Diario Oficial de la Federación, Edición Matutina, No. de publicación 109/2026, Ciudad de México, jueves 30 de abril de 2026

Es la única mención EXPLÍCITA de 'Inteligencia Artificial' en todo el documento. Aparece como concepto de gasto y como indicador de proceso del convenio Salud-Zacatecas: se financia que la persona responsable estatal de las acciones de prevención y atención a la violencia sexual y contra las mujeres acceda al 'Curso de Inteligencia Artificial para su aplicación en la Salud Publica', impartido por un Instituto, y se mide el número de responsables estatales de violencia de género y sexual que se inscribieron y aprobaron dicho curso. 1) Relevancia para IA: el Estado mexicano está formalmente capacitando a personal de salud pública en el uso de IA aplicada a salud, lo que anticipa el despliegue de herramientas de IA en un dominio crítico (salud) y en una sub-área especialmente sensible (violencia de género/sexual, donde se procesan datos de víctimas). 2) Riesgos: R1, porque la IA aplicada a salud pública puede producir errores/alucinaciones (clasificación de casos, diagnóstico, triaje) tratados como infalibles por personal recién capacitado; R2, porque modelos aplicados a detección/atención de violencia pueden reflejar sesgos contra mujeres, población indígena o personas de la diversidad sexo-genérica; R3, porque la aplicación de IA en salud y en casos de violencia implica tratamiento de datos personales sensibles (salud, vida sexual, datos de víctimas). 3) Gaps: el convenio financia la capacitación pero NO establece salvaguardas para el uso posterior de IA (supervisión humana, evaluación de sesgo, protección de datos de víctimas, límites de uso). Es capacitación sin marco de gobernanza. 4) Contexto mexicano: el contenido y el proveedor del curso no se transparentan; existe riesgo de adoptar herramientas de IA extranjeras sin adaptación al contexto local ni evaluación de impacto en derechos.

Mención EXPLÍCITA de 'chatbots' como herramienta de comunicación bidireccional para promoción de la salud dirigida a 'grupos específicos de la población'. Los chatbots son interfaces conversacionales que, en su forma moderna, se apoyan en modelos de lenguaje (IA). 1) Relevancia para IA: el sector salud planea operar agentes conversacionales automatizados para difundir mensajes de salud a segmentos poblacionales. 2) Riesgos: R1, porque un chatbot de salud puede entregar información incorrecta o no verificada (alucinaciones) sobre conductas de salud, con impacto directo en la población; R3, porque dirigir mensajes a 'grupos específicos de la población' implica segmentación/perfilamiento y tratamiento de datos de contacto y posiblemente de salud; R8, porque sustituir la interacción humana por bots en temas sensibles de salud puede reducir la calidad del vínculo asistencial. 3) Gaps: no se especifica si el chatbot usa IA generativa, qué datos recolecta, cómo se valida la veracidad de los mensajes ni cómo se protege a usuarios menores o vulnerables. 4) Contexto mexicano: brecha digital y baja alfabetización en salud aumentan el riesgo de que mensajes automatizados erróneos o segmentación opaca afecten a poblaciones marginadas.

Se presupuesta como software una 'Plataforma de escucha social digital' (social listening) dentro del Laboratorio de Comunicación de Riesgos en salud. Las plataformas de escucha social procesan masivamente publicaciones de redes sociales mediante procesamiento de lenguaje natural y análisis de sentimiento (técnicas de IA), aunque el documento no nombra 'IA'. 1) Relevancia para IA: es tecnología de minería y análisis automatizado de contenido público en redes sociales (monitoreo de medios masivo). 2) Riesgos: R3, por el procesamiento masivo de expresiones de personas en redes sociales sin su conocimiento, con posibilidad de inferencias sensibles (salud, opiniones); R8, porque alimenta estrategias de comunicación que pueden derivar en segmentación/personalización del mensaje; R9, porque una capacidad de 'escucha social' del Estado, aunque destinada a salud, constituye infraestructura de monitoreo de la conversación pública susceptible de reutilización para vigilancia. 3) Gap regulatorio: no se define el alcance del monitoreo, qué se almacena, por cuánto tiempo, ni controles para evitar usos secundarios (p. ej., identificación de personas u opositores). 4) Contexto mexicano: la frontera entre 'monitoreo de medios para salud' y vigilancia de la opinión pública es tenue; sin controles, estas plataformas pueden derivar en abuso.

