Diario Oficial de la Federación, No. de publicación 071/2026, Ciudad de México, jueves 26 de marzo de 2026 (Edición Matutina). Incluye, entre otros: Decreto que modifica la Tarifa de la Ley de los Impuestos Generales de Importación y de Exportación (arancel-cupo de rieles); Acuerdo 42/2026 sobre recaudación federal participable; tres Resoluciones que modifican las Disposiciones de carácter general aplicables a las instituciones de crédito; Acuerdo de desincorporación de inmuebles federales a favor del FIFONAFE; Circular de la Secretaría Anticorrupción y Buen Gobierno; Acuerdo de Lineamientos del Proyecto Mundial Social rumbo al Mundial FIFA 2026; Sentencia de la Controversia Constitucional 105/2025; tipos de cambio y tasas del Banco de México; Síntesis de Resolución del INE sobre fiscalización de gastos de campaña en Chihuahua; y convocatorias y avisos.

El documento autoriza y regula el uso, por parte de las instituciones de crédito, de 'Modelos basados en calificaciones internas' (internal ratings-based, IRB) para calcular los requerimientos de capital por riesgo de crédito, incorporando además el estándar de Basilea III 'Output Floor' (piso de capital revisado del 72.5%). Aunque la Resolución no menciona 'inteligencia artificial', estos modelos internos de scoring crediticio son precisamente el dominio donde la banca incorpora de forma creciente técnicas de machine learning para estimar probabilidad de incumplimiento, pérdida dada el incumplimiento y exposición. La regulación trata estos modelos como una caja prudencial (capital), pero NO aborda su gobernanza algorítmica. RIESGOS: R2 (Discriminación): los modelos de calificación interna entrenados con datos históricos de crédito pueden perpetuar y amplificar sesgos contra poblaciones sin historial formal (informalidad ~60%), mujeres, comunidades rurales o indígenas, sin que la norma exija auditoría de equidad, pruebas de impacto diferencial ni explicabilidad de las decisiones de denegación de crédito. R1 (Errores): modelos mal calibrados o aplicados fuera de su dominio pueden subestimar riesgo (afectando estabilidad) o sobreestimarlo (excluyendo injustamente a solicitantes), sin un mandato explícito de validación independiente, supervisión humana de casos límite o trazabilidad. R10 (Concentración): el costo y la sofisticación de desarrollar y validar modelos IRB favorece a los bancos grandes (y a proveedores externos de modelos/datos), profundizando la asimetría competitiva frente a banca pequeña y popular. GAPS REGULATORIOS: 1. No se exige transparencia ni auditabilidad algorítmica de los modelos internos respecto a sesgo o discriminación. 2. No se establece derecho de los solicitantes a explicación o impugnación de decisiones automatizadas de crédito. 3. No se requiere evaluación de impacto en grupos protegidos ni métricas de equidad. 4. No se delimita el uso de proveedores externos de modelado/datos ni la dependencia tecnológica resultante. CONTEXTO MEXICANO: la alta informalidad económica y la baja bancarización generan poblaciones con datos atípicos que un modelo IRB puede penalizar; la capacidad de la CNBV para validar técnicamente modelos basados en ML es limitada frente a recursos de bancos transnacionales.

El Acuerdo faculta a la Dirección General de Obras Comunitarias para elaborar 'análisis e investigaciones' que produzcan un 'diagnóstico sobre las comunidades susceptibles de ser atendidas' y, en disposición contigua, para 'proponer la implementación de sistemas de información para dar seguimiento a los Proyectos'. Se trata de un proceso de focalización y selección territorial/poblacional de beneficiarios de recursos públicos (FONADIN) que, si se apoyara en herramientas de análisis de datos o automatización para priorizar comunidades, constituiría una decisión sobre acceso a recursos sociales. RIESGO R2 (Discriminación/Sesgo): la priorización de 'comunidades susceptibles de ser atendidas' mediante diagnósticos basados en datos puede introducir sesgos (por disponibilidad de información, criterios opacos o discrecionalidad) que excluyan a comunidades igualmente necesitadas, sin criterios públicos, auditables ni mecanismos de apelación. GAP REGULATORIO: los Lineamientos no transparentan la metodología del diagnóstico, no establecen criterios objetivos de elegibilidad publicables, ni prevén supervisión sobre eventuales 'sistemas de información' que automaticen el seguimiento o la priorización. Es un gap de baja-media intensidad: hoy la evidencia apunta a análisis tradicionales, pero el dominio (asignación de subsidios) es sensible y debe blindarse antes de que se digitalice/automatice. CONTEXTO MEXICANO: el uso histórico-político de padrones y focalización de programas sociales hace prioritario asegurar criterios objetivos y verificables para evitar clientelismo o discriminación territorial.