Diario Oficial de la Federación, Edición Matutina, No. de publicación 353/2025, Ciudad de México, martes 30 de diciembre de 2025

Esta es una de las dos únicas menciones explícitas de 'inteligencia artificial' en toda la edición del DOF (la otra, en la sección 5.1.1, la enumera como una de las áreas de la 'ciencia de frontera' a nivel global junto con la tecnología cuántica y la exploración espacial). El INAOE, Centro Público de Investigación adscrito a la SECIHTI, establece como visión de largo plazo (2045) desarrollar 'aportaciones pioneras' en inteligencia artificial y computación neuromórfica, articulándolo con el objetivo de 'soberanía tecnológica'. RELEVANCIA PARA IA: 1) Es un documento de FOMENTO al desarrollo de IA (no de su uso operacional ni de su regulación). Se trata de un mandato programático para investigar y construir capacidades nacionales en IA y hardware de IA (computación neuromórfica, nanoelectrónica, semiconductores CMOS). 2) El programa también contempla 'gobernanza... basada en inteligencia institucional' y la digitalización/automatización de procesos administrativos y del Sistema de Gestión Académica (SISGEA), lo que sugiere adopción interna de herramientas tecnológicas. RIESGOS Y GAPS: R10 (Concentración de poder / Soberanía digital): El programa enmarca la IA dentro de la narrativa de 'independencia y soberanía tecnológica' frente a la dependencia de proveedores extranjeros, lo cual es positivo, pero NO establece ningún mecanismo de gobernanza para que el desarrollo de IA generado con fondos públicos sea abierto, auditable o no quede capturado por intereses privados al transferirse (Estrategia 4.5 sobre patentamiento y comercialización). R15 (Riesgos emergentes / frontera): El programa promueve investigación en tecnologías emergentes y de 'doble uso' potencial (IA, computación neuromórfica, MEMS, sensores) SIN ningún marco de seguridad de la investigación, evaluación de capacidades peligrosas, ética de IA, ni protocolos de bioseguridad/dual-use, pese a alinearse con derechos humanos en términos generales. CONTEXTO MEXICANO: Es un caso de gap por OMISIÓN: México impulsa el desarrollo de IA de frontera mediante CPIs sin que exista una política nacional de seguridad y ética de IA que acompañe ese fomento. La temporalidad es de futuro (visión 2030/2045), por lo que el riesgo es de baja inmediatez pero relevante para el monitoreo de la política científica.

La Resolución de la CNBV (que en su mayor parte es regulación prudencial de capitalización, sin relación con IA) incorpora una definición de 'Factor de Autenticación' que admite el uso de datos biométricos de los usuarios de Sociedades Financieras Populares: huellas dactilares, geometría de la mano, patrones de iris o retina y voz. RELEVANCIA PARA IA: El procesamiento de rasgos biométricos para autenticación implica tecnologías de reconocimiento biométrico (huella, iris/retina, voz) que típicamente se apoyan en algoritmos de comparación de patrones. Aunque el propósito declarado es la autenticación del cliente (no la vigilancia), el tratamiento masivo de plantillas biométricas de usuarios del sistema financiero popular constituye un dominio sensible de privacidad (R3). GAPS: 1) La disposición no fija salvaguardas específicas sobre almacenamiento, cifrado, periodo de retención o prohibición de uso secundario de las plantillas biométricas, más allá de la condición genérica de que 'no pueda ser duplicada y utilizada posteriormente'. 2) No exige consentimiento informado reforzado ni alternativas no biométricas garantizadas para poblaciones vulnerables. 3) No prevé auditoría sobre falsos positivos/negativos del sistema biométrico ni mecanismos de impugnación. CONTEXTO MEXICANO: Las Sociedades Financieras Populares atienden de forma desproporcionada a población de bajos ingresos y zonas rurales; el uso de biometría sin salvaguardas detalladas puede generar exclusión financiera por errores de reconocimiento y riesgos de filtración de datos biométricos (irreemplazables). La temporalidad es de habilitación presente (mecanismo opcional ya vigente).

