Diario Oficial de la Federación, edición matutina No. 311/2025, martes 18 de noviembre de 2025 (Tomo MAT)

1) Relevancia para IA: el Código de Ética reconoce EXPLÍCITAMENTE que las herramientas de inteligencia artificial pueden usarse para editar/generar imágenes y videos de naturaleza sexual, es decir contempla deepfakes íntimos no consentidos como conducta de acoso/hostigamiento. Es una de las pocas menciones normativas mexicanas que vincula IA con contenido sintético sexual. 2) Riesgos: R4 (Disinformation & Deepfakes) por la generación escalable de contenido sintético sexual indistinguible del real; R3 (Privacy) por la afectación a la imagen, intimidad y datos biométricos de la víctima. La IA reduce drásticamente el costo y la habilidad necesaria para producir este material. 3) Gaps: el instrumento solo lo tipifica como falta ética interna para personas servidoras públicas; NO define obligaciones de detección/trazabilidad de contenido sintético, ni marcas de agua, ni procedimientos forenses para acreditar que una imagen fue generada por IA, ni reparación a la víctima. Tampoco distingue entre uso, creación o difusión. 4) Contexto mexicano: México ha avanzado con la 'Ley Olimpia' contra violencia digital, pero el enforcement de deepfakes generados por IA es incipiente; la atribución técnica es costosa y la mayoría de OICs carecen de capacidad pericial en análisis de contenido sintético.

1) Relevancia para IA: es la disposición más sustantiva del documento sobre gobernanza de IA en el servicio público. Reconoce que las y los servidores públicos USAN herramientas de IA generativa y establece dos deberes: (a) verificar la información que generan (control de 'alucinaciones') y (b) no alimentarlas con información sensible o confidencial (control de fuga de datos). 2) Riesgos: R1 (Malfunctions & Errors) porque admite implícitamente que los outputs de IA pueden ser falsos y deben verificarse, mitigando el 'automation bias'; R3 (Privacy) porque previene la carga de datos personales/confidenciales a sistemas de IA de terceros (típicamente extranjeros, en la nube) sin control sobre su retención o reuso. 3) Gaps: el deber es genérico y autodeclarativo. No define qué herramientas están autorizadas, no exige registro de uso, no establece auditoría, ni consecuencias verificables ante 'alucinaciones' que afecten a un ciudadano (p. ej. resoluciones administrativas fundadas en datos inventados por un LLM). No regula la responsabilidad cuando una decisión administrativa se apoya en IA. 4) Contexto mexicano: dependencia de proveedores extranjeros de IA generativa (riesgo de soberanía de datos); baja capacitación técnica del funcionariado; ausencia de una política nacional vinculante de uso responsable de IA en el sector público que dé contenido a este principio ético.

1) Relevancia para IA: reitera, como deber de profesionalismo, el 'uso responsable' de la inteligencia artificial entre las herramientas digitales del servidor público. Confirma que la IA es ya una herramienta de trabajo ordinaria en la APF. 2) Riesgos: R1 (Malfunctions & Errors), pues un uso no profesional/no verificado de IA puede introducir errores en documentos y trámites; severidad Media porque es un principio abstracto sin obligaciones concretas. 3) Gaps: el término 'uso responsable' carece de definición operativa, criterios de cumplimiento o mecanismos de verificación. Es una declaración aspiracional que no crea obligaciones exigibles ni indicadores. 4) Contexto mexicano: sin estándares ni capacitación obligatoria, el 'uso responsable' queda al criterio individual, lo que es insuficiente en una administración con brechas digitales y de competencias en IA.

1) Relevancia para IA: el COLBACH mandata adoptar IA para la enseñanza, el aprendizaje y procesos administrativos, formando a docentes y personal en su uso. Es despliegue planeado de IA en educación pública para adolescentes (población menor de edad y vulnerable). 2) Riesgos: R1 (Malfunctions & Errors) por uso de IA generativa en contenidos educativos que puede producir información falsa ('alucinaciones') presentada como cierta a estudiantes; R2 (Discrimination & Bias) porque herramientas de IA aplicadas a evaluación/aprendizaje pueden incorporar sesgos y afectar desigualmente a estudiantes con menor acceso tecnológico, perpetuando brechas. 3) Gaps: el Programa NO establece salvaguardas: ni evaluación de impacto, ni protección de datos de menores, ni criterios de equidad, ni supervisión de la calidad/veracidad de los contenidos generados por IA, ni reglas sobre evaluación automatizada de estudiantes. 4) Contexto mexicano: profunda brecha digital entre planteles y estudiantes; riesgo de ampliar desigualdades; ausencia de un marco específico de IA en educación que proteja a menores y garantice equidad.

