identidad legal de las personas. 1) RELEVANCIA PARA IA: Aunque no se menciona IA, la confronta y validación automatizada de identidad a escala poblacional, en tiempo real y de manera cíclica, es la infraestructura de datos sobre la que típicamente operan motores de matching, deduplicación, detección de “actividad anormal” y, eventualmente, perfilamiento. El convenio ya prevé que RENAPO realice “monitoreo” del consumo y detecte “actividad anormal”/“consumo inusual”, lo que implica analítica de patrones sobre las consultas. 2) RIESGOS: R3 (privacidad) por el tratamiento masivo de datos personales del documento probatorio de identidad; R2 (discriminación) porque errores de matching o registros no certificados pueden bloquear el acceso de personas a becas, certificación de estudios, filiación laboral o pago de nómina (SAR); R9 porque la integración de bases de datos gubernamentales y la validación cruzada de identidad es el sustrato de sistemas de vigilancia e identificación estatal cuando se generaliza la adopción de la CURP como identificador único. 3) GAPS: No se exige auditoría algorítmica de los procesos de confronta/detección de anomalías; no hay mecanismo de impugnación específico para la persona cuya CURP “no valide”; no se fija tasa máxima de error tolerable; no se regula si la detección de “actividad anormal” emplea técnicas automatizadas. 4) CONTEXTO MEXICANO: La política de adopción universal de la CURP como identificador único (Programa Sectorial de Gobernación 2025-2030) y la reciente discusión sobre la CURP biométrica elevan el riesgo de un registro poblacional centralizado susceptible de uso para vigilancia; la capacidad de enforcement del INAI sobre estos intercambios es limitada.

El Programa Institucional del IMTA 2025-2030 mandata el desarrollo de “modelos predictivos”, “sistemas de alerta temprana”, “simuladores de escenarios de riesgo” y “modelos hidrológicos y atmosféricos de alta resolución” alimentados por “estaciones automáticas, radares y sensores remotos” para predecir lluvias intensas, sequías e inundaciones “en tiempo real”. 1) RELEVANCIA PARA IA: La predicción de fenómenos hidrometeorológicos de “alta resolución” en tiempo real es uno de los dominios donde el machine learning ya sustituye o complementa a los modelos físicos tradicionales. El documento no nombra IA, pero describe exactamente el tipo de sistema predictivo que la usaría; es un gap regulatorio implícito de tecnología emergente. 2) RIESGOS: R1 porque un modelo predictivo erróneo (falso negativo) en alerta temprana puede costar vidas al no evacuar a tiempo, o (falso positivo) erosionar la confianza pública; R13 por la creciente delegación de decisiones de protección civil a sistemas automatizados de “detección temprana”; R15 por tratarse de tecnología en evolución cuyas fallas son difíciles de anticipar. 3) GAPS: No se establecen requisitos de validación, explicabilidad, supervisión humana en la cadena de decisión de evacuación, ni métricas mínimas de precisión/recall para los sistemas de alerta. 4) CONTEXTO MEXICANO: México es altamente vulnerable a ciclones e inundaciones (huracán Otis 2023); la calidad y cobertura de los datos de estaciones y sensores es desigual, lo que puede sesgar las predicciones contra regiones rurales y marginadas peor instrumentadas.

El IMTA plantea “tecnologías automatizadas y gestión remota” para supervisar “en tiempo real” parámetros de calidad del agua (pH, turbidez, oxígeno disuelto, contaminantes) y “automatización” de plantas de tratamiento, con el fin explícito de “reducir costos operativos y errores manuales” y de que las instituciones “tomen decisiones de forma eficiente y confiable”. 1) RELEVANCIA PARA IA: La automatización del monitoreo y la operación de plantas de tratamiento (infraestructura crítica) en tiempo real es terreno natural para control automatizado/IA. El lenguaje (“reducir errores manuales”, “decisiones confiables”) sugiere desplazamiento de juicio humano hacia sistemas automáticos. 2) RIESGOS: R1 porque una falla o mala calibración del sistema automatizado de monitoreo de calidad del agua podría no detectar contaminación (arsénico, fluoruro, coliformes) y dañar la salud pública; R13 por la delegación progresiva de la operación de infraestructura crítica a sistemas automáticos con supervisión humana reducida “para reducir costos”; R7 (desplazamiento laboral) porque la justificación explícita de la automatización es “reducir costos operativos y errores manuales” y “reducir costos de operación” (Estrategia 4.3.2: automatización de plantas de tratamiento), eufemismo burocrático típico de sustitución de operadores humanos en infraestructura crítica. 3) GAPS: No se prevén redundancias, validación humana de lecturas críticas, ni protocolos de fallo seguro (“fail-safe”) para la automatización de plantas de tratamiento. 4) CONTEXTO MEXICANO: Muchas plantas municipales operan con bajo mantenimiento y personal escaso; automatizar sin capacidades de mantenimiento puede crear puntos únicos de falla en el suministro de agua a comunidades vulnerables.

El IMTA mandata operar “sistemas de información geoespacial” con “plataformas de monitoreo en tiempo real” y “modelos de balance oferta-demanda por cuenca y por metrópolis” e “indicadores de riesgo hídrico urbano” que territorializan información para “la planeación del sistema de ciudades”. 1) RELEVANCIA PARA IA: Los sistemas geoespaciales con analítica en tiempo real y modelos predictivos territoriales son plataformas donde el aprendizaje automático se aplica de forma creciente; aunque su finalidad es ambiental, generan capas de datos territorializados (consumo, riesgo, asignación de recursos) susceptibles de inferencias sobre comunidades. 2) RIESGOS: R3 (privacidad/datos territorializados) y R2 (discriminación) porque la asignación de inversiones e “identificación de zonas prioritarias” mediante modelos puede reproducir sesgos que perpetúen la exclusión de comunidades indígenas o periurbanas si los datos de base son incompletos en esas zonas (el propio documento reconoce “indicadores fragmentados”). 3) GAPS: No hay criterios de equidad ni auditoría de los modelos que orientan la asignación de inversiones e infraestructura hídrica. 4) CONTEXTO MEXICANO: La cobertura desigual de datos hídricos (rural vs urbano) puede sesgar la priorización territorial contra las comunidades históricamente marginadas que el propio programa busca proteger.

El convenio de salud incluye el uso de “chatbots” como canal de “comunicación bidireccional” para fomentar estilos de vida saludables en “grupos específicos de la población”. 1) RELEVANCIA PARA IA: Los chatbots modernos suelen apoyarse en modelos de lenguaje (LLM). El convenio no especifica la tecnología, pero la segmentación por “grupos específicos” implica perfilamiento poblacional para personalizar mensajes de salud. 2) RIESGOS: R3 porque la comunicación bidireccional vía chatbot sobre temas de salud puede recolectar datos sensibles de salud; R8 porque la sustitución de la interacción humana por chatbots en orientación de salud puede afectar la calidad de la atención a poblaciones con baja alfabetización digital. 3) GAPS: No se especifica si el chatbot usa IA generativa, ni se prevén controles sobre la exactitud de la información de salud que entregue (riesgo de “alucinaciones”), ni avisos de privacidad para los datos recolectados. 4) CONTEXTO MEXICANO: La brecha digital y la baja alfabetización en salud pueden hacer que mensajes automatizados mal calibrados generen desinformación o exclusión de los grupos que más necesitan la atención.