Análisis del DOF · 19 de diciembre de 2025
Diario Oficial de la Federación, edición matutina del 19 de diciembre de 2025 (No. 342/2025)
Tipo de documento: Edición del Diario Oficial de la Federación (compendio de leyes, decretos, programas sectoriales e institucionales, acuerdos, reglamentos, resoluciones y avisos)
Estadísticas
Metadatos
Categorías de riesgo presentes
Justificación de urgencia
El Programa Sectorial de Seguridad y Protección Ciudadana 2025-2030 (SSPC) institucionaliza un aparato de inteligencia y vigilancia de Muy Alta severidad: el SNIISP con procesamiento en tiempo real e interconexión de bases públicas Y privadas vía la Plataforma Central de Inteligencia, policía predictiva sobre 'grupos, individuos y lugares', corrección automática de registros en Plataforma México, drones (UAV) para reconocimiento aéreo, modernización de C5 y patrullaje digital. Todo ello descrito sin una sola salvaguarda de IA (evaluación de impacto, transparencia algorítmica, control judicial, auditoría de sesgo o revisión humana), en un país con historial de espionaje (Pegasus) y débil capacidad de fiscalización. A esto se suma IA clínica de alto riesgo desplegada sobre población sin seguridad social (CIATEQ/IMSS-Bienestar) e IA forense en búsqueda de fosas (CentroGeo) sin estándares de validación. La concurrencia de vigilancia masiva, policía predictiva y ausencia total de gobernanza de IA justifica atención urgente.
Síntesis ejecutiva
La edición matutina del DOF del 19 de diciembre de 2025 concentra el documento de mayor riesgo de IA detectado en el periodo: el Programa Sectorial de Seguridad y Protección Ciudadana 2025-2030 (SSPC), que describe en detalle un ecosistema de inteligencia y vigilancia masiva —SNIISP con análisis en tiempo real e interconexión de bases públicas y privadas mediante la Plataforma Central de Inteligencia, policía predictiva, depuración automatizada de Plataforma México, drones (UAV), C5 y patrullaje digital— sin nombrar la IA pero implementando técnicamente sus aplicaciones más sensibles, y sin ninguna salvaguarda de gobernanza algorítmica. En paralelo, los Programas Institucionales 2025-2030 de SECIHTI contienen menciones EXPLÍCITAS de IA: CentroGeo aplica IA a teledetección para detección de fosas clandestinas (dominio forense/derechos humanos), CIATEQ adopta big data e IA clínica (predicción/diagnóstico de diabetes, cardiopatías, Alzheimer, ChatGPT-4) para IMSS-Bienestar, y CIMAV recoge la definición de la IA como prioridad nacional de 'tecnologías de frontera'. El Acuerdo de recursos humanos de la APF (evaluación, herramientas psicométricas, RUSP interoperable) y la reforma al INEGI (medición de pobreza y focalización, ex-CONEVAL) abren gaps en empleo público y política social. En la segunda mitad, las síntesis de fiscalización del INE (Colima/Hidalgo), las notificaciones judiciales digitales (Cisco Webex) y un edicto del OIC en el SAT (auditoría fiscal) revelan infraestructuras donde la IA opera o operará sin transparencia ni impugnación. El Anexo del INPC (precios promedio por clave de producto) ocupa la mayor parte del archivo sin relevancia directa de IA. Se identificaron 16 hallazgos (5 explícitos, 11 implícitos), todos gaps regulatorios, con nivel de riesgo máximo Muy Alta concentrado en seguridad pública.
Contexto mexicano
Consideraciones especiales
- Historial documentado de espionaje estatal (Pegasus) contra periodistas, activistas y defensores, que agrava el riesgo de la interconexión SNIISP/Plataforma Central de Inteligencia con bases públicas y privadas sin control judicial explícito.
- Crisis de más de 100,000 personas desaparecidas: la IA forense del CentroGeo para detección de fosas es de alto impacto humanitario y requiere validación, cadena de custodia y admisibilidad probatoria que el programa no define.
- Discriminación estructural hacia comunidades indígenas, afromexicanas y barrios pobres, que amplifica el riesgo de la policía predictiva ('grupos, individuos y lugares') y del perfilamiento territorial.
- Población sin seguridad social atendida por IMSS-Bienestar como destinataria de IA clínica entrenada mayormente con datos extranjeros, con brecha digital y de infraestructura en el primer nivel de atención.
- Informalidad económica cercana al 60% que genera patrones financieros atípicos y eleva el riesgo de sesgo en modelos de selección/scoring de contribuyentes del SAT.
- El INPC indexa salarios mínimos, pensiones, UMA y contratos: cualquier componente algorítmico no transparente tiene consecuencias distributivas amplias sobre hogares vulnerables.
- Concentración de funciones: la reforma al INEGI absorbe la medición de pobreza y evaluación de política social (ex-CONEVAL), generando un riesgo de juez y parte en la focalización de programas sociales.
