Diario Oficial de la Federación, edición matutina, No. de publicación 125/2026, viernes 15 de mayo de 2026 (Tomo MAT)

Ambos convenios (Puebla y Quintana Roo), parte del mismo Programa de Modernización de los Registros Públicos de la Propiedad y Catastros 2026 (PEMR), ordenan integrar, interconectar y hacer interoperable la información registral y catastral de los tres órdenes de gobierno hacia una “Plataforma Nacional de Información Registral y Catastral” y el “Sistema de Información Territorial y Urbano”, con expresa “incorporación de nuevas tecnologías”, “aplicativos, desarrollos, plataformas y demás herramientas tecnológicas” y “sistemas de información geográficos para la planeación territorial”. RELEVANCIA PARA IA: El texto NO menciona inteligencia artificial, pero describe la infraestructura de datos masivos sobre la cual típicamente se despliega analítica avanzada / ML: bases de datos nacionales de propiedad inmobiliaria sujetas a “actualización, migración, limpieza y/o homogenización”, vinculación cruzada registro-catastro, geocodificación y consulta remota. Los eufemismos “nuevas tecnologías” y “herramientas tecnológicas” encubren que el producto entregable incluye “código fuente”, “modelado y estructura de la base de datos” y “diccionario de datos” que SEDATU “podrá hacer uso… para su implementación en cualquier Entidad Federativa”. R3 (Privacidad): Se consolida a escala nacional un padrón de propietarios y predios (dato personal patrimonial sensible) con interoperabilidad permanente y acceso remoto. El convenio reconoce el riesgo al exigir “salvaguardando los datos personales”, pero no define controles concretos (minimización, finalidad, base de licitud, retención, cifrado, registro de accesos). La Cláusula Sexta fracción XVI promueve el aprovechamiento de estos datos por el sector “comercial” y “social”, abriendo compartición/monetización de información patrimonial. R10 (Concentración): Centraliza en una sola Dirección General federal el control de la plataforma, el código fuente, los diccionarios de datos y las credenciales de consulta de los 32 estados, creando una infraestructura crítica de información territorial con dependencia tecnológica de los desarrollos/aplicativos definidos por SEDATU y de proveedores privados (“obra por encargo”). R2 (potencial): Una base catastral-registral homologada e interoperable es insumo habitual para scoring territorial, avalúos automatizados, focalización de programas y predicción fiscal/predial; si se automatizan decisiones sobre predios o personas sin auditoría de sesgo podría discriminar a poblaciones con tenencia informal o irregular (muy frecuente en México). GAPS REGULATORIOS: (1) No hay evaluación de impacto en protección de datos personales ni dictamen de necesidad/proporcionalidad; (2) no se fija finalidad limitada ni se prohíbe el uso secundario para perfilamiento; (3) la compartición con sector comercial carece de salvaguardas; (4) no se prevé auditoría algorítmica si se incorporan modelos predictivos; (5) dependencia de proveedores privados sin requisitos de soberanía/transparencia del software más allá de la entrega de código. CONTEXTO MEXICANO: Alta informalidad en la tenencia de la tierra y catastros desactualizados; capacidad heterogénea de los institutos registrales estatales; antecedentes de filtración y venta de bases de datos gubernamentales (p. ej. padrones); INAI en transición tras su desaparición/reasignación de funciones, lo que debilita la supervisión de datos personales.