Los Lineamientos del INEA describen una infraestructura de datos para administrar a personas educandas en rezago educativo y a personas voluntarias con subsidio: un 'Registro Automatizado de Formación' (RAF), un 'Sistema de control escolar' informático, la plataforma digital 'AprendeINEA', un padrón de población beneficiaria, y la validación de la CURP contra la base de datos de RENAPO ('Preferentemente CURP y que ésta se encuentre vigente en la base de datos de RENAPO'). RELEVANCIA PARA IA: No hay mención de inteligencia artificial; se trata de sistemas de gestión y automatización administrativa. Sin embargo, el procesamiento masivo de datos personales de poblaciones vulnerables (adultos en rezago educativo, frecuentemente de bajos ingresos, indígenas o migrantes), la integración/confronta con padrones externos (RENAPO) y la conformación de padrones de beneficiarios son precisamente el tipo de infraestructura sobre la cual suelen montarse, sin transparencia, módulos de perfilamiento, focalización algorítmica o analítica predictiva. RIESGOS Y GAPS: R3 (Privacidad): Confronta de datos con RENAPO y conformación de padrones sin que el documento detalle minimización de datos, límites de interoperabilidad ni controles sobre usos secundarios; aunque sí remite genéricamente a la Ley General de Transparencia y a la Ley General de Protección de Datos Personales. R2 (Discriminación/Sesgo): La 'detección de población objetivo' mediante padrones y la focalización de apoyos podrían, de automatizarse con criterios de elegibilidad, generar exclusiones inadvertidas de grupos sin CURP vigente o sin registro en RENAPO (precisamente los más marginados). CONTEXTO MEXICANO: El uso de la CURP/RENAPO como llave de acceso a derechos sociales puede excluir a quienes carecen de documentación vigente. Por ahora el riesgo es de gap potencial (no hay automatización decisoria evidente), pero relevante para vigilar la evolución de la focalización de programas sociales.

Los Lineamientos del INEA establecen un procedimiento de selección de las Personas Voluntarias con Subsidio (PVS) que asigna apoyos económicos mediante criterios de ordenamiento y prelación: calificación del examen de formación inicial (calificación más alta), nivel de estudios (mayor nivel) y fecha de registro (orden de prelación). El examen puede aplicarse 'en línea' y la información se gestiona en el sistema de control escolar. RELEVANCIA PARA IA: No se menciona inteligencia artificial; hoy es un procedimiento de scoring/ordenamiento basado en reglas. Sin embargo, la taxonomía marca expresamente 'selección automatizada', 'scoring' y 'evaluación de riesgo' (keywords R2) y la asignación automatizada de apoyos/recursos sociales como dominios de discriminación algorítmica. Un procedimiento de selección por criterios cuantitativos sobre una convocatoria pública es precisamente el tipo de proceso que suele automatizarse (calificación de exámenes en línea, ordenamiento por folio) sin auditoría de equidad ni mecanismo de impugnación explícito. RIESGOS Y GAPS: R2 (Discriminación/Sesgo): Los criterios 'nivel de estudios (mayor nivel)' y 'fecha de registro' pueden producir efectos diferenciales en contra de poblaciones rurales, indígenas o con menor acceso digital (menor escolaridad, menor capacidad de registro temprano en línea), reproduciendo desigualdades preexistentes. No se prevé análisis de impacto diferencial, ni mecanismo de apelación/impugnación específico para quien quede fuera de la selección; el criterio residual 'Lo que resuelva el IEEA o la UO' introduce discrecionalidad no acotada. CONTEXTO MEXICANO: Las PVS son la base operativa del programa en zonas de alto rezago; un sesgo en su selección afecta indirectamente la cobertura educativa de las comunidades más marginadas. El riesgo es de gap potencial (proceso por reglas con calificación en línea, sin automatización decisoria plena evidente), pero relevante para monitorear si el sistema de control escolar incorpora ordenamiento o filtrado automatizado de aspirantes.