Capacidad de implementación
Limitada. Los órganos de control de protección de datos y transparencia (INAI en proceso de extinción/reconfiguración, órganos internos de control) tienen capacidad acotada para fiscalizar plataformas de inteligencia como la PCI y Plataforma México; no existe una autoridad ni un marco específico de gobernanza de riesgos de IA, evaluación de impacto algorítmico, auditoría de sesgo o supervisión humana obligatoria. El Estado fomenta activamente el desarrollo de IA (prioridad nacional SECIHTI) sin una contraparte regulatoria de seguridad y ética. La supervisión judicial sobre interconexión de bases privadas y sobre decisiones automatizadas en materia fiscal, electoral y de empleo público es prácticamente inexistente en los textos analizados.
Precedentes relevantes
- Caso Pegasus (espionaje a periodistas, activistas y defensores mediante software de vigilancia adquirido por dependencias mexicanas).
- Sistemas internacionales de policía predictiva (PredPol, COMPAS) cuyos sesgos raciales y socioeconómicos documentados son advertencia directa para el componente predictivo del Programa de la SSPC.
- Plataforma México como base nacional de datos criminales preexistente, ahora objeto de procesos automatizados de depuración y corrección.
- Impugnaciones de las conclusiones de fiscalización del INE ante la Sala Regional Toluca del TEPJF (ST-RAP-67/2024, ST-RAP-80/2024, ST-RAP-60/2024, ST-RAP-51/2024).
- Transferencia de las funciones del extinto CONEVAL al INEGI como precedente de concentración de la función estadística y evaluadora.
Hallazgos
Hallazgos detectados por el análisis. Expande cada uno para ver el fragmento original y las recomendaciones.
Seguridad Pública / Inteligencia del Estado Implícito - Tecnología Muy Alta
Dominio regulatorio
Seguridad Pública / Inteligencia del Estado
Vacío regulatorio
Sí
Fragmento original
El SNIISP permitirá a la SSPC recolectar, procesar información en tiempo real, relacionada con riesgos y amenazas a la seguridad pública para identificar tendencias y patrones delictivos; generar productos de inteligencia... a fin de interconectar25 los sistemas de inteligencia de los tres órdenes de gobierno y entes privados, para fines de investigación de delitos principalmente de alto impacto Análisis de relevancia
El SNIISP (Sistema Nacional de Investigación e Inteligencia en materia de Seguridad Pública) describe procesamiento masivo de información 'en tiempo real' para 'identificar tendencias y patrones delictivos' interconectando bases de datos de TODOS los entes públicos Y PRIVADOS a través de la Plataforma Central de Inteligencia (PCI). El procesamiento en tiempo real de grandes volúmenes para detección de patrones es, técnicamente, una tarea de machine learning/IA aunque el texto no lo nombre. RIESGOS: R9 (vigilancia estatal masiva con interconexión de bases gubernamentales y privadas sin control judicial explícito por registro), R3 (procesamiento de datos personales de millones de personas sin consentimiento; la nota 25 invoca protección de datos pero no establece límites de finalidad ni auditoría), R2 (sesgo en la identificación de 'generadores de violencia'). CONTEXTO MEXICANO: capacidad limitada del INAI/órganos de control para fiscalizar la PCI; historial de espionaje (Pegasus) a periodistas y activistas; la inclusión de 'entes privados' en la interconexión amplía drásticamente la superficie de datos sin salvaguardas. GAP: el Programa no exige evaluación de impacto en derechos humanos, no fija límites a la retención, ni define supervisión independiente del componente algorítmico.
Recomendaciones
- Exigir evaluación de impacto algorítmico y en derechos humanos antes de operar la Plataforma Central de Inteligencia y cualquier modelo de detección de patrones del SNIISP
- Establecer control judicial previo y registro auditable para la interconexión de bases de datos de particulares con sistemas de inteligencia
- Definir límites de finalidad, plazos de retención y mecanismos de impugnación para personas señaladas como 'generadores de violencia'
- Otorgar al INAI o a un órgano independiente facultades y recursos para auditar el cumplimiento de protección de datos en la PCI
Empleo Público / Servicio Profesional de Carrera (selección y evaluación) Implícito - Riesgo/Gap Regulatorio Alta
Dominio regulatorio
Empleo Público / Servicio Profesional de Carrera (selección y evaluación)
Vacío regulatorio
Sí
Fragmento original
Herramienta de evaluación: Examen, prueba o grupo de reactivos, preguntas, tareas, ejercicios, casos y dilemas, entre otros, incluyendo las reglas de aplicación y de procesamiento e interpretación de sus resultados, diseñados para valorar los conocimientos, las habilidades y las actitudes de una persona, de manera presencial o a distancia... El método de evaluación procurará ser económico, sencillo, operable... objetivo, estandarizado y homogéneo para los distintos puestos Análisis de relevancia
El Acuerdo regula con gran detalle los procesos de reclutamiento, selección, herramientas psicométricas/de evaluación y evaluación del desempeño de las personas servidoras públicas de toda la APF, incluyendo aplicación 'a distancia' y 'procesamiento e interpretación de resultados'. Estos son precisamente los dominios donde se despliegan herramientas automatizadas de scoring de candidatos, evaluación psicométrica algorítmica y análisis del desempeño — todos identificados internacionalmente como alto riesgo de sesgo (R2). El Acuerdo NO menciona IA ni decisiones automatizadas, pero tampoco las prohíbe ni las regula, dejando un gap: si una institución adopta scoring algorítmico de candidatos o evaluación automatizada del desempeño, no hay salvaguardas de transparencia, no discriminación ni revisión humana. RIESGOS: R2 (sesgo en selección/promoción que afecta acceso a empleo público), R6/R3 (vigilancia del desempeño a distancia, tratamiento de datos). CONTEXTO MEXICANO: el Acuerdo abroga el de 2024 y rige a toda la APF; su silencio sobre IA es un gap relevante en un sistema masivo de decisiones sobre personas.