Los tres oficios del SAT comunican listados masivos de contribuyentes (cientos de RFC) ubicados en el supuesto de “operaciones inexistentes” (empresas que facturan sin activos, personal, infraestructura ni capacidad material — EFOS). La “Administración Central de Fiscalización Estratégica” procesa y cruza a gran escala datos de comprobantes fiscales digitales (CFDI), nómina, activos y domicilios para “detectar” estos casos. RELEVANCIA PARA IA: Aunque el documento solo publica el resultado (notificaciones) y NO describe la metodología, una detección de esta escala y naturaleza (cruce de millones de CFDI contra padrones de activos/personal) es característica de minería de datos y modelos analíticos/ML de detección de fraude. La denominación “Fiscalización Estratégica” y la confronta sistemática de capacidad material son indicadores fuertes de toma de decisiones asistida por sistemas automatizados que afectan derechos. R2 (Discriminación/decisión automatizada sobre personas): La inclusión en el listado tiene efectos jurídicos graves (presunción de inexistencia de operaciones, posible cancelación de efectos fiscales de CFDI a sus clientes, daño reputacional). Modelos de riesgo fiscal pueden penalizar patrones atípicos propios de la economía informal y de microempresas, ampliando desigualdades. R1 (Errores): Un falso positivo implica que un contribuyente real sea señalado públicamente en el DOF antes de poder desvirtuar; el efecto en cadena sobre terceros que dedujeron esos CFDI agrava el daño de errores del sistema. R3 (Privacidad): Tratamiento masivo de datos fiscales y patrimoniales para inferir “capacidad material”, con publicación nominal en el DOF. GAPS REGULATORIOS: (1) No se transparenta si la detección usa modelos algorítmicos ni su tasa de error; (2) el plazo de 15 días para desvirtuar opera tras una presunción ya determinada por la autoridad/sistema (carga de la prueba invertida); (3) no hay auditoría externa de la metodología ni derecho a explicación; (4) la publicación nominal previa a resolución firme tensiona presunción de inocencia y protección de datos. CONTEXTO MEXICANO: Alta informalidad (~60% del empleo) genera patrones atípicos que pueden ser marcados; capacidad limitada del contribuyente medio para litigar; el régimen 69-B ya ha sido criticado por listar empresas legítimas; debilidad institucional de la autoridad de datos personales para supervisar el tratamiento fiscal masivo.

El convenio de transferencia de insumos y recursos en materia de salud pública obliga a la entidad a alimentar de forma periódica el Sistema Nacional de Vigilancia Epidemiológica (SINAVE) y los “sistemas de información específicos” de varios centros nacionales (incluido el de VIH/SIDA y Hepatitis), con datos de notificación de casos de enfermedades sujetas a vigilancia, infecciones asociadas a la atención de la salud e información de salud sexual y reproductiva e infancia. RELEVANCIA PARA IA: El convenio NO menciona inteligencia artificial; su objeto principal es la transferencia de insumos y recursos (es un hallazgo débil, no un sistema de IA confirmado ni un mandato de crear uno). Sin embargo, consolida flujos nominales y/o por caso de datos personales de salud altamente sensibles (VIH/SIDA, salud sexual y reproductiva, salud infantil) hacia sistemas nacionales de información epidemiológica que constituyen la infraestructura de datos sobre la que típicamente se despliega analítica/ML de vigilancia epidemiológica y predicción de brotes. R3 (Privacidad): Tratamiento periódico de datos de salud especialmente protegidos (categoría sensible) hacia sistemas centralizados, sin que el convenio detalle base de licitud específica, minimización, anonimización/seudonimización, controles de acceso ni límites de uso secundario. GAPS REGULATORIOS: (1) No se especifican salvaguardas de protección de datos personales sensibles de salud al integrarlos a SINAVE y a los sistemas de información específicos; (2) no se prevé prohibición de uso secundario ni de perfilamiento si se incorpora analítica/ML; (3) no se contempla auditoría algorítmica ni evaluación de impacto en privacidad para el caso de que estos sistemas incorporen modelos predictivos. CONTEXTO MEXICANO: Datos de salud sensibles (VIH/SIDA) con alto potencial de estigmatización; debilidad institucional de la autoridad garante de protección de datos tras la reconfiguración del INAI; antecedentes de filtración de bases de datos gubernamentales que elevan el riesgo de consolidaciones nominales de información de salud.