El SAT publica extensos listados de contribuyentes 'detectados' por la Administración Central de FISCALIZACIÓN ESTRATÉGICA como presuntos emisores de comprobantes fiscales que amparan operaciones inexistentes (EFOS), por carecer de activos, personal, infraestructura o capacidad material. La detección masiva de estos patrones en millones de comprobantes y declaraciones se realiza, en la práctica, mediante modelos de riesgo y análisis de datos (minería de datos/ML), aunque el oficio NO lo menciona. 1) Relevancia para IA: es un mecanismo de cribado automatizado/analítico que produce consecuencias jurídicas graves (presunción de inexistencia de operaciones, efectos en cadena sobre quienes dedujeron esos comprobantes). 2) Riesgos: R1, falsos positivos por modelos de riesgo que clasifican como simuladas operaciones reales de empresas con poca estructura formal; R2, sesgo contra micro y pequeñas empresas, economía informal y sectores con baja formalización que 'parecen' carecer de activos/personal; R3, procesamiento masivo de datos fiscales y de terceros sin transparencia sobre la metodología. 3) Gap regulatorio crítico: el documento no revela cómo se seleccionó a los contribuyentes ni si intervino analítica automatizada; no hay mención de auditoría del modelo, de tasa de error, ni de revisión humana previa a la inclusión en el listado, más allá del plazo de 15 días para desvirtuar. 4) Contexto mexicano: con ~60% de informalidad, muchos contribuyentes legítimos presentan estructuras mínimas; la presunción del 69-B ya ha generado litigios masivos. Una selección opaca apoyada en analítica amplifica el riesgo de afectación a inocentes con escasa capacidad de defensa.

Los convenios FOFISP obligan a las entidades a operar evaluaciones de 'control de confianza' y de desempeño del personal policial, a remitir resultados a través de mecanismos del Centro Nacional de Certificación y Acreditación, y a usar un 'software denominado Herramienta de Seguimiento y Control' del Servicio Profesional de Carrera. Esto constituye una infraestructura de evaluación, calificación y seguimiento de personas (policías) y de gestión de bases de datos de seguridad. 1) Relevancia para IA: aunque no se menciona IA, estos sistemas de evaluación de personal y seguimiento son candidatos naturales a la incorporación de scoring automatizado, analítica de desempeño y cruce de bases de datos de seguridad. 2) Riesgos: R2, porque la evaluación y el 'control de confianza' deciden el acceso/permanencia en el empleo y pueden incorporar criterios sesgados o automatizados sin derecho de impugnación efectivo; R3, por el tratamiento de datos altamente sensibles del personal (incluidos biométricos y poligráficos habituales en control de confianza); R9, porque las bases de datos de seguridad y los sistemas de seguimiento son infraestructura susceptible de uso para vigilancia. 3) Gap regulatorio: el convenio no establece límites a la automatización de estas evaluaciones, ni garantías de revisión humana, transparencia metodológica o protección reforzada de los datos sensibles del personal. 4) Contexto mexicano: el control de confianza ha sido criticado por opacidad y por afectar derechos laborales de policías; introducir analítica/scoring sin salvaguardas agravaría estos problemas.

Los acuerdos del INE actualizan la cartografía electoral por cambios de límites municipales, operando sobre el Marco Geográfico Electoral y la 'georreferencia distrital de los electores' que mantiene la DERFE, sistema vinculado al Registro Federal de Electores (padrón con datos personales y biométricos de millones de ciudadanos). NOTA DE CALIBRACIÓN (revisión adversarial): el fragmento citado es una cláusula técnica de ajuste de límites municipales; NO contiene desinformación, deepfakes ni contenido sintético. Por ello se RETIRA la categoría R4 (Disinformation & Deepfakes) que originalmente se había clasificado como 'Muy Alta', por no estar sustentada por el fragmento ni por el contenido del documento. El hallazgo se conserva como un gap regulatorio de menor intensidad centrado en la infraestructura de datos electorales. 1) Relevancia para IA: la 'detección de inconsistencias' en la cartografía electoral y la georreferenciación masiva de electores son procesos geoespaciales intensivos en datos, dominio donde es habitual la analítica automatizada, aunque el acuerdo NO menciona IA. 2) Riesgos: R3 (Media), por el tratamiento masivo de datos personales geolocalizados de electores en el Marco Geográfico Electoral/RFE; R9 (Media), porque el RFE y el Marco Geográfico Electoral constituyen una infraestructura de datos poblacionales georreferenciados susceptible de reutilización para vigilancia si se le incorpora analítica sin controles. 3) Gap regulatorio: el acuerdo es una corrección técnica de límites y NO introduce IA; evidencia un ecosistema electoral (padrón, geografía, credencialización biométrica) sin un marco específico que regule la analítica automatizada sobre datos de electores. El riesgo electoral de desinformación/IA generativa es real a nivel sistémico, pero NO se desprende de este documento; se deja como consideración de monitoreo, no como categoría asignada a este hallazgo. 4) Contexto mexicano: la concentración de datos georreferenciados de millones de electores exige salvaguardas reforzadas frente a cualquier analítica automatizada futura.