Recomendaciones
- Establecer que toda evaluación de candidatos o del desempeño asistida por algoritmos garantice revisión humana, transparencia del método y derecho de impugnación
- Prohibir decisiones de ingreso, promoción o separación basadas únicamente en un sistema automatizado
- Exigir auditoría de sesgo y evaluación de impacto en protección de datos para cualquier herramienta de evaluación de RR.HH. con componente algorítmico
Empleo Público / Registro Único de Servidores Públicos (RUSP) Implícito - Riesgo/Gap Regulatorio Alta
Dominio regulatorio
Empleo Público / Registro Único de Servidores Públicos (RUSP)
Vacío regulatorio
Sí
Fragmento original
El RUSP asignará un número universal a cada persona servidora pública, el cual se denominará IDRUSP... La información técnica hace referencia a los datos de las personas servidoras públicas ya sean fijos, como la CURP o el RFC, o cambiantes en el tiempo, como es su estado civil, descendencia, escolaridad, condición de discapacidad... La información contenida en dicho registro podrá ser compartida... con otros sistemas informáticos o instituciones, previa suscripción de bases o convenios de colaboración Análisis de relevancia
El RUSP es una base de datos nacional, interoperable y compartible que concentra datos personales y sensibles (CURP, RFC, estado civil, descendencia, escolaridad, discapacidad, evaluación del desempeño, certificaciones) de todas las personas servidoras públicas de la APF, con un identificador universal (IDRUSP) que permite seguir la trayectoria laboral completa. Aunque el texto invoca disociación y confidencialidad, su carácter interoperable y compartible con 'otros sistemas informáticos o instituciones' lo convierte en infraestructura propicia para perfilamiento y analítica automatizada. RIESGOS: R3 (concentración e interoperabilidad de datos sensibles, riesgo de uso secundario y de re-identificación pese a la disociación), R2 (si se aplica analítica para 'estudios prospectivos sobre necesidades de personal' o decisiones de compensación/estímulos, riesgo de sesgo). GAP: no se prevén límites algorítmicos, evaluación de impacto, ni prohibición de decisiones automatizadas sobre la base del RUSP.
Recomendaciones
- Establecer límites de finalidad y prohibir el uso del RUSP para decisiones automatizadas sobre personas sin revisión humana
- Exigir evaluación de impacto en protección de datos para cada convenio de interoperabilidad del RUSP con otros sistemas
- Auditar los 'estudios prospectivos' y de compensación derivados del RUSP para evitar sesgos algorítmicos
Categorías de riesgo
Política Social / Medición de pobreza y focalización (INEGI, ex-CONEVAL) Implícito - Riesgo/Gap Regulatorio Media-Alta
Dominio regulatorio
Política Social / Medición de pobreza y focalización (INEGI, ex-CONEVAL)
Vacío regulatorio
Sí
Fragmento original
Son atribuciones específicas de la Dirección General de Evaluación y Medición de Pobreza... Coordinar y supervisar la programación y los procesos de diseño, captación, actualización, organización, procesamiento, integración y compilación de información para la evaluación integral de la política de desarrollo social y medición de pobreza... Definir los criterios técnicos que orienten la determinación de las zonas de atención prioritaria Análisis de relevancia
La reforma traslada al INEGI las funciones de medición de pobreza y evaluación de la política social (antes CONEVAL), creando una dirección que procesa e integra grandes volúmenes de datos socioeconómicos para 'medir pobreza' y 'determinar zonas de atención prioritaria' — es decir, focalización de beneficiarios y territorios de programas sociales. Este es un dominio clásico de R2: la determinación algorítmica/estadística de quién es pobre y qué zonas se priorizan condiciona el acceso de millones de personas a beneficios sociales. Aunque el texto no menciona IA, el procesamiento masivo y la 'integración' de datos para focalización es terreno propicio para modelos automatizados de scoring socioeconómico. RIESGOS: R2 (errores de inclusión/exclusión que niegan beneficios a población vulnerable), R3 (integración masiva de datos personales socioeconómicos de hogares). CONTEXTO MEXICANO: la focalización de programas sociales tiene alto impacto distributivo; la fusión de la función evaluadora dentro del propio productor de estadísticas plantea además un riesgo de conflicto (juez y parte). GAP: no se prevén garantías de transparencia metodológica, auditoría de sesgo, ni mecanismo de impugnación para quienes sean mal clasificados.
