DIARIO OFICIAL DE LA FEDERACIÓN, edición matutina No. 092/2026, Ciudad de México, jueves 16 de abril de 2026 (incluye, entre otros: Lineamientos para la migración voluntaria de permisos de producción independiente de energía eléctrica; Disposiciones Administrativas de Carácter General para Cogeneración y para la integración de Sistemas de Almacenamiento de Energía Eléctrica; Tercer Convenio Modificatorio al Convenio Específico de Coordinación en materia de salud pública Secretaría de Salud-Estado de México; Manual de Organización General de la Secretaría de las Mujeres; Programa de Conectividad en Sitios Públicos y en Áreas de Atención Prioritaria 2026; Acción de Inconstitucionalidad 25/2025 de la SCJN)

El convenio de salud autoriza la adquisición de una 'Plataforma de Escucha Social' para el 'monitoreo de medios digitales'. Las plataformas de social listening operan casi invariablemente sobre técnicas de procesamiento de lenguaje natural y aprendizaje automático (análisis de sentimiento, clasificación de temas, detección de tendencias) que rastrean y agregan publicaciones de redes sociales y medios, aunque el documento no nombre 'IA'. 1) RELEVANCIA PARA IA: El término 'escucha social' / 'monitoreo de medios digitales' es un eufemismo tecnológico que designa herramientas de minería de texto y analítica de redes sociales; son sistemas automatizados que procesan contenido público de personas usuarias. 2) RIESGOS: R9 (vigilancia): aun cuando el propósito declarado es la comunicación de riesgos en salud, una capacidad de monitoreo masivo de redes sociales en manos del Estado puede reutilizarse para vigilar conversaciones ciudadanas, identificar voces críticas a campañas sanitarias o perfilar comunidades. R3 (privacidad): el procesamiento agregado de publicaciones, geolocalización y metadatos de personas usuarias sin su consentimiento informado, y la posible inferencia de datos sensibles (condiciones de salud, ubicación). R8: la 'escucha social' suele alimentar estrategias de mensajería personalizada que pueden derivar en segmentación algorítmica. 3) GAPS REGULATORIOS: No se especifica proveedor, metodología, fuentes de datos, política de retención, ni salvaguardas de privacidad; no hay evaluación de impacto en protección de datos; no se delimita el uso exclusivamente sanitario ni se prohíbe el uso secundario. 4) CONTEXTO MEXICANO: La adquisición es de bajo monto ($12,000) y aparente escala estatal (Estado de México), lo que sugiere un piloto/herramienta limitada y reduce la severidad a Media; no obstante, en un país con antecedentes de espionaje a periodistas y activistas (caso Pegasus) y con capacidad débil de supervisión del INAI sobre tratamiento de datos en redes, conviene monitorear este tipo de adquisiciones recurrentes.

Es la única mención EXPLÍCITA de 'Inteligencia Artificial' en la edición: la capacitación de personas responsables estatales de prevención de la violencia de género y sexual mediante un 'Curso de Inteligencia Artificial para su aplicación en la Salud Pública', con un indicador de proceso que mide cuántos servidores se inscribieron, cursaron y aprobaron. 1) RELEVANCIA PARA IA: Confirma una intención institucional de aplicar IA en salud pública y, específicamente, en un dominio especialmente sensible (violencia sexual y de género). Aunque el documento solo financia la capacitación y no un sistema operativo, señala que la dependencia prevé incorporar IA en procesos de salud que tocan poblaciones vulnerables. 2) RIESGOS: R1 (errores): si la capacitación deriva en uso de herramientas de IA para clasificar, triar o priorizar casos de violencia sin validación clínica, los errores o 'alucinaciones' pueden tener consecuencias graves. R2 (sesgo): los modelos aplicados a violencia de género entrenados con datos históricos pueden reproducir sesgos contra mujeres, comunidades indígenas o poblaciones marginadas. 3) GAPS: No se especifica el contenido del curso, si aborda gobernanza, ética, sesgo, supervisión humana o protección de datos; no existe marco que regule qué sistemas de IA podrán aplicarse en salud tras la capacitación. 4) CONTEXTO MEXICANO: Capacitar al funcionariado es positivo, pero México carece de una ley de IA y de lineamientos de IA en salud; la severidad es Media porque hoy es solo formación, pero anticipa despliegues que requerirán supervisión.

