Análisis del DOF · 13 de marzo de 2026
Diario Oficial de la Federación, No. de publicación 061/2026, Ciudad de México, viernes 13 de marzo de 2026 (Edición Matutina)
Tipo de documento: Edición del Diario Oficial de la Federación (compilación: Decretos, Acuerdos, Oficios, NOM, Sentencias, Resolución y Avisos)
Estadísticas
Metadatos
Categorías de riesgo presentes
Síntesis ejecutiva
Esta edición del DOF (13 de marzo de 2026) es una compilación multisectorial cuyo grueso son actos administrativos sin componente tecnológico de IA: el Decreto del 'Día de la Aviación Naval'; la simplificación de trámites de la COMAR (refugiados); seis Oficios del SAT con listados globales de presunción/definitivos del artículo 69-B del CFF (empresas que facturan operaciones inexistentes); una desincorporación inmobiliaria del INDAABIN; días inhábiles de la ANAM; dos convenios de ordenamiento ecológico de SEMARNAT en Hidalgo; la NOM-018-NUCL-2025 (caracterización de residuos radiactivos, metrología documental); habilitaciones de corredores públicos; un convenio de sanidad agroalimentaria de SADER; una circular anticorrupción; convenios de la Secretaría de las Mujeres; lineamientos del programa U200 de IMSS-BIENESTAR; la sentencia de la SCJN en la Controversia Constitucional 59/2025 (competencia federal en hidrocarburos); tipos de cambio del Banco de México; y diversos avisos judiciales y generales (incluida una declaración especial de ausencia de persona desaparecida). Se identificó UN hallazgo implícito relevante para la regulación de IA, en la Resolución del Consejo General del INE (Exp. UT/SCG/Q/RPG/JL/PUE/175/2018, INE/CG459/2020) sobre afiliación indebida al PRI y uso no autorizado de datos personales. El documento describe el 'Sistema de Verificación del Padrón de Afiliados de los Partidos Políticos' que compulsa de forma permanente los padrones partidistas contra el padrón electoral y entre sí (con eliminación de más de 9 millones de registros), constituyendo un tratamiento masivo de datos personales sensibles (afiliación política). Esto implica riesgos de privacidad (R3, Alta) y, en menor grado, de discriminación/exclusión (R2, Media), pues un registro erróneo impide acceder a empleos y cargos electorales (Capacitador-Asistente Electoral, Consejerías). No hay menciones explícitas de inteligencia artificial, algoritmos ni decisiones automatizadas; el sistema descrito es un cruce administrativo de bases con revisión humana e impugnación. El nivel de riesgo máximo es Alta y no se considera de atención urgente, pero sí amerita monitoreo y la incorporación de salvaguardas (EIPD, transparencia metodológica, límites a uso secundario y previsión ante futura automatización del cotejo de padrones).
Contexto mexicano
Consideraciones especiales
- El INE (vía DERFE) administra el padrón electoral, una de las mayores bases de datos biográficas del país; su cruce con padrones partidistas (datos de afiliación política, sensibles) es una de las operaciones de tratamiento masivo de datos personales más relevantes del Estado mexicano.
- Los listados del artículo 69-B del CFF (empresas factureras / EFOS) se basan en detección de 'ausencia de activos, personal e infraestructura'; aunque en este DOF se presentan como procedimientos administrativos manuales sin describir sistemas algorítmicos, el dominio fiscal mexicano es un candidato a futura automatización/analítica de riesgo que debería vigilarse en próximas ediciones.
- Tras la extinción del INAI, la supervisión de protección de datos personales atraviesa un rediseño institucional, lo que reduce la capacidad de fiscalizar tratamientos masivos como la confronta de padrones.
- Muchas personas afectadas por registros incorrectos en padrones partidistas solo se enteran al intentar acceder a empleos electorales (capacitadores) o cargos en consejos del INE/OPLE, lo que evidencia asimetría informativa y baja capacidad de defensa de la ciudadanía.
Capacidad de implementación
Media-Baja. El INE cuenta con áreas técnicas (DERFE, DEPPP, Unidad de Servicios de Informática) y procedimientos sancionadores consolidados para la depuración de padrones y la atención de quejas por afiliación indebida, lo que le otorga capacidad operativa razonable sobre este dominio específico. Sin embargo, la fiscalización transversal en materia de protección de datos personales y de transparencia algorítmica es débil tras la reconfiguración del órgano garante nacional, y no existen estándares vigentes de evaluación de impacto ni auditoría para sistemas de cruce masivo de datos o eventuales componentes de IA.
Precedentes relevantes
- Acuerdo INE/CG33/2019: procedimiento extraordinario de revisión, actualización y sistematización de los padrones de afiliados de los Partidos Políticos Nacionales (depuración de más de 9 millones de registros).
- Acuerdo CG617/2012 (IFE) y sentencia SUP-RAP-570/2011: Lineamientos para la verificación del Padrón de Afiliados de los Partidos Políticos Nacionales.
- Sentencia SUP-RAP-107/2017 del TEPJF y Jurisprudencia 21/2013 (presunción de inocencia en procedimientos sancionadores electorales).
- Artículos 6, apartado A, fracción II, y 16, párrafo segundo, de la CPEUM (protección de datos personales y oposición al uso no autorizado de información personal); Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados.
Hallazgos
Hallazgos detectados por el análisis. Expande cada uno para ver el fragmento original y las recomendaciones.