Recomendaciones
- Garantizar transparencia y reproducibilidad de las metodologías de medición de pobreza y de determinación de zonas de atención prioritaria
- Si se incorporan modelos automatizados de focalización, exigir auditoría de errores de inclusión/exclusión y mecanismo de impugnación ciudadano
- Asegurar independencia de la función evaluadora respecto de la productora de estadísticas y proteger los datos socioeconómicos de los hogares
Categorías de riesgo
Electoral / Fiscalización de campañas (INE) Implícito - Riesgo/Gap Regulatorio Media-Alta
Dominio regulatorio
Electoral / Fiscalización de campañas (INE)
Vacío regulatorio
Sí
Fragmento original
SÍNTESIS DE LA RESOLUCIÓN DEL CONSEJO GENERAL DEL INSTITUTO NACIONAL ELECTORAL RESPECTO DE LAS IRREGULARIDADES ENCONTRADAS EN LOS DICTÁMENES CONSOLIDADOS DE LA REVISIÓN DE LOS INFORMES DE INGRESOS Y GASTOS DE CAMPAÑA DE LAS CANDIDATURAS A LOS CARGOS DE DIPUTACIONES LOCALES Y PRESIDENCIAS MUNICIPALES CORRESPONDIENTES AL PROCESO ELECTORAL LOCAL ORDINARIO 2023-2024 EN EL ESTADO DE COLIMA Análisis de relevancia
La fiscalización del INE de informes de ingresos y gastos de campaña se apoya en el Sistema Integral de Fiscalización (SIF) y, en otros procesos, en monitoreo automatizado de propaganda. IMPORTANTE: el fragmento que aparece en el DOF es EXCLUSIVAMENTE el título y el cuadro tabular de conclusiones, tipos de conducta (Forma/Fondo) y sanciones (multa/reducción de ministración) por partido; el texto NO menciona IA, SIF, monitoreo de propaganda, contenido sintético ni deepfakes. Por ello la relevancia es un gap IMPLÍCITO y prospectivo sobre el dominio de fiscalización electoral, no un hallazgo respaldado por el verbatim. RIESGOS (recalibrados): R4 (Media) — la detección de contenido sintético/deepfakes y el monitoreo de propaganda generada por IA en campañas son áreas emergentes y sin regulación de transparencia, pero NO están presentes en este texto, por lo que la severidad Muy Alta original era desproporcionada para una síntesis tabular de sanciones. R2 (Media-Alta): de aplicarse análisis automatizado, hallazgos y montos podrían sesgar contra partidos pequeños/independientes (varias conclusiones quedaron sin efectos por montos inferiores a la unidad mínima de multa). R1 (Media-Alta): falsos positivos/negativos en detección automatizada derivarían en sanciones indebidas u omisión. GAP: no se documenta el grado de automatización del SIF, ni supervisión humana, auditoría algorítmica o trazabilidad. CONTEXTO MX: INE en consolidación con alta exposición política; varias conclusiones impugnadas ante Sala Toluca del TEPJF (ST-RAP-67/2024, 80/2024, 60/2024, 51/2024).
Recomendaciones
- Exigir al INE documentar y publicar metodología y grado de automatización/IA del SIF y del monitoreo de propaganda
- Garantizar supervisión humana calificada y derecho de impugnación sobre hallazgos asistidos por sistemas automatizados
- Desarrollar lineamientos para detección de contenido sintético/deepfakes y propaganda generada por IA en procesos electorales
- Auditar los sistemas de fiscalización para detectar sesgos contra partidos pequeños, candidaturas independientes o coaliciones
Justicia / Notificaciones judiciales digitales (PJF) Implícito - Riesgo/Gap Regulatorio Media
Dominio regulatorio
Justicia / Notificaciones judiciales digitales (PJF)
Vacío regulatorio
Sí
Fragmento original
se presente a la diligencia a través del aplicativo “Cisco Webex Meetings”, en la reunión número 2497 277 9243, contraseña Juzgado5. Análisis de relevancia
La justicia federal opera con notificación por lista electrónica/boletín judicial, firma electrónica y audiencias remotas vía videoconferencia (Cisco Webex). Es la infraestructura de justicia digital sobre la que se integrarán herramientas de IA (triage de casos, transcripción/traducción automática, gestión algorítmica de expedientes, asistentes de redacción). RIESGOS: R3 las plataformas de videoconferencia y notificación electrónica procesan datos personales y biométricos (voz, imagen) de partes y terceros vulnerables (víctimas, menores de identidad resguardada), con dependencia de proveedores extranjeros (Cisco). R1 la notificación por lista con efectos jurídicos plenos (aun las de carácter personal) implica que fallos del sistema vulneran el debido proceso de personas ya en desventaja (emplazadas por edicto). GAP: sin salvaguardas de datos ni regulación de uso de IA en gestión judicial. CONTEXTO MX: brecha digital agrava la indefensión de personas de difícil localización.