1) Relevancia para IA: aunque no menciona 'IA', un 'sistema de monitoreo' de asistencia, rendimiento y COMPORTAMIENTO que genera 'alertas tempranas' de riesgo es un caso típico de analítica predictiva / early-warning systems sobre personas. Estos sistemas suelen basarse en modelos estadísticos o de machine learning para clasificar a estudiantes por riesgo (scoring/perfilamiento). 2) Riesgos: R2 (Discrimination & Bias) porque clasificar/perfilar a menores por 'riesgo de abandono' puede estigmatizar y asignar recursos de forma sesgada (p. ej. contra estudiantes de menor nivel socioeconómico); R3 (Privacy) por la vigilancia sistemática del comportamiento estudiantil y el tratamiento masivo de datos personales de menores. 3) Gaps: no hay mención de base jurídica para el tratamiento, consentimiento de tutores, evaluación de sesgo, transparencia del modelo, ni derecho de los estudiantes a impugnar una clasificación de 'riesgo'. 4) Contexto mexicano: tratamiento de datos personales de menores sin un aviso de privacidad ni evaluación de impacto explícitos; riesgo de etiquetado y profecía autocumplida; capacidad limitada de supervisión.

1) Relevancia para IA: la creación de bases de datos y sistemas de información para 'monitorear' la trayectoria educativa y laboral de egresados implica procesamiento longitudinal de datos personales que, combinado con análisis, habilita perfilamiento y futuras inferencias mediante analítica/IA. Es infraestructura de datos sobre la que pueden montarse modelos. 2) Riesgos: R3 (Privacy) por el monitoreo continuo de personas tras egresar (datos laborales y educativos) potencialmente sin consentimiento renovado ni límite temporal; severidad Media por ser, por ahora, base de datos de seguimiento agregado. 3) Gaps: no se definen finalidad limitada, base de licitud, periodos de retención, ni medidas para evitar reuso secundario o cruce con otras bases. 4) Contexto mexicano: tendencia a construir grandes bases de datos públicas sin gobernanza robusta; el seguimiento de egresados es legítimo pero requiere salvaguardas de minimización y consentimiento.

1) Relevancia para IA: el Acuerdo condiciona reducciones de plazos a la 'gestión automatizada de los trámites'. La automatización de la sustanciación y resolución de trámites sanitarios (incluidos permisos de estupefacientes, psicotrópicos y precursores químicos) es un dominio donde fácilmente se introducirán reglas automatizadas e IA para clasificación/decisión, sin que el texto lo regule. 2) Riesgos: R1 (Malfunctions & Errors) por decisiones automatizadas en un dominio crítico (salud, sustancias controladas) donde un error puede negar/otorgar indebidamente permisos; R7 (Labor Displacement) por automatización de funciones administrativas de evaluación. Severidad Media por ser, por ahora, digitalización/automatización procedimental sin IA explícita. 3) Gaps: no se establecen garantías de revisión humana, criterios de la 'gestión automatizada', trazabilidad de la decisión, ni derecho de impugnación ante resoluciones automatizadas. 4) Contexto mexicano: presión por eficiencia y reducción de plazos puede llevar a automatización sin salvaguardas; COFEPRIS regula bienes sensibles donde errores tienen alto impacto sanitario y de seguridad.

1) Relevancia para IA: 'automatizar la atención a estudiantes' mediante un sistema de gestión escolar es un eufemismo de modernización administrativa que, en la práctica, suele implementarse con chatbots y automatización de servicios, antesala de IA conversacional aplicada a la atención. 2) Riesgos: R7 (Labor Displacement) por automatización de funciones de atención administrativa; potencialmente R1 si la atención automatizada brinda información errónea a estudiantes. Severidad Media por ser automatización incipiente de procesos. 3) Gaps: no se especifica si la atención automatizada conservará canales humanos, ni controles de calidad de la información entregada, ni accesibilidad para estudiantes con menor competencia digital. 4) Contexto mexicano: la automatización de la atención puede excluir a estudiantes con brecha digital; necesidad de mantener atención humana y reconversión laboral del personal administrativo.

1) Relevancia para IA: es la quinta mención EXPLÍCITA de inteligencia artificial del Código de Ética y, junto con el Artículo 11 (H2), la única que aborda la fuga de información a través de IA. Reconoce que las herramientas de inteligencia artificial son un MEDIO por el cual una persona servidora pública puede 'publicar' (exponer/divulgar) información clasificada o reservada, prohibiendo su uso en contravención a las disposiciones aplicables. Capta el riesgo de que cargar prompts con información confidencial a un LLM/servicio de IA de terceros equivale a su divulgación. 2) Riesgos: R3 (Privacy Invasions) por la exposición de datos personales, información reservada o confidencial a plataformas de IA típicamente extranjeras y en la nube, sin control sobre su retención, reuso o entrenamiento. Complementa el deber del Artículo 11 (no cargar datos sensibles) tipificándolo además como conducta contraria a la Legalidad. 3) Gaps: la prohibición es genérica y autodeclarativa; no define qué herramientas de IA están autorizadas, no exige clasificación previa de la información antes de usar IA, no establece controles técnicos (DLP, listas blancas), ni auditoría del uso de IA con información institucional, ni consecuencias diferenciadas frente a la fuga vía IA. 4) Contexto mexicano: dependencia de proveedores extranjeros de IA generativa (soberanía de datos); el uso informal de chatbots públicos por funcionariado con baja alfabetización en seguridad de la información hace que la fuga de datos clasificados a IA sea un riesgo real y difícil de detectar para los OICs.