El convenio incorpora 'chatbots' como parte de las estrategias de comunicación bidireccional para promover estilos de vida saludables en grupos específicos de la población. Los chatbots son agentes conversacionales que hoy se construyen frecuentemente sobre modelos de lenguaje (IA generativa). 1) RELEVANCIA PARA IA: Mención explícita de despliegue de chatbots dirigidos a personas para fomentar conductas de salud; entra en contacto directo con la ciudadanía y emite mensajes en temas de salud. 2) RIESGOS: R1 (errores/alucinaciones): un chatbot que oriente sobre nutrición, diabetes u obesidad puede generar recomendaciones de salud incorrectas o no validadas; si las personas las tratan como infalibles (automation bias), hay riesgo de daño. R8: la sustitución de orientación humana por interacciones automatizadas y la personalización de mensajes pueden reducir el contacto humano y segmentar a la población. 3) GAPS: No se establece supervisión humana, validación clínica de respuestas, advertencias sobre la naturaleza automatizada del agente, ni manejo de los datos de las conversaciones. 4) CONTEXTO MEXICANO: Útil para ampliar cobertura comunicacional a bajo costo, pero sin estándares de exactitud ni transparencia; severidad Media por su carácter informativo (no diagnóstico) y limitado.

El Programa de Conectividad crea el Repositorio Único de Sitios Públicos (RUSP), una plataforma digital georreferenciada con registro, validación y consulta en tiempo real de información de sitios públicos a nivel nacional, sustentada en información geoespacial y validación de cobertura social, y bases de datos de localidades (Anexo 3). 1) RELEVANCIA PARA IA: El programa en sí es una política de inclusión digital (acceso gratuito a Internet en escuelas y clínicas) con bajo perfil de riesgo de IA; el RUSP gestiona datos de sitios e infraestructura, no datos personales ni perfilamiento. Sin embargo, la creación de una gran base de datos geoespacial nacional, consultable en tiempo real e interoperable entre instituciones y operadores de telecomunicaciones, es la clase de infraestructura de datos sobre la que típicamente se construyen capas de analítica avanzada y, eventualmente, sistemas de decisión automatizada para priorización territorial. 2) RIESGOS: R3 (privacidad/gobernanza de datos): aunque hoy se trate de datos de sitios, la falta de un marco de gobernanza de datos, controles de acceso, interoperabilidad segura y límites de uso secundario es un gap; la priorización 'algorítmica' de territorios podría, sin transparencia, reproducir o ignorar brechas. 3) GAP: El documento no establece un régimen de gobernanza de datos del RUSP (control de acceso, auditoría, transparencia de criterios de priorización, interoperabilidad con padrones). 4) CONTEXTO MEXICANO: Iniciativa positiva para cerrar la brecha digital; severidad Media-baja, prioritariamente como gap de gobernanza de datos a vigilar conforme escale la plataforma.

Este fragmento es la mención más explícita del componente tecnológico-analítico del Programa de Conectividad: el documento declara que la priorización y focalización territorial se sustenta en el 'uso de inteligencia de datos, información geoespacial y mecanismos de validación de cobertura social'. La 'inteligencia de datos' aplicada a datos geoespaciales y de marginación (ITER/INEGI, CONEVAL, CFE) para decidir qué localidades y poblaciones reciben (o no) infraestructura de conectividad es precisamente el tipo de analítica de datos que la matriz de keywords y los eufemismos burocráticos del DOF señalan como IA implícita. 1) RELEVANCIA PARA IA: 'Inteligencia de datos' + 'información geoespacial' + 'mecanismos de validación' describen un sistema de analítica que cruza padrones territoriales y socioeconómicos para priorizar la asignación de un recurso público (Internet gratuito) entre territorios y poblaciones (rurales, indígenas, afromexicanas). Aunque hoy los criterios publicados son determinísticos (índice de asequibilidad, distancia > 8 km, población < 500), la dependencia ya enmarca el proceso como 'inteligencia de datos', anticipando capas analíticas/automatizadas. 2) RIESGOS: R2 (sesgo/discriminación): la priorización algorítmica o semiautomatizada de territorios sobre datos históricos de marginación puede reproducir o congelar brechas (p. ej., dejar fuera localidades dispersas mal capturadas en padrones), con impacto diferencial sobre comunidades indígenas y afromexicanas que el propio Programa identifica como objetivo. R3 (gobernanza de datos): el cruce de bases geoespaciales y de pobreza para focalización carece de un régimen explícito de transparencia metodológica, auditoría y control de uso secundario. 3) GAPS: No se publica el peso ni la lógica de combinación de variables de 'inteligencia de datos'; no hay auditoría de equidad ni mecanismo de impugnación para localidades que queden excluidas de la priorización; no se delimita interoperabilidad ni uso secundario de los padrones cruzados. 4) CONTEXTO MEXICANO: La decisión de a qué localidades llega Internet gratuito condiciona el acceso efectivo a salud y educación (tele escuelas, clínicas IMSS-Bienestar); en un país con fuerte desigualdad territorial, una focalización opaca puede amplificar exclusiones. Severidad Media: es planeación incipiente con criterios aún determinísticos, pero debe vigilarse conforme escale la 'inteligencia de datos'.