Recomendaciones
- Regular el tratamiento de datos personales/biométricos en plataformas de videoconferencia judicial y evaluar dependencia de proveedores extranjeros
- Establecer garantías de accesibilidad y debido proceso ante la digitalización de notificaciones, considerando la brecha digital
- Anticipar lineamientos sobre uso de IA en gestión de expedientes y asistencia a la decisión judicial con supervisión humana y trazabilidad
Categorías de riesgo
Fiscal / Responsabilidades administrativas (SAT - Auditoría Fiscal) Implícito - Riesgo/Gap Regulatorio Media-Alta
Dominio regulatorio
Fiscal / Responsabilidades administrativas (SAT - Auditoría Fiscal)
Vacío regulatorio
Sí
Fragmento original
se le atribuye en el desempeño de su cargo como Administrador Desconcentrado de Auditoría Fiscal adscrito a la Administración Desconcentrada de Auditoría Fiscal del Distrito Federal 2 del Servicio de Administración Tributaria Análisis de relevancia
El SAT emplea analítica de datos y modelos de riesgo para auditoría fiscal y detección de operaciones inusuales (EFOS-EDOS). Aunque el edicto solo notifica un procedimiento de responsabilidad administrativa contra un ex funcionario de auditoría, el dominio (auditoría fiscal del SAT) es donde sistemas automatizados de selección/scoring de contribuyentes operan sin transparencia. RIESGOS: R2 los modelos de selección pueden sesgar contra ciertos perfiles, crítico en México por la informalidad (~60%) que genera patrones financieros atípicos. R1 errores de detección derivan en auditorías/sanciones injustificadas. R3 procesamiento masivo de datos fiscales sin transparencia de la lógica. GAP: no se menciona IA, pero la auditoría fiscal es área de alto riesgo donde la IA ya se usa o usará sin regulación de transparencia, auditabilidad ni impugnación de decisiones automatizadas. CONTEXTO MX: capacidad limitada de enforcement y antecedentes de uso político de facultades fiscales.
Recomendaciones
- Exigir transparencia y auditabilidad de los modelos de scoring/selección de contribuyentes del SAT
- Garantizar supervisión humana y derecho de impugnación frente a determinaciones fiscales asistidas por sistemas automatizados
- Evaluar el impacto diferencial de la detección fiscal sobre la economía informal y poblaciones vulnerables
Económico / Estadística de precios al consumidor (INPC) Implícito - Riesgo/Gap Regulatorio Media
Dominio regulatorio
Económico / Estadística de precios al consumidor (INPC)
Vacío regulatorio
Sí
Fragmento original
23 206005 387510.00 23 206006 510600.00 23 206007 395500.00 23 206008 1679000.00 23 206009 576900.00 Análisis de relevancia
La construcción del INPC implica procesamiento masivo de millones de cotizaciones, donde crecientemente se usan web scraping, ML para clasificación de productos, imputación de datos faltantes y detección de outliers. El documento publica solo el resultado tabular (claves de producto y precios promedio por zona) sin revelar metodología. RIESGOS (baja-media, monitoreo): R1/R2 errores o sesgos metodológicos en el INPC tienen impacto macroeconómico amplio (indexación de salarios mínimos, pensiones, contratos, UMA), afectando desproporcionadamente a hogares de bajos ingresos. R10 dependencia de infraestructura/proveedores tecnológicos para big data estadístico. GAP: no se menciona si se emplea IA/ML ni con qué controles de calidad/transparencia. CONTEXTO MX: el INPC indexa derechos económicos fundamentales, por lo que cualquier componente algorítmico tiene consecuencias distributivas amplias.