Electoral / Protección de Datos Personales Implícito - Tecnología Alta
Dominio regulatorio
Electoral / Protección de Datos Personales
Vacío regulatorio
Sí
Fragmento original
el proceso de verificación permanente de que son objeto los padrones, implica que los nuevos registros se compulsen contra el padrón electoral y entre los padrones de los partidos políticos con registro vigente y en proceso de constitución, para determinar si serán registros válidos, sujetos de aclaración o definitivamente descartados. Análisis de relevancia
Este fragmento describe un sistema de procesamiento y confronta (cruce/compulsa) masiva de datos personales: el 'Sistema de Verificación del Padrón de Afiliados de los Partidos Políticos' de la DEPPP, operado en coordinación con la DERFE (Registro Federal de Electores) y la Unidad de Servicios de Informática del INE. El sistema coteja de forma permanente los padrones de militantes de TODOS los partidos políticos nacionales contra el padrón electoral nacional y entre sí, para detectar duplicidades, validar o descartar registros. El propio documento señala que mediante este proceso se eliminó el registro de 'más de 9 millones de personas', lo que evidencia el volumen masivo de datos personales tratados. RELEVANCIA PARA IA / AUTOMATIZACIÓN: Aunque el texto NO menciona 'inteligencia artificial', 'algoritmo' ni 'machine learning', la confronta sistemática y permanente de bases de datos con decenas de millones de registros (padrón electoral ~95-100 millones, padrones partidistas multimillonarios) es un caso típico de tratamiento automatizado de datos personales con técnicas de cruce de bases (record linkage/data matching). Estos sistemas son candidatos naturales a incorporar automatización avanzada (deduplicación probabilística, depuración algorítmica) y constituyen el sustrato sobre el que se construyen riesgos R3 si carecen de salvaguardas. RIESGOS IDENTIFICADOS: R3 (Privacy): Se trata de datos personales de la ciudadanía (nombre, clave de elector, afiliación política — dato sensible por revelar ideología/opinión política) tratados de forma masiva. El caso de fondo precisamente versa sobre la 'utilización indebida de datos personales' de ~110 personas que fueron afiliadas al PRI sin su consentimiento, lo que muestra el riesgo real de que las bases partidistas y su confronta procesen datos sin base de licitud. La afiliación política es dato sensible cuya inferencia o publicación no autorizada afecta el derecho a la privacidad (arts. 6 y 16 constitucionales). R2 (Discrimination - severidad Media): El documento revela que un resultado erróneo del cruce (aparecer afiliado a un partido sin haberlo solicitado) impide a la persona acceder a oportunidades: el texto señala expresamente que afecta a 'las personas interesadas para ser contratadas como Capacitadores Asistentes Electorales' o designadas como Consejeras/os de Consejos Locales y Distritales del INE o de los OPLE. Es decir, un registro incorrecto en el padrón funciona como un criterio de exclusión para empleos y cargos públicos, sin que la persona haya consentido el dato. Si la depuración se automatizara sin revisión humana e impugnación efectiva, amplificaría exclusiones. GAPS REGULATORIOS: 1. El documento es una resolución sancionadora de 2020 (publicada hasta 2026) que opera sobre marco COFIPE/LGIPE/LGPP, pero no establece estándares de transparencia algorítmica, auditoría ni evaluación de impacto en privacidad sobre el Sistema de Verificación del Padrón ni sobre la confronta con el padrón electoral. 2. No se describen salvaguardas técnicas (minimización, retención, seguridad) del cruce masivo, pese a tratar datos sensibles de millones de personas. 3. No hay previsión sobre el uso de técnicas automatizadas/IA en la depuración futura de padrones, ni mecanismos de impugnación específicos frente a decisiones derivadas del cruce. CONSIDERACIONES CONTEXTO MEXICANO: México concentra en el INE (DERFE) una de las bases de datos biográficas más grandes del país (padrón electoral y credencial para votar). El cruce de afiliaciones partidistas con dicho padrón es una de las mayores operaciones de tratamiento de datos sensibles del Estado mexicano. La capacidad de las personas para conocer y corregir su situación es limitada (el propio caso muestra que muchos solo se enteraron al intentar emplearse como capacitadores electorales).
Recomendaciones
- Documentar y publicar la metodología del Sistema de Verificación del Padrón de Afiliados y de la confronta con el padrón electoral, especificando si emplea técnicas automatizadas de cotejo/deduplicación y bajo qué umbrales de coincidencia.
- Realizar una Evaluación de Impacto en la Protección de Datos Personales (EIPD) sobre el cruce masivo de padrones (que afecta a millones de personas y datos sensibles de afiliación política), con supervisión del órgano garante de transparencia y datos personales.
- Garantizar revisión humana e impugnación efectiva antes de que un registro derivado del cruce produzca consecuencias para la persona (p. ej. exclusión como Capacitador-Asistente Electoral o Consejero), conforme al principio de no decisión automatizada lesiva.
- Definir reglas de minimización, seguridad y retención de los datos partidistas tratados, y prohibir su uso secundario o perfilamiento político fuera del fin de verificación del registro.
- Establecer un marco prospectivo que, ante la eventual incorporación de IA/analítica avanzada en la depuración de padrones, exija trazabilidad, auditoría de equidad y notificación a las personas afectadas.
Categorías de riesgo