Recomendaciones
- Solicitar transparencia metodológica sobre técnicas automatizadas/ML en captura, clasificación e imputación de precios del INPC
- Establecer controles de calidad y auditoría sobre componentes algorítmicos en estadística oficial de alto impacto distributivo
- Monitorear (prioridad baja) el uso de IA en estadística pública dado el impacto sistémico del INPC
Seguridad Pública / Justicia Penal (policía predictiva) Implícito - Riesgo/Gap Regulatorio Muy Alta
Dominio regulatorio
Seguridad Pública / Justicia Penal (policía predictiva)
Vacío regulatorio
Sí
Fragmento original
Esto implica identificar patrones de riesgo asociados con grupos, individuos y lugares para predecir donde y cuando pueden tener lugar los delitos, con lo que se pretende lograr una actuación policial anticipada y de carácter proactivo en vez de reactivo. Análisis de relevancia
Este fragmento describe 'policía predictiva' (predictive policing) en su forma textbook: predecir dónde, cuándo y qué grupos/individuos cometerán delitos para actuar de forma anticipada. Internacionalmente estos sistemas (PredPol, COMPAS) se construyen con algoritmos de IA/ML y han demostrado amplificar sesgos raciales y socioeconómicos al entrenarse con datos históricos de criminalización selectiva. RIESGOS: R2 (perfilamiento de 'grupos e individuos' reproduce y amplifica discriminación contra poblaciones marginadas), R9 (vigilancia y control poblacional preventivo), R1 (falsos positivos que criminalizan a inocentes; 'predicción' tratada como certeza). CONTEXTO MEXICANO: alta desigualdad y discriminación estructural hacia comunidades indígenas, afromexicanas y barrios pobres; debido proceso débil; el texto no define cómo se determinan los 'patrones de riesgo' ni prevé auditoría de sesgo. GAP CRÍTICO: ninguna mención de IA, de transparencia algorítmica, de derecho a no ser perfilado, ni de revisión humana de las predicciones.
Recomendaciones
- Prohibir el uso de sistemas de predicción individual de criminalidad (predicción sobre personas concretas) hasta contar con marco legal y auditoría de sesgo obligatoria
- Exigir transparencia sobre datos de entrenamiento y metodología de cualquier sistema de análisis predictivo de criminalidad
- Garantizar supervisión humana calificada y prohibir que una 'predicción' sea base suficiente para detención o intervención
- Realizar análisis de impacto diferencial sobre comunidades históricamente discriminadas antes de cualquier despliegue territorial
Seguridad Pública / Gestión de datos (Plataforma México) Implícito - Tecnología Alta
Dominio regulatorio
Seguridad Pública / Gestión de datos (Plataforma México)
Vacío regulatorio
Sí
Fragmento original
2.4.6 Construir herramientas de control y depuración, integrando procesos automatizados a través del planteamiento de necesidades. 2.4.7 Promover revisiones automáticas mediante herramientas analíticas, identificando y verificando la corrección de información inconsistente en tiempo real... 2.4.2 Considerar la adopción de sistemas automatizados de gestión de datos con protocolos integrados de respaldo y recuperación en Plataforma México Análisis de relevancia
Estas líneas de acción ordenan 'procesos automatizados', 'revisiones automáticas mediante herramientas analíticas' y 'verificación de corrección de información inconsistente en tiempo real' sobre Plataforma México (base de datos criminal nacional). La 'corrección automática' de registros policiales/criminales en tiempo real sin supervisión humana descrita puede introducir o propagar errores en datos que afectan la situación jurídica de personas. RIESGOS: R1 (errores en registros que derivan en detenciones o señalamientos indebidos), R13 (delegación creciente a sistemas automatizados de la integridad de datos sensibles de seguridad), R2 (criterios de 'inconsistencia' opacos). GAP: no se exige supervisión humana, trazabilidad de las correcciones automáticas, ni mecanismo para que las personas impugnen registros erróneos.
Recomendaciones
- Exigir registro de auditoría (log) y revisión humana de toda corrección automática de datos en Plataforma México que afecte el estatus de una persona
- Establecer un procedimiento de acceso, rectificación e impugnación de registros para personas inscritas en bases de datos de seguridad
- Documentar y publicar los criterios de 'inconsistencia' que disparan revisiones automáticas
Seguridad Pública / Operaciones aéreas no tripuladas Explícito Alta
Dominio regulatorio
Seguridad Pública / Operaciones aéreas no tripuladas
Vacío regulatorio
Sí
Fragmento original
1.2.4 Realizar sobrevuelos con vehículos aéreos no tripulados (UAV) mediante rutas operativas en zonas de difícil acceso y con alta incidencia delictiva... 1.4.1 Implementar actividades de reconocimiento aéreo y uso de equipamiento especializado mediante operativos coordinados con áreas de inteligencia. Análisis de relevancia
El Programa institucionaliza el uso operativo de UAV (drones) para 'reconocimiento aéreo' y sobrevuelos en zonas de alta incidencia delictiva, coordinados con áreas de inteligencia. Los UAV modernos integran capacidades autónomas de navegación, detección de objetos y reconocimiento (incluido potencial reconocimiento facial/de matrículas), que son aplicaciones de IA. El texto describe vigilancia/reconocimiento aéreo en seguridad pública civil, NO armas autónomas ni sistemas letales, por lo que el riesgo dominante es de vigilancia y captación de datos, no de escalamiento bélico. RIESGOS: R9 (vigilancia aérea persistente de poblaciones desde plataformas no tripuladas coordinadas con inteligencia), R3 (captación de datos biométricos/imágenes de personas no investigadas sin consentimiento), R1 (errores de identificación de objetivos por analítica de video). GAP: el Programa no regula el grado de autonomía permitido de los UAV, ni establece límites a la captación y retención de imágenes de personas no investigadas, ni prohíbe expresamente dotarlos de capacidades letales autónomas.
Recomendaciones
- Prohibir expresamente la dotación de capacidades letales autónomas a los UAV de seguridad pública y exigir control humano significativo en toda operación
- Regular la captación, retención y uso de imágenes/biometría obtenidas por reconocimiento aéreo, con minimización de datos de terceros
- Establecer protocolos públicos de uso de UAV con supervisión y rendición de cuentas, distinguiendo seguridad pública de funciones militares
Seguridad Pública / Centros de Control y Comando (C5) Implícito - Tecnología Alta
Dominio regulatorio
Seguridad Pública / Centros de Control y Comando (C5)
Vacío regulatorio
Sí
Fragmento original
6.2.3 Mejorar técnica, tecnológica y operativamente a los Centros de Control y Comando del país, así como promover su certificación orientada a la seguridad pública... 1.4.3 Implementar estrategias de patrullaje digital en materia de ciberseguridad para contribuir a la seguridad del ciberespacio nacional Análisis de relevancia
El Programa mandata modernizar 'Centros de Control y Comando' (C2/C4/C5), que en México integran videovigilancia masiva frecuentemente acoplada a reconocimiento facial y analítica de video con IA, y prevé 'patrullaje digital' (monitoreo de redes/ciberespacio). RIESGOS: R3 (videovigilancia masiva con potencial biométrico), R9 (monitoreo del ciberespacio y de actividad ciudadana). GAP: no se mencionan límites al reconocimiento facial en espacios públicos, ni reglas para el 'patrullaje digital' que podría derivar en monitoreo de expresión y disidencia en redes sin orden judicial.
Recomendaciones
- Establecer una moratoria o regulación estricta del reconocimiento facial en espacios públicos operado desde los C5
- Acotar el 'patrullaje digital' a delitos definidos con garantías de proporcionalidad y prohibir el monitoreo de expresión política legítima
- Sujetar la analítica de video con IA en C5 a evaluación de impacto y auditoría independiente
Categorías de riesgo
Ciencia y Tecnología / Información Geoespacial (derechos humanos, búsqueda de fosas) Explícito Alta
Dominio regulatorio
Ciencia y Tecnología / Información Geoespacial (derechos humanos, búsqueda de fosas)
Vacío regulatorio
Sí
Fragmento original
Ejemplo emblemático de ello es el trabajo en percepción remota, que inicialmente se centraba en áreas verdes urbanas y que ha evolucionado, entre otras vertientes, hacia la detección de fosas clandestinas, integrando métodos de inteligencia artificial, derechos humanos y análisis territorial. Análisis de relevancia
Mención EXPLÍCITA del uso de inteligencia artificial aplicada a percepción remota (teledetección satelital/aérea) para detección de fosas clandestinas. Es un uso de IA de alto impacto en un dominio extremadamente sensible (desaparición forzada, derechos humanos, evidencia forense). RIESGOS: R1 (un falso negativo deja sin localizar restos; un falso positivo moviliza recursos y genera expectativas a familias de víctimas; el sistema no puede verificar su propio trabajo), R3 (el procesamiento de imágenes territoriales puede captar datos de personas y propiedades), R9 (la misma capacidad de teledetección+IA es de doble uso para vigilancia). CONTEXTO MEXICANO: crisis de más de 100,000 personas desaparecidas; las familias buscadoras dependen de la confiabilidad de estas herramientas; el programa no fija estándares de validación, tasas de error aceptables, ni cadena de custodia para que los hallazgos sean admisibles. GAP: no existe marco que regule la confiabilidad, validación forense ni el uso dual de la IA geoespacial.
Recomendaciones
- Establecer estándares de validación y tasas de error documentadas para los modelos de IA usados en detección de fosas, con verificación humana forense obligatoria
- Definir protocolos de cadena de custodia y admisibilidad probatoria de los hallazgos asistidos por IA
- Regular el doble uso (búsqueda humanitaria vs. vigilancia) de las capacidades de teledetección con IA y proteger los datos territoriales de terceros
Ciencia y Tecnología / Gobernanza de datos y algoritmos geoespaciales Explícito Media-Alta
Dominio regulatorio
Ciencia y Tecnología / Gobernanza de datos y algoritmos geoespaciales
Vacío regulatorio
Sí
Fragmento original
calidad, principios de interoperabilidad y orientaciones éticas para el uso de datos y algoritmos geoespaciales. Análisis de relevancia
El CentroGeo reconoce explícitamente la necesidad de 'orientaciones éticas para el uso de datos y algoritmos geoespaciales', siendo una de las pocas referencias en todo el DOF a ética algorítmica. Es positivo, pero queda en nivel de principio sin desarrollo normativo. RIESGOS: R2 (algoritmos geoespaciales que clasifican territorios/comunidades pueden reforzar exclusión; ej. clasificar zonas como 'de riesgo'), R5 (datasets y mapas con derechos de terceros), R15 (uso emergente con efectos imprevistos). RELEVANCIA: muestra conciencia institucional incipiente de gobernanza de IA que aún no se traduce en regulación vinculante. GAP: las 'orientaciones éticas' no son obligatorias ni auditables.
Recomendaciones
- Convertir las 'orientaciones éticas' en lineamientos vinculantes y auditables para el uso de datos y algoritmos geoespaciales en el sector público
- Incluir análisis de impacto diferencial cuando los algoritmos geoespaciales clasifiquen o prioricen territorios y comunidades
- Establecer trazabilidad y licenciamiento claro de los datasets geoespaciales para evitar conflictos de propiedad intelectual
Salud Pública / Dispositivos médicos e IA diagnóstica Explícito Alta
Dominio regulatorio
Salud Pública / Dispositivos médicos e IA diagnóstica
Vacío regulatorio
Sí
Fragmento original
es preciso destacar que el plan busca alinear investigación con necesidades epidemiológicas, usando metodologías innovadoras (big data, IA) y el enfoque traslacional para impacto directo en la salud pública... Wang et al. (2025) propusieron un marco modular de AIoT en la nube para la predicción del riesgo de diabetes, integrando IA explicable... Mansour et al. (2021) propusieron un modelo que alcanzó una precisión de 96.16 % para las enfermedades cardíacas y de 97.26 % para el diagnóstico de diabetes. Análisis de relevancia
CIATEQ adopta como dirección de política institucional el uso de 'big data, IA' alineado a las Líneas de Investigación en Salud de IMSS-Bienestar, y reseña explícitamente modelos de IA/deep learning para predicción de riesgo y diagnóstico de diabetes y enfermedades cardiacas, AIoT, ChatGPT-4 para evaluación de riesgo médico, y aprendizaje automático para diagnóstico de Alzheimer. Se trata de IA clínica de alto riesgo destinada a una población sin seguridad social (IMSS-Bienestar). RIESGOS: R1 (errores diagnósticos / sobreconfianza en 'precisiones' de 96-97% que pueden no generalizar a la población mexicana), R2 (modelos entrenados con datos extranjeros pueden no ser válidos para poblaciones mexicanas, generando sesgo), R3 (procesamiento de datos clínicos sensibles, incl. ChatGPT-4 que implica enviar datos a un tercero). CONTEXTO MEXICANO: brecha digital y de infraestructura en primer nivel; dependencia de modelos extranjeros (soberanía); ausencia de marco COFEPRIS para validar dispositivos médicos basados en IA. GAP: no hay regulación que exija validación clínica local, evaluación de sesgo poblacional, ni supervisión médica humana del output de IA.
Recomendaciones
- Exigir validación clínica con datos de población mexicana y evaluación de sesgo antes de desplegar dispositivos médicos con IA en IMSS-Bienestar
- Desarrollar un marco regulatorio de COFEPRIS específico para software/dispositivos médicos basados en IA (SaMD)
- Prohibir el envío de datos clínicos identificables a servicios de IA de terceros (ej. ChatGPT) sin anonimización y base legal, y mantener supervisión médica humana sobre toda decisión asistida por IA
Categorías de riesgo
Ciencia y Tecnología / Prioridades nacionales de IA (SECIHTI) Explícito Alta
Dominio regulatorio
Ciencia y Tecnología / Prioridades nacionales de IA (SECIHTI)
Vacío regulatorio
Sí
Fragmento original
Tecnologías Disruptivas, Transversales y de Frontera: Semiconductores, inteligencia artificial y ciberseguridad. Análisis de relevancia
La SECIHTI define EXPLÍCITAMENTE a la inteligencia artificial como una de las áreas prioritarias nacionales de 'Tecnologías Disruptivas, de Frontera', junto con semiconductores y ciberseguridad, alineada al PND 2025-2030. Es la declaración más clara en este DOF de que la IA es una prioridad estratégica del Estado mexicano y orienta a los Centros Públicos de Investigación a desarrollarla. RIESGOS: R10 (la soberanía tecnológica en IA enfrenta concentración global de cómputo, datos y talento; dependencia de proveedores extranjeros), R15 (impulso a tecnologías de frontera con marco de gobernanza/seguridad de IA ausente). RELEVANCIA: confirma una política activa pro-desarrollo de IA SIN una contraparte regulatoria de seguridad, ética o gestión de riesgos de IA. GAP: el Estado fomenta el desarrollo de IA como prioridad pero no ha emitido un marco de gobernanza de riesgos de IA correlativo.
Recomendaciones
- Acompañar la prioridad nacional de desarrollo de IA con un marco de gobernanza de riesgos, seguridad y ética de IA correlativo y vinculante
- Incorporar requisitos de evaluación de capacidades peligrosas y seguridad en los proyectos de IA de frontera financiados con recursos públicos
- Fomentar capacidades soberanas (cómputo, datos, talento) para reducir la dependencia de proveedores extranjeros de modelos fundacionales
Categorías de riesgo